Krótka historia inteligencji. Ewolucja, sztuczna inteligencja i pięć przełomów, które ukształtowały nasz mózg ebook

Widzę w przyszłości szerokie perspektywy znacznie ważniejszych jeszcze badań. Psychologia oprze się z pewnością na dobrze sformułowanym już przez Herberta Spencera poglądzie, że każdą umiejętność i każdą zdolność umysłową można osiągnąć tylko stopniowo. Dużo światła padnie na problem pochodzenia człowieka i jego historię*.

Charles Darwin w 1859 roku

*O powstawaniu gatunków, przeł. Szymon Dickstein i Józef Nussbaum, Warszawa: Jirafa Roja, s. 449.

Specjalne podziękowania dla Rebekki Gelernter za niesamowitą grafikę; Rebecca zaprojektowała grafikę wprowadzającą poszczególne przełomy oraz większość rysunków. Szczególne podziękowania należą się również Mesie Schumacher za stworzone specjalnie na potrzeby tej książki świetne ilustracje mózgu człowieka, minoga, małpy i szczura.

 Zapraszamy do zakupu pełnej wersji książki

WPROWADZENIE

We wrześniu 1962 roku, w okresie globalnej wrzawy związanej z wyścigiem kosmicznym, kubańskim kryzysem rakietowym i niedawno ulepszoną szczepionką przeciwko polio, osiągnięto mniej znany — ale może równie istotny — kamień milowy w historii ludzkości: jesienią 1962 roku przewidzieliśmy przyszłość.

Na kolorowych ekranach amerykańskich telewizorów zadebiutowali Jetsonowie, kreskówka o rodzinie żyjącej w odległej przyszłości. Za fasadą sitcomu kryła się prognoza życia za sto lat, w którym technologie wypełnią ludziom kieszenie i umeblują domy.

Jetsonowie poprawnie przewidzieli rozmowy wideo, telewizory z płaskim ekranem, telefony komórkowe, druk 3D i smart­watche — technologie w 1962 roku niewyobrażalne, a w 2022 roku wszechobecne. Ale jednej serialowej technologii — jednego futurystycznego wyczynu — nie udało nam się jeszcze stworzyć: wciąż nie mamy autonomicznej robocicy Rosey.

Rosey pracowała u Jetsonów jako niańka, opiekowała się dziećmi i zajmowała domem. Kiedy sześcioletni Elroy miał problemy w szkole, Rosey pomagała mu w odrabianiu lekcji. Kiedy piętnastoletnia Judy potrzebowała pomocy w nauce jazdy, szkoliła ją Rosey. Robocica gotowała też posiłki, nakrywała do stołu i zmywała naczynia. Była lojalna, wrażliwa i dowcipna. Kiedy w rodzinie doszło do kłótni albo nieporozumienia, wkraczała do akcji i pomagała ludziom zobaczyć daną sprawę z perspektywy drugiej strony. Pewnego razu do łez wzruszył ją wiersz, który Elroy napisał dla swojej matki. W jednym z odcinków Rosey nawet się zakochała.

Innymi słowy, Rosey miała inteligencję człowieka. Opanowała nie tylko rozumowanie, zdrowy rozsądek i umiejętności motoryczne potrzebne do wykonywania złożonych zadań w świecie fizycznym, ale także empatię, przyjmowanie cudzej perspektywy i umiejętności społeczne niezbędne do skutecznego poruszania się w świecie stosunków międzyludzkich. Mówiąc słowami Jane Jetson, Rosey była „jak ktoś z rodziny”1.

Chociaż Jetsonowie poprawnie przewidzieli telefony komórkowe i smartwatche, wciąż nie mamy czegoś takiego jak Rosey. Kiedy oddaję tę książkę do druku, nawet najprostsze zachowania Rosey nadal są poza naszym zasięgiem. Nie jest tajemnicą, że pierwsza firma, która zbuduje robota potrafiącego wykonać tak banalną czynność jak włożenie naczyń do zmywarki, będzie miała bestsellerowy produkt. Wszystkie dotychczasowe próby zakończyły się niepowodzeniem. Nie jest to problem mechaniczny, lecz intelektualny — umiejętność identyfikowania obiektów w zlewie, odpowiedniego ich podnoszenia i wkładania do zmywarki w jednym kawałku okazała się znacznie trudniejsza, niż dotychczas sądzono.

