Пределы сложности искусственного интеллекта

Редакция — декабрь 2022. Ссылка на формат pdf (с иллюстрациями и активными ссылками на АИ) находится в разделе ссылок на другие ресурсы: http://www.proza.ru/avtor/laplas


Предисловие

Можно ли создать искусственный интеллект, равный интеллекту человека или сильнее человеческого? Изучить работу мозга и найти все законы мышления? Или, вероятно, можно копировать мышление, оцифровать и перенести личность в компьютер? Какие в этом могут быть сложности?

По-видимому, сложности есть. С точки зрения разных областей знания в книге показаны принципиальные препятствия в создании искусственного интеллекта, приближающегося к человеческому, будь то создание намеренно, случайно, с помощью копирования, обучения, роста, генной инженерии или любым другим способом.

Все основные аргументы рассмотрены в первой части книги — начиная с аргументов логического характера, и далее, начиная с главы «Физические основания жизни», связи этих аргументов с современными научными теориями. В других частях приведено более подробное описание явлений, представленных в первой части. В последней части книги в качестве отдельной статьи сделано краткое обобщение глав, касающихся физических особенностей биологических систем, и приведены ссылки.


Оглавление

Введение

1. Пределы сложности искусственного интеллекта

   1.1. Мышление и полнота знания
   1.2. Сложность мышления
   1.3. Трудности усложнения искусственных систем
   1.4. Физические основания жизни
      1.4.1. Неравновесность, нелинейность, хаос и бифуркации
      1.4.2. Самоорганизация, гомеостаз, организм
      1.4.3. Важно всё
      1.4.4. Современные проблемы моделирования мозга
   1.5. Свобода воли и детерминизм
   1.6. Сознание
   1.7. Пределы познания
   1.8. Искусственный интеллект и эволюция
   1.9. Фантастический компьютер
      1.9.1. Детерминированные алгоритмы
      1.9.2. Недетерминированные алгоритмы
      1.9.3. Искусственная нейронная сеть
      1.9.4. Количество против качества
      1.9.5. Ещё некоторые варианты
   1.10. Пределы сложности искусственных систем
   1.11. Резюмируя

2. Эволюция методов познания

   2.1. Эволюция методов познания
      2.1.1. Живой мир, интуиция, религия
      2.1.2. Искусство
      2.1.3. Умопостижимый мир, логика, философия
      2.1.4. Механистический мир, эксперимент, наука
   2.2. Абсолютная истина
   2.3. Границы применимости методов
   2.4. Влияние на качество жизни
   2.5. Доказательства и опровержения
   2.6. Новые методы
   2.7. Социальный прогресс
   2.8. Выводы

3. Самоорганизация

   3.1. Фрактальность
   3.2. Субъектность
   3.3. Информация
   3.4. Самоорганизация организма
      3.4.1. Филогенез
      3.4.2. Морфогенез
      3.4.3. Перспективы улучшения
   3.5. Выводы

4. Мышление

   4.1. Биологическая нейронная сеть
      4.1.1. Эволюция нервной системы
      4.1.2. Нейронная сеть
      4.1.3. Системная и биохимическая составляющая
      4.1.4. Взаимосвязь достоинств и недостатков
      4.1.5. Обратные связи, алгоритмы и способность думать
      4.1.6. Сознание, подсознание, характер
      4.1.7. Другой уровень мышления
      4.1.8. Речь
      4.1.9. Устаревшие теории

   4.2. Мышление как самоорганизация
      4.2.1. Синхронизация
      4.2.2. Внимание, Я, движение во времени
      4.2.3. Целостность
      4.2.4. Распределённый опыт и ошибочные интерпретации
      4.2.5. Кратковременная память
      4.2.6. Воля
      4.2.7. Схема мышления, интроспекция
   4.3. Выводы

5. Сознание

   5.1. Сложность и системные свойства
   5.2. Мышление изнутри
   5.3. Непознаваемость
   5.4. Сознание и квантовая механика
   5.5. Выводы

6. Искусственные нейронные сети

   6.1. Общее
   6.2. Обучение
   6.3. Достоинства и недостатки
   6.4. Пределы сложности

7. Заключение

8. Дополнительные материалы и ссылки

   1. Жизнь как физическая система
   2. Эволюция и морфогенез
   3. Нервная система
   4. Ссылки
   5. Дополнительно


Введение

Что ответить человеку, который утверждает, что если котёл побольше поставить и дров побольше подкинуть, то паровоз до любой скорости разогнать можно? Очевидно, объяснить теорию относительности. Из которой следует, что превысить скорость света не поможет никакое количество дров, так как по мере приближения скорости объекта, имеющего массу, к скорости света, энергия, которая для этого потребуется, будет стремиться к бесконечности. Иными словами, надо показать ситуацию в целом — на том уровне, где уже нет дров и котлов, а есть зависимость пространственных и временных характеристик от скорости, «внутри» которых находятся сразу все возможные дрова, котлы и паровозы.

Других способов аргументированно возразить нет, потому что на уровне «дров и котлов» не поможет даже эксперимент. Нужна теория. Отдельные данные наблюдений и экспериментов теряют в теории прежнюю автономность и становятся основанием целостной модели, в которой все параметры взаимосвязаны, изменение одного приводит к изменению другого. Что, в свою очередь, позволяет рассчитывать течение явления в зависимости от начальных условий, то есть теория позволяет явление предсказывать. Но «понять» — это именно научиться предсказывать. Поэтому без теории, пока происходящее непонятно, любое наблюдение не более чем частный случай, любое затруднение — не принципиальное, а показать «на практике», что сколько ни строй котлы, скорость света превысить не удастся, невозможно.

То же самое с искусственными системами. На уровне которых никаких принципиальных препятствий для усложнения вроде бы не видно — любые нынешние затруднения можно представить лишь временными техническими сложностями, а эксперимент — который покажет, что, несмотря на все старания, уровня человека достигнуть не выходит — отнимет вечность.

Поэтому точно так же, как и в случае «дров и котлов», необходимо посмотреть на ситуацию в целом. Что мы и попытаемся сделать в первой части книги, собрав воедино аргументы логического и физического характера, которые в комплексе позволят сделать выводы сразу о всех возможных системах, как-либо создаваемых человеком.

В то же время если в теории относительности величина скорости света была точно известна заранее, то сложность мозга неизвестна и, как будет понятно, это в любом случае величина не столь однозначная. В результате без чёткого ориентира, который может быть положен в основание теории, выводы о максимальной сложности искусственных систем возможны также только общего, качественного характера. Тем не менее на главный вопрос — смогут ли искусственные системы превзойти интеллект человека — они отвечают с достаточной определённостью. 
 
 

1. Пределы сложности искусственного интеллекта

Здесь раньше была глава «Гёделевский аргумент», которая шла первой. Однако в процессе редактирования книги, различного рода дополнений и уточнений изложения, название этой главы вначале перестало соответствовать содержанию, так как относительный объём текста, связанного с какими-либо теоремами, становился всё меньше, а потом глава и вовсе доросла до отдельной статьи. На ту же тему, что и книга, но более сжатой и со своеобразными аргументами, в частности, с более развитой логической частью.

Эта статья — "Сильный искусственный интеллект (AGI) не может быть создан. Теория всего не имеет смысла. Значение противоречивости теории всего" http://proza.ru/2021/01/02/1130. Более того, данная статья теперь не только не часть книги, а саму книгу можно в каком-то смысле считать дополнением к статье, где некоторые аргументы статьи и упомянутые в ней явления, рассмотрены более подробно. Тем не менее книга сохраняет самостоятельное значение, представленных в ней аргументов для обоснования заявленных в предисловии целей достаточно.

1.1. Мышление и полнота знания               

В этой главе рассмотрим некоторые логические аргументы общего характера, из которых будет понятно, что мышление — это не совсем обычное явление. И далее, вплоть до главы «Физические основания жизни», обратим внимание на то, что из этого следует в отношении искусственного интеллекта.

Искусственная нейронная сеть (ИНС) — это алгоритм. Алгоритм своеобразный, недетерминированный, но тем не менее алгоритм. Что такое недетерминированные алгоритмы, в чём их своеобразие, рассмотрим в других главах, сейчас же важно только то, что ИНС — это алгоритм. Алгоритм — это инструкция, запись команд для исполнителя, путь к решению, то есть пошаговое описание того, что нужно делать, чтобы достичь некой цели, прийти к ответу. Например, компьютерная программа — это реализованный конкретными средствами алгоритм.

Из сказанного понятно, что работу искусственной нейронной сети можно описать, так как её работа подчиняется алгоритму. «Описать» — это, другими словами, «формализовать», то есть выразить неким языком. Например, языком формальным, математическом — точным, строгим, однозначным. В свою очередь, возможность описать работу ИНС означает, что можно описать то, как конкретно сигналы на входе нейронной сети преобразуются в сигналы на выходе. Действительно, это не является тайной, хотя такое описание на практике может оказаться делом чрезвычайно сложным, ввиду сложности современных ИНС. Например, именно поэтому сети обучаются — они слишком сложный алгоритм, чтобы его можно было написать сразу как готовое решение задачи, и приходится точнее «подгонять» сеть под ответ обучением. Подробнее об этих особенностях нейронных сетей речь тоже пойдёт в других главах, а пока нам важно только то, что описание того, как ИНС приходит к тому или иному решению возможно.

Можно ли, хотя бы в принципиальном смысле, описать — формализовать — работу биологической нейронной сети? Например, если нельзя, то это будет означать, что естественный и искусственный интеллект — это принципиально разные физические системы, то есть работающие на разных физических принципах, так как одни хотя бы теоретически поддаются описанию, а другие нет, не поддаются принципиально. Попробуем ответить.

Кажется очевидным, что любое явление имеет свои причины, то есть происходит по некоторым законам. И, например, эти законы ни в чём не могут противоречить законам физики, так как любое явление, в том числе и мышление — это часть физической реальности. Поэтому если вся реальность в принципе может быть формализована, то, как часть реальности, будет формализовано и мышление.

Никакое противоречие законам физики действительно невозможно, однако если реальность можно формализовать, то есть свести всё сущее к строгим формулам теории всего, то окажется, например, что неверная физическая формула должна так же в точности соответствовать законам физики, как и формула верная. Ведь если формализовано всё, то формализовано будет и мышление, а если будет формализовано мышление, то формализован будет и вывод всех утверждений, которые только можно сформулировать, в том числе и всех мыслимых формул, а значит, и формул ложных, бессмысленных, так как нам ничего не мешает сказать что-нибудь ошибочное, бессмысленное, соврать, сделав это намеренно или случайно.

Другими словами, сформулированная ложная формула будет точно так же выводиться в теории всего, как и формула истинная. Но тогда ложная формула будет истинной, так как из верной теории не могут следовать неверные утверждения. Точнее говоря, неверные утверждения возможны — если утверждение выходит за границы применимости теории, но в нашем случае речь идёт о теории всего, у теории всего не может быть границ применимости, ведь из неё выводится всё, включая саму идею каких-либо границ применимости. Таким образом, ложная формула будет и ложной, и истинной одновременно, что не имеет смысла. Более того, любому истинному утверждению можно придумать противоположное, где истинное утверждение отрицается, а значит, смысл теряют и все истинные утверждения тоже, так как их антагонисты будут точно так же выводиться в теории всего.

Кажется, в этом рассуждении есть ошибка — ложным или истинным может быть только смысл — смысл утверждения, смысл формулы — а не сама формула, как просто некая запись. Например, текст книги, как бумага и краска, не будет противоречить законам физики, какое бы содержание он ни имел. Однако если формализовать можно всё, то формализовать можно и смысл, то есть смысл тоже можно будет выразить некоторым формальным языком.

Смысл — это составляющая сознания, обобщённая эмоционально воспринимаемая перспектива ситуации, например, радость, энтузиазм, грусть, смущение, скука, то есть состояния, которые в целом можно разделить на ощущения хорошо/плохо. В свою очередь, сознание, очевидно, неотделимо от мышления, то есть смысл физичен, материален. Следовательно смысл может быть формализован ровно в той же степени, что и текст книги, так как смысл — это такая же физическая реальность, как и весь процесс мышления.

