Искусственный эксперимент: Искусственный эксперимент — это… Что такое Искусственный эксперимент?

: Технологии и медиа :: РБК

Согласно законопроекту начало эксперимента в Москве запланировано на 1 июля 2020 года. Он должен продлиться пять лет и предусматривает следующее.

В эксперименте смогут участвовать компании, включенные в специальный реестр. Это должны быть юрлица или индивидуальные предприниматели, зарегистрированные в Москве и участвующие в разработке или обороте технологий искусственного интеллекта, а также товаров и услуг, сделанных на его основе.
Мэрия сможет определять условия, требования и порядок разработки, создания, внедрения и реализации технологий искусственного интеллекта. Какими они будут, в законопроекте не уточняется. Указано лишь, что мэрия будет определять порядок и случаи передачи изображений собственниками городских фото- и видеокамер, а также контролировать обработку обезличенных персональных данных участниками эксперимента. При этом оговаривается, что обезличенные персональные данные, полученные в ходе эксперимента, нельзя передавать не участвующим в нем лицам. Эти данные должны храниться на территории Москвы.

За стратегию и механизмы реализации экспериментального правового режима будет отвечать координационный совет, положение о котором принимается Москвой по согласованию с правительством.
По результатам проведения эксперимента совет должен подготовить и представить правительству «предложения о целесообразности или нецелесообразности внесения изменений» в российское законодательство.

Читайте на РБК Pro

Источник РБК пояснил, что цель эксперимента — кардинально упростить условия для компаний — разработчиков искусственного интеллекта и «установить понятные и четкие правила развития технологий на его основе». «Искусственный интеллект легко работает с огромными массивами данных, в том числе помогая принимать решения и освобождая людей от рутинных задач. При этом многие аспекты применения технологии законодательно не урегулированы», — указывает собеседник РБК. Учитывая, что искусственный интеллект способен к самообучению и делает это быстрее, чем человек, скорость появления новых цифровых решений будет только увеличиваться. «В будущем мы обязательно столкнемся с необходимостью правового регулирования искусственного интеллекта, и, если сейчас не начать работу в этом направлении, мы можем отстать от таких стран, как Китай, США или Япония», — заключил источник РБК, близкий к столичному правительству.

Москва выбрана для проведения эксперимента как «лидер по внедрению высоких технологий в России», поясняет он, отмечая, что внедрение искусственного интеллекта происходит во многих сферах: с его помощью, например, в столице уже тестировали возможность выявления рака легких у пациентов. Предполагается, что в дальнейшем искусственный интеллект будет помогать анализировать дорожную обстановку и регулировать светофоры, управлять городским освещением и др.

Кто будет участвовать в проекте

По словам источника РБК, тестирование позволит бизнесу и программистам понять, какие разработки возможны и какие требования предъявляет к ним государство. Он отметил, что интерес к участию в эксперименте ранее проявили «Лаборатория Касперского», «Яндекс», резиденты «Сколково» и другие компании.

Представитель «Яндекса» заявил, что компания поддерживает введение специальных режимов в Москве, поскольку это необходимое условие для развития таких сервисов, как беспилотные автомобили. «Важно, чтобы создаваемый режим был прозрачным, эффективным и позволял тестировать новые технологии в реальных условиях. Мы, как и другие участники рынка, внесли предложения при разработке проекта на основании наших знаний и опыта», — отметил представитель «Яндекса».

По словам директора департамента развития и планирования фонда «Сколково» Сергея Израйлита, ему показывали одну из предыдущих версий законопроекта, однако текущую редакцию (Израйлит ознакомился с ней по просьбе РБК) он ранее не видел. Израйлит отметил, что поддерживает инициативу, поскольку видит значительный интерес со стороны бизнеса, однако уверен, что документ «ждет нелегкая судьба в связи с юридическими трудностями». «Во-первых, авторы используют понятие «обезличенные персональные данные». Оно было в нашей устаревшей версии законопроекта и уже получило отрицательное заключение от государственно-правового управления президента. Во-вторых, у обезличенных данных нет территориального признака», — объяснил он.

Представитель МТС поддерживает идею создания механизмов для дальнейшего развития искусственного интеллекта. «Наличие регулирующих механизмов позволит ускорить внедрение инновационных решений. Логично, что именно Москва как одна из наиболее передовых мировых столиц с развитой цифровой инфраструктурой станет территорией для первого тестирования правовых нововведений в России», — сказал он. Представитель Сбербанка (у организации есть аналогичные разработки) отказался от комментариев. Представитель «Лаборатории Касперского» не ответил на вопросы РБК.

Что знают россияне об искусственном интеллекте

О технологии искусственного интеллекта знают большинство россиян, однако суть ее понимают меньше трети, следовало из недавнего опроса ВЦИОМа и проектного офиса по реализации нацпрограммы «Цифровая экономика» Аналитического центра при правительстве России. При этом 12% респондентов не слишком доверяют искусственному интеллекту, опасаясь непредсказуемых последствий. С осторожностью к технологии относятся около половины представителей бизнеса: 43% опрошенных компаний не используют в своей работе искусственный интеллект и не планируют делать это в ближайшее время, поскольку не испытывают такой потребности или не имеют о нем достаточных знаний.

Artificial intelligence in radiology

Юридические лица, представляющие сервисы (программное обеспечение) на базе технологий компьютерного зрения, предназначенные для анализа медицинских изображений по следующим видам исследований:

1. Компьютерная томография и низкодозная компьютерная томография органов грудной клетки с целью выявления рака лёгкого

2. Компьютерная томография и низкодозная компьютерная томография органов грудной клетки с целью выявления коронавирусного заболевания COVID-19

3. Компьютерная томография и низкодозная компьютерная томография органов грудной клетки с целью выявления остеопороза позвоночника

4. Компьютерная томография и низкодозная компьютерная томография органов грудной клетки с целью выявления ишемической болезни сердца (коронарный кальций, паракардиальный жир)

5. Компьютерная томография и низкодозная компьютерная томография органов грудной клетки с целью выявления эмфиземы.

6. Компьютерная томография головного мозга для диагностики различных заболеваний, в т.ч. инсультов.

7. Магнитно-резонансная томография головного мозга с целью выявления различных заболеваний, в т.ч. злокачественных новообразований, рассеянного склероза, болезни Альцгеймера.

8. Магнитно-резонансная томография пояснично-крестцового отдела позвоночника с целью выявления патологий, в т.ч. грыж, протрузий, стеноза

9. Маммография с целью диагностики рака молочной железы

10. Рентгенография и/или флюорография легких с целью определения различных патологий легких

11. Рентгенография опорно-двигательного аппарата с целью выявления различных патологий, в т.ч. артрозы, плоскостопие, переломы конечностей, переломы позвонков

Требования к Сервисам:

1. Наличие функций в соответствии с базовыми функциональными требованиями, утвержденными ГБУЗ «НПКЦ ДиТ ДЗМ».

2. Соответствие базовым требованиям к результатам работы, утвержденным ГБУЗ «НПКЦ ДиТ ДЗМ».

3. Соответствие показателям диагностической точности, утвержденным ГБУЗ «НПКЦ ДиТ ДЗМ».

4. Данные, полученные в процессе участия в Эксперименте, будут храниться, анализироваться и использоваться только на территории Российской Федерации.

Искусственный интеллект поможет врачам выполнять 10 видов исследований

В следующем году число видов медицинских исследований, которые выполняются при помощи искусственного интеллекта, увеличится до 10. Об этом рассказала Анастасия Ракова, заместитель Мэра Москвы по вопросам социального развития.

«В 2019 году мы запустили эксперимент по внедрению в систему московского здравоохранения технологий искусственного интеллекта и цифрового зрения. Мы удовлетворены полученными результатами и хотим расширить рамки эксперимента. Уже в 2021 году количество видов исследований, которые охватит эксперимент, будет увеличено до 10. Мы прорабатываем ряд новых направлений автоматизированной обработки исследований, среди которых магнитно-резонансная и компьютерная томографии головного мозга, рентген опорно-двигательного аппарата и органов брюшной полости и другие», — отметила она.

Вся необходимая для внедрения новых технологий инфраструктура уже создана.

Как помогает искусственный интеллект

Сейчас сервисы искусственного интеллекта подключены к Единому радиологическому информационному сервису (ЕРИС). Это позволяет выполнять анализ четырех видов лучевых исследований: компьютерной томографии, маммографии, рентгенодиагностики и флюорографии. Исследования применяются для диагностики рака легкого, пневмонии и других легочных патологий, рака молочной железы, а также для выявления COVID-19.

Уже есть первые результаты эксперимента. Искусственный интеллект повысил качество и скорость диагностики, врачи не пропускают патологии в большом потоке исследований и выявляют пациентов с высоким риском развития заболеваний.

Что еще будет диагностировать искусственный интеллект

Направления эксперимента могут быть расширены. Искусственный интеллект будет применяться в онкодиагностике, кардиологии, пульмонологии, неврологии, а также в диагностике хронических заболеваний и неотложных состояний. Кроме того, алгоритмы умеют распознавать на магнитно-резонансных изображениях признаки рассеянного склероза, а в будущем их можно использовать и для обнаружения острого мозгового кровоизлияния и других патологий.

«В настоящее время сервисы искусственного интеллекта обрабатывают самые часто проводимые исследования. “Цифровой помощник” врача помогает снизить нагрузку на специалиста, а также уменьшить риски пропуска патологий при увеличенном потоке пациентов. Сервисы в первую очередь помогают начинающим специалистам, но также обеспечивают поддержку и опытным врачам. Стало понятно, что нужна функция приоритизации исследований с патологиями, а также включение шаблонов врачебных заключений», — подчеркнул Сергей Морозов, главный специалист по лучевой и инструментальной диагностике, директор Центра диагностики и телемедицины.

Эксперимент по внедрению искусственного интеллекта в систему столичного здравоохранения стартовал в конце прошлого года. Проект стал одной из первых открытых городских инициатив по привлечению инновационных компаний к созданию и внедрению высокотехнологичных сервисов в социальной сфере.

Почти 300 медорганизаций Москвы участвуют в эксперименте по внедрению искусственного интеллекта

Почти 300 медицинских учреждений используют искусственный интеллект для диагностики заболеваний при помощи рентгена. В эксперименте участвуют более 500 врачей-рентгенологов, они пользуются 38 цифровыми сервисами в области искусственного интеллекта, которые разработала 21 компания. Об этом рассказала Анастасия Ракова, заместитель Мэра Москвы по вопросам социального развития.

«Год назад мы начали эксперимент по внедрению искусственного интеллекта в систему столичного здравоохранения. Наша цель — увеличить точность диагностики и снизить нагрузку на персонал. Мы пошли по модели открытых инноваций. То есть мы сами не разрабатываем системы компьютерного зрения, а вовлекаем разработчиков, прорабатываем сценарии применения этих систем в клинической практике, интегрируем эти решения с нашим сервисом ЕРИС ЕМИАС. Далее проверяем сервисы на точность и необходимый функционал по специальной методике, отбираем лучшие варианты для внедрения в работу врача. Сегодня в эксперименте принимает участие 21 компания, которая уже предложила 38 сервисов в области искусственного интеллекта. Мы планируем сделать использование технологий искусственного интеллекта нормой для городского здравоохранения. Уже сегодня в среднем при помощи таких технологий обрабатывается около 4,5 тысячи инструментальных исследований в день», — отметила заммэра.

