Cientistas modelam o raciocínio humano do córtex pré-frontal cerebral.

amodelofhuma

Localizado na extremidade dianteira do lóbulo frontal do cérebro, o córtex pré-frontal de mamíferos (PFC) é a sede de muitas das nossas capacidades cognitivas mais originais colectivamente referidos como função executiva incluindo planejamento, tomada de decisão, e os pensamentos e ações de coordenação com metas internas. Dito isto, talvez o seu atributo mais importante – que é aparentemente única de H. sapiens é um raciocínio que, com base em bayesiana, ou probabilística, inferência, reduz a incerteza, informando comportamento adaptativo. Embora os detalhes estruturais desse processo notável historicamente permaneceu uma incógnita, cientistas Institut National de la Santé et de la Recherche Médicale, Paris e Ecole Normale Supérieure, em Paris e Université Pierre et Marie Curie, em Paris, recentemente empregada modelagem computacional e de neuroimagem para mostram que o córtex pré-frontal humano envolve duas vias de raciocínio interativas que incorporam teste de hipóteses para avaliar, aceitar e rejeitar estratégias comportamentais. Mais especificamente, o modelo descreve o comportamento guiado pela razão, na forma de um algoritmo on-line combinando inferência bayesiana aplicada a múltiplas estratégias armazenados com testes de hipóteses que podem atualizar essas estratégias. Além disso como proposto em trabalho anterior os cientistas concluem que, desde o córtex frontopolar (FPC), localizada na porção antero-mais dos lobos frontais, é humano específico e é um componente-chave na função de tomada de decisão executiva, a capacidade de fazer inferências sobre as estratégias concorrentes e decidir mudar diretamente a uma dessas estratégias alternativas é exclusivo para os seres humanos também.

Prof Etienne Koechlin discutiu o papel que ele, Dr. Maël Donoso e Dr. Anne GE Collins publicado na revista Science. O principal desafio utilizando modelagem computacional e de neuroimagem para mostrar que o PFC humano compreende duas faixas inferencial concorrentes foi o de identificar não apenas as estratégias que orientam o comportamento dos indivíduos, mas especialmente as estratégias alternativas que os sujeitos podem ter em mente e pode mudar paraKoechlin diz Medical Xpress. “Essas estratégias alternativas, em essência, não pode ser diretamente derivado da observação do comportamento dos sujeitos, mas exigem um modelo computacional que descreve como criar temas, ajuste, monitor, substituir, armazenar e recuperar as estratégias de comportamento.O problema, ressalta, é que estas questões são interdependentes e não podem ser resolvidos separadamente assim que os cientistas precisavam de um modelo que resolve todos esses problemas ao mesmo tempo. Empiricamente,” diz ele, o desafio era encontrar um protocolo rico o suficiente para induzir os assuntos de raciocinar e desenvolver múltiplas estratégias comportamentais, mas simples o suficiente para ser tratável, tanto para seres humanos e para a modelagem computacional.

Além disso, continua Koechlin, essas duas faixas inferencial simultâneos interagir e – juntamente com o striatum, uma parte subcortical do cérebro anterior envolvidos na coordenação de motivação com o movimento somático – executar testes de hipóteses para aceitar ou rejeitar estratégias recém-criados. Se sujeitos usam testes de hipóteses para avaliar a importância da criação de novas estratégias, em vez de simplesmente ajustando os anteriormente aprendidas, então há momentos específicos quando eles decidem criar uma nova estratégia e – com base na evidência externa posterior para confirmar ou rejeitar esta nova estratégia , explica. Estes eventos ocorrem on-line na mente dos sujeitos; são mais dependentes de suas crenças do que os parâmetros do protocolo, não são diretamente observáveis​​, e, mais problematicamente, são raros.Como resultado, observa Koechlin, o desafio era ter um modelo exato que poderia prever exatamente quando esses eventos devem ocorrer na mente dos sujeitos. Em seu protocolo experimental, ele ilustra, esses eventos ocorreram cerca de 30 vezes em uma série de 1.500 julgamentos que cada sujeito realizou uma taxa no limite da neuroimagem poder estatístico. Os cientistas, portanto, decidiu testar 40 indivíduos em duas sessões, que Koechlin aponta é cerca de duas vezes o número padrão de temas e sessões testados em experimentos de neuroimagem.