Но если смысл может быть формализован, то мы приходим к уже знакомому противоречию, потому что все формулы — и ложные, и истинные — становятся в этом случае одинаково истинными, потому что их истинный или ложный смысл сам становится истинной формулой, обычной частью теории всего. Но если всё одинаковое, то ни истина, ни ложь не существуют, а значит, и теория, в которой будет формализован смысл, тоже становится ни истинной, ни ложной, то есть такая теория не будет иметь никакого смысла.

Таким образом, остаются два варианта: или смысл — а значит, и сознание — не существует, хорошее и плохое, истинное и ложное, верное и неверное никак не отличаются, или формализовать невозможно ни мышление, ни физическую реальность в целом, так как такая часть физической реальности, как смысл, из формализации выпадает. И так как первый вариант заведомо не является верным, потому что сознание определённо есть (более того, сознание, наше Я — это единственное, что точно есть, так как всё остальное может быть сном, фантазией и т. д.), то правильным, следовательно, является второй вариант, из которого следует, что возможность формализации и только мышления, и природы в целом принципиально ограничена. Например, это означает, что сложность и только мышления, и всей природы одинаково бесконечна, с той точки зрения, что их формализация одинаково невозможна.

Итак, мы пришли к выводу, что мышление не может быть формализовано, работу мозга, то есть то, как конкретно сигналы рецепторов на входе биологической нейронной сети преобразуются в активность нейронов на выходе сети, нельзя описать. Искусственные и биологические нейронные сети отличаются принципиально. Посмотрим, в чём конкретно отличие, почему конкретно работу биологической нейронной сети нельзя описать.

Формализация всей природы — это, как говорилось, построение теории всего, то есть такой теории, в которой будет выводимо всё, включая все законы физики. Следовательно формализация мышления также равносильна формализации всех законов физики, построению теории всего. Ведь если мы создадим теорию всего, то все утверждения станут выводимыми, в том числе и сама теория всего, и если мы формализуем мышление, то все утверждения тоже станут выводимыми, в том числе и теория всего.

В свою очередь, построение теории всего равносильно формализации элементарного уровня материи, так как элементарный уровень материи — это основание всех других её уровней, знание элементарного уровня материи по крайней мере в принципиальном смысле  позволит вычислять всё. Следовательно формализация мышления тоже равносильна формализации элементарного уровня материи.

Теперь посмотрим внимательнее на утверждение о связи формализации мышления с построением теории всего. Теория всего не имеет смысла, то есть элементарный уровень материи непознаваем. Однако непознаваемость элементарного уровня материи означает, что невозможно описать не только всё, но и любую часть всего, если описание требует глубины элементарного уровня. Точно так же связь мышления с элементарным уровнем материи уже сама по себе означает, что невозможно сколько-нибудь точно описать ни «всё» мышление, ни любую его «часть» — какой-либо конкретный мыслительный процесс, то как конкретно мы приходим к тому или иному выводу, утверждению.

Например, из этого следует одно важное обстоятельство. Что необязательно рассматривать конкретную организацию мыслительного процесса в мозге, чтобы прийти к выводам о невозможности описания этой работы, так как приведённые сейчас аргументы позволяют сразу установить невыразимость мышления каким-либо языком, вне зависимости от того, что конкретно мышление из себя представляет. Поэтому в дальнейшем, говоря о невозможности формализации мышления, будем понимать, что речь идёт о невозможности описать работу биологической нейронной сети или в целом работу мозга.

Невозможность формализации означает, что отличие между искусственными нейронными сетями и мышлением заключается не в количественном аспекте — например, количестве нейронов в нейронной сети — а в аспекте качественном, то есть в том, что работа нейронной сети мозга непосредственно связана с элементарным уровнем материи, и именно поэтому описать её работу в принципе невозможно. Мыслительный процесс в его реальной сложности невыразим какими-либо словами любого мыслимого языка.

Теория всего не может быть создана, так как её создание означает формализацию элементарного уровня материи, а это ведёт к противоречиям, так как формализация элементарного уровня материи позволит выводить любые утверждения, в том числе противоположные, что говорит о противоречивости теории. Другими словами, принципиально невозможна формализация только одного явления природы — элементарного уровня материи.

Как мы недавно доказали, формализация смысла невозможна именно принципиально, следовательно формализация смысла тоже равносильна формализации элементарного уровня материи. Это говорит о том, что смысл, как и элементарный уровень материи, тоже должен всегда оставаться за рамками любых мыслимых теорий, смысл формул должен быть вне формул. Причём если формализация смысла равносильна формализации элементарного уровня материи, то смысл связан с элементарным уровнем материи, «находится» на этом уровне. С элементарным уровнем материи, следовательно, связано и сознание в целом, и мышление, так как смысл — это ничем принципиально не отличающаяся составляющая сознания, которое, в свою очередь, неотделимо от мышления.

У теории, которая опишет элементарный уровень матери, уже не может быть границ применимости, но у такой теории не может быть и смысла, так как в такой теории будет формализовано всё. Но смысл не может быть формализован, а значит, наоборот, чтобы иметь смысл, теории должны границы применимости иметь. Теории должны иметь некоторый предел их расширения на время и пространство, за которыми они свой смысл теряют. Причём суть этого предела такова, что за пределами познаваемого всегда должен оставаться смысл, то есть субъект, его сознание.

Рассмотрим ещё некоторые следствия сделанных выше выводов.

Невозможность формализации мышления означает, что формализовать можно только отдельные составляющие мышления — отдельные функции, элементы и не самые глубокие уровни мышления, но не весь процесс во всей сложности. Поэтому искусственные системы максимум тоже смогут воспроизводить эти отдельные функции и элементы, всегда оставаясь проще мышления как такового.

Точно так же, как и в случае мышления, невозможность формализации элементарного уровня материи означает, что установить можно только отдельные законы физики, то есть описать отдельные явления и не самые глубокие уровни материи, но не объединить их в единой теории всего.

Если установить все законы физики невозможно, то нет и оснований считать какое-либо нынешнее знание строго истинным или строго ложным — знанием окончательным, неизменным. Так как в дальнейшем познании всегда может оказаться, что смысл происходящего иной, чем кажется сейчас, — и пока всё точно не установлено, в единую формулу не сведено, отрицать такую возможность нельзя. Поэтому «неуверенность» в истинности знания, его принципиальная гипотетичность — это обязательное условие его непротиворечивости. В то же время «неуверенность в непротиворечивости», естественно, не может быть и доказательством непротиворечивости. Таким образом, утверждения, которые сейчас считаются неверными, всего лишь противоречат тем, которые сейчас принято считать верными, а как обстоят дела «на самом деле» — известно быть не может.

Другими словами, в ходе познания (отсылая к теоремам Гёделя о неполноте) «множество истинных формул всегда будет больше множества доказуемых формул». Некое утверждение будет истинным, но сама концепция, в которой это утверждение выведено как истинное, такого же строгого обоснования иметь уже не будет. И так бесконечно — истинность отдельных утверждений всегда будет ограничена отсутствием точного понимания их оснований. Например, известные сейчас фундаментальные физические постоянные, такие как скорость света, постоянная Планка, постоянная тонкой структуры, гравитационная постоянная и другие, входят в физические теории, но сами ни из каких теорий не выводятся и характеризуют непосредственно измеряемые свойства материи. Возможно, в будущем какие-то из них будут выведены, но или не все, или появятся новые.

Познание — это фактически приближение к теории всего, то есть к построению такой формулы, из которой в точности выводятся все явления природы, включая саму эту формулу. Но описание природы не может быть абсолютно точным, иначе оно станет полностью равносильно самой природе, то есть перестанет быть описанием и станет самой природой. Поэтому теория всего не имеет смысла и на практике это выражается в том, что приближение к ней бесконечно, а непротиворечивое описание природы возможно только через отношения невыводимых из каких-либо теорий явлений — именно эти отношения могут быть непротиворечиво описаны математическим языком.

По известному выражению Альфреда Коржибски, польского и американского учёного, основателя общей семантики, — «карта не есть территория». Например, если бы знание абсолютно точно отражало объективную реальность, то в процессе познания в мозге должны были бы появляться сами познаваемые явления непосредственно. И так как это, очевидно, невозможно, то реальность субъективная и объективная должны отличаться.

Другими словами, знание о явлении — это не само познаваемое явление, не его точный «слепок», «отражение» или абсолютно точное описание. Причём этот аргумент в том числе говорит о том, что невозможно узнать, как конкретно из элементов объективной реальности возникает реальность субъективная, потому что в ином случае абсолютно точное описание природы будет как раз возможно. В итоге истинность знаний всегда ограничена — не понимая, как конкретно возникает знание, невозможно понять и каков познаваемый мир «на самом деле».

Указанные ограничения можно выразить через предел Бекенштейна — верхний предел количества информации, которая может содержаться в заданной области пространства. Этот предел можно связать с максимальным количеством элементарных частиц, которое можно в этой области поместить. Но у плотности есть предел: очень плотный объект становится чёрной дырой. При достижении предела Бекенштейна носитель информации совершает гравитационный коллапс, превращаясь в чёрную дыру. Однако в стремлении к абсолютной точности нельзя ограничиться количеством информации меньше максимального. В результате столь плотное измерение, как попытка «вытащить» максимум информации из исследуемой области пространства, будет равносильно пределу Бекенштейна и той же чёрной дыре. Предел Бекенштейна рассчитан, исходя из современных теорий — квантовой и общей теории относительности, то есть из представлений более частных, чем другие аргументы этой главы. Тем не менее на своём уровне предел Бекенштейна тоже говорит о том, что абсолютная точность — это нечто недостижимое.

Сказанное в том числе означает, что идеи метафизического характера — о первоначальной, основополагающей сути мира — не могут быть ни доказаны, ни опровергнуты, то есть имеют принципиально внеопытный характер. Поэтому пока теория всего не построена, возможна любая точка зрения на этот счёт. В то же время, как представление о началах мира, о его самой общей, истинной природе, метафизические представления определяют общее направление поведения, разумное в таком мире, в том числе смысл исследовательских действий. В результате непознаваемое влияет на ход познания. О конкретных обстоятельствах этого влияния речь пойдёт во второй части книги.

Может показаться, что вывод об отсутствии истин равен выводу об отсутствии смысла вообще, так как если нет абсолютно истинного и абсолютно ложного знания, то истина и ложь равны. Однако если формализовать всё — когда, как кажется, истинное можно будет абсолютно точно отделить от ложного — то наоборот, смысл и ложного, и истинного исчезает, так как смысл сам становится истиной формулой. Следовательно, чтобы смысл был, ему должно быть «место» — отдельные формулы должен связывать в «целое» не строгий формализм других формул, а нестрогий смысл, то есть та неформальная «часть» мышления субъекта, которая формулы создаёт и их смысл «понимает». В результате формулы есть, но так как с объективной реальностью их связывает неформальное основание, то истинность и ложность любых формул всегда под вопросом.

С другой стороны, если никакое знание не является истиной, то, вероятно, что и само утверждение, что никакое знание не является истиной, тоже не истина, а потому истины, наоборот, возможны? Например, если познание бесконечно, то всё ещё может измениться, включая и саму идею, что познание бесконечно. Это предположение будет рассмотрено во второй части в главе «Абсолютная истина». Забегая вперёд, вывод об отсутствии истин имеет больше смысла, чем следующий из него вывод о возможности истин, поэтому далее в тексте будем исходить из утверждений, уже сделанных выше.

Если познание не имеет какого-либо конкретного итога, и этот итог не просто невозможен, но и не имеет смысла, то в процессе познания теории должны всё больше терять смысл. Теоретические модели должны становиться всё более необычными и неоднозначными, математический язык всё сложнее, а также, как следствие трансформации смысла, всегда будет выясняться, что смысл происходящего другой, чем кажется сейчас. Иными словами, познание связано не только уточнением уже существующих представлений о мире, но и с изменением их смысла, то есть с более или менее качественными переходами от одного представления о мире к другому. Изменение возможно на любом этапе познания и может быть связано не только с появлением новых теорий, но и даже с развитием нового отношения к реальности в целом и появлением новых форм познания.