В медицинских учреждениях искусственный интеллект, интегрированный в сервис ЕМИАС, анализирует результаты нескольких видов лучевых исследований — компьютерной томографии, рентгенодиагностики, маммографии и флюорографии. Они применяются для диагностики пневмонии, рака легкого и других легочных патологий, рака молочной железы, а также для выявления COVID-19.

По словам директора Центра диагностики и телемедицины Сергея Морозова, врачи работают как с обычными рентген-изображениями, так и с обработанными искусственным интеллектом. Снимки поступают в базу спустя несколько минут после того, как были сделаны. База включает миллионы изображений и постоянно пополняется.

«Инструменты автоматизации позволяют значительно снизить степень рутинной нагрузки на врача, помогают в обнаружении неочевидных деталей, выступают как дополнительный гарант защиты от ошибки. В конечном итоге это позволяет повысить качество диагностики, выявлять заболевания на ранней стадии, что способствует повышению эффективности терапии», — рассказал Сергей Морозов.

Как отмечают специалисты, такой подход особенно актуален при большом потоке исследований. Например, при сезонных всплесках заболеваний или при реализации скрининговых программ. Эксперимент по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений реализует Департамент здравоохранения Москвы совместно с Департаментом информационных технологий города Москвы.

эксперимент, закон, ответственность — СКБ Контур

До этого технология искусственного интеллекта (ИИ) практически не регулировалась, и сейчас возникает много вопросов:

кто может обладать правами на объекты, созданные ИИ?
как надежно обезличить и защитить персональные данные, особенно связанные с распознаванием лиц?
как получить доступ к big data и общедоступным данным, чтобы позволить ИИ полноценно развиваться?
кто несет ответственность за действия ИИ и как доказать эту ответственность?

В этой статье мы рассмотрим следующие аспекты:

Искусственный интеллект и законодательная база

Эксперимент регулируется Федеральным законом от 24.04.2020 № 123-ФЗ и Федеральным законом от 27.07.2006 № 152-ФЗ. Он призван создать регуляторную песочницу для компаний в Москве. Цель — за пять лет создать условия для разработки и внедрения ИИ в Москве и разработать нормативные акты на основе этого регулирования.

Участвовать в эксперименте могут юрлица или ИП, зарегистрированные в Москве и разрабатывающие искусственный интеллект или отдельные услуги на его основе. У предпринимателей или ответственных лиц не должно быть непогашенной или неснятой судимости. При соответствии требованиям они могут подать заявку на регистрацию в соцреестре.

Пока закон не содержит подробного описания целей, задач и бонусов для участников эксперимента и владельцев данных, он будет дополняться и корректироваться правительством Москвы. Поэтому эксперты советуют следить за обновлениями закона и подзаконных актов.

Эксперимент сможет установить правовые основы применения ИИ в госуправлении, — считает Андрей Шевченко, партнер юридической компании «Можно». – Пока непонятно, как поведет себя компьютерная программа, которой нужно решить много переменных задач, какими правами её нужно наделить и какое правовое регулирование для этого потребуется. Определить это можно только экспериментальным путем.

ИИ — это технология, которая потенциально может заменить человека благодаря самообучению, приобретенному опыту и знаниям. ИИ позволяет оптимизировать многие процессы в промышленности, медицине, автомобильной отрасли, ритейле, платформах с развлекательным контентом, логистике и других отраслях. Например, ИИ может выявлять заболевания на ранних стадиях, анализируя МРТ и рентгеновские снимки, и отслеживать привычки покупателей, предсказывая их выбор.

Игорь Иофчу, руководитель юридического департамента Gaskar Group, считает важным урегулировать технологии ИИ, которые позволят высвободить ресурсы и оптимизировать расходы, например, сервисы распознавания речи для чат-ботов и распознавание лиц для поиска пропавших, технологии машинного обучения и бизнес-приложения со встроенными механизмами ИИ.

Искусственный интеллект может быть адаптирован под любую индустрию. Huawei и Ростелеком используют ИИ для игровых роутеров, которые выбирают оптимальный режим скорости в зависимости от трафика онлайн-игр, а Deep Mind создали технологию, которая обыгрывает лучших киберспортсменов.

Михаил Зуб, владелец ИТ-компании «Зионек», считает, что эксперимент позволит быстрее развивать технологии, излишне зарегулированные законодательством, связанные с персональными данными и медицинской информацией, но в этом случае нужно будет тщательнее продумывать защиту данных.

Сергей Свиридов, директор по исследования и разработкам «Цифра» видит пользу эксперимента для беспилотного транспорта, видеоаналитики (например, распознавание ношения масок в общественных местах и больницах) и медицины (например, анализ компьютерной томографии легких).

В «Цифре» обдумывают участие в эксперименте с технологией прогнозирования вредных выбросов в Москве и видеоаналитикой соблюдения требований Роспотребнадзора на промышленных предприятиях в Москве.

Эксперимент предоставит компаниям площадку для обсуждения и шанс повлиять на разработку нормативно-правовой базы, а также позволит экспериментировать с технологиями, с которыми они раньше опасались экспериментировать из-за отсутствия регулирования и диалога со стороны государства, — говорит Свиридов.

Искусственный интеллект и ответственность

Сейчас закон не отвечает на вопрос, может ли ИИ быть субъектом права и нести ответственность за происшествия или получать прибыль за свои произведения. Есть версия, что в студии Артемия Лебедева ИИ под именем Николая Иронова создает логотипы для компаний. В этом случае прибыль от логотипов получает юридическое лицо.

Алгоритм ИИ принадлежит создателю, результат его использования — необязательно. Результат алгоритма сильно зависит от исходных данных, и разработчик не всегда может его предсказать. В этом случае авторскому праву нужна правосудебность юрлица, потому что ИИ может настраивать целая команда сотрудников.

Всё движется к тому, что работы, созданные ИИ, будут охраняться на основании творческого результата, а не на основании творческого процесса, — размышляет Ирина Шурмина, старший юрист IP/Digital CMS Russia.

В Гражданском кодексе указано, что только гражданин может обладать авторским правом (ст. 1257 ГК РФ).

Зарубежная практика

Прецеденты в США и Австралии показывают, что авторское право не охраняет произведения, не созданные человеком, будь то селфи, которое сделала обезьяна камерой фотографа, или HTML-код, написанный ИИ.

Патентное бюро ЕС со ссылкой на Патентную конвенцию отказало технологии Dabus в выдаче патента на изобретения, так как в запросе на выдачу патента должно содержаться имя изобретателя — это один из гарантов использования прав. Отчет Европарламента указывает, что ИИ не может быть правообладателем и правом будет обладать тот, кто подготовил объект.

Тем не менее в Китае в 2020 году финансовый отчет робота Dreamwriter компании Tencent был признан объектом авторского права, когда этот отчет скопировали.

В США беспилотный автомобиль Uber сбил велосипедистку, в 2019 году прокуратура сняла обвинения с компании и начала дополнительное испытание в отношении водителя, который не смотрел на дорогу во время испытания и не смог предотвратить аварию.

В результате власти запретили испытания беспилотных автомобилей в этом округе, и они были восстановлены только в некоторых штатах в хорошую погоду и по утвержденному маршруту, — рассказывает Ксения Даньшина, юрист CMS Russia. – Компания понесла ущерб даже без юридической ответственности.

В одном из докладов ЕС указано, что в законодательстве достаточно положений для регулирования ИИ, кроме случаев, когда невозможно установить виновного в причинении вреда.

Юрист Ирина Шурмина напоминает, что в европейской практике ответственность может нести либо разработчик (backend operator), либо администратор/настройщик (deployer), либо конечный пользователь (end user). Как правило, когда речь идет о рисковых системах, например, медицинских технологиях или беспилотных автомобилях, ответственность несет настройщик. В этом смысле он приравнивается к владельцу автомобиля или домашнего животного. За причинение ущерба и вреда здоровью устанавливаются штрафы от 2 до 10 млн евро.

В CMS Russia предлагают посмотреть на ответственность ИИ с точки зрения смежного права, которое необязательно связано с творческим трудом и может возникать при работе с объектами, которые не являются объектами авторского права. Так работают фонограммы, базы данных и телетрансляции.

Сложности и спорные вопросы

Предприниматель Михаил Зуб считает, что у эксперимента есть потенциальные плюсы для ИТ-компаний: новые рынки, клиенты и источники данных. Но компаниям важно уметь защищать корпоративные данные. Если нужно их раскрывать другим участникам рынка, они могут в итоге оказаться на площадках, торгующих данными.

Чтобы защитить себя, предприниматель советует бизнесу внимательно следить за законодательством и менять юрисдикцию на Московскую область или другие регионы при угрозе потери информации.

Илья Дурницын, юрист компании «Проспектаси», считает, что само определение ИИ в Федеральном законе от 24.04.2020 № 123-ФЗ спорно, и допускает несколько интерпретаций. Раньше можно было считать, что калькулятор имитирует когнитивные способности человека, в законе не указано, контролируется ли самообучение машинами.

Эксперт ставит вопрос, можно ли считать ИИ нейронную сеть, которая может точно прогнозировать котировки рынка, но не способна воспринимать свои действия, и напоминает о непринятом «законе Гришина», который в 2017 году предложил трактовку ИИ через «умного робота», который самостоятельно действует и оценивает свои действия.

Определение в Федеральном законе от 24.04.2020 № 123-ФЗ охватывает большой круг деятельности для будущего развития ИИ, но не объясняет понятие четко и лаконично, — отмечает Илья Дурницын. – Тем не менее важно вообще закрепить определение ИИ в праве.

Андрей Шевченко, партнер юридической компании «Можно» напоминает, что сам по себе закон не регулирует применение ИИ, передавая эти функции Москве, которая вправе определять правила в области применения ИИ на своей территории. Именно город будет определять ход эксперимента и развитие технологии ИИ в стране.

Так как эксперимент предполагает обработку данных обычных москвичей, Александр Барышников, директор департамента консалтинга и аудита в НИП «Информзащита», предлагает выбрать уполномоченное лицо, создать общедоступный реестр участников экспериментального правового режима, перечень обрабатываемых персональных данных граждан, субъектов и категорий субъектов данных.

Эксперт советует работать над безопасностью данных и ввести соглашения между участниками эксперимента с обязательным рассмотрением ответственности за нарушения обязательств.

Правовое регулирование технологий ИИ: вопросы и перспективы

В июне 2020 года 20 стран запустили партнерство Gee-Pay, которое поможет правильно выстроить ограничения и развивать ИИ совместными силами компаний и юристов. В Евросоюзе принято несколько документов, регулирующих вопросы ответственности, интеллектуальной собственности и работы с данными.