Oczywiście chociaż wciąż nie mamy Rosey, od 1962 roku na polu sztucznej inteligencji (AI) dokonał się ogromny postęp. AI potrafi dzisiaj pokonać najlepszych ludzi na świecie w licznych grach umysłowych, włączając w to szachy i go. Nie gorzej od ludzi rozpoznaje guzy na zdjęciach radiologicznych. Jest prawie gotowa do autonomicznej jazdy samochodem, a rozwój dużych modeli językowych, który kilka lat temu gwałtownie przyspieszył, umożliwia takim programom jak ChatGPT, uruchomiony jesienią 2022 roku, komponowanie poezji, tłumaczenie tekstów, a nawet pisanie kodu. Ku rozczarowaniu każdego nauczyciela szkoły średniej ChatGPT może natychmiast stworzyć wyjątkowo dobrze napisane i oryginalne wypracowanie na prawie każdy temat, o które może go poprosić dostatecznie bezczelny uczeń. ChatGPT może nawet zdać egzamin adwokacki, uzyskując lepsze wyniki niż 90 procent prawników.

W całej długiej historii rozwoju sztucznej inteligencji zawsze trudno było określić, jak blisko jesteśmy stworzenia inteligencji na poziomie ludzkim. W latach sześćdziesiątych, po pierwszych sukcesach algorytmów służących do rozwiązywania problemów, pionier sztucznej inteligencji Marvin Minsky wygłosił słynną prognozę, że „w ciągu trzech do ośmiu lat będziemy mieli maszynę o ogólnej inteligencji przeciętnego człowieka”. Tak się jednak nie stało. Po sukcesach systemów eksperckich w latach osiemdziesiątych „BusinessWeek” ogłosił: „AI: już jest”. Niewiele później postęp stanął w miejscu. Teraz, na widok rozwoju dużych modeli językowych, wielu badaczy znowu deklaruje, że „mecz wygrany”, bo „jesteśmy na progu osiągnięcia AI na poziomie ludzkim”2. No to jak jest naprawdę: czy nareszcie dzieli nas tylko krok od stworzenia inteligencji podobnej do ludzkiej, czy też duże modele językowe to tylko kolejny etap długiej podróży, która potrwa jeszcze dziesięciolecia?

W miarę jak sztuczna inteligencja staje się coraz inteligentniejsza, coraz trudniej jest zmierzyć tempo tej podróży. Czy z tego, że system sztucznej inteligencji przewyższa człowieka w jakimś zadaniu, wynika, że zrozumiał sposób jego rozwiązywania przez ludzi? Czy kalkulator — liczący znacznie szybciej niż człowiek — faktycznie rozumie matematykę? Czy ChatGPT — uzyskujący lepsze wyniki na egzaminie adwokackim niż większość prawników — faktycznie rozumie prawo? Jak możemy to odróżnić i w jakich okolicznościach — jeśli w jakichkolwiek — ma to znaczenie?

W 2021 roku, ponad rok przed debiutem ChatGPT — chatbota, który błyskawicznie kolonizuje wszystkie zakamarki życia społeczeństwa — korzystałem z jego prekursora, dużego modelu językowego o nazwie GPT-3. GPT-3 został wytrenowany na dużych zbiorach tekstu (w tym przypadku „dużych” oznacza cały Internet), a następnie wykorzystywał ten korpus językowy w celu jak najlepszego dopasowania odpowiedzi do promptu. Na pytanie: „Jakie są dwa powody, dla których pies może być w złym nastroju?” odpowiedział: „Dwa powody, dla których pies może być w złym nastroju, to głód albo upał”. Nowa architektura tych systemów umożliwiała udzielanie odpowiedzi, które co najmniej sprawiały wrażenie całkiem inteligentnych. Modele te były w stanie uogólnić fakty, o których czytały (takie jak strony Wikipedii o psach i inne strony o przyczynach złego nastroju) w kontekście nigdy im wcześniej niezadanych pytań. W 2021 roku badałem możliwe zastosowania tych nowych modeli językowych — czy można je wykorzystać do stworzenia nowych systemów wsparcia psychiatrycznego, bardziej płynnej obsługi klienta czy bardziej zdemokratyzowanego dostępu do informacji medycznych?