Рассмотрим ещё одно возражение. Не все теории имеют прямое экспериментальное подтверждения, так как поставить такой эксперимент может быть слишком сложно. Например, невозможно воспроизвести эволюцию, чтобы доказать теорию эволюции в прямом эксперименте. Однако верные теории имеют предсказательную силу: используя теорию можно предсказывать неизвестные или незамеченные ранее частные события, тем самым подтверждая теорию в целом. Тем не менее бессмысленность теории всего — это не следствие проблем прямой экспериментальной проверки гипотез в отношении всего, а следствие принципиальной невозможности такую гипотезу даже сформулировать, ведь теория всего не просто сложна, а её не может существовать, потому что объект «всё» ни в каком представимом виде не существует, не имеет смысла. Поэтому представление о началах всего или аналогично об элементарной сущности всего всегда будет противоречивым и недостаточным для формулировки прямо или косвенно проверяемых гипотез.

Итак, выше мы пришли к выводу, что познание мышления ограничено, так как это потребует формализации элементарного уровня материи. Но этот уровень материи не может быть формализован, то есть не может быть выражен каким-либо языком, алгоритмом, быть элементом какой-либо физической теории, так как такая теория будет противоречивой. Проверим эти выводы с других позиций.

Принципиальная невозможность формализации явления означает, что в той же принципиальной степени явление нельзя отделить от остальной реальности. Например, чем точнее необходимо понять алгоритм работы часов, тем больше физических нюансов их механизма придётся учитывать. В то же время с практической точки зрения достаточно будет некоторого относительно невысокого уровня точности описания механизма, так как многие его параметры можно будет обобщить — абстрагировать существенное от не существенного. К примеру, в точности знать характеристики материала шестерёнок необязательно. Однако чем сложнее часы, чем больше в них деталей, тем важнее становится точность, то есть исследовать часы придётся на всё более глубоком уровне материи, иначе даже малые упрощения, накапливаясь, могут привести к значительному несоответствию отсчёта времени моделью часов и реальными часами.

Таким образом, чем сложнее явление, тем на всё более глубоком уровне материи его потребуется исследовать, то есть чем сложнее явление, тем больше сложность представления о нём будет приближаться к знанию элементарного уровня материи. Следовательно знание самого элементарного уровня материи действительно является максимально сложным знанием. Но теория всего не имеет смысла, приближение к максимально сложному знанию бесконечно, а значит, связь мышления с элементарным уровнем материи действительно означает его бесконечную сложность.

Для большей полноты рассмотрим сделанные выводы ещё раз.

«Формализацию» можно определить как процедуру, цель которой — дать предельно четкое, однозначное и исчерпывающее описание явления, подлежащего формализации. Таким образом, формализацию можно рассматривать как итог познавательного процесса, «идеал», к которому стремится познание. Возможность создания адекватной формализованной модели явления указывает на то, что о явлении получена исчерпывающая информация. Неформализуемость, напротив, указывает на неполноту знаний. Например, полностью формализованная научная теория должна представлять собой некоторую совокупность формул, записанных без всяких пояснительных слов или предложений, написанных на естественном, неформализованном языке.

Формализация как итог познания имеет естественные основания, так как понимание необходимого алгоритма действий — «формулы» удовлетворения потребностей в некой ситуации — позволит животному достичь желаемого с наименьшими затратами времени и энергии, предвидя развитие событий и заранее распределяя усилия. В отличие от животных более простых, человек способен выразить этот алгоритм словами, а используя формальный язык, однозначность правил которого позволит точно отразить суть действий, передавать его неизменным, исключая неверное понимание. В том числе использовать для вычисления протекания явлений в разных условиях, не прибегая к экспериментам, то есть, по сути, точно так же «предвидеть» развитие событий, только на уровне более высоком, чем на это способны животные более простые.

Но если формализация — это итог познавательного процесса, то точное и конкретное знание действительно исходит из знания не точного и не конкретного, то есть формальное содержание опыта действительно обуславливается неким содержанием «неформальным». К примеру, ни одна формальная теория без естественного языка обойтись не может, пусть он и используется только для пояснения, а не как элемент самой теории. В свою очередь, это означает, что истинность никакого знания нельзя подтвердить строго, так как сама «строгость» имеет границы, исходит из «не строгих» соображений.

И всё же из написанного следует и то, что процесс познания в конечном итоге всё-таки приводит к формализации явления. Поэтому, вероятно, есть кардинальный способ избавиться от всех «не строгих соображений» — просто нужно понять все явления. Или, другими словами, нужно установить все законы физики, описать элементарный уровень материи и достичь полноты знания, то есть нужно создать теорию всего, из которой будет выводимо всё. Как показано, это невозможно и даже не имеет смысла, тем не менее не будет лишним проверить столь глобальный вывод ещё раз.

Мышление — это часть физической реальности, проходящий в мозге физический процесс. Поэтому если законы элементарного уровня материи, как основания всех явлений от природных до социальных и психических, станут в точности известны, будут полностью формализованы, сведены к системе абстрактных формул, то все степени свободы (упрощённо говоря, куда можно двигаться, как изменяться) мышления тоже станут в точности известны, каждый шаг любого субъекта можно будет просчитать, все мысли и чувства будут вычислимы.

Если бы всё происходящее в мышлении стало понятно, то, моделируя процесс мышления, знания можно было бы просто вычислять. Получается, с одной стороны, субъект ещё не знает того, что ему не известно или известно не точно, ему ещё непонятно, как он поступит в тех или иных условиях, но с другой — он уже это знает, так как ему точно известны законы, по которым возникают все его решения. Иначе говоря, возможность описать процесс мышления равносильна возможности выйти «за знания», взглянуть на знания «со стороны», знать больше, чем знания, или аналогично — выйти «за самого себя», имея возможность наблюдать себя со стороны во всей полноте своих действий, мыслей и чувств. Очевидно, что это не имеет смысла.

Можно предположить, что теория всего — это просто слишком сложное знание, чтобы к нему мог когда-нибудь приблизиться человек, но сама по себе теория всего возможна. Тогда, например, написать теорию всего могли бы некие более умные представители внеземных цивилизаций, создать счётную машину, в которой она запрограммирована, и отдать её человеку. В результате человек всё-таки получил бы возможность смотреть на себя со стороны и без непосредственного знания теории всего — однако возможность «выйти за себя» от этого не выглядит более реальной. Например, «умные инопланетяне», построив теорию всего должны получить возможность формализовать и свое поведение тоже — они же тоже часть среды, то есть инопланетяне также получили бы возможность наблюдать себя со стороны. Что не имеет смысла как в отношении человека, так и в отношении любых мыслимых инопланетян.

Другими словами, формализация мышления означает и формализацию познания, что равносильно формализации всех возможных знаний, так как знание процесса появления знаний — это возможность вычислить любое возможное знание. Проще говоря, чем точнее становится понятен процесс познания, тем больше становится знаний, и потому полное понимание процесса мышления означает знание всех возможных знаний. Таким образом, формализация мышления будет равносильна знанию всех возможных знаний заранее, «формуле всех формул», решению всех задач, ответу на все мыслимые вопросы — но это не имеет смысла. Действительно, если мышление связано с элементарным уровнем материи, то формализация мышления невозможна без формализации этого уровня, но формализация элементарного уровня материи как раз равносильна знанию всех знаний, ответу на все мыслимые вопросы.

Надо заметить, несмотря на то, что все знания заранее не существуют, они не могут возникать и на «пустом месте», так как необходимо какое-то основание, задающее врождённое направление реакций. В ином случае изменения в мозге, соответствующие появлению новых знаний, будут отражать что угодно, но не потребности познающего. Следовательно изменения мозга должны быть связаны, с одной стороны, с этим направляющим основанием, с другой — с познаваемой средой. Также о познании нельзя будет говорить, если реакции мозга всегда линейны, пропорциональны воздействию среды, так как линейность реакций также равнозначна отсутствию у объекта каких-либо «собственных» задач, потребностей, которые заставляют объект реагировать на окружающие условия не только пропорционально силе или интенсивности воздействия, но и более сложным образом, нелинейно выделяя «важное» и не замечая «не важное». Причём реакции должны меняться, отражая возникающие в процессе обучения более сложные отношения «важного» и «не важного».

Таким образом, мозг, мышление, интеллект — это должна быть нелинейная система, которая в процессе взаимодействия со средой способна обучаться, усложняться. Эволюционировать из некоторого более неопределённого к некоторому более упорядоченному состоянию, соответствующему уточнению врождённых потребностей до конкретных задач и алгоритмов их решений. И чем сложнее будет «направляющее основание», тем более сложные задачи система сможет решить и в перспективе продвинуться к теории всего ближе.

И тем не менее, несмотря на всё сказанное, может быть, теория всего всё-таки возможна? Тогда выводы выше неверны и формализация мышления будет иметь смысл. Например, все конкретные и неконкретные знания — подразумевая под этим какие бы то ни было ощущения и эмоции, поведенческие реакции в целом — возникают в мозге как некоторой «мыслящей» структуре. И если постепенно накапливать опыт, всё точнее и точнее познавать реальность, то когда-нибудь, вероятно, можно будет понять её всю — и потому понять и мышление. Получается, всё-таки можно познать познание познанием — физическое физическим, «масло маслом»?

Действительно, если все уровни материи станут известны абсолютно точно, то у измерений не будет погрешностей, фантазию можно будет абсолютно точно отделять от реальности. И в мышлении тоже всё будет понятно — все мыслительные процессы станут в точности известны и просчитать поведение в тех или иных условиях в принципиальном смысле труда уже не составит. Конечно, теория всего означает бессмысленную возможность наблюдать себя со стороны, точно знать своё будущее, но, может быть, это всё-таки возможно? Имея неодолимую силу, вероятно, можно сдвинуть камень, который невозможно сдвинуть? Поэтому, всё точнее познавая реальность, познание или остановится, столкнувшись с какими-либо трудностями, или в конечном итоге будет понято всё вообще, включая и мышление.

Теория всего означает возможность делать абсолютно точные утверждения обо всей реальности на любое время и в будущее, и в прошлое, так как все её элементы известны абсолютно точно. При этом подтвердить абсолютную точность можно только вечной проверкой, так как только вечность позволит установить, что действительно абсолютно всё было учтено и потому нет никаких отклонений от предсказанного. Другими словами, абсолютно точное знание равносильно нахождению вне реальности — вне пространства и времени, имея возможность наблюдать всю реальность в любое время. Однако в этом случае какое-либо сообщение с реальностью станет невозможным, потому что с ней не останется ничего общего, никакого обобщающего взаимодействия, и в результате наблюдать будет попросту нечего. Следовательно теория всего не имеет смысла.

Подобно теории всего, абсолютно точное измерение любого параметра реальности тоже равносильно выходу «за реальность», включая самого себя, — чтобы можно было измерять, но не вносить возмущения. Об том же, например, говорит и непознаваемость элементарного уровня материи — точность измерений в любом случае будет всегда ограничена этим уровнем.

Можно возразить, что достаточно понять «почти всё» — столько, чтобы иметь твёрдую уверенность в окончательности теории. Например, некоторые современные теории позволяют делать чрезвычайно точные предсказания. Однако, как уже говорилось выше, если итог в виде полноты знания не имеет смысла, то есть не может существовать, то наблюдать его тоже невозможно, а приближение к нему бесконечно и на любом конечном промежутке времени близко приблизиться нельзя. Поэтому точно так же на любом конечном промежутке времени не удастся достичь и уверенности в окончательности какой-либо теории. Как следствие, до тех пор, пока всё абсолютно точно неизвестно, не может быть известно и то, что ещё неизвестно и сколько ещё неизвестно, как сильно поменяется наше представление о мире, стоит попробовать его ещё хотя бы немного уточнить.

Против полноты знания можно привести другие аргументы. Познание — это преобразование материи в структуру знания. При этом для познания необходима такая форма материи, как энергия, поэтому чтобы всю материю переработать в структуру знания, материи нужно больше, чем её есть. Преобразование материи в структуру знания суть упорядочение материи. Однако увеличение порядка на одном уровне материи происходит за счёт такого же роста энтропии — увеличения беспорядка на другом уровне материи, то есть познание всегда происходит за счёт разрушения. Поэтому «понять суть всего — это разрушить абсолютно всё, включая и сами знания. Причём разрушение неких элементарных оснований реальности невозможно — на то эти основания и элементарные, что их уже невозможно разделить на ещё более элементарные составляющие. Но это значит, что элементарный уровень материи принципиально непознаваем. Элементарный уровень материи — это основание всех других её уровней, поэтому знание материи на элементарном уровне равносильно теории всего, следовательно такая теория не имеет смысла. Или можно сказать так: у теории всего нет границ применимости, а значит, нет и смысла. Всё — это и ничего, так как ничего не выделено — нет субъекта, который бы выделил объект «всё», ведь субъект часть этого объекта. Поэтому так же как у ничего нет никакого смысла, так же никакого смысла нет и у всего, а значит, нет смысла и у законов, из которых выводимо всё. Или так — у всего нет никакого смысла, так как у всего есть все смыслы сразу.   