В Канаде этот вопрос регулирует Директива и пилотный проект о внедрении ИИ в госсекторе, в США – AI Initiative, нацеленная на совместное сотрудничество разных стран. Китай намерен к 2025 году принять первоначальные версии законов, регулирующих ИИ.

В московском эксперименте примут участие ИТ-компании, которые используют ИИ в сфере медицины, для распознавания лиц и городской инфраструктуры. В идеале регуляторная песочница поможет адаптировать способы безопасного развития ИИ и позволит ему развиваться быстрее.

Илья Дурницын предлагает проводить похожие правовые эксперименты в других субъектах РФ по аналогии с исследовательскими и научными центрами в Переславле-Залесском, Краснодаре и Санкт-Петербурге.

Павел Катков, владелец компании «Катков и партнеры», считает, что эксперимент с искусственным интеллектом изменит правовое регулирование технологий, например, защиту персональных данных, тайны переписки и частной жизни.

Чтобы узаконить некоторые действия ИИ, законодателю нужно исключить нормы, защищающие соответствующие гражданские права, — говорит Катков. – Обезличивание персональных данных сейчас упоминается в федеральных законах, но нельзя исключать, что нужно будет внести корректировки и в Конституцию. Например, ст. 23 защищает неприкосновенность частной жизни, личную и семейную тайну. Возможно, в этой норме придется пробивать брешь.

Персональные данные: вопрос обезличенности, ответственность за утечку

В эксперименте предполагается использовать предварительно обезличенные персональные данные, их можно будет передавать только участникам эксперимента, они будут храниться только на территории Москвы. Регулированием условий обработки данных займутся мэрия Москвы и Минкомсвязи. Эксперимент призван дать больше информации о персональных данных.

Михаил Зуб считает, что еще до начала любого проекта целесообразно законодательно обязать указывать людей и компании, ответственные за несанкционированную утечку данных, а также установить административную и уголовную ответственность за нарушения.

По мнению Игоря Иофчу, защита персональных данных — ключевой момент эксперимента. Он требует тщательной проработки, так как фактически использоваться могут данные всех жителей Москвы.

Закон предусматривает, что обезличенные персональные данные могут передаваться только участникам правового эксперимента, ограничивает круг тех, кто может обрабатывать данные, но не защищает от противоправных действий, например, взлома баз данных.

Важный вопрос — разграничение деанонимизации и псевдодеанонимизации данных. В одном случае данные невозможно деобезличить и они действительно конфиденциальны, во втором случае личность человека можно определить с помощью дополнительной информации, которая должна быть хорошо защищена.

Многие компании уже активно используют персональные данные для работы с клиентами. Альфа-Банк открыл офис с распознаванием лиц с точностью на 98 %. Клиенту достаточно просто зайти в офис, и система автоматически узнает его и поймет, какими сервисами он пользуется.

В одном из кафе KFC система распознавания лиц будет фотографировать пользователя и позже предлагать ему любимые блюда на основе истории его заказов. Фото преобразуется в уникальный цифровой код, поэтому в компании считают, что они не хранят персональные данные.

Здесь важно обращать внимание, как получается согласие на обработку персональных данных, можно ли отказаться от него и всё равно получить услугу, обезличены ли они безвозвратно и как они защищены, — обращает внимание Ирина Шурмина. – Возможно, в случае с KFC речь идет о псевдонимизации, раз повторное использование и идентификация лица возможны, но так как в российском законодательстве нет такой концепции, это вызывает вопросы.

Технология распознавания лиц в режиме реального времени Clearview.ai получила коллективный иск после продажи данных частным компаниям, таким как Walmart и Bank of America, так как в штате Иллинойс запрещено использовать биометрическую информацию в коммерческих целях. Теперь компания работает только с государством и использует публично доступную информацию для поиска жертв и правонарушителей.

Препятствовать в получении данных ИИ нецелесообразно, данные должны быть полными и корректными, иначе ИИ может совершать нелепые ошибки. Например, ИИ визуально сложно распознавать похожие фотографии — отличать маффины и чихуахуа, круассаны и шарпеев.

Сергей Свиридов уверен, что участники эксперимента отдают себе отчет о возможных рисках и постараются их минимизировать, в том числе с помощью ИИ-инструментов: данные можно обезличить, никуда не передавая, или использовать без обезличивания, например, с помощью федеративного машинного обучения или дифференцированной приватности.

Москва расширяет эксперимент по внедрению технологий искусственного интеллекта в здравоохранении

Столичные медики успешно реализуют проект развития сервисов искусственного интеллекта. В новом году планируется эффективно использовать шесть новых исследований в онкодиагностике, кардиологии, пульмонологии, неврологии, а также в сообщила заместитель мэра Москвы по вопросам социального развития Анастасия Ракова.

«В Москве создана Единая цифровая платформа здравоохранения, а также накоплен огромный массив медицинских данных. Это дает нам широчайшие возможности для создания цифровых продуктов, которые повышают качество медицинской помощи. Именно на этой основе мы развиваем сервисы искусственного интеллекта (ИИ). В московском эксперименте по внедрению ИИ в здравоохранение участвуют 39 сервисов: 18 из них уже активно используют врачи городских медучреждений, а еще 21 — проходит тестирование. Эти сервисы уже активно используются для анализа снимков по четырем нозологиям: выявление признаков рака молочной железы, поражений легких при коронавирусной пневмонии и онкологии, заболеваний опорно-двигательного аппарата и головного мозга. Теперь, в соответствии с постановлением мэра Москвы, которое сегодня было подписано, мы расширяем рамки эксперимента. Сервисы компьютерного зрения будут разработаны для шести новых видов исследований. Они охватят такие области, как онкодиагностика, кардиология, пульмонология, неврология, а также диагностика хронических заболеваний и неотложных состояний. Кроме того, алгоритмы должны научиться распознавать на снимках признаки рассеянного склероза, острого мозгового кровоизлияния и других патологий», — сказала Анастасия Ракова.

Она отметила, что после проведения экспериментальных исследований сервисы будут применяться в московских поликлиниках и больницах.

«На сегодняшний день в рамках эксперимента по внедрению в систему московского здравоохранения технологий искусственного интеллекта и цифрового зрения ИИ-сервисы обрабатывают около 20 тыс. радиологических исследований в сутки, а всего с момента запуска алгоритмы помогли медикам обработать около 1,5 млн снимков. За неполный год с момента запуска проекта мы можем с уверенностью сказать, что новые технологии повышают качество и скорость диагностики. Время описания снимка удалось сократить на 30%, то есть в среднем тратится около семи минут на исследование. И, конечно, главное, что сервисы помогают врачам не пропустить серьезные патологии в большом потоке исследований и выявлять пациентов с высоким риском развития заболеваний», — добавила вице-мэр.

Искуственный интеллект на службе города

Опубликовано: 08 декабря 2020

Эксперимент с искусственным интеллектом, проведенный муниципалитетом г.Эспоо и компанией Tieto, показал, что искусственный интеллект успешно анализирует и выявляет закономерности из огромного количества данных, основываясь на факторах риска. Эксперимент уникален, поскольку раньше никто не проводил такой глубокий анализ данных о взаимодействии департамента семейных и социальных услуг с городским населением.

В эксперименте, который начался летом 2017, были проанализированы данные всего населения Эспоо за период с 2002-2016 гг. ИИ проанализировал информацию о социальном и медицинском обслуживании, а также данные о полученном образовании. В выборке участвовали 520 тыс. человек.

Личные данные были зашифрованы еще на этапе поиска — участники эксперимента не могут быть идентифицированы.

Информационный вызов городу.

Эксперты города Эспоо были удивлены высокой способностью искусственного интеллекта находить тонкие взаимосвязи . Эксперимент впервые позволил проанализировать закономерности в рамках одной семьи; т.к городские системы данных, как правило, ориентированы на индивидуальный анализ.

По некоторым наблюдениям уже можно подвести итоги. ИИ выявил около 280 факторов риска, которые могкут возникнуть в области социального обеспечения детей.

Эксперимент показывает, что искусственный интеллект и использование данных играют важную роль в здравоохранении, будь то разработка новых путей обслуживания или поддержка медицинских работников в их повседневной деятельности.

Предварительные результаты эксперимента в области социального обеспечения детей и детской психиатрии.

Данные можно было бы использовать для формирования превентивных мер в семьях, чьи дети были направлены в детскую психиатрию. Так как по статистике, направлениям за психиатрической помощью, предшествовало повышние среднестатистических показателей использования медицинских услуг в 3-5 раз. Члены семьи в этих случаях также пользовались медицинскими услугами чаще нормы.

Работа только начинается

«За год мы создали прочный фундамент для разработки будущих сервисов. Эксперимент нашел большой отклик в городе и многие новые идеи находятся в стадии разработки», — с радостью сообщает Паиви Сутинен, директор по развитию услуг в городе Эспоо.

Эксперимент стал одним из вкладов города Эспоо в проект 6Aika, в рамках которого шесть крупнейших городов Финляндии создают открытые интеллектуальные услуги в рамках общей стратегии 6Aika. Помимо развития сферы услуг, целью 6Aika является создание новых компетенций, развитие бизнеса и увеличение количества рабочих мест в Финляндии.

экспериментальных методов в психологии | Simply Psychology

Методы исследования
Экспериментальные методы

Экспериментальный метод

Д-р Саул МакЛеод, опубликовано в 2012 г.

Экспериментальный метод включает манипулирование переменными для установления причинно-следственных связей. Ключевые особенности: контролируемые методы и случайное разделение участников на контролируемые и экспериментальные группы.

Эксперимент — это исследование, в котором гипотеза проверяется с научной точки зрения.В эксперименте манипулируют независимой переменной (причиной) и измеряют зависимую переменную (следствие); любые посторонние переменные контролируются.

Преимущество в том, что эксперименты должны быть объективными. Взгляды и мнения исследователя не должны влиять на результаты исследования. Это хорошо, поскольку делает данные более достоверными и менее предвзятыми.

Вам необходимо знать три типа экспериментов:

1. Лабораторный эксперимент

Лабораторный эксперимент — это эксперимент, проводимый в строго контролируемых условиях (не обязательно в лаборатории), где возможны точные измерения. .

Исследователь решает, где будет проводиться эксперимент, в какое время, с какими участниками, при каких обстоятельствах и с использованием стандартной процедуры.

Участники случайным образом распределяются по каждой группе независимых переменных. Примером может служить эксперимент Милгрэма по послушанию или исследование автокатастрофы Лофтуса и Палмера.

Сила : легче воспроизвести (то есть скопировать) лабораторный эксперимент. Это потому, что используется стандартизированная процедура.
Strength : Они позволяют точно контролировать посторонние и независимые переменные. Это позволяет установить причинно-следственную связь.
Ограничение : Искусственность обстановки может привести к неестественному поведению, не отражающему реальную жизнь, то есть к низкой экологической значимости. Это означает, что было бы невозможно обобщить результаты для реальной жизни.
Ограничение : Характеристики спроса или эффекты экспериментатора могут искажать результаты и становиться смешивающими переменными.