Na elaboração de um modelo que descreve o processo de comportamento orientando o raciocínio humano como um computacionalmente tratáveis​​, o algoritmo on-line aproximar misturas processo de Dirichlet, Koechlin diz que, em essência, o desafio era imaginar como o raciocínio humano funciona realmente, sabendo que são bastante eficientes em ambientes da vida real. (Um processo de Dirichlet é uma distribuição de probabilidades cujo domínio é em si um conjunto de distribuições de probabilidade, enquanto que misturas de processos de Dirichlet são processos inferenciais ideais que usam processos de Dirichlet para se adaptar a ambientes incertos, variáveis ​​e abertas como, Koechlin aponta, nos deparamos na vida real , resolvendo os problemas da distribuição de ponto de dados que surgem quando não é possível determinar, a priori, o número de conjuntos que geraram os dados).

“Esses ambientes são muito desafiador”, Koechlin observa, “porque a qualquer momento, pode ocorrer novas situações nunca experientes. Nesses momentos, precisamos da capacidade de criar, explorar e aprender novas estratégias comportamentais, para explorar, sempre que necessário, as estratégias que aprendido em situações anteriores, e – mais importante –. ter a capacidade de entender quando a explorar e quando para explorar Enquanto isso um problema difícil que os processos de Dirichlet, teoricamente, resolver, acrescenta, esses processos são computacionalmente intratável porque os requisitos de computação e memória crescer exponencialmente com o tempo o que significa que estes processos adaptativos são certamente biologicamente plausível e não pode modelar o raciocínio humano.

Os cientistas propuseram que o raciocínio evoluiu sob biologicamente fortes restrições de computação, bem como pela captura, provavelmente, algumas das principais características dos processos de Dirichlet. Ao fazê-lo, eles assumiram duas restrições biológicas fundamentais – a incapacidade de (1) as decisões anacronicamente rever passadas sobre nova criação estratégia, sendo este um componente do processo de Dirichlet, e (2) fazer inferências simultaneamente em um número ilimitado de estratégias comportamentais,

Em relação à primeira restrição, dizemos que inferências mentais são on-line e para a frente o que significa que podemos inferir do passado que deve ser feito em seguida, mas não mudarmos nossas decisões passadas do presente”, explica Koechlin. A segunda restrição representa a nossa capacidade inferencial“. Ao mesmo tempo, continua ele, o raciocínio humano deve capturar o elemento-chave dos processos de Dirichlet – ou seja, a capacidade de rever on-line a decisão de criar uma nova estratégia. Essa flexibilidade é crucial para preservar a nossa capacidade inferencial limitadas e para lidar com o todo-eninguém natureza da criação de estratégia. Teste de hipóteses permite essa flexibilidade,” Criando uma nova estratégia é como definir uma nova hipótese de comportamento, que pode ser posteriormente confirmada ou rejeitado com base em novas informações.

Como resultado, os cientistas acabaram com a idéia de que o raciocínio humano deve combinar a frente inferência Bayesiana em um número limitado de estratégias comportamentais em simultâneo com o teste de hipótese para possivelmente atualizando este tampão inferencial com novas estratégias criadas a partir da memória de longo prazo. “No entanto,Koechlin reconhece, “esta idéia levantou um novo problema que tivemos de enfrentar ou seja, inferência Bayesiana e testes de hipóteses são processos pouco incompatíveis, e, de fato correspondem a duas abordagens radicalmente diferentes na estatística inferencial Especificamente, o primeiro é. normalmente usado por teóricos para comparar modelos, enquanto este último é comumente usado em ciências empíricas através de t-testes, F-testes e assim por diante.