Подведём итог главы. Из приведённых аргументов следует, что мышление принципиально отличается от создаваемых человеком вычислительных систем, так как мышление связано с элементарным уровнем материи. Связь с элементарным уровне материи означает, что никаким языком и ни в каком алгоритме работу мозга выразить нельзя, потому что столь глубокое знание материи не имеет смысла. «Не имеет смысла» и в переносном смысле — так как теория, в которой описан элементарный уровень материи, будет противоречивой, и в буквальном — так как формализация элементарного уровня материи означает формализацию и смысла тоже, что приведёт к его утрате. 


1.2. Сложность мышления

Тем не менее пусть описать ход мыслительного процесса невозможно, но, видимо, можно создать некую «приблизительную» систему мышления? Пусть и не настолько сложную, как естественное мышление, но практически вполне достаточную, чтобы, например, «перенести себя» в компьютер с «минимальными потерями». К примеру, законы множества других явлений можно понять очень точно и строить их такие же точные модели. Или, вероятно, можно копировать мышление? Например, каким-нибудь образом сканировать ход всех мыслительных процессов и оцифровать их? В конце концов посредством случайных мутаций и естественного отбора природа смогла создать мышление, почему бы это не повторить и человеку? Может ли быть, что тут тоже возникнут проблемы?

Любое явление — это часть физической реальности, поэтому принципиальная неполнота знания на самом деле не позволит с абсолютной точностью понять никакое явление, а не только мышление. Как говорилось, понятное исходит из непонятного, знание из незнания, и точная формализация любого явления неизбежно потребует формализации и всего непонятного тоже — и тем самым в конечном итоге всей реальности. Иными словами, если рассматривать явления с точки зрения их абсолютно точного описания, то на самом деле все явления будут обладать бесконечной сложностью и будут неотделимы от среды. Поэтому все теории приблизительны, то есть в принципиальном смысле ни одно явление нельзя свести к абсолютно точной формуле, так как невозможно с абсолютной точностью установить все нюансы явления, измерить что-либо абсолютно точно. Что тем не менее не обязательно мешает на практике, где сама по себе абсолютная точность и не нужна, достаточно, чтобы точность знания была адекватна решаемой задаче.

Однако мышление — это не «одно явление», а все возможные к познанию явления сразу, поэтому проблемы должны возникнуть даже в попытке приблизиться к пониманию мышления сколько-нибудь близко. Отличие мышления от других явлений в том, что сложность исследования мышления должна обобщать сложность исследования сразу всех познаваемых явлений, всех решаемых задач, всех алгоритмов и формул, возможных к отражению в опыте, от самых простых до самых сложных, потому что мышление задаёт границы сложности всем возможным знаниям. В результате трудности в исследовании мышления станут стремительно расти задолго до понимания мышления сколько-нибудь точного.

Иначе говоря, мышление — это некоторый физический процесс, физическое явление, следовательно познание мышления связано с познанием природы. Но, в отличие от других явлений, эта связь непосредственная, так как по причине непосредственной связи мышления с элементарным уровнем материи, каковая была описана в предыдущей главе, познание мышления равносильно познанию сразу всей природы. Но теория всего недостижима, приближение к ней бесконечно и за любой конечный промежуток времени сколько-нибудь близко приблизиться нельзя.

Таким образом, принципиальная непознаваемость природы предстаёт в мышлении в «концентрированном» виде, делая мышление столь же непознаваемым, насколько ограничено приближение к теории всего. Возникающий в итоге уровень сложности, непознаваемости и непредсказуемости настолько выделяет мышление среди других явлений, что понятия формализации, исследования, алгоритма, моделирования — применимы к процессам «мыслительного» характера несравнимо более ограниченно, чем к явлениям другого полюса реальности.

Поэтому познание мышления возможно, как и познание природы вообще. В то же время трудности познания станут стремительно расти задолго до приближения сложности знания к сложности мышления сколько-нибудь близкого, так как познание мышления равносильно познанию всей природы сразу, всех её явлений — от физических до социальных, от самых простых до самых сложных, от тех, понимание которых требует мало времени до тех, время понимания которых не отличается от бесконечности. В результате, ввиду бесконечной сложности итога, сложность знания, даже сколько-нибудь близко приближающейся к мышлению, является на практике недостижимой.

Сложность столь качественного высокого уровня проявляется в некоторых особенностях мышления как физического явления — и не только в мышлении человека. Более того, некоторые из этих особенностей можно наблюдать в явлениях только аналогичных мышлению, так как если мышление развивалось в процессе эволюции, то оно, очевидно, имеет начало в явлениях неживой природы, которые на первый взгляд «мыслительными» ещё не выглядят. Очевидно также, насколько эти особенности затрудняют изучение интеллекта естественного, настолько же они должны затруднять и создание интеллекта искусственного. Речь об этих особенностях пойдёт в следующей главе.

Но прежде ответим на вопрос: как может быть, что «идеал познания» — это формула, алгоритм явления, и при этом сам алгоритм в принципе не может выразить мышление?

Алгоритм — это инструкция, порядок действий, ведущий к цели за конечное число шагов. Алгоритмом также будет описание динамики явления — хода изменений явления под влиянием действующих на него факторов. По своей сути алгоритм — это отражение целенаправленного поведения и поэтому последовательного переключения внимания, шаг за шагом выделяющего важные изменения в условиях и действия, которые следует совершить в ответ. Поэтому явления, которые в принципе не могут быть представлены в виде последовательности шагов сколько-нибудь адекватно их сути, в той же степени не могут быть и выражены алгоритмом.

Другими словами, алгоритм явления — это не описание самой физической сущности явления, а только её некоторой «внешней», известной субъекту динамики. Например, последовательность шагов алгоритма можно образно сравнить с точками, которыми выделены важные вершины в объёме явления, — но очевидно, что никакое счётное количество точек объёмом не станет. Поэтому никакой порядок слов, формула, программа, сколько бы точными они ни были и сколько бы быстро ни происходило вычисление, физическую реальность в принципе не выразят, описывая всегда не реальность как таковую, а только некоторое «внешнее» проявление физической реальности.

С точки зрения математики отношение шагов алгоритма и реального физического процесса можно представить как мощность бесконечного счётного множества — например, множества всех натуральных чисел (1, 2, 3... и т. д.), и мощность несчётного множества — континуума, равномощному множеству всех вещественных чисел или множеству всех точек отрезка. Несмотря на бесконечное количество и натуральных чисел, и точек, на которые можно разделить отрезок, количество последних будет несравнимо больше. Любое натуральное число само по себе конечно, но первое же число континуума, идущее после нуля, уже будет бесконечно малым: 0,000…01. Таким образом, в отличие от хоть и бесконечного, но всё же счётного множества натуральных чисел, количество точек, которые могут поместиться в любом самом коротком отрезке (или самом малом объёме), не только бесконечно, но и несчётно, то есть «качественно» больше. Причём количество точек в любой части отрезка будет столь же несчётным, как и во всём отрезке.

Поэтому если мышление — это не тот процесс, в котором можно ограничиться некоторым уровнем точности описания, а важен может быть весь объём структуры мышления во всех подробностях на всех уровнях материи, то данное обстоятельство как раз и может определять качественное различие мышления и алгоритмов. Проще говоря, в этом случае никакого мыслимого алгоритма «не хватит», чтобы описать процесс мышления сколько-нибудь точно, так как нельзя «заполнить» алгоритмом весь объём системы, причём независимо от того, мышление ли это насекомого, человека или те явления природы, которые лежат в основании мышления. Например, согласно сильному тезису Чёрча — Тьюринга, может быть вычислен любой физический процесс, который не использует аппарат, существенным образом связанный с непрерывностью и бесконечностью. Но необходимость абсолютной точности описания, по сути, означает, что мышление именно тот процесс, который такой аппарат использует.

Более того, о чём говорилось в первой главе на примере смысла, сознание в принципе не может быть выражено каким-либо языком, то есть сознание — это больше, чем какой-либо континуум в известном математическом или физическом представлении. Невыразимость сознания словами какого-либо языка, становится более наглядной, если представить ситуацию, когда требуется объяснить «красноту» красного цвета, вкус апельсина или звук рояля тому, кто никогда не видел ничего красного, не ел апельсинов или не слышал рояля. Объяснить будет в принципе невозможно, выразить этот опыт словами не удастся. С тем же успехом можно попытаться выразить словами своё эмоциональное состояние.   

Поэтому если «обычный» континуум хотя бы более или менее понятен, пусть он и связан с несчётной бесконечностью, то про континуум сознания можно сказать только то, что он существует. Другими словами, сложность мышления столь высока, что не просто невычислима, а «более чем невычислима», так как аппарат, который использует мышление, связан с чем-то явно бо;льшим, чем просто какая-либо известная математическая непрерывность и бесконечность.

Надо заметить, последнее вполне логично. Чтобы понять явление, необходимо, что называется, «посмотреть на него со стороны», то есть включить представление о явлении в свой опыт. Который, очевидно, должен быть качественно сложнее исследуемого явления, так как иначе смысл явления будет неясен, модель исследуемого явления попросту «не поместится» в опыт, чтобы его можно было исследовать. Таким образом, чтобы иметь возможность «наблюдать» и исследовать в опыте несчётную бесконечность, опыт должен быть качественно «больше» неё, качественно «богаче», «бесконечнее». В результате наше сознание, как проявление этого опыта, это действительно не просто континуум, а уже континуум многомодальный (понимая под модальностями элементы этого континуума, то есть разные оттенки всего спектра субъективных переживаний — например, оттенки цветовой палитры, оттенки эмоций), мощность которого настолько отличается от мощности известного континуума, что никаким языком этот объект уже невыразим, любой мыслимый язык для него будет недостаточно богат.

Сделанные выводы позволяют провести параллели с известными теоремами Гёделя о неполноте или теоремой Тарского о невыразимости истины.

Согласно теореме Тарского, если формальная система непротиворечива, то возможностей её языка не может быть достаточно, чтобы выразить все истины о структуре самой этой системы. Интерпретируя сказанное, принципиальная невозможность описать себя во всех подробностях обусловлена качественным отличием себя от возможностей своего языка. Причём так как все люди и даже аналогичные жизни физические явления из неживой природы принципиально схожи, то качественные ограничения возникают в попытке описать и других людей, и эти явления тоже.

Согласно теоремам Гёделя о неполноте, непротиворечивость формальной системы невыводима средствами самой системы. При этом «непротиворечивость» — суть наличие у системы смысла. Таким образом, обобщая, смысл формальными средствами невыводим и неопровержим, формулы сами по себе не имеют никакого смысла. Формальные действия выполняются строго по инструкции, шаблонно, каждый последующий шаг определяется предыдущим, смысл в этих границах не нужен и не существует. Тем не менее мы понимаем смысл наличия или отсутствия в системе невыводимой и неопровержимой формулы и вообще смысл формул, алгоритмов и слов естественного языка. В то же время, как некоторая эмоциональная реакция, психическое восприятие некоторой обобщённой перспективы происходящего, смысл сам по себе, не подкреплённый конкретными суждениями, наоборот, не может быть доказательством строгим, не является однозначным, точным. Смысл — это «язык» качественно более выразительный, чем любой формальный язык человека, в высшей степени «не финитистский» — и потому на нём нельзя написать алгоритм. Поэтому смысл, очевидно, возникает в рамках более богатых «выразительных средств» — в рамках некоторой мыслящей структуры мозга, особенности устройства которой определяют и наличие в ней неформального смысла, и формального языка. В результате человек умеет строить точные фразы, но их недостаточно, чтобы выразить мышление полностью.