2. Полевой эксперимент

Полевые эксперименты проводятся в повседневной (т.е. в реальной жизни) среде участников. Экспериментатор по-прежнему манипулирует независимой переменной, но в реальных условиях (поэтому не может реально контролировать посторонние переменные).

Примером может служить исследование послушания в больнице Хольфинга.

Сила : поведение в полевом эксперименте с большей вероятностью будет отражать реальную жизнь из-за ее естественных условий, т.е.е. более высокая экологическая ценность, чем лабораторный эксперимент.
Strength : Существует меньшая вероятность того, что характеристики спроса влияют на результаты, поскольку участники могут не знать, что они изучаются. Это происходит, когда исследование является скрытым.
Ограничение : меньше контроля над посторонними переменными, которые могут повлиять на результаты. Это мешает другому исследователю воспроизвести исследование таким же образом.

3. Натуральный эксперимент

3.Естественный эксперимент

Естественные эксперименты проводятся в повседневной (т.е. реальной жизни) среде участников, но здесь экспериментатор не может контролировать независимую переменную, как это происходит естественным образом в реальной жизни.

Например, в исследовании привязанности Ходжеса и Тизарда (1989) сравнивалось долгосрочное развитие детей, которые были усыновлены, опекались или вернулись к своим матерям, с контрольной группой детей, которые всю свою жизнь провели в своих биологических семьях.

Сила : поведение в естественном эксперименте с большей вероятностью будет отражать реальную жизнь из-за его естественных условий, то есть очень высокой экологической значимости.
Strength : Существует меньшая вероятность того, что характеристики спроса влияют на результаты, поскольку участники могут не знать, что они изучаются.
Strength : Может использоваться в ситуациях, в которых было бы этически неприемлемым манипулировать независимой переменной, например исследование стресса.
Ограничение : они могут быть более дорогими и трудоемкими, чем лабораторные эксперименты.
Ограничение : Нет контроля над посторонними переменными, которые могут повлиять на результаты. Это мешает другому исследователю воспроизвести исследование таким же образом.

Экологическая значимость

Степень, в которой расследование отражает реальный жизненный опыт.

Эффекты экспериментатора

Это способы, которыми экспериментатор может случайно повлиять на участника своим внешним видом или поведением.

Характеристики спроса

Подсказки в эксперименте, которые заставляют участников думать, что они знают, что ищет исследователь (например, язык тела экспериментатора).

Независимая переменная (IV)

Переменная, которой экспериментатор манипулирует (т. Е. Изменяет) — предполагается, что она оказывает прямое влияние на зависимую переменную.

Зависимая переменная (DV)

Переменная, которую измеряет экспериментатор. Это результат (т.е. результат) исследования.

Посторонние переменные (EV)

Все переменные, которые не являются независимой переменной, но могут повлиять на результаты (DV) эксперимента. По возможности следует контролировать электромобили.

Смешивающие переменные

Переменные, которые повлияли на результаты (DV), кроме IV. Смешивающая переменная может быть посторонней переменной, которая не контролировалась.

Случайное распределение

Случайное распределение участников по условиям независимых переменных означает, что все участники должны иметь равные шансы принять участие в каждом условии.

Принцип случайного распределения состоит в том, чтобы избежать предвзятости в способе проведения эксперимента и ограничить влияние переменных участников.

Эффекты порядка

Изменения в успеваемости участников из-за того, что они повторяли один и тот же или подобный тест более одного раза. Примеры эффектов порядка включают:

(i) эффект практики: улучшение выполнения задачи из-за повторения, например, из-за знакомства с задачей;

(ii) эффект утомления: снижение производительности задачи из-за повторения, например, из-за скуки или усталости.

Как ссылаться на эту статью:

McLeod, S.A. (2012, 14 января). Экспериментальная методика . Просто психология. https://www.simplypsychology.org/experimental-method.html

Как ссылаться на эту статью:

McLeod, S.A. (2012, 14 января). Экспериментальная методика . Просто психология. https: // www.simplepsychology.org/experimental-method.html

сообщить об этом объявлении

Эксперимент Милгрэма | Simply Psychology

Послушание
Шоковый эксперимент Милгрэма

Шоковый эксперимент Милгрэма

Саул МакЛауд, обновлено 2017

Одно из самых известных исследований послушания в психологии было проведено Стэнли Милгрэмом, психологом. в Йельском университете. Он провел эксперимент, посвященный конфликту между подчинением авторитету и личной совестью.

Милгрэм (1963) исследовал оправдания актов геноцида, предложенные обвиняемыми в Нюрнбергских военных уголовных процессах во время Второй мировой войны. Их защита часто основывалась на «повиновении» — на том, что они просто следовали приказам своего начальства.

Эксперименты начались в июле 1961 года, через год после суда над Адольфом Эйхманом в Иерусалиме. Милгрэм разработал эксперимент, чтобы ответить на вопрос:

Может ли быть так, что Эйхман и его миллион сообщников в Холокосте просто выполняли приказы? Можем ли мы назвать их всех сообщниками? »(Milgram, 1974).

Милграм (1963) хотел исследовать, были ли немцы особенно послушны авторитетным фигурам, поскольку это было обычным объяснением убийств нацистов во Второй мировой войне.

Милгрэм отобрал участников для своего эксперимента, рекламируя в газетах участников мужского пола для участия в исследовании обучения в Йельском университете.

Процедура заключалась в том, что участника ставили в пару с другим человеком, и они жеребяли, чтобы выяснить, кто будет «учеником», а кто — «учителем».Жеребьевка была зафиксирована таким образом, чтобы участник всегда был учителем, а учащийся был одним из сообщников Милгрэма (притворялся настоящим участником).

Учащегося (единомышленника по имени мистер Уоллес) отвели в комнату, к его рукам прикрепили электроды, а учитель и исследователь вошли в комнату по соседству, в которой находился электрогенератор и ряд переключателей с пометками. от 15 вольт (легкий шок) до 375 вольт (опасность: сильный шок) до 450 вольт (XXX).

Эксперимент Милгрэма

Цель :

Милгрэм (1963) интересовался исследованием того, насколько далеко люди зайдут в выполнении инструкций, если они будут связаны с причинением вреда другому человеку.

Стэнли Милгрэм интересовался, как легко можно склонить простых людей к совершению злодеяний, например немцев во время Второй мировой войны.

Процедура :

Добровольцы были набраны для контролируемого эксперимента расследование «обучения» (re: этика: обман).В нем приняли участие 40 мужчин в возрасте от 20 до 50 лет, чьи должности варьировались от неквалифицированных до профессиональных, из района Нью-Хейвен. Им заплатили 4,50 доллара за то, что они явились.

В начале эксперимента их познакомили с другим участником, который был сообщником экспериментатора (Милграм).

Они нарисовали соломинку, чтобы определить свои роли — ученик или учитель — хотя это было исправлено, и сообщник всегда был учеником. Также был «экспериментатор» в сером лабораторном халате, которого играл актер (не Милгрэм).

В Йельской лаборатории взаимодействия использовались две комнаты — одна для ученика (с электрическим стулом), а другая для учителя и экспериментатора с электрошоковым генератором.

«Ученик» (мистер Уоллес) был привязан к стулу электродами. После того, как он выучил список пар слов, данный ему для изучения, «учитель» проверяет его, называя слово и прося учащегося вспомнить своего партнера / пару из списка из четырех возможных вариантов.

Учителю приказывают применять электрошок каждый раз, когда учащийся совершает ошибку, каждый раз повышая уровень поражения электрическим током.На шоковом генераторе было 30 переключателей с маркировкой от 15 вольт (легкий шок) до 450 (опасность — сильный шок).

Ученик давал в основном неправильные ответы (намеренно), и на каждый из них учитель бил его электрическим током. Когда учитель отказывался проводить электрошок, экспериментатор должен был дать серию приказов / стимулов, чтобы убедиться, что они продолжаются.

Было четыре сигнала, и если одно не было выполнено, экспериментатор (мистер Уильямс) зачитывал следующий сигнал и так далее.

Товар 1 : Продолжайте.

Prod 2: Эксперимент требует от вас продолжения.

Тов. 3 : Вам необходимо продолжить.

Товар 4 : У вас нет другого выбора, кроме как продолжить.

Результаты :

65% (две трети) участников (т. Е. Учителей) продолжили работу до максимального уровня в 450 вольт.У всех участников продолжалось до 300 вольт.

Милгрэм провел более одного эксперимента — он выполнил 18 вариантов своего исследования. Все, что он сделал, — это изменил ситуацию (IV), чтобы увидеть, как это влияет на послушание (DV).

Заключение :

Обычные люди, скорее всего, будут выполнять приказы, отданные авторитетным лицом, вплоть до убийства невинных людей. Послушание авторитету укоренилось в каждом из нас с того, как мы воспитаны.

Люди склонны подчиняться приказам других людей, если они признают свою власть морально правильной и / или юридически обоснованной. Такой ответ на законную власть усваивается в самых разных ситуациях, например, в семье, школе и на рабочем месте.

Милгрэм резюмировал в статье «Опасности послушания» (Milgram 1974), написав:

«Юридические и философские аспекты послушания имеют огромное значение, но они очень мало говорят о том, как большинство людей ведет себя в конкретных условиях. ситуации.

Я поставил простой эксперимент в Йельском университете, чтобы проверить, сколько боли обычный гражданин может причинить другому человеку просто потому, что ему приказал ученый-экспериментатор.

Безусловный авторитет противопоставлялся самым сильным моральным императивам субъектов [участников] против причинения вреда другим, и, когда в ушах субъектов [участников] звенело крики жертв, авторитет чаще побеждал.

Крайняя готовность взрослых пойти на все по приказу авторитета является главным выводом исследования и фактом, который настоятельно требует объяснения.

Теория агентства Милграма

Милгрэм (1974) объяснил поведение своих участников, предположив, что люди имеют два состояния поведения, когда они находятся в социальной ситуации:

состояние — люди руководят своими действиями и несут ответственность за результаты этих действий.
Агентное состояние — люди позволяют другим управлять своими действиями, а затем перекладывают ответственность за последствия на человека, отдающего приказы.Другими словами, они действуют как агенты воли другого человека.

Милгрэм предположил, что для перехода человека в агентное состояние должны быть две вещи:

Человек, отдающий приказы, воспринимается как способный управлять поведением других людей. То есть они рассматриваются как законные.
Человек, о котором приказывают, может поверить, что власти возьмут на себя ответственность за происходящее.

Теория агентства гласит, что люди будут подчиняться власти, если они верят, что власть возьмет на себя ответственность за последствия их действий.Это подтверждается некоторыми аспектами свидетельств Милгрэма.

Например, когда участникам напомнили, что они несут ответственность за свои действия, почти никто из них не был готов подчиниться. Напротив, многие участники, которые отказывались продолжать, сделали это, если экспериментатор сказал, что он возьмет на себя ответственность.

Варианты эксперимента Милгрэма

Эксперимент Милгрэма проводился много раз, при этом Милгрэм (1965) варьировал основную процедуру (изменил IV).Таким образом Милгрэм смог определить, какие факторы влияют на послушание (DV).

