Эпоха ИИ: Цивилизационный поворот, медицина и границы разума

Искусственный интеллект видит мир не так, как человек: за каждой плавной генерацией видео или диагнозом скрывается лишь гигантская библиотека статистических паттернов, лишённая подлинного сознания. Профессор Стэнфорда Фей-Фей Ли и нейробиолог Эндрю Губерман обсуждают, почему современная революция глубокого обучения требует не слепого восхищения, а сохранения человеческой субъектности, этики и критического мышления.

👁️ Зрение как колыбель интеллекта: от биологической эволюции к нейросетям 4:10

Для понимания природы искусственного интеллекта необходимо обратиться к биологическим истокам, а именно — к эволюции зрения. Эндрю Губерман и Фей-Фей Ли сходятся во мнении, что именно способность видеть стала фундаментом как животного, так и машинного разума . Фей-Фей Ли выделяет два параллельных пути: биологическую эволюцию восприятия и развитие компьютерного зрения .

История биологического зрения началась примерно 540 миллионов лет назад в глубинах океана, когда у первых животных, таких как трилобиты, появились светочувствительные клетки . До этого момента организмы обладали лишь зачатками осязания, но не имели ни слуха, ни развитой нервной системы . Появление фоторецепторов создало мощнейший эволюционный импульс: способность видеть внешнюю среду радикально изменила взаимодействие существ с миром . Зрение позволило активно искать пищу и партнеров, а также избегать участи стать чьим-то обедом .

Палеонтологические данные подтверждают, что всего через 10 миллионов лет после появления первых «глаз» произошел так называемый «Кембрийский взрыв» — резкое ускорение биологического разнообразия и специализации видов . В человеческом организме наследие этой эпохи сохраняется и по сей день: по оценкам ученых, около 50% активности коры головного мозга связано с обработкой визуальной информации . Примечательно, что в процессе развития ребенка визуальное восприятие мира предшествует вербальному, формируя основу для будущего обучения .

Биологическая архитектура и рождение алгоритмов 7:30

Связь между нейробиологией и компьютерными науками уходит корнями в середину XX века. В начале 1950-х годов, когда компьютерные ученые только начинали экспериментировать с первыми нейронными сетями , нейробиологи Дэвид Хьюбел и Торстен Визел проводили свои революционные исследования . Они записывали активность нейронов в мозге млекопитающих и обнаружили иерархическую структуру: нервные клетки организованы слоями, которые передают информацию друг другу по цепочке .

Процесс начинается с регистрации света сетчаткой и проходит через иерархию, пока мозг не распознает конкретную форму . Эта биологическая архитектура стала прямым источником вдохновения для создания алгоритмов искусственных нейронных сетей . Хотя современные модели оперируют сотнями миллиардов и даже триллионами параметров, что значительно сложнее первых записей в мозге животных, их фундаментальный принцип — иерархическая передача данных — остается общим с биологическими прототипами .

Революция 2012 года: ImageNet и триединство успеха 9:18

Долгое время искусственный интеллект развивался преимущественно в лабораториях как область машинного обучения, где ученые пробовали разные подходы — от байесовских методов до метода опорных векторов . Фей-Фей Ли вспоминает, что в 2006 году, будучи молодым профессором в Принстоне, она заметила критическую проблему: алгоритмы пытались учиться на слишком малых объемах данных .

Обратившись к когнитивной нейробиологии, она увидела поразительный контраст: человеческий ребенок к шести годам способен распознавать десятки тысяч категорий объектов благодаря колоссальному объему визуального опыта, который он получает с рождения . Гипотеза Ли заключалась в том, что отсутствие прогресса в ИИ связано не только с качеством алгоритмов, но и с дефицитом данных . Это привело к созданию проекта ImageNet — беспрецедентного набора данных из 15 миллионов изображений, собранных из интернета .