В заключение следует заметить, что одинаково бесконечная сложность работы любого мозга возникает только с точки зрения формализации этого процесса. Тем не менее исходя из объёма и его доступной для наблюдения структуры, разницу в сложности между, например, мозгом человека и мозгом более простых животных оценить возможно. Но эта оценка всегда будет в той же степени общей и не точной, как ограничена возможность формализации оцениваемой системы.


1.3. Трудности усложнения искусственных систем

Из аргументов предыдущих глав следует, что познание естественного интеллекта принципиально ограничено. Изучение работы мозга будет сталкиваться со всё большими трудностями и на практике станет невозможным задолго до представления о его работе сколько-нибудь точного. В свою очередь, в той же степени, очевидно, будут расти трудности и в создании искусственных систем по мере их усложнения. В чём будут проявляться эти трудности?

Значительная общность поведения всех животных, включая людей, говорит о том, что взаимодействие мозга со средой происходит в контексте некоторых общих принципов, одинаковых у всех животных. Следовательно в этой части, то есть в некотором общем, понимание процесса мышления будет возможно, так как неизменная воспроизводимость общих принципов в устройстве любого мозга позволит их относительно легко выделить и повторить в системах искусственного интеллекта.

Однако так же, как сложно предсказать более частные действия животного, в той же мере сложности будут возникать в уточнении общих принципов связи мозга со средой до конкретных параметров этой связи. Сложное поведение — это и сложный процесс, происходящий в мозге, поэтому так же как у всех животных мышление одинаковое в общем, так же оно будет отличаться и усложняться в частном.

В той же степени, следовательно, проблемы будут возникать и в создании систем искусственного интеллекта — их необходимое конкретное устройство также будет непонятно. И чем сложнее искусственный интеллект, тем больше будет возможных вариантов его частных параметров, так как если общие принципы, взятые из естественного интеллекта, будут неизменны во всех вариантах ИИ — от самых простых до самых сложных, то количество непонятных более частных параметров по мере усложнения ИИ будет увеличиваться.

Невозможность теории всего означает и невозможность абсолютной точности, то есть точные границы тоже невозможно провести, а значит, ни одно явление невозможно абсолютно точно выделить из среды, строго обозначить конец и начало явления. Другими словами, нельзя не только описать весь объём явления, но и строго отделить одно явление от других. И чем сложнее явление, тем эти особенности будут проявляться всё более явно. Как ранее было показано на примере с часами, чем сложнее явление, тем на всё более глубоком уровне материи его потребуется исследовать, в пределе стремясь к элементарному уровню материи. Но сложность элементарного уровня материи равносильна исследованию сразу всех явлений, ведь он находится в основании всего. Таким образом, чем сложнее явление, тем менее оно отделимо от среды. Говоря по-другому, связь с элементарным уровнем материи, чем характеризуется мышление, означает высочайшую чувствительность явления, то есть опять же неотделимость мышления от среды. 

Например, задача мышления — это управление мышцами и железами в общем контексте самосохранения и размножения, стремления к лучшему качеству жизни. И чем точнее знание себя и окружающей среды, тем точнее можно выстроить необходимую стратегию поведения, а теория всего и вовсе позволит достичь максимально возможного качества жизни. Но теория всего не имеет смысла, поэтому точно так же не имеет смысла максимально возможное качество жизни, а значит, не существует и итог мышления. Нельзя сколько-нибудь точно обозначить также и начало мышления, потому что любой организм ведёт свою историю от появления первой клетки в процессе эволюции.

Таким образом, начало мышления неизвестно, конец мышления не существует, конкретные параметры мышления сколько-нибудь точно установить нельзя. Это значит, что если какие-либо другие физические явления можно отделить от среды с высокой точностью, и с той же точностью исследовать, как на их течение влияют разные начальные условия, тем самым изучая все особенности явления, то с мышлением это невозможно. 

В свою очередь, это означает, что ни конкретную цель, ни единственно верную «траекторию» поведения субъекта обозначить нельзя. Нельзя проверить создаваемый вариант искусственного интеллекта на соответствие некому «эталонному мышлению», так как такого эталона в принципе не существует. Следовательно поведение каждого варианта искусственного интеллекта придётся проверять, основываясь на некоторых общих соображениях о требуемом поведении, а не в сравнении с эталонным образцом, несоответствие которому можно найти и исправить. И проверять во всех будущих условиях, так как если работа системы непонятна, то поведение в проверенных ситуациях не позволит с уверенностью сделать вывод о её поведении в ситуациях ещё не проверенных. Например, точно так же нынешнее адекватное поведение человека ещё не гарантирует его адекватности в будущем или в новых условиях. В то же время, чем сложнее искусственный интеллект и шире условия его применения, тем меньше такая проверка будет возможна, так как она будет требовать всё больше времени. Потому на практике, чем искусственный интеллект сложнее, тем в относительно менее широком круге условий его можно будет проверить. В результате оценка адекватности будет становиться всё менее точной.

Иными словами, если в естественном мышлении в принципе могут быть известны только некоторые общие параметры процесса, то и заложить в «мыслящую» искусственную систему также можно будет только максимум эти общие представления. Тем самым задать системе не точное устройство, которое необходимо для решения задачи, а только приблизительную «выразительность», некоторый приблизительный «объём возможностей».

В свою очередь, эта начальная неопределённость, возникающая в создании «мыслящей» системы, потребует или угадывания сразу нужного варианта в точности — что не имеет смысла из-за множества параметров, которые заранее не известны, или дальнейшей оптимизации созданной наугад системы, чтобы упорядочить её «объём возможностей» под решаемые задачи. Иначе говоря, потребуется обучение, когда в процессе взаимодействия с обучающей средой в системе формируется некоторое конкретное поведение требуемого направления. Поэтому если в природе обучение необходимо по причине заранее неизвестных условий жизни животного, то в создании искусственных систем обучение необходимо по причине невозможности задать требуемое поведение прямо.

Может показаться, что отсутствие «единственно верных» решений в создании систем искусственного интеллекта, наоборот, должно упрощать их создание, так как такие системы можно создавать приблизительно — точнее говоря, только приблизительно и можно — после чего обучить систему. Иными словами, может показаться, что обучение для искусственных систем — это не недостаток, а достоинство.

Если нельзя точно установить пригодность системы для решения какой-либо задачи заранее, исходя из некоторых строгих соображений, то конкретный вариант системы можно создать только более или менее наугад. Например, нейросетевая структура алгоритма искусственных нейронных сетей слишком сложна, чтобы можно было проверить ход вычислений мысленно. В свою очередь, это значит, что определить необходимый вариант системы можно только методом перебора, обучая каждый конкретный созданный наугад вариант. Однако по мере усложнения систем их возможных вариантов будет становиться всё больше и каждый потребует всё более длительного обучения. При этом, как говорилось, в ходе обучения не всегда есть возможность проверить систему во всех ситуациях, которые возникнут в её реальном применении. И не только потому, что этих ситуаций может быть чрезвычайно много, но и потому, что верный выход из них может быть долог и заранее непонятен, а многие заранее неизвестны, а даже известные не всегда можно создать. Например, обучать автопилот автомобиля правильно реагировать в опасной ситуации, очевидно, нельзя в реальных авариях.

И чем сложнее система и чем большему её можно обучить, тем таких ситуаций будет становиться потенциально больше. Другими словами, наличие в устройстве системы случайной составляющей означает, что поведение системы за пределами проверенных ситуаций будет заранее непредсказуемым, а значит, возможно, неадекватным — и таких белых пятен по мере усложнения систем будет становиться всё больше. В итоге достоинства, связанные с относительной простотой создания, по мере усложнения систем будут всё больше нивелироваться растущей сложностью обучения.

И наконец указанные затруднения, которые должны возникать в создании искусственного интеллекта, не являются только лишь возможными где-то в перспективе. Все они в полной мере уже сейчас присущи искусственным нейронным сетям, которые в различных вариантах считаются основными, а по большому счёту и единственными кандидатами на звание искусственного интеллекта. Например, создание ИНС подразумевает не точный расчёт их устройства под решаемую задачу, а случайный выбор параметров на основании общих представлений о функционировании нейронных сетей вообще и прошлого опыта решения сетями похожих задач. Затем нейронная сеть обучается, в ходе чего работа сети оптимизируется под решаемую задачу, причём обучение естественным образом также подразумевает неформальную составляющую.

Тогда, вероятно, можно копировать мышление? После чего оцифровать копию и, таким образом, получится не только понять весь ход «мыслительных» процессов в мозге, но, например, и перенести личность в компьютер?

Принципиальная невозможность сколько-нибудь точно понять работу мозга не позволяет и сколько-нибудь точно отделить элементы мозга, отвечающие за один опыт, от элементов, отвечающих за другой, поэтому любой опыт, получается, связан сразу со всей структурой мозга и на всех уровнях материи. Но это значит, что в мышлении ничем нельзя пренебречь, отделить важное от не важного, в каждой реакции важен может быть любой процесс, проходящий в мозге, но когда и насколько он будет важен — точно установить нельзя. В результате если мышление копировать, то по крайней мере на всякий случай копировать потребуется весь мозг абсолютно точно — весь объём его работы сразу, все элементы мозга на всех уровнях материи. Абсолютно точное копирование необходимо и с той точки зрения, что мышление, как мы выяснили, и на самом деле непосредственно связано с элементарным уровнем материи.

Но такое копирование невозможно. Копирование какого-либо объекта на элементарном уровне равносильно созданию его абсолютно точной копии. Однако абсолютная точность не имеет смысла, к тому же задолго до приближения к ней мозг в любом случае разрушит интенсивность измеряющего воздействия. По тем же причинам, не получится и копировать мозг по частям, разобрав его на элементы — это тоже никак не отменяет того, что элементарный уровень материи нельзя исследовать и описать. Наконец, как будет понятно в следующих главах, в отличие от других систем, не утратив критический объём информации, мозг невозможно разобрать даже на части крупные.

Посмотрим с другой стороны.

Несжимаемость с точки зрения теории информации — это фундаментальное свойство ряда случайных чисел. Ведь чтобы сжать данные, нужно прежде выявить в данных закономерности, то есть найти в них некую общность, суть, тем самым сократив данные до описания этой сути. Однако в случайных данных никакие закономерности выявить, естественно, нельзя, так как отсутствие закономерности, можно сказать, и есть единственная закономерность случайности. Например, согласно русскому и советскому математику, одному из крупнейших математиков XX века А. Н. Колмогорову, наибольшей сложностью обладает совершенно не упорядоченный случайный шум, хаос, так как для своего точного определения он потребует наибольшего объёма вычислительных ресурсов.

При этом найти закономерности в мышлении можно. Поведение не беспорядочно, поэтому мышление — это не случайный процесс. Следовательно в найденном объёме неизменного, периодического и воспроизводимого мышление можно «сжать» — можно отделить функцию личности от подробностей физического устройства мозга. Но узнать можно далеко не все закономерности мышления, так как знание всех закономерностей означает возможность описать мышление, что не имеет смысла. Поэтому описать можно только некоторые общие принципы или некоторые отдельные элементы работы мозга. Точно так же, например, можно предсказать некоторое общее направление поведения субъекта или его действия на короткий срок.

В итоге за пределами общих направлений и коротких времён работа мозга непредсказуема, а значит, несжимаема. Поэтому в своей реальной сложности мышление может быть только самим собой — самим физическим процессом мышления непосредственно. Принципиальная невозможность сколько-нибудь точно описать мышление, как ни странно, означает и то, что мышление невозможно копировать без качественной потери информации о нём.

И всё же в основание столь глобальных ограничений до сих пор были положены только логические аргументы, исходящие из некоторых общих соображений. Поэтому закономерен вопрос — может ли быть, что в мышлении действительно важно всё вплоть до элементарного уровня материи, что мышление действительно «несжимаемо»? Есть ли этому более конкретные подтверждения? Ответ в следующей главе, в которой будут приведены физические основания сделанных выше выводов.


1.4. Физические основания жизни

С точки зрения физики, точнее, неравновесной термодинамики и теории динамического хаоса, модели которых в последнее время всё больше применяются в исследованиях биологических систем, клетка, многоклеточный организм, мозг — это открытые термодинамически неравновесные системы. В более широком смысле к таковым можно отнести социум и всю биосферу в целом. Свойства таких систем являются и основными свойствами жизни. Эти свойства могут показаться необычными, а их связь с жизнью неправдоподобной, тем не менее, как станет понятно, никакие другие основания жизни представить невозможно.