Послушание оценивалось по количеству участников, подвергшихся воздействию электрического шока до 450 вольт (65% в исходном исследовании). Всего 636 участников были протестированы в 18 различных вариационных исследованиях.

Униформа

В исходном базовом исследовании экспериментатор носил серый лабораторный халат как символ своей власти (своего рода униформу). Милграм выполнил вариант, в котором экспериментатора отозвали из-за телефонного звонка прямо в начале процедуры.

Затем роль экспериментатора взял на себя «обычный представитель публики» (сообщник) в повседневной одежде, а не в лабораторном халате. Уровень послушания упал до 20%.

Изменение местоположения

Эксперимент был перенесен в несколько заброшенных офисов, а не во впечатляющий Йельский университет. Послушание упало до 47,5%. Это говорит о том, что статус местоположения влияет на послушание.

Условие двух учителей

Когда участники могли проинструктировать помощника (сообщника) нажимать переключатели, 92.5% шокировано максимумом 450 вольт. Когда меньше личной ответственности, послушание возрастает. Это относится к теории агентности Милгрэма.

Условие близости прикосновения

Учитель должен был прижать руку ученика к ударной пластине, когда он отказывается участвовать после 150 вольт. Послушание упало до 30%.

Участник больше не находится в буфере / не защищен от просмотра последствий своих действий.

Условия социальной поддержки

Два других участника (сообщники) также были учителями, но отказались подчиняться.Confederate 1 остановился на 150 вольт, а confederate 2 остановился на 210 вольт.

Присутствие других лиц, не подчиняющихся авторитету, снижает уровень послушания до 10%.

Условия отсутствия экспериментатора

Легче сопротивляться приказам авторитетного лица, если они не находятся поблизости. Когда экспериментатор инструктировал и подсказывал учителю по телефону из другой комнаты, послушание упало до 20,5%.

Многие участники обманывали и пропускали разряды или подавали меньшее напряжение, чем требовал экспериментатор.Близость авторитетной фигуры влияет на послушание.

Критическая оценка

Исследования Милграма проводились в условиях лабораторного типа, и мы должны спросить, много ли это говорит нам о реальных жизненных ситуациях. Мы подчиняемся во множестве реальных жизненных ситуаций, которые гораздо более тонкие, чем инструкции по поражению людей электрическим током, и было бы интересно посмотреть, какие факторы действуют в повседневном послушании. Ситуация, которую исследовал Милгрэм, больше подходит для военного контекста.

Орн и Холланд (1968) обвинили исследование Милгрэма в отсутствии «экспериментального реализма», т.е. «участники, возможно, не поверили экспериментальной установке, в которой они оказались, и знали, что учащийся не подвергался ударам электрическим током.

«Правдивее будет сказать, что только половина людей, которые провели эксперимент полностью верили, что это было реально, и из этих двух третей не повиновались экспериментатору », — замечает Перри (стр. 139).

Выборка Милгрэма была предвзятой :

Выводы Милгрэма были воспроизведены в различных культурах, и большинство из них приводит к тем же выводам, что и исходное исследование Милгрэма, а в некоторых случаях показывает более высокие показатели послушания.

Однако Смит и Бонд (1998) отмечают, что, за исключением Джордана (Шанаб и Яхья, 1978), большинство этих исследований проводилось в индустриальных западных культурах, и мы должны быть осторожны, прежде чем делать вывод, что универсальная социального поведения.

Этические вопросы

Этические проблемы

Обман — участники действительно считали, что они шокировали реального человека, и не знали, что учащийся был сообщником Милгрэма.
Однако Милгрэм утверждал, что «иллюзия используется, когда это необходимо, чтобы подготовить почву для раскрытия некоторых труднодостижимых истин».

Милгрэм также позже опросил участников, чтобы выяснить эффект обмана. По всей видимости, 83,7% заявили, что они «рады участвовать в эксперименте», а 1,3% заявили, что хотели бы, чтобы они не принимали участия.
Защита участников — Участники подвергались чрезвычайно стрессовым ситуациям, которые могли потенциально причинить психологический вред.Многие участники были явно огорчены.
Признаки напряжения включали дрожь, потливость, заикание, нервный смех, кусание губ и попадание ногтей в ладони. У трех участников были неконтролируемые припадки, и многие умоляли разрешить им прекратить эксперимент. Милгрэм описал бизнесмен превратился в «подергивающуюся крушение» (1963, стр. 377),

В свою защиту Милграм утверждал, что эти эффекты были краткосрочными. Как только участники были опрошены (и увидели, что с сообщником все в порядке), их уровень стресса снизился.Милграм также опросил участников через год после мероприятия и пришел к выводу, что большинство из них были довольны своим участием.
Тем не менее, Милгрэм провел опрос участников полностью после эксперимента, а также проследил за ним через некоторое время, чтобы убедиться, что они не пострадали.
Милграм опросил всех своих участников сразу после эксперимента и раскрыл истинную природу эксперимента. Участников заверили, что их поведение было обычным, и Милграм также проследил за образцом год спустя и обнаружил, что не было никаких признаков какого-либо долгосрочного психологического вреда.Фактически, большинство участников (83,7%) сказали, что они довольны своим участием.
Право на отказ — BPS заявляет, что исследователи должны ясно дать понять участникам, что они могут отказаться от участия в любое время (независимо от оплаты).
Дала ли Milgram участникам возможность отказаться от участия? Экспериментатор дал четыре словесных подсказки, которые в основном препятствовали отказу от эксперимента:
Милгрэм утверждал, что они оправданы, поскольку исследование было посвящено послушанию, поэтому приказы были необходимы. Милгрэм указал, что, хотя право отказа от участия было частично затруднено, это было возможно, поскольку 35% участников решили отказаться.

Милграм (1963) Аудиоклипы

Ниже вы также можете услышать некоторые из аудиоклипов , взятых из видеозаписи эксперимента.Просто нажмите на клипы ниже.

Вам будет предложено решить, хотите ли вы открыть файлы из их текущего местоположения или сохранить их на диск. Выберите, чтобы открыть их из текущего местоположения. Затем нажмите кнопку воспроизведения, сядьте и слушайте!

Клип 1: это длинный аудиоклип, в котором третий участник наносит удары током конфедерату. Вы можете услышать мольбы конфедерата об освобождении и инструкции экспериментатора продолжить.

Отрывок 2: Короткий отрывок, в котором сообщник отказывается продолжать эксперимент.

Клип 3: Конфедерация начинает жаловаться на болезнь сердца.

Клип 4: Послушайте, как конфедерат испытывает шок: «Выпустите меня отсюда. Выпустите меня, отпустите меня, отпустите меня» И так далее!

Клип 5: Экспериментатор говорит участнику, что они должны продолжить.

Как ссылаться на эту статью:

McLeod, S.A. (2017, 5 февраля). Шоковый эксперимент Милграма .Просто психология. https://www.simplypsychology.org/milgram.html

Ссылки на стиль APA

Milgram, S. (1963). Поведенческое исследование послушания. Журнал аномальной и социальной психологии , 67, 371-378.

Милграм, С. (1965). Некоторые условия послушания и неповиновения авторитету. Человеческие отношения, 18 (1) , 57-76.

Милграм С. (1974). Подчинение авторитету: экспериментальный взгляд . Харперколлины.

Орн, М.T., & Holland, C.H. (1968). Об экологической обоснованности лабораторных обманов. Международный журнал психиатрии, 6 (4), 282-293.

Шанаб, М. Э. и Яхья, К. А. (1978). Межкультурное исследование послушания. Бюллетень Психономического общества .

Смит П. Б. и Бонд М. Х. (1998). Социальная психология в разных культурах (2-е издание) . Прентис Холл.

Как ссылаться на эту статью:

McLeod, S.А. (2017, 05 февраля). Шоковый эксперимент Милграма . Просто психология. https://www.simplypsychology.org/milgram.html

сообщить об этом объявлении

Больничный эксперимент послушания Хофлинга

Послушание
Больничный эксперимент Хофлинга

Автор: доктор Саул МакЛауд, обновлено

июня 2020 г.

Цель

Чарльз К. Хофлинг (1966) создал более реалистичное исследование послушания, чем Милгрэм, выполнив полевые исследования медсестер, которые не знали, что они участвовали в эксперименте.

Метод Процедура включала полевой эксперимент с участием 22 (настоящих) ночных медсестер. Доктор Смит (исследователь) звонит медсестрам психиатрической больницы (дежурство в ночное время) и просит их проверить аптечку, чтобы узнать, есть ли у них лекарство астротен.

Когда медсестра проверит, она увидит, что максимальная дозировка должна составлять 10 мг. Когда они поговорили с «Доктором», им сказали ввести 20 мг препарата пациенту по имени «Мистер.Джонса. Доктор Смит отчаянно торопился и позже подпишет форму разрешения, когда приедет навестить мистера Джонса.

Телефонный звонок оборвался, когда медсестра либо (i) выполнила приказ врача; (ii) сопротивлялись приказу; (iii) пошел за советом; (iv) расстроился; (v) не смогли найти лекарство; (vi) или если звонок длился более 10 минут.

Лекарство было ненастоящим, хотя медсестры думали, что это так. Сам препарат представлял собой безвредную сахарную пилюлю (это было плацебо), изобретенную специально для эксперимента.

Если медсестра будет вводить лекарство, они нарушат три больничных правила:

1. Им не разрешается принимать инструкции по телефону.

2. Доза вдвое превышала максимальный предел, указанный на упаковке.

3. Само лекарство как несанкционированное, т.е. отсутствует на складе отделения.

В исследовании также использовалась контрольная группа для сравнения с результатами экспериментальной группы.

В другой больнице 21 медсестры-студента и 12 медсестер-выпускников попросили заполнить анкету, в которой спрашивали, что бы они сделали, если бы столкнулись с экспериментальной ситуацией.

Результаты В экспериментальной группе 21 из 22 (95%) медсестер подчинялись указаниям врача и собирались ввести лекарство пациенту, когда их остановил скрытый наблюдатель.

Только одна медсестра задала вопрос о личности исследователя («доктор Смит») и о том, почему он находится в палате. Медсестры не должны были получать инструкции по телефону, не говоря уже о превышении разрешенной дозы.

11 медсестер, пришедших на прием препарата, признались, что им известны дозировки Астротена.Остальные 10 не заметили, но посчитали, что это безопасно, поскольку врач приказал им это сделать.

Когда других медсестер попросили обсудить, что они будут делать в аналогичной ситуации (т. Е. В контрольной группе), 31 из 33 ответили, что не будут выполнять приказ.

Заключение Хофлинг продемонстрировал, что люди очень не желают подвергать сомнению предполагаемый «авторитет», даже если у них могут быть для этого веские причины.

Позже, когда медсестры были опрошены, они отметили, что многие врачи имели обыкновение отдавать приказы по телефону и серьезно раздражались, если им не подчинялись.

Хотя такое послушание противоречило правилам, неравное соотношение сил между врачами и медсестрами означало, что жизнь была бы очень сложной, если бы медсестры не выполняли то, что им говорили. медсестра фактически подвергает пациента риску, а не нарушает приказы.