Целью ImageNet было научить машины распознавать повседневные объекты: от чашек до микрофонов . К 2012 году произошла историческая конвергенция трех ключевых факторов, определивших современную эпоху ИИ:

Большие данные: масштабная база ImageNet обеспечила «топливо» для обучения .
Алгоритмы глубокого обучения: нейронные сети достигли необходимой зрелости .
Мощности GPU: графические процессоры позволили распараллелить вычисления и достичь необходимой скорости .

В рамках ежегодного конкурса ImageNet Challenge в 2012 году нейронные сети показали резкое снижение уровня ошибок, что стало точкой перегиба для всей индустрии . Для сравнения: человеческий уровень ошибок при классификации тысячи различных категорий объектов (включая редкие породы собак) составляет около 4% . В 2012 году машины еще не превзошли человека, но совершили гигантский скачок, а уже к 2016 году алгоритмы стали справляться с этой задачей точнее людей .

Этот успех в области зрения открыл «шлюзы» для других направлений ИИ . Технологии распознавания речи, звуков и естественного языка получили аналогичный импульс. Позже, с появлением архитектуры Transformer в 2017 году , акцент сместился на обработку текста, что в конечном итоге привело к созданию таких моделей, как ChatGPT . Как отмечает Фей-Фей Ли, рецепт успеха остался прежним: еще более мощные нейросети, еще больше данных из интернета и еще более производительные GPU . Ранее в разговоре они также кратко упоминали, что обучение ИИ на данных интернета имеет как сходства, так и серьезные отличия от того, как учится человеческий мозг.

🧠 Статистика против интуиции: Как обучается ИИ и где проходят границы его творчества 25:03

Обучение ИИ: почему ребенку нужно 10 кошек, а нейросети — миллиарды 27:55

Переход от классического машинного обучения к современным большим моделям ознаменовал смену парадигмы: от жестко прописанных правил к обучению на колоссальных массивах данных . Ранее ученые пытались «объяснить» компьютеру мир через логические фильтры — например, ограничивая поиск до десяти видов животных или задавая правила контекста (если объект в помещении, это вряд ли лиса) . Современные системы вроде GPT или Gemini работают иначе: они активируют «обученные веса» и параметры, основываясь на паттернах, извлеченных из огромного объема информации . Именно это позволяет им распознать кошку, даже если на снимке виден только кончик хвоста, торчащий из-за полки .

Однако Фей-Фей Ли (Fei-Fei Li) подчеркивает фундаментальный разрыв между кремниевым и биологическим интеллектом . В то время как ИИ требуются миллиарды изображений из интернета, человеческий ребенок обучается на крайне малом количестве данных .

Ребенку достаточно увидеть 3–10 кошек, чтобы безошибочно узнавать их в любых ракурсах .
Человек использует иные нейронные пути обучения, которые до сих пор остаются загадкой для науки .
Мозг ребенка не просто классифицирует объект, но и моментально усваивает правила его взаимодействия с миром: например, что кошка движется головой вперед, а не хвостом .

Эндрю Губерман (Andrew Huberman) отмечает, что следующая ступень интеллекта — это умение присваивать вероятности направлениям движения и взаимодействиям объектов . И если для биологического мозга это естественный процесс развития, то для ИИ это стало возможным только с переходом к анализу динамических данных. Ранее в разговоре Фей-Фей Ли уже упоминала, что зрение является фундаментом для понимания мира, и это подтверждается тем, как ИИ начал осваивать видео .

Видеогенерация и «правдоподобная» физика: знает ли Sora анатомию? 29:53

Настоящий качественный скачок произошел в 2023 году, когда исследовательские группы начали массово включать видео в обучающие выборки . Кульминацией этого процесса стал выход модели Sora в январе 2024 года, которая поразила мир способностью генерировать реалистичные клипы по текстовому описанию . Однако Фей-Фей Ли (Fei-Fei Li) призывает не путать внешнюю правдоподобность с глубоким пониманием физики .