Необычность явлений, лежащих в основании жизни, поясним на примере таких её особенностей.

Вспомним биологическую эволюцию. Случайные мутации ДНК, результатом которых становилось появление у животного какой-либо новой полезной функции, приводили к тому, что животное получало преимущество в естественном отборе. Однако проблема в том, что появление у организма любой новой функции должно быть связано с одновременным перестроением всех систем организма — кровеносной, нервной, мышечной — чтобы новое могло адекватно взаимодействовать со старым. И если бы за это перестроение отвечал только случай, то эволюции бы не произошло.

Если в ДНК зашифрован план организма, в соответствии с которым он формируется, то мутации ДНК — это, очевидно, отдельные случайные изменения этого плана. Однако в этом случае мутации должны приводить к таким же отдельным изменениям и в организме, а совсем не к взаимосвязанному перестроению всех его систем сразу. При этом вероятность появления в ДНК в одно и то же время необходимого количества строго подобранных случайных мутаций исчезающе мала, поэтому даже если бы они и могли произойти, то никак не с той частотой, которую требует эволюция.

Более того, жизнь вообще не смогла бы возникнуть, потому что «только случай» сделал бы невозможным не только эволюцию, но и само появление жизни. Ведь организм должен быть способен функционировать сразу, то есть он должен возникать сразу «живым», «целым», иначе, «возникая по частям», он будет разрушен средой — точно так же, как среда быстро разрушает любой мёртвый организм — и всё придётся начинать сначала.

Но что так упрощает задачу эволюции, позволяя ей обходиться без полного перебора? Почему в ходе эволюции происходит отбор, по сути, только наиболее эффективных из уже «функционирующих», «целых» организмов, а не отбор таковых из всех возможных сочетаний молекул? Как из всего бесконечного множества состояний материи природа выбирает сразу упорядоченное состояние биологических систем? Если это всё-таки происходит случайно, то почему не разрушается средой сразу, как ненадолго появляется и тут же тает знакомый образ в облаках, а существует миллиарды лет и при этом ещё усложняется?  Как получается, что движение мириадов молекул и протекание бесчисленного множества химических реакций происходит в организме согласованно, в едином порядке? Что их координирует? Если в ДНК всё же нет плана организма, то что подсказывает молекулам, как конкретно нужно перестроиться, чтобы в ходе эволюции у организма могла появиться новая функция?

Другие вопросы. Почему точно так же, как и появление новых организмов в ходе эволюции, переход от одной мысли к другой происходит не «плавно», мысль формируется не «постепенно», а более или менее выраженными скачками — от одной не бессмысленной, сразу «целой», идеи к другой, тоже сразу «сформированной», «целой», а отбор лучших решений происходит фактически уже между «готовыми» идеями, а не перебором всех возможных? Как человек отличает верное решение от неверного, адекватное поведение от неадекватного? Должен быть какой-то критерий, который позволит это сделать. Потому что если его не будет, то поведение или должно быть жёстко задано заранее — а это и невозможно, и явно не так, потому что мы обучаемся. Или, в ином случае, без критерия, обучение быстро пойдёт вразнос, хаотично, по всем мыслимым направлениям, и поведение быстро скатится к бессмысленному, ведь всех возможных поведенческих реакций неисчислимо больше, чем тех, которые позволят животному не погибнуть и размножаться. Что так упрощает нам выбор поведения?

Всё эти вопросы говорят об одном: чтобы жизнь и эволюция стали возможными, помимо случая в природе должно было быть что-то ещё, какое-то явление, которое позволило бы первому организму возникнуть сразу, а также это должно быть такое явление, которое смогло бы связать отдельные случайные мутации ДНК с перестроением сразу всех систем организма. Причём, по-видимому, за всё это должно отвечать одно явление, так как и появление первого организма сразу как целого, и затем его целостное перестроение в ходе эволюции — это явно процессы одного порядка. Более того, как понятно из предыдущего абзаца, это же явление, вероятно, должно отвечать и за мышление тоже.

Явление, удовлетворяющее этим требованиям, действительно есть — это самоорганизация. Всё живое — это самоорганизующиеся системы.

Далее рассмотрим явление самоорганизации, его основные виды, особенности и общую связь с жизнью, а в главе «Самоорганизация организма» станет ясно, как «сразу» возникает жизнь, как происходит развитие целого организма из одной клетки и что же всё-таки зашифровано в ДНК.


1.4.1. Неравновесность, нелинейность, хаос и бифуркации

Итак, любой организм, всё живое — это самоорганизующиеся системы. Самоорганизация очень многообразное явление, она бывает разных типов, поэтому нас прежде всего интересует та самоорганизация, которая связана с биологическими системами. В свою очередь, системы, в которых такая самоорганизация возможна, относятся к более общему классу открытых термодинамически неравновесным систем. Основные свойства этих систем указаны в самом их названии, и они же являются и основными свойствами любого организма как физической системы, поэтому без их понимания адекватное представление ни о какой жизни составить будет невозможно. Далее рассмотрим эти свойства, а в следующей главе перейдём непосредственно к самому процессу самоорганизации.

Открытые термодинамически неравновесные системы состоят из множества элементов и ведут активный обмен энергией/веществом со средой, поэтому они и называются открытыми. По причине интенсивного обмена со средой возникает значительная разница в интенсивно изменяющихся параметрах системы: температуре, концентрации веществ, давлении. В результате состояние системы такой является неравновесным, а реакции нелинейные. Что это значит?

В неравновесном состоянии система становится чрезвычайно чувствительной, неустойчивой, напряжённой. Простой пример такого состояния — песчаная куча перед обрушением или снежный пласт, готовый в любой момент сойти снежной лавиной. Другой пример — шпага, поставленная на остриё, на которую давят сверху так, чтобы её лезвие не изгибалось. В какой-то момент давление станет столь высоким, что малейшее прикосновение к шпаге приведёт к тому, что её лезвие разлетится на кусочки.

Таким образом, если в равновесной системе возмущение, передаваясь от элемента к элементу, будет затухать, теряя энергию на приведение элементов в движение, то в неравновесной системе её элементы уже обладают высокой потенциальной энергией и одновременно «балансируют на грани срыва». Как следствие, самое ничтожное изменение параметров системы может привести к высвобождению этой энергии и лавинообразному «обрушению» системы, когда её поведение качественно изменится — так же, как неожиданно и практически сразу по всему фронту происходит сход снежной лавины, обрушение песчаной кучи или разрушение лезвия шпаги.

Такие критические состояния неустойчивости, выбора, называются точкой бифуркации. Бифуркация — это качественное изменение поведения динамической системы при бесконечно малом изменении её параметров. Точка бифуркации — это критическое состояние максимальной неустойчивости, когда происходит переход. Находясь далеко от равновесия, система способна воспринимать то, что не восприняла бы в более равновесном состоянии и даже при самом малом возмущении пройти точку бифуркации, после чего её поведение качественно изменится. Bifurcus переводится с латинского как «раздвоенный», но путей, по которым может пойти развитие системы после перехода, может быть больше. Поэтому ещё одним примером неравновесной системы является шарик на вершине конусообразной горки, малейшее возмущение которого приведёт к тому, что он скатится по той или иной её стороне.

Важное и необычное свойство неравновесных систем — их целостность. В точке бифуркации даже самое малое возмущение какой-либо части системы не затухает, распространяясь в её объёме, а приводит к изменению поведения сразу всей системы как одного целого. Это означает, что в неравновесном состоянии сколь угодно малое изменение параметров системы будет сразу всей системой масштабировано — потому что вызовет её «обрушение». И наоборот, после перехода даже энергичное воздействие на систему будет нивелировано — если будет противоположно динамике множества движущихся элементов. Эти же особенности приводят к тому, что поведение неравновесной системы является высоко нелинейным, то есть относительно больше зависит от внутренних процессов в самой системе, чем от силы или интенсивности внешнего воздействия. 

Следствием этих особенностей поведения неравновесных систем становится то, что чем неравновесие выше, тем меньше информации можно получить о системе, так как чтобы система «обрушилась» и информация о её внутренней структуре была утрачена, достаточно всё более слабого воздействия. Например, при приближении к точке бифуркации даже само наблюдение начинает влиять на систему. Тем самым наблюдать систему требуется очень аккуратно, чтобы наблюдение не привело к её обрушению. Но это требование вступает в противоречие с тем, что систему необходимо наблюдать максимально глубоко, потому что если к качественным изменениям в поведении системы может привести бесконечно малое изменение её параметров, то предсказать поведение системы можно, только если знать её устройство на бесконечно малом масштабе.

Это значит, что предсказать поведение системы в точке бифуркации позволит только абсолютная точность описания — система должна быть описана во всех бесконечно малых подробностях. Ни в каком приближённом описании качественного расхождения прогноза и реальности избежать не удастся, только абсолютно точном: ведь бифуркация — это качественное изменение поведения системы, а конкретный путь, которым пойдёт развитие системы после перехода через точку бифуркации, критически зависит именно от событий самого малого масштаба. В результате особенностью связи поведения с бифуркациями является индивидуализация систем, то есть тот факт, что даже вроде бы совершенно одинаковые системы, помещённые во вроде бы совершенно одинаковые условия, через короткое время станут вести себя по-разному. Ведь в условиях и системах всегда есть хотя бы минимальные отличия, и в точке бифуркации, где важно всё, так как система становится одним целым, система их обязательно «заметит».

Представление о бесконечно малых изменениях относится к математической модели бифуркации. В реальности же «бесконечно малое изменение» — это некое «истинно элементарное» событие. Но никакая физическая теория не описывает мир на элементарном уровне материи и дать такое описание в принципе невозможно. Вспомним, о чём уже говорилось в первой главе: «элементарные частицы» — это части наиболее глубокого на нынешнее время представления о материи, но не представление об её истинно элементарном уровне.

Абсолютно точное описание, без которого предсказания будут всегда качественно отличаться от поведения системы реальной, равносильно полноте знания, поэтому можно сказать, что сложность выбора в точке бифуркации равна «всему» или, аналогично, в момент перехода система становится полностью неотделима от среды, требуя для предсказания знания всей среды. Но, учитывая, что даже приближение к подобному уровню точности описания невозможно, так как теория всего не имеет смысла, то, аналогично бесконечной сложности изучения материи на элементарном уровне, сложность поведения в точке бифуркации тоже равна бесконечности.

Важно заметить, что в точке бифуркации выбор поведения всегда зависит от бесконечно малых изменений параметров системы и, соответственно, этот выбор всегда имеет бесконечную сложность. Например, если по шпаге из ранее приведённого примера ударить молотком, то непосредственно к разрушению шпаги и конкретному развитию этого разрушения приведёт малейшее дуновение воздуха от приближающегося молотка или самые ничтожные особенности микропрофиля бойка, которые вступят в соприкосновение со шпагой первыми. И даже вообще что угодно, так как в точке бифуркации, обладая абсолютной чувствительностью, система становится полностью неотделима от среды. Поэтому всей своей площадью боёк молотка, по сути, ударит уже по начинающим разлетаться осколкам. 

Связь с бесконечно малыми изменениями является не только выражением максимальной сложности реакции, но, как говорилось, и её в высшей степени индивидуальности. На элементарном уровне все системы и окружающая их среда отличаются, так как нигде в известной нам Вселенной нет полной копии чего-либо уже существующего, поэтому по причине абсолютной чувствительности реакция систем будет всегда более или менее отличаться, будут индивидуальными, согласно этим отличиям. В свою очередь, индивидуальность в некотором смысле тоже означает сложность и непредсказуемость, так как чем более индивидуальна реакция, тем менее она выводима из чего-либо, что может быть применимо к другому, известно всем. И так как реакция в данном случае максимально индивидуальная, то она и в принципе непредсказуемая, не может существовать таких теорий и законов, которые помогли бы её предсказать. 