A chave da compreensão os cientistas usaram para enfrentar esses desafios, diz Koechlin Medical Xpress, era resolver como combinar inferência bayesiana on-line e teste de hipóteses. “Propomos uma solução computacional baseado na idéia de que os seres humanos fazem absoluta em vez de julgamentos relativos: esta chamada algoritmo pré-frontal infere a confiabilidade absoluta de cada estratégia monitorados isto é, em que medida a estratégia é aplicável ou relevante para a situação atual , uma vez que possivelmente não pode ser o caso. Isso equivale, diz ele, para monitorar como provável que os eventos externos atuais e contingências correspondem aos da estratégia já aprendeu: se correspondência é mais provável, então a estratégia é de confiança (ou aplicável ou relevante) mas se não correlação é mais provável, então a estratégia não é confiável (ou irrelevante).

O algoritmo então torna-se simples“, explica ele. “Enquanto uma estratégia monitorados é de confiança o outro é necessariamente confiáveis ​​-. Esta estratégia impulsiona o comportamento, ajustando a aprender contingências externas para maximizar recompensas Por outro lado, se nenhum deles é confiável, então o teste de hipóteses começa e uma nova estratégia comportamental é criada a partir da memória de longo prazo para o comportamento de condução. Inicialmente não confiável, esta nova estratégia aprende e pode tornar-se confiável, altura em que é confirmada e consolidada na memória de longo prazo, desde que as outras estratégias monitorados permanecem pouco confiáveis. Por outro lado, a nova estratégia pode permanecer não fiável, enquanto uma estratégia monitorizada torna fiável, de modo que, o último é obtido para dirigir o comportamento e a nova estratégia é rejeitado ou dissolvida como uma criação desnecessária. O algoritmo prevê, assim, a ocorrência de eventos altamente não-lineares, transitórias específicas associadas a testes de hipóteses. Nossos resultados fornecem evidências de que o córtex pré-frontal implementa esta solução.

 

Sua outra importante (e afins) introspecção foi compreender como as novas estratégias são criadas a partir da memória de longo prazo, que Koechlin descreve como “basicamente uma mistura ponderada das estratégias aprendidas anteriores armazenadas na memória de longo prazo, ponderada pelo representações internas que armazenam confiabilidade estratégias de acordo contextual para sugestões. Ele repete que o processo é simples, acrescentando que o algoritmo geral tem a propriedade importante da construção de um repertório potencialmente ilimitado de estratégias comportamentais online – um repertório com propriedades perto de amostragem ideal Dirichlet processa modelos.

Assim”, continua ele, uma importante nova visão do nosso estudo é mostrar como os processos de inferência e criativas estão intimamente ligados no córtex pré-frontal humano. Outra informação importante é que o algoritmo proposto fornece uma visão unificada de como a função executiva pré-frontal funciona ou equivalentemente, como a rede de regiões pré-frontais, incluindo a ventromedial, região pré-frontal dorsomedial, lateral e polares formam um sistema unificado executivo que desenvolve inferências tratáveis ​​para orientar o comportamento adaptativo e eficiente unidade de ação em ambientes incertos, variáveis ​​e abertas .

Um aspecto interessante do trabalho é a explicação de como o raciocínio humano que envolve inferência bayesiana é responsável por respostas humanas que se afastam da lógica formal. Aqui está um exemplo”, ilustra Koechlin. Suponha que você afirmar que todos os pássaros são verdes, em seguida, que um animal desconhecido é verde, e, finalmente, perguntar se o animal desconhecido é um pássaro. A maioria dos seres humanos, provavelmente, responder sim, mesmo que esta resposta é, obviamente, errado do ponto de vista lógica formal .. obviamente, com excepção das aves animais pode ser verde no entanto, a resposta é adequada do ponto de vista de inferência probabilística, uma vez que o animal verde é mais provável um pássaro do que um outro animal Em outras palavras, a resposta está em conformidade com princípios de inferência probabilística.