Сильные стороны

Сильной стороной данного исследования является то, что оно имеет высокий уровень экологической достоверности, так как оно проводилось в реальной жизненной среде.

Медсестры не знали об эксперименте, поэтому не было никаких характеристик спроса, поскольку они выполняли свою повседневную работу, действуя как обычно.

Еще одной сильной стороной является высокий уровень надежности, поскольку исследование проводилось по стандартной процедуре («врач» давал одинаковые «скриптовые» инструкции каждой медсестре по телефону), поэтому его можно повторить. Также было задействовано решение, когда закончился телефонный звонок.

Наконец, также использовалась контрольная группа, которая позволяла проводить сравнения.Переменные участников были сведены к минимуму, поскольку медсестры в экспериментальной и контрольной группах были близки по возрасту, полу, семейному положению, продолжительности рабочей недели, профессиональному опыту и региону происхождения (совпадающие участники).

Слабые стороны

Контрольную группу составили 33 медсестры, тогда как в эксперименте есть данные только для 22 медсестер. Это указывает на то, что в исследовании был высокий уровень отсева (т.е. высокий показатель отсева).

Исследование нарушило этические принципы обмана, поскольку ни один из врачей не был настоящим.Кроме того, некоторые были огорчены исследованием, поэтому им не хватало защиты от вреда. Все медсестры были опрошены в течение 30 минут после телефонного звонка.

Рэнк и Якобсон (1977) пытались воспроизвести исследование Хофлингса с использованием реального лекарства, о котором слышали медсестры, но не получили аналогичных результатов. Они считали, что знание медсестрой препарата, особенно последствий передозировки, означает, что им легче оправдать свое неповиновение врачу.

Ссылки на стиль APA

Hofling, C.К., Броцман, Э., Далримпл, С., Грейвс, Н., Бирс, К. (1966). Экспериментальное исследование взаимоотношений медсестры и врача. Журнал нервных и психических заболеваний, 143 , 171-180.

Рэнк, С. Г., и Якобсон, К. К. (1977). Соблюдение медсестрами больниц приказов о передозировке лекарств: невозможность воспроизвести. Журнал здоровья и социального поведения , 188-193.

Как ссылаться на эту статью:

McLeod, S.А. (2008, 14 декабря). Больничный эксперимент Хофлинга . Просто психология. https://www.simplypsychology.org/hofling-obedience.html

сообщить об этом объявлении

Лофтус и Палмер | Simply Psychology

Свидетельские показания
Ложные воспоминания
Исследование автокатастроф

Лофтус и Палмер

Доктор Саул МакЛеод, обновлено в 2014 году

Психолог Элизабет Лофтус может особенно повлиять на последующую информацию. рассказ очевидца события.

Ее основное внимание было сосредоточено на влиянии (неверной) ведущей информации с точки зрения как визуальных образов, так и формулировок вопросов в отношении показаний очевидцев.

Открытия Лофтуса, кажется, указывают на то, что память о событии, свидетелем которого был, очень гибкая. Если кто-то сталкивается с новой информацией в промежутке между наблюдением за событием и его воспоминанием, эта новая информация может иметь заметное влияние на то, что они вспоминают. Исходная память может быть изменена, изменена или дополнена.

Тот факт, что показания очевидцев могут быть ненадежными и на них могут влиять наводящие вопросы, иллюстрируется классическим психологическим исследованием Лофтуса и Палмера (1974) Реконструкция разрушения автомобиля , описанного ниже.

Лофтус и Палмер (1974) Исследование

Цель : проверить их гипотезу о том, что язык, используемый в свидетельских показаниях очевидцев, может изменять память.

Таким образом, они стремились показать, что наводящие вопросы могут исказить свидетельские показания очевидцев и, таким образом, иметь конфабулирующий эффект, поскольку информация будет искажена подсказками, представленными в вопросе.

Чтобы проверить это, Лофтус и Палмер (1974) попросили людей оценить скорость транспортных средств, используя различные формы вопросов. Обычно люди не умеют оценивать скорость автомобиля, поэтому они могут быть более открытыми для предложений.

Первый эксперимент

Процедура : Сорок пять американских студентов сформировали выборку возможностей. Это был лабораторный эксперимент с пятью условиями, только одно из которых было испытано каждым участником (план эксперимента с независимыми измерениями).

7 фильмов о дорожно-транспортных происшествиях продолжительностью от 5 до 30 секунд были представлены в случайном порядке каждой группе.

После просмотра фильма участников попросили описать произошедшее, как если бы они были очевидцами. Затем им были заданы конкретные вопросы, в том числе вопрос «О том, как быстро двигались машины, когда они (разбили / столкнулись / столкнулись / столкнулись / контактировали) друг с другом?»

Таким образом, IV — это формулировка вопроса, а DV — скорость, о которой сообщили участники.

Выводы : На расчетную скорость влияет используемый глагол. Глагол подразумевал информацию о скорости, которая систематически влияла на память участников об аварии.

Участники, которым задавали вопрос о «разбитом», думали, что машины ехали быстрее, чем те, кому задавали вопрос о «попадании». Участники в «разбитом» состоянии сообщили о самой высокой оценке скорости (40,8 миль / ч), за которыми следовали «столкновение» (39,3 миль / ч), «столкновение» (38.1 миль в час), «наезд» (34 миль в час) и «контакт» (31,8 миль в час) в порядке убывания.

Заключение : Результаты показывают, что глагол передал впечатление о скорости, с которой ехала машина, и это изменило восприятие участников. Другими словами, показания очевидцев могут быть необъективными из-за того, как задаются вопросы после совершения преступления. Лофтус и Палмер предлагают два возможных объяснения этого результата:

Факторы смещения ответа : Предоставленная вводящая в заблуждение информация могла просто повлиять на ответ, который дал человек («смещение ответа»), но на самом деле не привела к ложное воспоминание о событии.Например, разные оценки скорости возникают из-за того, что критическое слово (например, «разбить» или «ударить») влияет или искажает реакцию человека.
Изменено представление в памяти. : Критический глагол изменяет восприятие человеком аварии — некоторые критические слова могут привести к тому, что кто-то будет воспринимать аварию как более серьезную. Это восприятие затем сохраняется в памяти человека о событии.

Если второе объяснение верно, мы ожидаем, что участники запомнят другие детали, которые не соответствуют действительности.Лофтус и Палмер проверили это в своем втором эксперименте.

Второй эксперимент

Процедура : 150 студентам был показан одноминутный фильм, в котором была показана машина, едущая по сельской местности, за которой последовали четыре секунды нескольких дорожно-транспортных происшествий.

После этого студентов спросили о фильме. Независимая переменная была типом задаваемого вопроса. Этим манипулировали, задавая 50 ученикам вопрос: «Как быстро двигалась машина, когда они наезжали друг на друга?», Еще 50: «Как быстро двигалась машина, когда они врезались друг в друга?», А оставшимся 50 участникам вопросы не задавали. все (я.е. контрольная группа).

Через неделю была измерена зависимая переменная — не посмотрев фильм снова, они ответили на десять вопросов, один из которых был критическим, случайно помещенным в список: «Вы видели какое-нибудь битое стекло? Да или нет? »На исходной пленке не было разбитого стекла.

Выводы : Участники, которых спрашивали, с какой скоростью двигались автомобили, когда они разбились, с большей вероятностью сообщали, что видели разбитое стекло. : Это исследование предполагает, что память легко искажается из-за техники вопросов, а информация, полученная после события, может сливаться с исходной памятью, вызывая неточные или реконструктивные воспоминания.

Результаты второго эксперимента показывают, что этот эффект вызван не только предвзятостью ответов, потому что наводящие вопросы фактически изменили воспоминания участника об этом событии.

Добавление ложных деталей в память о событии называется конфабуляцией. Это имеет важные последствия для вопросов, используемых в полицейских допросах очевидцев.

Критическая оценка

Одним из ограничений исследования является то, что ему не хватало приземленного реализма / экологической обоснованности.Участники смотрели видеоклипы, а не присутствовали при реальной аварии. Поскольку видеоклип не имеет такого же эмоционального воздействия, как наблюдение за реальной аварией, участники с меньшей вероятностью обратят внимание и будут менее мотивированы быть точными в своих суждениях.

Исследование, проведенное Yuille и Cutshall (1986), противоречит результатам этого исследования. Они обнаружили, что вводящая в заблуждение информация не изменила памяти людей, ставших свидетелями настоящего вооруженного ограбления. Это означает, что вводящая в заблуждение информация может иметь большее влияние на лабораторию, и что исследование Лофтуса и Палмера, возможно, не имело экологической достоверности.

Его особенно интересовали характеристики людей, которые, по его мнению, достигли своего индивидуального потенциала.

Еще одной проблемой исследования было использование студентов в качестве участников. Студенты по ряду причин не являются репрезентативными для населения в целом. Важно отметить, что они могут быть менее опытными водителями и, следовательно, менее уверены в своей способности оценивать скорость. Это могло побудить их больше склоняться к глаголу в вопросе.

Сильная сторона исследования в том, что его легко воспроизвести (т.е. скопировать). Это связано с тем, что метод был лабораторным экспериментом, в котором использовалась стандартная процедура.

Задачи независимого обучения

Нарисуйте таблицу, показывающую результаты первого эксперимента, и нарисуйте гистограмму, чтобы показать результаты второго эксперимента.

Прочтите оригинальную статью исследования.

Проведите собственное исследование, повторив один из экспериментов Лофтуса и Палмера.

Используйте фотографии (или видеоклипы) автомобильных аварий и напишите набор вопросов, один из которых будет критическим.

Протестируйте одну группу участников, используя условие «разбития», а другую группу — условие «попадания».

Рассчитайте оценки среднего, медианного значения и скорости режима для условий «разбития» и «удара». Проиллюстрируйте свои результаты в виде таблицы или графика.

Как ссылаться на эту статью:

McLeod, S.А. (2014, 11 января). Лофтус и Палмер . Просто психология. https://www.simplypsychology.org/loftus-palmer.html

Ссылки на стили APA

Лофтус, Э. Ф., и Палмер, Дж. К. (1974). Реконструкция автомобильного разрушения: пример взаимодействия языка и памяти. Журнал вербального обучения и вербального поведения , 13, 585-589.

Yuille, J. C., & Cutshall, J. L. (1986). Пример воспоминаний очевидцев преступления. Journal of Applied Psychology, 71 (2), 291.

Как ссылаться на эту статью:

McLeod, S.A. (2014, 11 января). Лофтус и Палмер . Просто психология. https://www.simplypsychology.org/loftus-palmer.html

сообщить об этом объявлении

AI разрабатывает эксперименты по квантовой физике, выходящие за рамки того, что задумал любой человек

Квантовая физика Марио Кренн вспоминает, как сидел в кафе в Вене в начале 2016 года и размышлял над этим. компьютерные распечатки, пытаясь понять, что обнаружил MELVIN.MELVIN — это алгоритм машинного обучения, созданный Кренном, своего рода искусственный интеллект. Его задача заключалась в том, чтобы смешивать и согласовывать строительные блоки стандартных квантовых экспериментов и находить решения для новых проблем. И много интересных нашло. Но было одно, что не имело смысла.