Как и любой системы, поведение неравновесной системы — это стремление к равновесию, выравнивание напряжений, уравновешивание, которое происходит в момент обрушения песчаной кучи или когда сходит лавина. Однако — и это важное отличие от песчаной кучи или снежного пласта — в открытых системах, о которых изначально шла речь, выравнивания напряжений не происходит, так как интенсивный обмен энергией/веществом со средой в них не прекращается. В результате состояние такой системы неизменно неравновесное, а её поведение характеризуется постоянными бифуркациями, то есть, по-другому, флуктуациями, резкими скачками в поведении, внутренними перестроениями. Вспоминая пример с шариком, можно сказать, что непрекращающееся интенсивный обмен со средой как будто каждый раз заталкивает шарик обратно на вершину горки, после чего происходит его новое непредсказуемое падение. Или, в более точной аналогии, среда «давит» на систему, поэтому в какой-то момент она скачком, как шпага, «разрушается», переходя в новое состояние, но среда продолжает давить, система снова «разрушается», её поведение снова меняется, и так постоянно. В итоге, как формирующееся в результате бифуркаций, поведение открытой термодинамически неравновесной системы выглядит случайным, то есть является хаотическим.

Хаос — это когда поведение нелинейной системы выглядит случайным — иррегулярным и непредсказуемым. Как станет понятно в следующей главе, хаос очень важен для понимания жизни, поэтому рассмотрим хаос подробнее.

Необходимость абсолютно точного описания — это чувствительность к начальным условиям, чем характеризуется поведение системы в точке бифуркации. Чувствительность к начальным условиям важная характеристика хаоса, так как хаос и есть следствие постоянных бифуркаций, происходящих в системе. Поэтому хаотическое поведение только выглядит случайным, тем не менее оно определяется детерминистическими законами, что отличает хаос как предмет научного изучения от хаоса в обыденном смысле. Более строго, чувствительность к начальным условиям — это когда близкие траектории в фазовом пространстве отдаляются друг от друга с экспоненциальной скоростью. Иначе говоря, бесконечно малое изменение начальных условий приводит к сколь угодно большому расхождению поведения систем с течением времени — системы приобретают всё большую индивидуальность. Чувствительность к начальным условиям известна также как эффект бабочки, подразумевая, что слабые потоки воздуха от её крыльев, как переход через точку бифуркации, могут стать решающим фактором образования урагана где-то на другом конце Земли, вследствие их многократного усиления в атмосфере за какое-то время.

Автор термина «эффект бабочки» метеоролог и математик Эдвард Лоренц. В 1961 году Лоренц решил подробнее изучить график в разработанной им компьютерной модели погоды. В качестве начальных данных он ввел данные из середины графика, округлив их не до шестого, а до третьего знака после запятой, предположив, что такой точности ему будет вполне достаточно, чтобы воспроизвести график и исследовать его. Однако Лоренц обнаружил совершенно другой график. Если в начале он ещё немного повторял первый, то к концу не имел с ним ничего общего. В результате был сформулирован эффект бабочки, обнаружена непредсказуемость поведения многих детерминированных систем и в конечном итоге создана теория хаоса. Теория хаоса применяется во многих областях знания. Это математика, биология, информатика, экономика, инженерия, финансы, философия, физика, политика, психология. Что же касается погоды, то оказалось, две недели — это порог, за которым прогнозировать погоду по дням становится невозможно. Минимальная неточность начальных данных, которой невозможно избежать, ведет к тому, что через две недели решение задачи перестает от начальных данных зависеть.

Таким образом, принципиальная непредсказуемость выбора в точке бифуркации приводит к тому, что если поведение системы возникает вследствие бифуркаций, система постоянно «срывается», «рушится», достигает критического состояния и переходит через точку бифуркации, то через короткий промежуток времени её поведение станет неопределённым, несмотря ни на какие уточнения. Никакое осуществимое на практике измерение не может дать достаточной информации для сколько-нибудь точных предсказаний состояния такой системы в сколько-нибудь отдалённом будущем или прошлом.

И в заключение главы обратим внимание на ещё одно чрезвычайно необычное следствие связи бифуркации с бесконечно малым изменением параметров системы.

Вспомним, с одной стороны, вследствие неравновесного состояния, в точке бифуркации система становится одним целым, поэтому после перехода через точку бифуркации качественно меняется поведение сразу всей системы, с другой — этот переход связан с бесконечно малым изменением параметров системы. Связь перехода с бесконечно малым изменением параметров, в свою очередь, означает полную неотделимость системы в точке бифуркации от среды.

Таким образом, можно сказать, что в точке бифуркации система расширяется сразу на всю среду, то есть на всё, становится всем. Но у всего уже не может быть каких-либо предопределяющих его причин, так как любые «причины всего» тоже часть всего. Это означает, что выбор в точке бифуркации — это строго выбор самой системы, который кроме неё самой ничем не предопределён, так как какие-либо обстоятельства «до системы» или «вне системы» в точке бифуркации теряют смысл — не может быть ничего до всего, ничего больше всего и ничего иного, чем всё.

Например, можно предположить, что выбор в точке бифуркации полностью случаен. Действительно, он и непредсказуем, и повлиять на выбор может что угодно, ввиду абсолютной чувствительности системы. Однако, как мы сейчас выяснили, выбор в точке бифуркации — это выбор только самой системы, а вот как конкретно он происходит, узнать нельзя, так как это равносильно построению теории всего или, что одно и то же, знанию того, как возникло всё.

Причём если считать, что система решает некие задачи и в точке бифуркации происходит окончательный выбор решения, то этот выбор можно считать идеальным относительно самой системы и среды, в которой она оперирует, и в тот момент, когда выбор происходит, потому что в точке бифуркации система и среда становятся одним целым. Сложность этого выбора бесконечна, а его конкретные обстоятельства непознаваемы, так как и то и другое равносильно построению бессмысленной теории всего. В свою очередь, это говорит о том, что любые способы как-либо моделировать переход в точке бифуркации неизбежно приведут к его качественному упрощению — модель поведения системы в точке бифуркации может быть только качественно проще реальности.


1.4.2. Самоорганизация, гомеостаз, организм

Однако интересен хаос не только непредсказуемостью. Потому что хаос — это не только беспорядок, но и начало своей противоположности — порядка. Жизнь — это чрезвычайно сложно организованная система, поведение животных сложно координировано, например, активность всех мышц точно согласована. И всё это началом имеет хаос, беспорядок, отсутствие организации — и способность хаоса к самоорганизации.

Порядок возникает в хаосе следующим образом. Неравновесное состояние открытой системы является следствием её интенсивного обмена со средой, а бифуркации — это скачкообразное распределение поступающей энергии по некоторым степеням свободы системы, которое не успевает произойти плавно как раз из-за её интенсивного притока. Поэтому если интенсивность взаимодействия со средой увеличивается, количество бифуркаций тоже растёт. Иначе говоря, растёт количество и сила флуктуаций — «срывы» и лавинообразные «обрушения» возникают сразу по всей системе, тем самым конкурируя за степени свободы, по которым они будут развиваться. Вследствие такой конкуренции «всего со всем» какие-то направления движения элементов взаимно подавляются, какие-то, наоборот, взаимно усиливаются, и в какой-то момент сами собой выделяются глобальные степени свободы, отобранные в объёме сразу всей системы. В поведении элементов скачком возникает согласованность, наблюдаемая на масштабах всей системы.

Это самоорганизация. В хаосе сам собой возникает порядок, происходит неравновесный фазовый переход — вся система, как одно целое, переходит через точку бифуркации в качественно новое, упорядоченное состояние. Можно сказать, в системе выделяются «русла», по которым энергия переносится с меньшим сопротивлением, тем самым поведение всех элементов системы упорядочивается в их направлении, на масштабе всей системы формируется макроструктура согласованной активности её элементов. В системе возникает так называемый дальний порядок, все элементы системы теперь как будто «видят» друг друга и взаимно координируют своё поведение. После чего уже все происходящие в системе флуктуации начинают или работать на поддержание возникшего порядка, или подавляются массами согласованно движущихся элементов.

Один из основоположников синергетики немецкий физик-теоретик Герман Хакен определил самоорганизацию следующим образом: «Мы называем систему самоорганизующейся, если она без специфического воздействия извне обретает какую-то пространственную, временную или функциональную структуру. Под специфическим внешним воздействием мы понимаем такое, которое навязывает системе структуру или функционирование. В случае же самоорганизующихся систем испытывается извне неспецифическое воздействие.» (Информация и самоорганизация. Г. Хакен, 1991).

Как говорилось, самоорганизация бывает разных типов — например, к самоорганизации относится кристаллизация воды при понижении температуры (фазовый переход первого рода), следствием которой являются пространственно упорядоченные кристаллы льда. Самоорганизация этого типа проходит в равновесных условиях, связана с неживым миром и, вследствие жёстких связей между элементами, образует статичные структуры. Ещё одним типом самоорганизации является самосборка. Например, к самосборке относится образование высокомолекулярных соединений, в том числе молекул ДНК или мембран клеток. Липосомы, простые прообразы мембран — пузырьки соединений солей жирных кислот, обладающие селективной проницаемостью для разных веществ — могут расти, делиться и срастаться после повреждений.

Однако основной вклад в сложность и активность биологических систем вносит другой тип самоорганизации — диссипативный. Именно один из вариантов этого типа самоорганизации описан выше. Диссипативные системы могут не просто достигать упорядоченного состояния, но и активно его поддерживать, используя для этого не жёсткость связей, а наоборот, неустойчивость, пластичность, чувствительность, за счёт чего возникает способность диссипативных систем перестраиваться, тонко реагируя на изменяющиеся условия. Без диссипативной самоорганизации была бы невозможной сложная внутриклеточная активность, морфогенез или работа нейронной сети мозга. Поэтому самоорганизация, о которой далее пойдёт речь, — это диссипативная или неравновесная самоорганизация. Диссипативными системами является всё живое от клетки или многоклеточного организма до биосферы, поэтому все свойства диссипативных систем так или иначе проявляются и в живом мире.

Диссипативная самоорганизация связана с неравновесными фазовыми переходами, проходит в открытых системах, ведущих интенсивный обмен веществом/энергией со средой и потому далёких от термодинамического равновесия. Такие открытые системы называют диссипативными системами (или структурами). Способность открытых систем к самоорганизации и поддержанию порядка определяется достаточным притоком энергии извне и её диссипацией (лат. — рассеяние), то есть способностью системы интенсивно рассеивать поступающую энергию в окружающую среду.












а)                б)

Рис. 2. а) реакция Белоусова — Жаботинского, б) ячейки Бенара.

Простой пример диссипативной самоорганизации — ячейки Бенара, изображённые на рисунке выше, возникновение упорядоченности в виде цилиндрических валов в интенсивно подогреваемой снизу жидкости (есть ещё один тип ячеек Бенара). При  преодолении некоторого критического значения интенсивности нагрева плавная диффузия жидкости с разной температурой не успевает произойти. В результате в жидкости возникают валы, вращающиеся навстречу друг другу (как сцепленные шестерёнки), которые переносят нагретую жидкость вверх и остывшую вниз. Управляющим параметром самоорганизации в данном случае служит градиент температуры. Чем сложнее система, тем сложнее будут управляющие параметры.

В других диссипативных системах, работа которых связана с химическими реакциями, порядок может выглядеть как упорядочение колебательных процессов или появление в системе макроструктуры — зон более высокой организации: вращений, решёток, структур, меняющих симметрию или дислокацию, согласованно окрашивающихся в разные цвета, сливающихся и разделяющихся (рис. 2, а). Ещё одним стандартным примером диссипативной самоорганизации является лазер.

Илья Пригожин, бельгийский физик российского происхождения, лауреат Нобелевской премии по химии 1977 года с формулировкой «за работы по термодинамике необратимых процессов, особенно за теорию диссипативных структур», описал диссипативную самоорганизацию следующим образом: «Однако пока величина градиента температуры не превышает некоторого критического его значения, эти флуктуации гасятся и исчезают. Напротив, когда величина градиента температуры превышает его критическое значение, амплитуда некоторых флуктуаций возрастает, что в конечном счете приводит к формированию макроскопического потока. В результате возникает новый надмолекулярный порядок, по существу представляющий собой гигантскую флуктуацию, стабилизируемую благодаря обмену энергией между системой и окружающей ее средой. Это и есть порядок, характеризуемый наличием в системе диссипативных структур.» (Время, структура и флуктуации. Нобелевская лекция по химии. И. Пригожин, 1977).