O documento também explora o efeito de inferencial problemas de complexidade computacional sobre a evolução das funções cognitivas superiores. “Nossos resultados mostram que o córtex pré-frontal humano encontrou uma solução simples, aproximado para fazer inferências no incerto, variável e ambientes abertos e, consequentemente, arbitra eficiente entre ficar com a mesma estratégia, possivelmente, ajustando-o, a mudança para uma outra estratégia ou a criação de novas estratégias para o comportamento de condução “, diz Koechlin Medical Xpress. Regiões pré-frontal anterior fazer inferências probabilísticas sobre a confiabilidade ou a relevância de múltipla – mas não mais do que três ou quatro ao mesmo tempo estratégias simultâneas, enquanto que as regiões pré-frontais posteriores implementa teste de hipóteses para possivelmente atualizando esta pré-frontal tampão inferencial anterior com novas estratégias Estes. posterior regiões pré-frontais, em seguida, fazer make exclusivo verdadeiro / falso juízos de estratégias monitorados para decidir criar, confirmar ou rejeitar novas estratégias.

Em essência, então, o algoritmo pré-frontal dos cientistas arbitra entre ficar com a estratégia comportamental em curso e possivelmente aprender contingências externas para maximizar recompensas, a mudança para outras estratégias aprendidas, e formando novas estratégias comportamentais. Para conseguir isso, Koechlin aponta, o córtex pré-frontal ventromedial calcula a confiabilidade da estratégia de condução comportamento em curso, enquanto que o córtex pré-frontal dorsomedial detecta quando essa estratégia se torna pouco confiável para desencadear a criação de uma nova estratégia comportamental. Isto contrasta com o córtex pré-frontal frontopolar, que simultaneamente calcula a fiabilidade de duas ou três estratégias alternativas, enquanto o córtex pré-frontal lateral detecta quando um entre estas alternativas tornar fiável para recuperá-las para guiar o comportamento. Nesse caso, a estratégia recém-criado é dissolvida. No caso inverso, quando a estratégia recém criado torna-se fiável, enquanto as alternativas permanecem pouco fiáveis​​, o estriado ventral reforça e consolida a nova estratégia na memória de longo prazo.

Finalmente, em termos da capacidade de seres humanos por si só para realizar este processo de inferência e de testes, Koechlin indica que os primatas não humanos, não têm uma região do córtex pré-frontal única para humanos conhecido como o córtex frontopolar (FPC) o que significa que eles só pode inferir se para ficar com a estratégia atual ou para explorar um novo criado a partir da memória de longo prazo. Alternativamente, os roedores não têm córtex pré-frontal lateral, a fim de que eles só podem inferir e decidir ficar ou mudar de forma reativa depois de agir e experimentar resultados da acção Primatas com o córtex pré-frontal lateral pode fazer isso de forma proativa antes de agir . Mas graças ao córtex frontopolar , os seres humanos também fazer inferências sobre as estratégias de concorrentes e pode-se inferir e decidir mudar diretamente a uma dessas estratégias alternativas.

Seguindo em frente, diz Koechlin Medical Xpress, os cientistas estão realizando um experimento para investigar como os processos de inferência e criativas são modulados pelo contexto em que a pessoa está agindo. “Também estamos realizando algumas gravações eletrofisiológicas intracranianas em humanos”, acrescenta ele, “para entender melhor a dinâmica neuronal de eventos associados hipótese-teste, exploração e comportamento de exploração.Koechlin também diz que seus resultados têm implicações principalmente em neurociência e psicologia, mas também em robótica e inteligência artificial, e que podem ajudar a compreender a síndrome dysexecutive (DES) um grupo de sintomas cognitivos, comportamentais e emocionais geralmente simultâneas, geralmente resultante de dano cerebral em pacientes neuropsiquiátricos.