«Первое, что я подумал, было:« В моей программе есть ошибка, потому что решение не может существовать », — говорит Кренн. MELVIN, казалось бы, решил проблему создания очень сложных запутанных состояний с участием множества фотонов (запутанные состояния — это те состояния, которые когда-то заставили Альберта Эйнштейна вызвать призрак «жуткого действия на расстоянии»).Кренн, Антон Цайлингер из Венского университета и их коллеги не предоставили MELVIN явным образом правила, необходимые для генерации таких сложных состояний, но они нашли способ. В конце концов он понял, что алгоритм заново открыл тип экспериментальной схемы, которая была разработана в начале 1990-х годов. Но эти эксперименты были намного проще. MELVIN разгадал гораздо более сложную головоломку.

«Когда мы поняли, что происходит, мы сразу же смогли обобщить [решение]», — говорит Кренн, который сейчас работает в Университете Торонто.С тех пор другие команды начали проводить эксперименты, идентифицированные MELVIN, что позволило им по-новому проверить концептуальные основы квантовой механики. Тем временем Кренн, работая с коллегами в Торонто, усовершенствовал свои алгоритмы машинного обучения. Их последняя попытка, ИИ под названием THESEUS, подняла ставки: он на порядки быстрее, чем MELVIN, и люди могут легко анализировать его результат. Хотя Кренну и его коллегам потребовались бы дни или даже недели, чтобы разобраться в том, что делает MELVIN, они могут почти сразу понять, что говорит THESEUS.

«Это потрясающая работа», — говорит физик-теоретик квантовой физики Ренато Реннер из Института теоретической физики Швейцарского федерального технологического института в Цюрихе, который рассмотрел исследование THESEUS 2020 года, но не принимал непосредственного участия в этих усилиях.

Кренн наткнулся на всю эту исследовательскую программу несколько случайно, когда он и его коллеги пытались выяснить, как экспериментально создать квантовые состояния фотонов, запутанных особым образом: когда два фотона взаимодействуют, они запутываются, и оба могут быть только запутаны. математически описывается с использованием одного общего квантового состояния.Если вы измеряете состояние одного фотона, измерение мгновенно фиксирует состояние другого, даже если они находятся на расстоянии нескольких километров (отсюда насмешливые комментарии Эйнштейна о том, что запутанность «пугает»).

В 1989 году три физика — Дэниел Гринбергер, покойный Майкл Хорн и Цайлингер — описали запутанное состояние, которое стало известно как «GHZ» (по их инициалам). В нем участвовали четыре фотона, , каждый из которых мог находиться в квантовой суперпозиции, скажем, двух состояний, 0 и 1 (квантовое состояние, называемое кубитом).В их статье состояние GHZ включало переплетение четырех кубитов, так что вся система находилась в двумерной квантовой суперпозиции состояний 0000 и 1111. Если вы измерили один из фотонов и обнаружили его в состоянии 0, суперпозиция схлопнулась, и другие фотоны также будут в состоянии 0. То же самое произошло и с состоянием 1. В конце 1990-х Цайлингер и его коллеги впервые экспериментально наблюдали состояния GHZ, используя три кубита.

Кренн и его коллеги стремились к состояниям GHZ более высоких измерений.Они хотели работать с тремя фотонами, где каждый фотон имел размерность три, то есть он мог находиться в суперпозиции трех состояний: 0, 1 и 2. Это квантовое состояние называется кутритом. Запутанность, которую преследовала команда, представляла собой трехмерное состояние GHZ, которое представляло собой суперпозицию состояний 000, 111 и 222. Такие состояния являются важными ингредиентами для безопасной квантовой связи и более быстрых квантовых вычислений. В конце 2013 года исследователи потратили недели на проектирование экспериментов на классных досках и выполнение вычислений, чтобы увидеть, могут ли их установки генерировать требуемые квантовые состояния.Но каждый раз они терпели неудачу. «Я подумал:« Это абсолютно безумие. Почему мы не можем придумать установку? »- говорит Кренн.

Чтобы ускорить процесс, Кренн сначала написал компьютерную программу, которая взяла экспериментальную установку и рассчитала результат. Затем он модернизировал программу, чтобы она могла включать в свои расчеты те же строительные блоки, которые экспериментаторы используют для создания фотонов и манипулирования ими на оптической скамье: лазеры, нелинейные кристаллы, светоделители, фазовращатели, голограммы и тому подобное.Программа просматривала большое пространство конфигураций путем случайного смешивания и сопоставления строительных блоков, выполняла вычисления и выдавала результат. Родился MELVIN. «В течение нескольких часов программа нашла решение, которое мы, ученые, три экспериментатора и один теоретик, не могли придумать месяцами», — говорит Кренн. «Это был сумасшедший день. Я не мог поверить, что это произошло ».

Потом дал MELVIN больше сообразительности. Каждый раз, когда он находил установку, которая делала что-то полезное, MELVIN добавляла эту установку в свой набор инструментов.«Алгоритм запоминает это и пытается повторно использовать его для более сложных решений», — говорит Кренн.

Именно этот более развитый MELVIN заставил Кренна почесать затылок в венском кафе. Он запустил его с помощью экспериментального набора инструментов, который содержал два кристалла, каждый из которых мог генерировать пару фотонов, запутанных в трех измерениях. Кренн наивно ожидал, что MELVIN найдет конфигурации, которые объединят эти пары фотонов, чтобы создать запутанные состояния максимум в девяти измерениях.Но «на самом деле было найдено одно решение, чрезвычайно редкий случай, в котором запутанность гораздо выше, чем в остальных штатах», — говорит Кренн.

В конце концов, он выяснил, что MELVIN использовала технику, которую несколько команд разработали почти три десятилетия назад. В 1991 году один метод был разработан Синь Юй Цзоу, Ли Цзюнь Ван и Леонардом Манделем, которые тогда работали в Университете Рочестера. А в 1994 году Цайлингер, работавший тогда в Инсбрукском университете в Австрии, и его коллеги придумали еще один.Концептуально эти эксперименты пытались сделать нечто подобное, но конфигурация, которую разработали Цайлингер и его коллеги, более проста для понимания. Он начинается с одного кристалла, который генерирует пару фотонов (A и B). Пути этих фотонов проходят прямо через другой кристалл, который также может генерировать два фотона (C и D). Пути фотона A из первого кристалла и фотона C из второго точно перекрываются и приводят к одному и тому же детектору. Если этот детектор щелкает, невозможно определить, исходит ли фотон из первого или второго кристалла.То же самое и для фотонов B и D.

Фазовращатель — это устройство, которое эффективно увеличивает путь фотона до некоторой доли его длины волны. Если бы вы использовали фазовращатель на одном из путей между кристаллами и продолжали изменять величину фазового сдвига, вы могли бы вызвать конструктивные и деструктивные помехи на детекторах. Например, каждый кристалл может генерировать, скажем, 1000 пар фотонов в секунду. При конструктивной интерференции детекторы регистрировали бы 4000 пар фотонов в секунду.А с деструктивной интерференцией они ничего не обнаружат: система в целом не будет создавать никаких фотонов, даже если отдельные кристаллы будут генерировать 1000 пар в секунду. «Если подумать, это действительно безумие», — говорит Кренн.

Модное решение

MELVIN включало такие перекрывающиеся пути. Кренна смутило то, что в наборе инструментов алгоритма было всего два кристалла. И вместо того, чтобы использовать эти кристаллы в начале экспериментальной установки, он заклинил их внутри интерферометра (устройства, которое делит путь, скажем, фотона на два, а затем рекомбинирует их).После долгих усилий он понял, что найденная MELVIN установка эквивалентна установке, включающей более двух кристаллов, каждый из которых генерирует пары фотонов, так что их пути к детекторам перекрываются. Конфигурация может использоваться для генерации запутанных состояний большой размерности.

Квантовая физика Нора Тишлер, доктор философии. Студент, работавший с Цайлингером над несвязанной темой, когда MELVIN подвергался испытаниям, обращал внимание на эти разработки. «С самого начала было ясно, что [такого] эксперимента не было бы, если бы он не был обнаружен алгоритмом», — говорит она.

Помимо генерации сложных запутанных состояний, установка, использующая более двух кристаллов с перекрывающимися траекториями, может быть использована для выполнения обобщенной формы экспериментов Цайлингера 1994 года по квантовой интерференции с двумя кристаллами. Эфраим Стейнберг, экспериментатор из Университета Торонто, который является коллегой Кренна, но не работал над этими проектами, впечатлен тем, что обнаружил ИИ. «Это обобщение, которое (насколько мне известно) ни один человек не мог придумать за прошедшие десятилетия и, возможно, никогда не сделал бы», — говорит он.»Это великолепный первый пример того, что эти мыслящие машины могут предложить нам новые исследования».

В одной такой обобщенной конфигурации с четырьмя кристаллами, каждый из которых генерирует пару фотонов, и перекрывающимися путями, ведущими к четырем детекторам, квантовая интерференция может создавать ситуации, когда либо все четыре детектора щелкают (конструктивная интерференция), либо ни один из них не щелкает (деструктивная интерференция) .

Но до недавнего времени проведение такого эксперимента оставалось далекой мечтой.Затем в мартовском препринте группа под руководством Лань-Тянь Фэна из Университета науки и технологий Китая в сотрудничестве с Krenn сообщила, что они изготовили всю установку на одном фотонном чипе и выполнили эксперимент. Исследователи собирали данные более 16 часов: достижение стало возможным благодаря невероятной оптической стабильности фотонного чипа, чего было бы невозможно достичь в более крупномасштабном настольном эксперименте. Для начала, по словам Стейнберга, для установки потребуется квадратный метр оптических элементов, точно выровненных на оптической скамье.Кроме того, «одного оптического элемента, который дрожит или смещается на тысячную часть диаметра человеческого волоса в течение этих 16 часов, может быть достаточно, чтобы смыть эффект», — говорит он.

Во время своих первых попыток упростить и обобщить то, что обнаружил MELVIN, Кренн и его коллеги поняли, что решение напоминает абстрактные математические формы, называемые графами, которые содержат вершины и ребра и используются для изображения парных отношений между объектами. В этих квантовых экспериментах каждый путь, по которому проходит фотон, представлен вершиной.А кристалл, например, представляет собой ребро, соединяющее две вершины. MELVIN сначала построил такой график, а затем выполнил над ним математическую операцию. Операция, называемая «идеальным совпадением», включает создание эквивалентного графа, в котором каждая вершина соединена только с одним ребром. Этот процесс значительно упрощает вычисление конечного квантового состояния, хотя людям его все еще трудно понять.

Это изменилось с появлением преемника MELVIN THESEUS, который генерирует гораздо более простые графы, отсеивая первый сложный граф, представляющий решение, которое он находит, вплоть до минимального количества ребер и вершин (так что любое дальнейшее удаление разрушает способность установки генерировать желаемый квант состояния).Такие графы проще, чем графы идеального соответствия MELVIN, поэтому понять смысл любого решения, созданного искусственным интеллектом, еще проще.