Im więcej rozmawiałem z GPT-3, tym bardziej byłem zafascynowany zarówno jego sukcesami, jak i błędami. Pod pewnymi względami był genialny, a pod innymi dziwnie głupi. Poproście GPT-3 o napisanie eseju na temat XVIII-wiecznej uprawy ziemniaków i jej związku z globalizacją, a otrzymacie zaskakująco spójny tekst. Zadajcie mu trywialne pytanie o to, co ktoś może zobaczyć w piwnicy, a odpowie zupełnie bez sensu*. Dlaczego GPT-3 potrafi poprawnie odpowiedzieć na niektóre pytania, a na inne nie? Jakie cechy ludzkiej inteligencji skutecznie powiela, a jakich mu brakuje? I dlaczego wraz z coraz szybszym rozwojem sztucznej inteligencji bez problemu odpowiada na pytania, które dawniej były dla niego za trudne? Bo kiedy oddaję tę książkę do druku, udostępniona na początku 2023 roku nowa, ulepszona wersja GPT-3, czyli GPT-4, potrafi poprawnie odpowiedzieć na wiele pytań, które wprawiały GPT-3 w konsternację. A jednak, jak zobaczymy w tej książce, GPT-4 nie jest w stanie powielić istotnych cech ludzkiej inteligencji — nie rozumie czegoś, co dzieje się w ludzkim mózgu.

Rozbieżności między inteligencją sztuczną a ludzką są naprawdę frustrujące. Dlaczego sztuczna inteligencja potrafi zdemolować każdego człowieka w grze w szachy, ale nie jest w stanie załadować naczyń do zmywarki lepiej niż sześciolatek?

Trudno nam odpowiedzieć na te pytania, ponieważ nie rozumiemy jeszcze tego, co próbujemy odtworzyć. Wszystkie te pytania w gruncie rzeczy nie dotyczą AI, tylko natury inteligencji ludzkiej: jak działa, dlaczego tak działa i wreszcie — wkrótce się przekonamy, że ta ostatnia kwestia jest najważniejsza — jak powstała.

Podpowiedź natury

Kiedy ludzkość chciała zrozumieć zjawisko lotu, pierwszą inspiracją były ptaki; kiedy George de Mestral wynalazł rzep, zainspirował się owocami łopianu; kiedy Benjamin Franklin badał elektryczność, pierwszymi iskrami zrozumienia sypnęła błyskawica. W całej historii wynalazczości za wyśmienitego przewodnika służyła ludziom natura.

Natura daje nam również wskazówki na temat działania inteligencji — zlokalizowanej oczywiście przede wszystkim w ludzkim mózgu. Jednak pod tym względem sztuczna inteligencja różni się od innych innowacji technologicznych — mózg okazał się trudniejszy i bardziej niewygodny do rozszyfrowania niż skrzydła czy błyskawica. Naukowcy od tysiącleci badają działanie mózgu i choć poczyniliśmy postępy, nie mamy jeszcze zadowalającej odpowiedzi.

Problemem jest złożoność.

Ludzki mózg zawiera osiemdziesiąt sześć miliardów neuronów i ponad sto bilionów połączeń3. Każde z tych połączeń jest tak małe — ma mniej niż trzydzieści nanometrów szerokości — że ledwo można je zobaczyć nawet pod najpotężniejszym mikroskopem. Połączenia te tworzą istny gąszcz — w jednym milimetrze sześciennym (szerokość jednej litery na jednopensówce) znajduje się ich ponad miliard.

Ale sama liczba połączeń jest tylko jednym z aspektów złożoności mózgu. Nawet gdyby udało nam się odtworzyć system połączeń każdego neuronu, nadal bylibyśmy daleko od zrozumienia działania mózgu. W odróżnieniu od połączeń elektrycznych w komputerze, gdzie wszystkie przewody komunikują się za pomocą tego samego sygnału — elektronów — przez każde z połączeń neuronowych przechodzą setki różnych substancji chemicznych, z których każda wywołuje zupełnie inne skutki. Sam fakt, że dwa neurony łączą się ze sobą, niewiele mówi nam o tym, co komunikują. A co najgorsze, same połączenia ciągle się zmieniają, niektóre neurony rozgałęziają się i tworzą nowe połączenia, a inne zanikają. To wszystko oznacza, że poznanie działania mózgu za pomocą inżynierii wstecznej jest niemiłosiernie trudnym zadaniem.