Когда мы видим на экране кошку, грациозно бегущую за мышью, мы подсознательно приписываем алгоритму знание биологии . На самом деле ситуация иная:

Алгоритм не имеет представления о структуре мышц, суставах или скелете кошки .
ИИ лишь воспроизводит статистическую закономерность того, как кадры сменяют друг друга в миллионах видео из интернета .
Модель генерирует «правдоподобные» последовательности пикселей, основываясь на математической вероятности, а не на понимании законов гравитации или анатомии .

Фей-Фей Ли (Fei-Fei Li) проводит интересную параллель: большинство людей тоже не знают в деталях, как работают мышцы кошки (если они не медики или биологи) . Мы просто привыкли видеть эти движения и считаем их естественными . В этом смысле ИИ похож на нас — он является «машиной предсказания», которая выстраивает мир на основе накопленного визуального опыта .

Пределы ИИ: субъективный опыт и «нецифруемые» чувства 34:41

Несмотря на успехи ИИ в шахматах или генерации изображений, Эндрю Губерман (Andrew Huberman) задается вопросом: есть ли аспекты человеческого познания, которые навсегда останутся недоступными для машин? . Фей-Фей Ли (Fei-Fei Li) подтверждает, что интернет, на котором обучается ИИ, — это лишь «цифровой слепок» человеческого поведения, а не полное отражение нашей психики .

Существуют области, где ИИ сталкивается с непреодолимым барьером:

Уникальный творческий процесс: ИИ может имитировать стиль Пабло Пикассо, но он никогда не сможет запечатлеть ту самую мимолетную и глубокую мысль, которая была в голове художника в момент создания портрета . Эти мысли никогда не были оцифрованы и загружены в сеть .
Субъективные ассоциации: Фей-Фей Ли (Fei-Fei Li) приводит пример с обычной серой чашкой . Для ИИ это просто объект с определенными параметрами, но для конкретного человека она может вызвать острый приступ ностальгии по детству или общению с другом . Эта информация недоступна для нейросети, как бы мощна она ни была .
Математическая vs. Человеческая креативность: Знаменитый «Ход 37» в партии AlphaGo против Ли Седоля часто называют проявлением творчества ИИ . Однако это креативность в рамках жестких математических правил игры . Истинное творчество в науке часто требует создания методов, которых еще не существует в истории человечества, и здесь ИИ пока может выступать лишь в роли гибридного помощника .

Эндрю Губерман (Andrew Huberman) предполагает, что в будущем неинвазивные нейроинтерфейсы смогут считывать нашу внутреннюю активность , позволяя ИИ «понимать» наши неосознанные состояния и помогать нам лучше узнавать самих себя . Однако Фей-Фей Ли (Fei-Fei Li) подчеркивает, что ключевая задача — использовать ИИ для расширения человеческих возможностей и сохранения нашей субъектности (agency), а не для замены человека . В дальнейшем разговоре эксперты коснутся того, как эти технологии могут трансформировать медицину и повседневный труд, сохраняя при этом человеческое достоинство .

🧬 ИИ в авангарде науки: от расшифровки биомаркеров до хирургических инноваций 1:00:22

Переход от чисто теоретических моделей ИИ к их практическому применению в медицине знаменует собой начало новой эры в истории человечества. Как отмечает Фей-Фей Ли, мы стоим на пороге полной трансформации того, как совершаются научные открытия . На протяжении веков наука полагалась на «умных людей, сохраняющих знания других умных людей» и работающих со скоростью человеческих мышц и мозга . Сегодня ИИ выступает как инструмент, способный синтезировать колоссальные объемы информации и, что более важно, преодолевать барьеры между дисциплинами . Например, ученый, специализирующийся на нейробиологии зрения, может ничего не знать об ольфакторной системе (обонянии), но ИИ способен мгновенно объединять знания из этих разрозненных областей .