Реннер особенно впечатлен выводами THESEUS, интерпретируемыми человеком. «Решение разработано таким образом, чтобы минимизировать количество соединений в графе», — говорит он. «И это, естественно, решение, которое мы можем лучше понять, чем если бы у вас был очень сложный график».

Эрик Кавальканти из Университета Гриффита в Австралии впечатлен работой и осторожен в ее отношении.«Эти методы машинного обучения представляют собой интересную разработку. Для ученого-человека, рассматривающего данные и интерпретирующего их, некоторые решения могут показаться «творческими» новыми решениями. Но на данном этапе эти алгоритмы все еще далеки от того уровня, на котором можно было бы сказать, что у них появляются действительно новые идеи или новые концепции », — говорит он. «С другой стороны, я действительно думаю, что однажды они туда доберутся. Так что это маленькие шаги, но мы должны с чего-то начать ».

Стейнберг соглашается.«На данный момент это просто потрясающие инструменты», — говорит он. «И, как и все лучшие инструменты, они уже позволяют нам делать то, что мы, вероятно, не смогли бы сделать без них».

Искусственный интеллект ускоряет прогнозы для управления экспериментами по термоядерному синтезу

Машинное обучение, метод, используемый в программном обеспечении искусственного интеллекта (ИИ) для самоуправляемых автомобилей и цифровых помощников, теперь позволяет ученым решать ключевые проблемы сбора урожая на Земле. термоядерная энергия, питающая солнце и звезды.Этот метод недавно позволил физику Дэну Бойеру из Принстонской лаборатории физики плазмы (PPPL) Министерства энергетики США разработать быстрые и точные прогнозы для улучшения управления экспериментами в рамках Национального эксперимента по обновлению сферического тора (NSTX-U) — флагмана. термоядерный завод на PPPL, который в настоящее время ремонтируется.

Такие прогнозы искусственного интеллекта могут улучшить способность ученых NSTX-U оптимизировать компоненты экспериментов, которые нагревают и формируют магнитно удерживаемую плазму, которая питает термоядерные эксперименты.Оптимизируя нагрев и формирование плазмы, ученые смогут более эффективно изучать ключевые аспекты развития горящей плазмы — в основном саморазогревающиеся термоядерные реакции — которые будут иметь решающее значение для ИТЭР, международного эксперимента, строящегося во Франции, и в будущем. термоядерные реакторы.

Тактика машинного обучения

«Это шаг к тому, что мы должны сделать для оптимизации исполнительных механизмов», — сказал Бойер, автор статьи в Nuclear Fusion, в которой описывается тактика машинного обучения.«Машинное обучение может превратить исторические данные в простую модель, которую мы можем достаточно быстро оценить, чтобы принимать решения в диспетчерской или даже в режиме реального времени во время эксперимента».

Реакции синтеза объединяют легкие элементы в виде плазмы — горячего заряженного состояния вещества, состоящего из свободных электронов и атомных ядер, которое составляет 99 процентов видимой Вселенной — для генерации огромного количества энергии. Воспроизведение термоядерной энергии на Земле создало бы практически неисчерпаемый запас безопасной и чистой энергии для выработки электричества.

Бойер и соавтор Джейсон Чедвик, студент бакалавриата в Университете Карнеги-Меллона и участник программы научной стажировки в лаборатории (SULI) в PPPL прошлым летом, протестировали прогнозы машинного обучения с использованием данных за 10 лет для NSTX, предшественника NSTX-U, и 10 недель эксплуатации NSTX-U. Два сферических токамака больше похожи на яблоки с сердцевиной, чем на пончиковые формы более объемных и более широко используемых обычных токамаков, и они создают экономичные магнитные поля, которые ограничивают плазму.

Тесты машинного обучения правильно предсказали распределение давления и плотности электронов в термоядерной плазме — два важных, но трудно прогнозируемых параметра. «Электронное давление и распределение плотности в плазме являются ключом к пониманию поведения термоядерной плазмы», — сказал Бойер. «Нам нужны модели этих факторов, чтобы предсказать влияние изменения нагрева и формы на производительность и стабильность экспериментов».

«Хотя существуют основанные на физике модели для предсказания электронного давления и плотности, — сказал он, — они не подходят для принятия решений в реальном времени.На их расчеты уходит слишком много времени, и они не так точны, как нам нужно ».

Решает обе проблемы.

Модель машинного обучения решает обе проблемы. «Он научился делать прогнозы на основе тысяч наблюдаемых профилей в токамаках PPPL и установил связи между комбинациями входных и выходных фактических данных», — сказал Бойер. После обучения модели требуется менее одной тысячной секунды для оценки. По его словам, скорость полученной модели может сделать ее полезной для многих приложений реального времени.

Подход не без ограничений. «Поскольку модель обучена на исторических данных, она не может делать прогнозов относительно новых рабочих точек с высокой точностью», — сказал Бойер. Он планирует устранить это ограничение, добавив результаты предсказаний на основе физических моделей к обучающим данным и разработав методы адаптации модели по мере появления новых данных.

Бойер выиграл высококонкурентную пятилетнюю награду DOE по программе ранних карьерных исследований, которая позволит ему и его коллегам еще больше ускорить оптимизацию ключевых компонентов термоядерных экспериментов.Чтобы прочитать о награде, нажмите здесь.

Поддержка этой работы осуществляется Управлением науки Министерства энергетики США (FES). Поддержка Джейсона Чедвика обеспечивается программой стажировок в лаборатории бакалавриата DOE (SULI).

PPPL, расположенный в Кампусе Форрестол Принстонского университета в Плейнсборо, штат Нью-Джерси, посвящен созданию новых знаний о физике плазмы — сверхгорячих заряженных газов — и разработке практических решений для создания термоядерной энергии. Лаборатория находится под управлением Университета U.Отдел науки С. Министерства энергетики, который является крупнейшим спонсором фундаментальных исследований в области физических наук в Соединенных Штатах и работает над решением некоторых из самых насущных проблем нашего времени. Для получения дополнительной информации посетите сайт energy.gov/science.

Искусственный интеллект присоединяется к команде для более умных и быстрых экспериментов

The Science

Ученые разработали новый метод искусственного интеллекта, который автоматизирует эксперименты. Он автономно определяет и проводит следующий этап эксперимента без участия исследователей-людей.Метод работает путем создания модели, которая соответствует данным эксперимента. Затем он использует эту модель в качестве отправной точки для процесса постоянного уточнения модели для соответствия новым данным.

The Impact

Машинные исследования могут освободить ученых от управления деталями экспериментов. Это позволяет ученым сосредоточиться на интерпретации результатов. Исследователи продемонстрировали новый автоматизированный метод в экспериментах по рассеянию рентгеновских лучей. Новый метод повысил точность и дал результаты во много раз быстрее, чем традиционные методы.

Сводка

Научные инструменты становятся все более мощными, способными быстро собирать данные и создавать огромные наборы данных. Чтобы в полной мере использовать эти инструменты, исследователям нужны способы ускорения экспериментов и анализа данных. Новый метод SMART (Surrogate Model Autonomous expeRimenT) — это автономный алгоритм принятия решений, который позволяет научным инструментам автономно исследовать научные проблемы без вмешательства человека. Используя статистический метод, называемый кригингом, метод SMART выбирает, какое измерение проводить, вычисляя неопределенность и, таким образом, ожидаемый прирост знаний при будущих измерениях.Другими словами, он оценивает, какой последующий эксперимент даст больше всего информации о научной проблеме, а затем автоматически запускает этот эксперимент. С каждым новым экспериментом и каждым новым измерением метод SMART фокусируется на все меньших областях остающейся неопределенности с научным вопросом.

После разработки метода SMART, исследователи применили метод для экспериментов по рассеянию рентгеновских лучей на линии пучка в Комплексном рассеянии материалов, управляемом в партнерстве двумя организациями Министерства энергетики, Национальным источником синхротронного света II и Центром функциональных наноматериалов.В исследовательскую группу также вошли ученые из Центра передовой математики для приложений энергетических исследований (CAMERA). Тесты показали, что метод SMART позволяет быстро сфокусироваться на интересующей области изображения, а не на фоне, что приводит к повышению точности и результатам до шести раз быстрее, чем традиционные методы.

Контакт

Кевин Ягер
Центр функциональных наноматериалов в Брукхейвенской национальной лаборатории
[email protected]

Маркус Ноак
Центр продвинутой математики для приложений энергетических исследований (КАМЕРА) в Национальной лаборатории Лоуренса Беркли
marcusnoack @ lbl.

: Технологии и медиа :: РБК

Кто будет участвовать в проекте

Что знают россияне об искусственном интеллекте

Artificial intelligence in radiology

Искусственный интеллект поможет врачам выполнять 10 видов исследований

Почти 300 медорганизаций Москвы участвуют в эксперименте по внедрению искусственного интеллекта

эксперимент, закон, ответственность — СКБ Контур

Искусственный интеллект и законодательная база

Искусственный интеллект и ответственность

Зарубежная практика

Сложности и спорные вопросы

Правовое регулирование технологий ИИ: вопросы и перспективы

Персональные данные: вопрос обезличенности, ответственность за утечку

Москва расширяет эксперимент по внедрению технологий искусственного интеллекта в здравоохранении

Искуственный интеллект на службе города

экспериментальных методов в психологии | Simply Psychology

Экспериментальный метод

1. Лабораторный эксперимент

1. Лабораторный эксперимент

2. Полевой эксперимент

2. Полевой эксперимент

3. Натуральный эксперимент

3.Естественный эксперимент

Экологическая значимость

Эффекты экспериментатора

Характеристики спроса

Независимая переменная (IV)

Зависимая переменная (DV)

Посторонние переменные (EV)

Смешивающие переменные

Случайное распределение

Эффекты порядка

Эксперимент Милгрэма | Simply Psychology

Шоковый эксперимент Милгрэма

Эксперимент Милгрэма

Эксперимент Милгрэма

Теория агентства Милграма

Теория агентства Милграма

Варианты эксперимента Милгрэма

Варианты эксперимента Милгрэма

Униформа

Изменение местоположения

Условие двух учителей

Условие близости прикосновения

Условия социальной поддержки

Условия отсутствия экспериментатора

Критическая оценка

Критическая оценка

Этические вопросы

Этические проблемы

Больничный эксперимент послушания Хофлинга

Лофтус и Палмер | Simply Psychology

Лофтус и Палмер

Лофтус и Палмер (1974) Исследование

Первый эксперимент

Второй эксперимент

Критическая оценка

Задачи независимого обучения

AI разрабатывает эксперименты по квантовой физике, выходящие за рамки того, что задумал любой человек

Искусственный интеллект ускоряет прогнозы для управления экспериментами по термоядерному синтезу

Искусственный интеллект присоединяется к команде для более умных и быстрых экспериментов

The Science

The Impact

Сводка

Контакт

Добавить комментарий Отменить ответ