Badanie mózgu jednocześnie intryguje i frustruje. Parę centymetrów za waszymi oczami znajduje się najbardziej inspirujące cudo wszechświata, które kryje w sobie tajemnice inteligencji, budowy sztucznej inteligencji na miarę ludzkiej oraz powodów, dla których tak a nie inaczej myślimy i się zachowujemy. Ludzki mózg miliony razy w roku powstaje na nowo w każdym noworodku. Możemy go dotknąć, potrzymać, pokroić, dosłownie wchodzi w skład naszego ciała, a jednak jego sekrety pozostają poza naszym zasięgiem — widoczne, a przecież ukryte.

Jeśli chcemy odtworzyć działanie mózgu metodą inżynierii wstecznej, jeśli chcemy zbudować Rosey, jeśli chcemy odsłonić ukrytą naturę ludzkiej inteligencji, to być może ludzki mózg nie jest najlepszą z podpowiedzi, których udziela nam natura. To oczywiście bardzo nieintuicyjne, ale ludzki mózg prawdopodobnie jest ostatnimmiejscem, do którego należy zaglądać, jeśli chcemy go zrozumieć. Być może najlepszym miejscem do rozpoczęcia poszukiwań są ukryte w skorupie ziemskiej skamieliny, pochowane w komórkach różnych przedstawicieli królestwa zwierzęcego mikroskopijne geny i mózgi wielu innychzamieszkujących naszą planetę zwierząt.

Innymi słowy, być może odpowiedź tkwi nie w teraźniejszości, lecz w ukrytych reliktach bardzo dawnych czasów.

Przydałoby się muzeum mózgów

Zawsze byłem przekonany, że skutecznie działająca sztuczna inteligencja musi wykonywać obliczenia w sposób podobny do ludzkiego mózgu4.

Geoffrey Hinton (profesor Uniwersytetu w Toronto, uważany za jednego z „ojców chrzestnych sztucznej inteligencji”)

Ludzie latają statkami kosmicznymi, rozszczepiają atomy i edytują geny. Żadne inne zwierzę nie wynalazło choćby koła.

Ponieważ możemy się pochwalić dużo grubszym portfolio wynalazków, można by pomyśleć, że mózgi innych zwierząt zbyt wiele nas nie nauczą. Można by pomyśleć, że ludzki mózg jest zupełnie wyjątkowy i w niczym nie przypomina mózgów innych zwierząt, że tajemnica naszej inteligencji kryje się w jakiejś szczególnej strukturze naszego mózgu. Nie to jednak widzimy.

Kiedy badamy mózgi innych zwierząt, najbardziej zaskakuje to, w jak wielkim stopniu przypominają nasze. Jeśli pominąć rozmiary, różnice między naszym mózgiem a mózgiem szympansa są śladowe, a różnice między naszym mózgiem a mózgiem szczura ograniczają się do kilku modyfikacji. Nawet mózg ryb generalnie zawiera te same struktury co nasz.

Te obejmujące dużą część królestwa zwierzęcego podobieństwa mówią nam coś ważnego. Są to poszlaki na temat natury inteligencji. Na temat nas samych. Na temat naszej przeszłości.

Dzisiejsze mózgi są złożone, ale nie zawsze takie były. Mózg wyłonił się z bezmyślnego i chaotycznego procesu ewolucji. Drobne, losowe wariacje cech były selekcjonowane lub usuwane w zależności od tego, czy sprzyjały dalszej reprodukcji danej formy życia.

W przebiegu ewolucji systemy na początku mają prostą postać, a złożoność wyłania się z czasem**. Pierwszy mózg — pierwszy zbiór neuronów w głowie zwierzęcia — pojawił się sześćset milionów lat temu w robaku wielkości ziarnka ryżu. Robak ten był przodkiem wszystkich współczesnych zwierząt wyposażonych w mózg. W ciągu setek milionów lat ewolucyjnego majsterkowania, poprzez tryliony drobnych poprawek w organizacji połączeń, prosty mózg tego stworzenia przekształcił się w zróżnicowaną gamę współczesnych mózgów. Jedna z linii rozwojowych potomków tego pradawnego robaka doprowadziła do powstania mózgu, który mają w głowach ludzie.

Gdybyśmy tylko mogli cofnąć się w czasie i zbadać ten pierwszy mózg, aby zrozumieć, jak działał i jakie sztuczki umożliwiał! A potem prześledzić złożoność w linii rodowodowej, która doprowadziła do powstania ludzkiego mózgu, obserwując kolejne modyfikacje fizyczne i umożliwiane przez nie zdolności intelektualne. Gdybyśmy mogli to zrobić, bylibyśmy w stanie zrozumieć powstałą na jakimś etapie złożoność. Jak to ujął słynny biolog Theodosius Dobzhansky, „Poza kontekstem ewolucji w biologii nic nie ma sensu”.