ИИ как инструмент диагностики и «умный» помощник врача 1:00:22

Эндрю Губерман приводит личный пример того, как ИИ уже сегодня меняет клиническую практику. Столкнувшись с симптомами головокружения, он использовал ИИ для анализа своего состояния . В то время как опытный врач-отоларинголог не смог сразу определить причину, ИИ сумел дифференцировать вертиго (истинное головокружение) от последствий низкого кровяного давления, вызванного побочным эффектом лекарства .

Это подчеркивает мощь ИИ в поиске паттернов в огромных базах медицинских данных :

Доступность: ИИ обеспечивает мгновенную консультацию практически с нулевой стоимостью .
Объективность: Алгоритмы анализируют субъективный опыт пациента без предвзятости, опираясь на задокументированные случаи .
Снятие неопределенности: Для пациента возможность быстро получить вероятный диагноз является огромным психологическим облегчением .

Однако Фей-Фей Ли предостерегает от чрезмерного упрощения: ИИ силен там, где паттерны изобилуют . В медицине, как и в фундаментальной науке, правила постоянно дополняются. Губерман напоминает, что даже классические догмы нейробиологии — например, о том, что потенциал действия нейрона всегда имеет одинаковую форму — пересматриваются . Там, где человеческий мозг пасует перед сложностью (например, если у сигнала может быть сто разных форм), ИИ способен справляться лучше любого студента Стэнфорда или MIT .

Роботизированная хирургия и синергия человека с машиной 1:04:36

Одним из наиболее впечатляющих примеров сотрудничества человека и ИИ является высокотехнологичная хирургия. Фей-Фей Ли делится личной историей своего отца, который перенес сложную операцию на печени в Стэнфорде . Операция проводилась с использованием роботизированной системы DaVinci, где опытнейший хирург буквально «управлял» роботом .

Ключевые выводы из этого опыта:

Снижение инвазивности: Благодаря лапароскопическим возможностям робота потеря крови была в 10 раз меньше, чем при традиционной открытой операции .
Проблема данных: Несмотря на технологичность, полностью доверить такую операцию автономному ИИ пока невозможно. Печень — крайне сложный орган с индивидуальной сосудистой сеткой . Даже если собрать данные всех операций на печени в мире, их может не хватить для обучения надежного алгоритма из-за уникальности каждого случая .
Модель сотрудничества: На данном этапе развития технологий наиболее эффективна связка «человек + машина». Человек привносит глубокую экспертизу и способность принимать решения в нестандартных ситуациях, а робот — точность манипуляций и минимизацию физического ущерба .

Природа интуиции и границы машинного обучения 1:08:01

Рассуждая о будущем, Эндрю Губерман задается вопросом: может ли ИИ обрести некое подобие «человеческой интуиции»? . Он предполагает, что интуиция — это не мистика, а накопленный опыт, сопряженный с телесными ощущениями и предсказательными сигналами мозга . Фей-Фей Ли предлагает разделять интуицию на два типа. Первый — это «контекстуальная» интуиция, которую ИИ уже демонстрирует: если вы дадите чат-боту контекст (например, что вы профессор или подросток), он выдаст совершенно разные, адаптированные ответы .

Второй тип — «глубинная» интуиция, основанная на трудноуловимых биологических сигналах (гормоны, запах, микро-движения), к которым у машин пока просто нет доступа . Фей-Фей Ли объясняет это с научной точки зрения: если информация недоступна для сенсоров, она не может быть оцифрована и использована алгоритмом . Однако по мере развития технологий сбора данных (датчики проводимости кожи, мозговые волны), даже эти «мистические» аспекты человеческого опыта могут стать частью обучающей выборки для ИИ .

Ранее в разговоре Фей-Фей Ли и Эндрю Губерман затрагивали тему того, что обучение ИИ в корне отличается от того, как учится человеческий мозг, и эта разница особенно заметна в контексте формирования подобной «глубинной» интуиции. Тем не менее, уже сегодня ИИ помогает ученым видеть закономерности там, где раньше требовались десятилетия тренировки глаза — например, при идентификации типов клеток сетчатки, которую опытные физиологи раньше проводили буквально «на ощупь» .