Explore além: Synchronized brain waves enable rapid learning

Mais informações: Foundations of human reasoning in the prefrontal cortex, Science, Published Online May 29 2014, doi:10.1126/science.1252254

Relacionados:
(1) Anterior Prefrontal Function and the Limits of Human Decision-Making, Science 26 October 2007: Vol. 318 no. 5850 pp. 594-598, doi:10.1126/science.1142995

Periódico de Referência: Science

Artigo tirado a matéria aqui.

Publicado em Sem categoria | Deixe um comentário

Guess which country does the most good for the planet?

Pensando mais claro sobre o mundo.

ideas.ted.com

The Good Country Index measures how much each of 125 countries contributes to the planet. Announced at the TEDSalon in Berlin, the Index features some unexpected winners — and even more surprising losers. (Sorry, USA.)

gci_index The top ten countries in the Good Country Index. (Click to view at larger size.)

Irish people, rejoice! It turns out, your green land is the “goodest” country in the world. That’s right. The “goodest.” At least, that’s according to Simon Anholt, who’s spent the past two years compiling an index to determine which of 125 countries contributes the most to the common, global good.

“I wanted to know why people admire Country A and not Country B,” Anholt said in a phone interview before he unveiled the full Index at the TEDSalon in Berlin on Monday, June 23. “To cut a long story short, I discovered the thing people most admired is the perception that a…

Ver o post original 1.674 mais palavras

Publicado em Sem categoria | Deixe um comentário

Economia e os fundamentos da Inteligência Artificial

Herbert_simon_red_complete

Durante muito tempo, as pessoas pensavam que os seres humanos não poderiam correr uma milha em menos de quatro minutos. Então, em 1954, Sir Roger Bannister venceu essa percepção, e logo em seguida, uma vez que ele mostrou que era possível, muitos outros corredores foram capazes de conseguir isso também.

Não muito tempo depois de feito histórico de Sir Roger, em Junho de 1956, em Dartmouth, New Hampshire, quatro jovens estudantes: John McCarthy, Marvin Minsky, Nathaniel Rochester, e Claude Shannon juntos iniciaram e organizaram o Dartmouth Symposium, que durou por dois meses, a meta em conjunto do Simpósio foi simular a inteligência humana usando uma máquina.

Quatro eventos são freqüentemente citados como resultados do Dartmouth Symposium: o simulador de rede neural demonstrado por Marvin Minsky, o método de pesquisa proposto por John McCarthy, e o “Logic Theorist“, apresentado por Herbert Simon e Allen Newell e da fundação do termo: “inteligência Artificial “.

O trabalho de Simon e Newell para AI foi especialmente muito considerado e respeitado como um grande avanço na simulação computacional da inteligência humana – assim como recorde de desempenho de Bannister que ninguém pensava ser possível, Simon e Newell apresentou um programa capaz “de imitar as habilidades para resolver problema de um ser humano “.

Enquanto o Dartmouth Symposium é muitas vezes considerado o primeiro evento significativo na IA e seus participantes recebeu muito reconhecimento (por exemplo, John McCarthy, Allen Newell e Herbert Simon todos são beneficiários do Turing Awards), Simon também foi premiado com o Prêmio Nobel de Economia “por sua pesquisas pioneiras no processo de tomada de decisão dentro das organizações econômicas “.

Herbert Simon Professor de Ciência da Computação e Psicologia na Universidade Carnegie Mellon e pesquisador da RAND Corporation, escreveu um par de artigos que poderiam ser considerados os artigos seminais para o paradigma fundador da pesquisa em Inteligência Artificial (IA) e Economia Comportamental. Os dois artigos são: Teoria Comportamental da Escolha Racional e Escolha Racional e a Estrutura do Ambiente.

Esses dois papéis são a base do trabalho que levou a Prêmio Nobel de Economia de Herb Simon: “que o onisciente Homem Econômico ‘, o tomador de decisão, com sua imensa (assumido) poder de processamento de informação e destreza era uma ficção implausível.