O zrekonstruowaniu takiej fabuły fantazjował nawet Darwin, pod koniec książki O powstawaniu gatunków dywagujący o przyszłości, w której „Psychologia oprze się z pewnością na […] poglądzie, że każdą umiejętność i każdą zdolność umysłową można osiągnąć tylko stopniowo”. Sto pięćdziesiąt lat później może już da się to osiągnąć.

Chociaż nie mamy wehikułów czasu, to w zasadzie możemy podróżować w czasie. W ciągu ostatniej dekady neurobiolodzy ewolucyjni poczynili niesamowite postępy w rekonstrukcji mózgów naszych przodków. Posługują się do tego celu między innymi zapisem kopalnym — wykorzystują skamieniałe czaszki starożytnych stworzeń do odtwarzania struktury ich mózgów metodą inżynierii wstecznej. Można się również oprzeć na badaniu mózgów innych zwierząt.

Dlaczego mózgi obserwowane w całym królestwie zwierząt są tak podobne do siebie? Dlatego, że wszystkie pochodzą od wspólnych przodków. Każdy mózg zwierzęcy dostarcza małej wskazówki na temat wyglądu mózgów naszych przodków; każdy mózg jest nie tylko maszyną, ale także kapsułą czasu wypełnioną ukrytymi wskazówkami na temat bilionów wcześniejszych umysłów. Sprawdzając, jakie czynności umysłowe potrafiły, a jakich nie potrafiły wykonywać te inne zwierzęta, możemy zacząć nie tylko rekonstruować mózgi naszych przodków, ale również określać zapewniane przez nie zdolności intelektualne. W sumie możemy zacząć śledzić proces „stopniowego osiągania każdej umiejętności i zdolności umysłowej”.

Prace oczywiście wciąż trwają, ale zaczyna się z nich wyłaniać fascynująca historia.

Mit warstw

W żadnym razie nie jestem pierwszą osobą, która zaproponowała ewolucyjne ramy pojęciowe dla zrozumienia ludzkiego mózgu. Takie koncepcje mają długi rodowód. Najbardziej znaną z nich sformułował w latach sześćdziesiątych neurobiolog Paul MacLean, który postawił hipotezę, że ludzki mózg składa się trzech warstw (stąd określenie „mózg trójjedyny”***): kory mózgowej (kory nowej), która wyewoluowała najpóźniej, na mózgu ssaczym (układzie limbicznym), który wyewoluował wcześniej, na mózgu gadzim, który wyewoluował jako pierwszy.

MacLean argumentował, że mózg gadzi ogniskował w sobie podstawowe instynkty przetrwania, takie jak agresja i terytorialność, układ limbiczny zawierał ośrodki emocji, takich jak strach, przywiązanie rodzicielskie, pożądanie seksualne i głód, a kora nowa stanowiła ośrodek poznania, któremu zawdzięczaliśmy język, percepcję oraz umiejętności abstrahowania i planowania. Zgodnie z koncepcją MacLeana gady miały tylko mózg gadzi, ssaki — takie jak szczury i króliki — mózg gadzi i układ limbiczny, a my, ludzie — wszystkie trzy systemy. „Trzy formacje ewolucyjne — napisał — można sobie wyobrazić jako trzy połączone ze sobą komputery biologiczne, z których każdy ma własną inteligencję, własną podmiotowość, własne poczucie czasu i przestrzeni oraz własną pamięć, własny napęd i inne funkcje”5.

Problem polega na tym, że hipoteza trójjedynego mózgu została w dużej mierze zdyskredytowana — nie dlatego, że jest nieprecyzyjna (wszystkie koncepcje ramowe są nieprecyzyjne), ale dlatego, że prowadzi do błędnych wniosków na temat ewolucji i działania mózgu6. Zakładana anatomia mózgu jest błędna: ­mózgi gadów nie ograniczają się do struktur, które MacLean określił mianem „mózgu gadziego”, lecz zawierają również gadzią wersję układu limbicznego.

Rysunek 1: Trójjedyny mózg MacLeana

Błędne okazały się również postulowane przez MacLeana podziały funkcjonalne: instynkt przetrwania, emocje i poznanie nie są wyraźnie rozgraniczone, wyłaniają się z różnych systemów obejmujących wszystkie trzy rzekome warstwy. Błędna jest wreszcie historia ewolucji, którą sugeruje koncepcja MacLeana: nie mamy w głowie mózgu gada, a ewolucja nie działa w ten sposób, że bez żadnych modyfikacji nakłada jeden system na drugi.