🤖 Сохранение человеческой субъектности и достоинства 1:15:22

В дискуссии о будущем искусственного интеллекта Фей-Фей Ли подчеркивает критическую разницу между математическими процессами и человеческой природой. Когда мы видим, как чат-бот проявляет «настойчивость» или «эмпатию», мы склонны антропоморфизировать технологию . Однако то, что Эндрю Губерман называет мотивацией или состоянием срочности, в мире машинного обучения является лишь «целевой функцией» (objective function) .

Машина может выдавать быстрые или глубокие ответы, потому что в её алгоритм заложен лимит токенов или времени, а не потому, что она «хочет» помочь . Профессор Ли призывает четко разграничивать имитацию и подлинные чувства: когда ИИ говорит «мне жаль, что вы больны», это результат статистического паттерна, а не сопереживания . В отличие от человека, у машины нет памяти о боли или физического опыта страданий .

Особую тревогу у экспертов вызывает влияние технологий на подрастающее поколение. Фей-Фей Ли выделяет два экстремальных сценария, которых следует избегать:

Утрата субъектности (agency): Самый мрачный исход — это когда пассивное потребление контента (думскроллинг) лишает молодежь внутренней мотивации к обучению . Развитие мозга — это «трудозатратный и иногда болезненный процесс», который требует усилий . Если ИИ будет делать всё за ученика, биологическое «железо» мозга не пройдет необходимые этапы формирования .
Отказ от инструментов: Не менее опасным Ли считает запрет ИИ в образовании из страха перед списыванием . При правильном подходе ИИ-компаньон может стать персональным репетитором, доступным 24/7, который поможет преодолеть трудности в сложных дисциплинах, таких как органическая химия .

Цель «гуманистического ИИ» — не заменить человека, а расширить его возможности, сохраняя за личностью право выбора и достоинство . Ранее в разговоре они касались того, как зрение формирует интеллект, и Ли подчеркивает: биологическая основа нашего познания уникальна, и её развитие нельзя делегировать коду .

Этика и социальное регулирование: почему нельзя «отключать тормоза» 1:21:41

Развитие ИИ — это не только технологическая гонка, но и вопрос социальных договоренностей. Фей-Фей Ли проводит аналогию с автомобильной промышленностью: технически любой производитель мог бы запрограммировать тормоза так, чтобы они отключались каждую пятницу, но мы этого не делаем из-за законов, морали и социальных норм .

Эндрю Губерман дополняет эту мысль примером из биологии: ученые могут испытывать азарт, создавая опасные вирусные векторы для экспериментов на мухах-дрозофилах, но комитеты по этике блокируют такие исследования, чтобы предотвратить катастрофу . Технологии ИИ достигли уровня, когда их обсуждение должно выйти за пределы «чистого кода» в плоскость социального регулирования .

Основные принципы безопасного развития ИИ по мнению Ли:

Многосторонний подход: Решения не должны диктоваться только лидерами индустрии, так как рыночные силы часто противоречат общественным интересам . Участие государства, академического сообщества и гражданского общества обязательно .
Профессиональная этика: Программистам необходима подготовка, аналогичная этическому обучению врачей или биологов . В Стэнфорде уже внедряются курсы этики в учебный план для компьютерных наук .
Институциональный контроль: Подобно тому, как IRB (институциональные наблюдательные советы) контролируют эксперименты на людях в медицине, аналогичные структуры должны оценивать влияние алгоритмов ИИ .

Ли подчеркивает, что регулирование не должно тормозить прогресс, но обязано создавать «защитные ограждения» . Это особенно важно в контексте нехватки медицинского персонала: ИИ может облегчить физический труд санитаров и медсестер, которые сегодня работают на грани истощения .

Промпт-инжиниринг как современный метод Сократа 1:34:23

Взаимодействие с ИИ меняет саму культуру мышления. Фей-Фей Ли признается, что появление больших языковых моделей заставило её пересмотреть отношение к «ленивым вопросам» . Если раньше можно было просто спросить совета у коллеги, то теперь наличие мощного инструмента заставляет сначала самостоятельно сформулировать запрос и проверить базовую информацию .