Simon propõe um modelo de “tomador de decisão” caracterizado por reduzidas capacidades de processamento de informações e de coleta de informações; ‘que, portanto, deve estar satisfeito com as decisões abaixo do ótimo; que usa estratégias e táticas de pensamento (o que hoje denominamos heurísticas) para alcançar comportamentos que são “suficientemente bons”. Isso levou a racionalidade limitada, que mantém Simon, lidou com os limites da ‘capacidade de processamento de informação “- algo que ele aplicou tanto para a inteligência humana quanto ajudou o seu trabalho e o de outros em IA.

A pesquisa de Simon em “resolução de problema humano” tornou-se o núcleo de um projeto teórico amplo em que IA, economia e psicologia cognitiva foram intimamente ligados e levou à sua descoberta de que: “Economia é uma das ciências do artificial” (Simon, 1976, p. 441).

Simon e Heurística

Daniel Kahneman, muitas vezes considerado como o fundador da Economia Comportamental e como Simon um ganhador do Prêmio Nobel de Economia, credita o trabalho de Simon sobre racionalidade limitada e heurísticas (regras de polegar e atalhos no pensamento) como sendo muito influente em seu trabalho com Amos Tversky.

Na verdade tão dominante foi o conceito da heurística de Simon em IA que em Ciência da Computação e Pesquisa Operacional às vezes era chamado de “programação heurística.” Veja por exemplo este artigo de Minsky (Alguns métodos de Inteligência Artificial e Programação Heurística) e este artigo em heurísticas em ciência da computação.

A palavra “heurística” é derivado do verbo grego heuriskein, que significa “encontrar” ou “descobrir”. Diz-se que Arquimedes correu nu pela rua gritando “Heureka” (Eu descobri-lo) depois de descobrir o princípio da flutuação em seu banho. Autores mais tarde mudou isso para Eureka.

O programa Logic Theorist desenvolvido por Simon e Newell foi “capaz de descobrir provas de teoremas em lógica simbólica elementar, utilizando técnicas heurísticas semelhantes aos usados por seres humanos.” (Newell, Shaw, Simon, 1962, p. 146)

AI melhorarando o pensamento irracional e comportamento irracional

Um tema central da Economia Comportamental é que nós agimos irracionalmente ou tomamos decisões sub-ótimas. Em Mapas de racionalidade limitada: psicologia para a economia comportamental; Kahneman aponta que há um conflito entre os dois sistemas que nós usamos para pensar. Sistema 1 (percepção e intuição) e Sistema de 2 (raciocínio) podem gerar preferências inconsistentes: “não podemos ter por certo que as preferências que são controlados pela emoção do momento, vão ser internamente coerentes, ou mesmo razoáveis pelos critérios mais frios do raciocínio reflexivo . Em outras palavras, as preferências do Sistema 1 não são, necessariamente, consistentes com as preferências do Sistema 2.”

James G. March um colaborador de longo prazo de Herb Simon sobre a Teoria de Organização e Racionalidade Limitada escreve: “Os seres humanos têm objetivos instáveis, inconsistentes, incompletamente lembrados, e imprecisos.” (March, 1987, p. 598).

Através da IA, as máquinas estão ganhando na lógica e inteligência “racional” e não há nenhuma razão para acreditar que eles não podem se tornar mais inteligentes do que os seres humanos. À medida que usamos essas máquinas, ou Assistentes Cognitivas elas vão nos empurrar à tomar melhores decisões em finanças pessoais, saúde e em geral fornecer soluções para melhorar nossas circunstâncias.

Racionalidade Limitada, IA e nossa economia moderna

Herbert Simon disse: “O princípio da racionalidade limitada é a capacidade da mente humana para formular e resolver problemas complexos é muito pequena em comparação com o tamanho dos problemas cuja solução é necessária para o comportamento objetivamente racional no mundo real.