Ale nawet gdyby trójjedyny mózg MacLeana okazał się bliższy prawdy, proponowany w nim podział funkcjonalny nie byłby szczególnie przydatny do naszych celów. Jeśli chcemy zrozumieć naturę inteligencji metodą inżynierii wstecznej ludzkiego mózgu, trzy systemy MacLeana są za duże, a przypisane im funkcje zbyt ogólnikowe, żeby dać nam choćby jakiś punkt zaczepienia.

Zrozumienie działania i ewolucji mózgu musimy osadzić w zrozumieniu działania inteligencji — a w tym celu musimy się przyjrzeć dziedzinie sztucznej inteligencji. Relacja między AI a mózgiem jest dwukierunkowa: mózg z pewnością może nam coś powiedzieć o tym, jak stworzyć sztuczną inteligencję podobną do ludzkiej, natomiast AI może nam coś powiedzieć o mózgu. Jeśli uważamy, że jakaś część mózgu wykorzystuje określony algorytm, ale algorytm ten nie działa po zaimplementowaniu go w maszynach, zyskujemy dowód na to, że mózg tak nie funkcjonuje. I odwrotnie: jeśli znajdziemy algorytm, który działa dobrze w systemach sztucznej inteligencji, i znajdziemy podobieństwa między właściwościami tych algorytmów a właściwościami mózgów zwierząt, będziemy mieli prawo podejrzewać, że mózg rzeczywiście działa w ten sposób.

Fizyk Richard Feynman na krótko przed śmiercią zapisał na tablicy następujące słowa: „Czego nie mogę stworzyć, tego nie rozumiem”. Najlepszych wskazówek przy budowie sztucznej inteligencji dostarcza nam mózg, a sztuczna inteligencja jest papierkiem lakmusowym naszego zrozumienia mózgu.

Potrzebujemy nowej ewolucyjnej historii mózgu, opartej nie tylko na współczesnym zrozumieniu anatomicznych zmian mózgowych na przestrzeni wieków, ale również na współczesnym zrozumieniu samej inteligencji.

 Zapraszamy do zakupu pełnej wersji książki

* Poprosiłem GPT-3 o dokończenie następującego zdania: „Jestem w mojej piwnicy bez okien, patrzę w niebo i widzę…”. GPT-3 powiedział: „…światło i wiem, że to gwiazda, jestem szczęśliwy”. De facto gdybyśmy spojrzeli w piwnicy do góry, nie zobaczylibyśmy gwiazd, tylko sufit. Nowsze modele językowe, takie jak udostępniony w 2023 roku GPT-4, na ogół poprawnie odpowiadają na takie pytania (jak się dowiecie w rozdziale 22).

** Chociaż systemy niekoniecznie stają się bardziej złożone, możliwość złożoności wzrasta z upływem czasu.

*** Tłumaczone również jako „trójdzielny” (przyp. tłum.).

Przypisy końcowe

Wprowadzenie

1 „Rosey’s Boyfriend”, The Jetsons, William Hanna i Joseph Barbera, sezon 1, odcinek 8, 1962.

2 Cuthbertson, 2022.

3 Szerokość synapsy wynosi około 20 nanometrów (Zuber et al., 2005). W obrębie milimetra sześciennego znajduje się około miliarda połączeń (Faisal et al., 2005).

4 Cytat z Hintona opublikowany w: U of T computer scientist takes international prize for groundbreaking work in AI, „U of T News”, 18 stycznia 2017, https://www.utoronto.ca/news/u-t-computer-scientist-takes-international-prize-groundbreaking-work-ai.

5 MacLean, 1990.

6 Dobre omówienie obecnego poglądu na mózg trójjedyny MacLeana przedstawia Cesario et al., 2020. Trzeba przyznać, że większość problemów z tą koncepcją wynika z jej popularności wśród opinii publicznej. Jeśli ktoś przeczyta tekst MacLeana, to zauważy, że autor nie ukrywa licznych problemów ze swoją teorią.

 Zapraszamy do zakupu pełnej wersji książki

Spis treści

Okładka

Strona tytułowa

Strona redakcyjna

Dedykacja

WPROWADZENIE