Навык формулирования промптов (подсказок для ИИ) становится фундаментальным в современную эпоху . Ли называет Сократа «лучшим промпт-инженером в истории человечества» . Его метод — поиск истины через последовательные, глубокие вопросы — идеально ложится в канву работы с современным ИИ .

Правильный промпт требует специфичности и понимания контекста .
Процесс «вопрос-ответ» с машиной может стать формой интеллектуального партнерства, а не просто потребления информации .
Школам следует обучать детей именно искусству задавать вопросы, превращая их из пассивных пользователей в активных исследователей .

Эндрю Губерман отмечает, что такая работа с ИИ задействует префронтальную кору мозга, ответственную за правила обучения и их обновление . Это позволяет человеку не просто получать готовые данные, а использовать ИИ как «зеркало» для оттачивания собственной логики и критического мышления.

🤖 Будущее воплощенного ИИ: от роботов-помощников до пространственного интеллекта 1:40:09

Воплощенный ИИ и роботы-помощники 1:40:23

Следующим масштабным этапом развития технологий Фей-Фей Ли (Fei-Fei Li) называет «воплощенный ИИ» — переход алгоритмов из цифровой среды в физическую . Она приводит в пример работу медсестер: за одну смену они проходят многие мили, чтобы принести лекарства или необходимые вещи пациентам . Роботы, способные выполнять такие задачи, могли бы радикально снизить нагрузку на персонал . Эндрю Губерман (Andrew Huberman) добавляет, что подобные помощники могут стать спасением для пожилых или больных людей, помогая им перемещаться по магазинам и выбирать товары с полок, что возвращает им чувство автономии .

Однако физическое присутствие роботов в нашей жизни вызывает у многих инстинктивное опасение из-за их «жесткости» и металлического облика . Эндрю Губерман упоминает концепцию «мультиморфных» роботов, приводя в пример Бэймакса из мультфильма Disney — мягкого, губчатого медицинского помощника, который не пугает своим видом . Фей-Фей Ли подчеркивает, что ключевым словом в этой трансформации должна быть «субъектность» (agency) . Именно человечество должно решать, каким будет этот физический мир будущего, а не только инвесторы или корпорации .

Потенциал воплощенного ИИ огромен:

Безопасность детей: роботы-охранники могли бы сопровождать детей в школу, подавая сигнал тревоги в случае опасности или физически защищая их .
Цифровая защита: создание аватаров-адвокатов, которые могут распознавать действия интернет-хищников и защищать ребенка в онлайн-пространстве .
Бытовая помощь: выполнение рутинных задач, таких как складывание одежды, полив растений или уборка, что освобождает время для более глубокого человеческого взаимодействия .

Фей-Фей Ли вспоминает Стива Джобса, который понимал, что компьютерным устройствам нужны «закругленные углы» и человеческое лицо, чтобы стать частью нашей жизни . Сегодняшним технологам, по её мнению, часто не хватает такого посредника, который помог бы широкой публике увидеть в ИИ не угрозу, а инструмент для благожелательного сотрудничества .

Стартап World Labs: пространственный интеллект 1:50:20

В начале 2024 года Фей-Фей Ли стала сооснователем стартапа World Labs, который она называет делом всей своей жизни . Ранее в беседе обсуждалась роль зрения, и теперь Ли развивает эту идею: она убеждена, что ИИ-фронтир лежит за пределами только лишь языковых моделей . Новая цель — разблокировать пространственный и физический интеллект машин .

World Labs занимается созданием «фундаментальных моделей мира», способных генерировать полноценные 3D и 4D-пространства . В отличие от простых генераторов видео, эти модели понимают физику и геометрию мира. Фей-Фей Ли объясняет, что это позволит любому человеку превратить описание в голове в интерактивную среду: достаточно ввести предложение, показать картинку или набросать эскиз, чтобы алгоритм выстроил вокруг пользователя целый мир .