O trabalho de Simon teve um impacto significativo na economia e a IA está se tornando cada vez mais disponível em todo o nosso mundo para resolver problemas reais.

Busca do Google utiliza AI e racionalidade limitada, como Peter Norvig, diretor de pesquisa do Google, escreveu: O trabalho de Simon em AI e Racionalidade Limitada: “levou ao estabelecimento dos algoritmos de busca como talvez as principais ferramentas no arsenal dos primeiros pesquisadores de IA, e o estabelecimento da resolução de problemas como a tarefa canônica da IA”.

IA já está melhorando a forma como nos comunicamos, analisamos dados, tomamos decisões financeiras e comerciais. Ela está sendo colocada para trabalhar em hospitais para melhorar diagnóstico de saúde e em breve vamos estar vestindo relógios inteligentes programados com IA para monitorar o nosso bem-estar.

Na última entrevista que deu antes de falecer Herb Simon refletiu sobre como os computadores vão continuar a moldar o nosso mundo e como podem melhorar a nossa racionalidade.

Tecnologias de IA vão em breve ser pervasivas em soluções que poderiam de fato ser a resposta para nos ajudar a superar o comportamento irracional e tomar decisões econômicas ótimas. Quanto mais entendemos a profundidade do trabalho de Herbert Simon, mais estaremos preparados para aproveitar as grandes oportunidades AI nos oferece.

Autor: Colin Lewis
Tradução livre por Anderson Chaves do artigo original.

Publicado em Artigos | Marcado com , , , , , | Deixe um comentário

Pensando no futuro

SALADcities1

São poucas as iniciativas que vejo atualmente no Brasil realmente sérias em pensar sobre o futuro longínquo da nossa sociedade e da nossa espécie. No Brasil, aparentemente, as disputas políticas de poder e o inacabável “pão-e-circo” brasileiro – com seu futebol, forrós, shows, etc – permeiam o pensamento ativo de quase toda a população. Até mesmo no meio acadêmico não se encontra tanta preocupação com o nosso futuro enquanto humanidade.

Nos Estados Unidos da América, por outro lado, encontro atualmente uma grande preocupação com o nosso futuro enquanto espécie e sociedade. Eles estão pensando anos na frente, e construindo o futuro, enquanto estamos com os olhos vendados para questões importantes, por exemplo, sobre o risco das tecnologias emergentes e sobre o transhumanismo.

O IEET é um instituto norte-americano exemplo onde hoje pessoas trabalham e pensam sobre as consequências do que pode acontecer no futuro, o que é válido. Mesmo sendo eu mesmo um transhumanista, sei – e não só eu – que devemos nos preocupar com o futuro que almejamos criar. Outras entidades como a Life Boat Foundation também faz um ótimo trabalho nesse sentido.

Iniciativas brasileiras como essas ainda não são vistas de forma séria no Brasil. O IEFFH é talvez a única boa iniciativa brasileira que eu cheguei a ter conhecimento até agora, apesar de eu ter certeza de que poucos dela têm conhecimento, e isso muito me entristece.

Espero que mais iniciativas como essa surjam no Brasil. Mais grupos se reúnam para debater estas questões. São questões que decidirão nosso futuro. Nossa sociedade em alguns anos muito provavelmente não será mais a mesma. Nossa civilização dará um salto evolutivo necessário em sua conjuntura, e é bom que nós, brasileiros, ajudemos a construir essa nova vida e essa nova sociedade.

Publicado em Sem categoria | Deixe um comentário

Roadmap to Immortality – Digital Immortality

Otimos fluxogramas de Maria Konovalenko.

Maria Konovalenko

Roadmap-6-Digital_Immort

We have created the Human Physical Immortality Roadmap to persuade people that radical life extension is possible within our lifetime. The only thing needed is larger scope of scientific research in favor of longevity. Here’s another part of the Roadmap for you.

Ver o post original

Publicado em Sem categoria | Deixe um comentário