Это критически важно для нескольких индустрий:

Робототехника: создание реалистичных сред для обучения роботов перед их выходом в реальный мир .
Архитектура и дизайн: возможность мгновенно визуализировать и «обжить» проектируемые пространства .
Здравоохранение и образование: создание иммерсивных симуляций для обучения специалистов и реабилитации пациентов .

Фей-Фей Ли подчеркивает, что её команда состоит из блестящих молодых ученых, которые могли бы работать в любой компании мира, но выбрали World Labs ради идеи расширения человеческих возможностей .

ИИ в кино и сторителлинге 1:54:21

Поскольку беседа проходит в Лос-Анджелесе, Губерман и Ли не могли обойти тему Голливуда . Технологии уже позволяют генерировать качественные видеокадры на основе сценариев, и мы видим появление первых короткометражных фильмов, созданных с помощью ИИ . Однако Фей-Фей Ли настаивает на разделении технологического прогресса и человеческой сути творчества .

В сторителлинге остаются аспекты, которые глубоко человечны: эмоции, уникальный жизненный опыт, техника движения камеры и характер персонажей . Фей-Фей Ли рассказывает о своей встрече с Беном Аффлеком, который активно изучает использование ИИ-инструментов в кинопроизводстве . Она видит ИИ как «суперсилу» для творцов, а не как их замену .

Индустрия визуальных эффектов (VFX) уже начинает интегрировать эти инструменты для ускорения работы . Ли приводит аналогию с магазинами фототехники прошлого: когда-то мы сдавали пленку в проявку, теперь всё стало цифровым, но искусство фотографии не исчезло, оно трансформировалось . Главная задача сейчас — помочь профессионалам индустрии «апскиллиться» (повысить квалификацию) и адаптироваться к новым методам работы .

Поддержка учителей и родителей в эпоху ИИ 2:00:43

Особое внимание Фей-Фей Ли уделяет тем, кого она называет «забытой популяцией» — учителям, родителям и студентам . Политики, инвесторы и технологи часто игнорируют их нужды в своих дискуссиях . Как педагог, Ли сохраняет оптимизм относительно детей, чье любопытство помогает им быстро осваивать новое, но она всерьез обеспокоена положением учителей .

По её мнению, Кремниевая долина часто «читает лекции» учителям или смотрит на них свысока вместо того, чтобы предоставлять ресурсы . Ли вспоминает, что сразу после выхода ChatGPT в ноябре 2022 года она первым первым делом написала директору начальной школы своего ребенка и предложила провести лекцию для учителей и учеников . Она считает крайне важным, чтобы педагоги понимали технологию в реальном времени, а не боялись её .

Фей-Фей Ли призывает общество отойти от крайностей:

Избыточный алармизм (doomerism): пугание людей тем, что ИИ всё разрушит, парализует волю к действию .
Слепой утопизм: утверждения, что технология не может причинить вреда, звучат неискренне .

Вместо этого нужно сосредоточиться на поддержке учителей, чтобы они могли научить детей созидательному использованию ИИ, сохраняя при этом фундаментальные навыки . Эндрю Губерман завершает беседу, отмечая, что именно человеческий фактор и такие лидеры, как Ли, дают надежду на то, что симбиоз человека и машины будет служить на благо общества .

🎓 Ресурсы для углубленного изучения и завершение дискуссии 2:05:32

«Цивилизационный момент» и поддержка научного просвещения 2:05:32

В завершение масштабного диалога о будущем искусственного интеллекта и его влиянии на человечество, Фей-Фей Ли (Fei-Fei Li) охарактеризовала текущий период развития технологий как «цивилизационный момент» . Это определение подчеркивает глубину обсуждавшихся ранее тем: от основ биологического зрения до создания пространственного интеллекта в её новом стартапе World Labs. Эндрю Губерман (Andrew Huberman) выразил признательность гостье за детальный разбор этических и технических аспектoв ИИ, отметив важность открытого обсуждения подобных трансформаций для широкой аудитории .

Для поддержания работы проекта и обеспечения свободного доступа к научно-обоснованной информации, ведущий предложил слушателям несколько способов взаимодействия с подкастом:

Подписка на официальный YouTube-канал Huberman Lab, что является наиболее эффективным бесплатным способом поддержки ;
Подписка на платформы Spotify и Apple Podcasts, где пользователи могут нажать кнопку «Follow» ;
Возможность оставить пятизвездочный отзыв и написать комментарии на обеих аудиоплатформах .

Эндрю подчеркнул, что внимательно читает все отзывы и комментарии в разделе YouTube . Это помогает формировать будущую повестку подкаста, выбирать новых гостей и уточнять темы, которые требуют более глубокого научного освещения в контексте нейробиологии или смежных дисциплин . Также он напомнил о важности взаимодействия со спонсорами выпуска, так как их поддержка напрямую позволяет команде Huberman Lab продолжать производство контента высокого качества .

Книга «Protocols»: инструкция по эксплуатации человеческого тела 2:06:24

Важным этапом в многолетней работе Эндрю Губермана по популяризации науки стал анонс его первой книги . Труд получил название «Protocols: An Operating Manual for the Human Body» (Протоколы: Руководство по эксплуатации человеческого тела) . По словам автора, работа над текстом заняла более пяти лет , а в его основу лег колоссальный пласт знаний, накопленный за 30 лет активной исследовательской деятельности в области нейробиологии и клинической практики .

Книга не просто перечисляет рекомендации, а представляет собой систематизированный сборник протоколов, подкрепленных строгой научной базой . Основные направления, охваченные в издании, включают:

Методики оптимизации сна и механизмы восстановления организма ;
Научный подход к физическим упражнениям и тренировочному процессу ;
Техники контроля стресса и управления эмоциональным состоянием ;
Протоколы для повышения концентрации внимания и усиления мотивации .

Издание уже доступно для предварительного заказа на специализированном ресурсе protocolsbook.com . Губерман отметил, что на сайте представлены ссылки на различных вендоров, что позволяет читателям выбрать наиболее удобный способ приобретения книги в зависимости от их региона .

Экосистема Huberman Lab: социальные сети и рассылка Neural Network 2:07:04

Помимо основного формата подкаста, Эндрю Губерман активно развивает присутствие на различных цифровых платформах под общим названием «Huberman Lab» . Он представлен в таких сетях, как Instagram, X (ранее Twitter), Threads, Facebook и LinkedIn . Контент в социальных сетях часто отличается от того, что звучит в длинных интервью: там публикуются короткие научные инструменты и выжимки из исследований, которые могут лишь частично пересекаться с эпизодами подкаста, но чаще являются уникальными дополнениями к ним .

Особое внимание в образовательной экосистеме уделяется ежемесячной рассылке «Neural Network» . Это полностью бесплатный ресурс, который служит инструментом для закрепления полученных знаний. Рассылка включает в себя:

Краткие резюме эпизодов подкаста для быстрого ознакомления с ключевыми выводами ;
Специальные PDF-протоколы объемом от одной до трех страниц, содержащие пошаговые инструкции ;
Руководства по оптимизации уровня дофамина и использованию холодового воздействия (deliberate cold exposure) ;
Фундаментальный протокол фитнеса, объединяющий силовые тренировки и развитие сердечно-сосудистой системы .

Подписаться на рассылку можно на официальном сайте hubermanlab.com в разделе меню . Ведущий отдельно акцентировал внимание на политике конфиденциальности, заявив, что адреса электронной почты подписчиков никогда не передаются сторонним организациям . В финале встречи Эндрю еще раз поблагодарил Фей-Фей Ли (Fei-Fei Li) за её вклад в науку об ИИ и выразил признательность аудитории за неизменный интерес к научному познанию мира .