Несмотря на простоту принципов, согласованное поведение множества элементов, не связанных жёсткими связями — весьма необычное явление. Ещё раз процитируем Пригожина: «Одной из наиболее интересных особенностей диссипативных структур является их когерентность. Система ведет себя как единое целое и как если бы она была вместилищем дальнодействующих сил. Несмотря на то что силы молекулярного взаимодействия являются короткодействующими (действуют на расстояниях порядка 10-8 см), система структурируется так, как если бы каждая молекула была «информирована» о состоянии системы в целом. (…) Столь высокая упорядоченность, основанная на согласованном поведении миллиардов молекул, кажется неправдоподобной и, если бы химические часы нельзя было бы наблюдать «во плоти», вряд ли кто-нибудь поверил, что такой процесс возможен. Для того чтобы одновременно изменить свой цвет, молекулы должны каким-то образом поддерживать связь между собой. Система должна вести себя как единое целое». (Порядок из хаоса. И. Пригожин, И. Стенгерс, 1986).

Можно заметить, в диссипативных системах как будто не выполняется второе начало термодинамики. Согласно физическому смыслу которого в изолированной системе беспорядок (энтропия) не может уменьшаться. Второе начало действительно не выполняется, однако это ещё не означает, что оно нарушается, потому что диссипативная система — это открытая система и, несмотря локальное уменьшение энтропии внутри системы, суммарно энтропия во Вселенной растёт. Например, живые организмы, как диссипативные системы, являются в некотором роде активными катализаторами роста энтропии. В процессе жизнедеятельности живые организмы превращают энергию более упорядоченного вида (электромагнитную солнечную, химическую) в беспорядочное тепловое излучение, тем самым ускоряя рост энтропии Вселенной. Проще говоря, порядок внутри диссипативной системы существует за счёт постоянного роста беспорядка снаружи системы.

Общая причина сохранения возникшего порядка в том, что в условиях интенсивного обмена со средой такое состояние энергетически выгоднее. Поступающая в систему энергия выводится быстрее — обмен со средой идёт интенсивнее, но при этом «спокойнее», так как элементы движутся согласованно, в едином порядке по некоторым выделенным направлениям, а не постоянно сталкиваясь. Поэтому, возникнув, порядок в системе будет поддерживаться сам собою — будет «поддерживать сам себя», противопоставляя возмущениям согласованную динамику множества элементов.

Говоря точнее, упорядочение означает появление гомеостаза — саморегуляции, способности системы сохранять постоянство основных параметров своего внутреннего состояния посредством скоординированных реакций. Нелинейность реакций теперь ограничена возникшим в системе порядком, поэтому возмущения останутся только на локальном уровне, а в целом, в своих общих параметрах, порядок будет сохранятся неизменным. Можно сказать, что совершая неравновесный фазовый переход от хаоса к порядку, система переходит в качественно новое состояние, а поддерживая гомеостаз, система совершает такие же неравновесные переходы, но меньшего масштаба, и потому постоянно переходит обратно в себя. 

Гомеостаз означает появление у системы цели, потому что теперь вся система, как одно целое, активно, то есть именно «целенаправленно», работает на сохранение своей упорядоченной структуры. Если есть цель, пусть пока только в самом общем виде, можно говорить о стратегии и тактике — задаче и её решении. Нуждаясь в энергии для решения своей стратегической задачи сохранения организованного состояния, диссипативная система интенсивно взаимодействует со средой. Среда возмущает систему, поэтому флуктуируя в частных параметрах, система как будто постоянно уступает среде, разрушается. Однако, теряя в малом, она на самом деле приобретает в большем — реализует тактику поддержания упорядоченного состояния в целом.

Это означает, что, поддерживая гомеостаз, диссипативные системы уже на физическом уровне обладают активным поведением, направленным на самосохранение. Причём это поведение реализуется естественным образом, само собой, не требуя каких-либо предварительных вычислений или центров управления, из которых бы отдавались команды остальным частям системы.

Физическая суть гомеостаза в том, что упорядоченное состояние системы — это её аттрактор, некоторая область фазового пространства системы, к которой стремятся все её фазовые траектории. Например, аттрактор маятника — это точка, в которой он в конечном итоге остановится. Но из-за интенсивного обмена со средой, которая не только насыщает систему энергией, но и возмущает её неравномерностью этого притока, у диссипативной системы эта точка становится областью — как если бы маятник всегда продолжал движение, бесконечно блуждая около точки остановки по похожим траекториям, а состояние полного равновесия и покоя поэтому не существует. Даже в относительном покое система находится не в действительном покое и равновесии, а только в динамическом равновесии, флуктуируя «на грани хаоса и порядка», то приближаясь к равновесию, то снова отклоняясь от него. Такие состояния аналогичны критическим состояниям в теории равновесных фазовых переходов, к примеру, это состояние воды в момент кристаллизации.

По этой причине аттрактор диссипативной системы — это так называемый странный аттрактор, притягивающее множество неустойчивых — «странных» — фазовых траекторий системы, некоторая область фазового пространства (совокупность всех допустимых состояний динамической системы), по которому происходит их «блуждание». Не являясь в точности одинаковыми, эти траектории похожи, если система упорядочена, или отражают хаос, если на исследуемом промежутке времени между ними происходят качественные переходы.

Образно, состояние равновесия и полного покоя можно обозначить как истинную цель диссипативной системы, к которой она всегда стремится. Но интенсивный обмен со средой означает постоянные флуктуации и отсутствие состояния, в котором система как организованное целое есть, но её «ничего не тревожит». Поэтому через неустойчивость и флуктуации система как будто постоянно пробует новые пути к равновесию, но каждый из них оказывается всего лишь новым витком бесконечного движения к тому, чего нет. Любую часть этого движения можно обозначить как решение системой некоторой частной задачи или достижение некоторой частной цели на пути к несуществующему идеалу, после чего система стремится к новой цели и так бесконечно.

Системы с нелинейным поведением отличаются тем, что они не обладают свойствами суперпозиции, то есть эффект от совместного действия причин может значительно отличаться от результатов воздействия тех же причин по отдельности, так как в разные моменты времени чувствительность к воздействиям у системы может быть разной. В то же время во всех реальных системах идут какие-либо разнонаправленные процессы, накапливаются внутренние напряжения, которые в какой-то момент непредсказуемо проявятся, делая реакции системы нелинейными. Однако это может происходить в таких масштабах, что в целом на наблюдаемом промежутке времени реакции системы будут близки к линейным.

Все системы также рассеивают энергию посредством теплового излучения, то есть в каком-то смысле все реальные системы диссипативные. Однако только в некоторых из них это приводит к самоорганизации. Поэтому после работ Пригожина, когда речь идёт о диссипативных системах, чаще всего подразумеваются диссипативные системы в описанном выше смысле — способные к существенно нелинейному поведению, находящиеся далеко от равновесия, активно обменивающиеся энергией/веществом со средой. И потому способные к самоорганизации, когда, несмотря на сохраняющееся неравновесие, нелинейность реакций, наоборот, уменьшается, проявляясь в общем контексте возникшего порядка, а не разрушая его.

В диссипативных системах могут возникать такие явления как фликкер-шум или перемежаемость. Фликкер-шум, аналогично мерцательный или розовый шум, связан со значительной активностью системы в очень медленных процессах (низких частотах), поэтому как бы долго не накапливать информацию о системе, могут быть режимы, которые за это время еще не успели проявиться. И которые неожиданно проявятся в виде перемежаемости аналогично прерванного равновесия или склонности к катастрофам, когда состояние близкое к покою вблизи динамического равновесия системы непредсказуемо сменяется вспышками высокой активности, также неожиданно затухающими. Склонность к катастрофам характерна для многих областей, таких как биологическая эволюция, социальные и рыночные процессы, гидродинамика, сейсмология и т. д.. «Катастрофа» в данном контексте означает резкое качественное изменение объекта при плавном количественном изменении параметров, от которых он зависит. Изучает такие явления теория катастроф.

Помимо самоорганизации и гомеостаза ещё одним важным и необычным свойством диссипативных систем является возможность их дальнейшего усложнения. Если интенсивность обмена со средой продолжает расти, то ранее возникший порядок может усложняться, эволюционировать.

Множественные флуктуации, то есть выбивающиеся из общей упорядоченной динамики очаги высокой нелинейности, являются естественным следствием интенсивного обмена системы со средой. Пока обмен не достигает критического уровня, флуктуации не достигают масштабов всей системы и нивелируются гомеостазом. Рост интенсивности обмена приводит к тому, что существующий порядок в динамике элементов уже не может распределять поступающую в неё энергию, сила флуктуаций растёт. В результате в какой-то момент старый порядок разрушается и через короткий этап хаоса скачком возникает новый, более сложный.

По этому принципу система может усложняться, совершая всё более частые переходы ко всё более сложной структуре вплоть до возникновения турбулентного хаоса. Итогом таких эволюционных переходов может быть некоторое множество вариантов упорядоченных структур, но в какой из них и когда эволюционирует система с определённостью предсказать невозможно. Например, при дальнейшем увеличении интенсивности нагрева каждый вал ячеек Бенара в какой-то момент распадается на два вала меньшего размера и в пределе возникает турбулентный хаос.

Наглядно самоорганизацию и способность усложняться можно отчасти проиллюстрировать следующим примером. Если пространство ограничено, но приходится активно двигаться, то двигаться в ногу, подчиняясь общему ритму и разделяя разнонаправленные потоки, энергетически выгоднее — проще, чем постоянно сталкиваясь друг с другом и сбиваясь с шага. Даже несмотря на то, что движение в ногу тоже не является полностью свободным, так как тоже вынуждает подстраиваться, находиться в напряжении. И в результате иногда с шага сбиваться, что будет более или менее дезориентировать окружающих или даже полностью разрушит старый порядок и приведёт к новому через некоторый этап хаоса.

Скачкообразность усложнения означает, что диссипативные системы способны и усложняться, и при этом всегда оставаться «работоспособными». Причём эта способность не так необычна, как может показаться на первый взгляд. Смысл усложнения в более адекватном распределении энергии, но распределение энергии, наоборот, будет затруднено, если новый порядок будет формироваться в разных частях системы постепенно или в разное время.

Способность эволюционировать — это продолжение гомеостаза, одно из его свойств, так как система не разрушается, а продолжает противостоять среде, только на новом уровне сложности. Можно сказать, что система приспосабливается, обучается — у системы сразу, единовременно, без каких-либо предварительных чертежей и расчётов, возникает новое более сложное поведение, связанное с её новой более сложной организацией, которое позволяет противостоять среде в новых условиях более интенсивного взаимодействия с ней. Аналогично можно сказать, что у системы появляются новые функции, которые позволяют ей проводить более сложное поведение. Тем не менее какие бы «новые функции» не появлялись, понятно, что поведение диссипативной системы всё равно всегда направлено на поддержание гомеостаза, то есть на самосохранение.

Поэтому в некотором смысле даже неважно, какие конкретно это функции, так как иных функций, кроме тех, которые помогают поддерживать гомеостаз, у диссипативных систем не бывает и появиться просто не может. Ведь эти функции появляются естественным образом вследствие интенсивного обмена со средой и стремления системы к равновесию, а не вносятся извне.

Более того, в предыдущей главе говорилось, что выбор в точке бифуркации — это выбор самой системы, он является идеальным решением задач системы в условиях данной среды, поэтому задать его на основании каких-либо знаний и вычислений невозможно, заданный выбор всегда будет качественно проще, слишком неточным. Например, флуктуации, как кажется, только вредящие системе, фактически являются сигналами среды, посредством которых система постоянно «чувствует» среду, изменяясь непредсказуемо и поэтому как будто случайно, но на самом деле максимально точно учитывая окружающие условия в процессе эволюционных переходов или в ходе гомеостаза.

Можно заметить, что никакие искусственные системы эволюционировать не могут. Например, невозможно представить самостоятельное усложнение часов, будь то часы электронные или механические. В отсутствие интенсивного обмена со средой, неравновесного состояния и хаотического режима (всё это в искусственных системах, наоборот, стараются исключить для повышения надёжности и предсказуемости работы), а значит, и способности меняться целостно, скачком переходя к более сложной структуре, среда может только нарушить их работу или разрушить.

Продолжая тему непредсказуемости, скажем о сложности диссипативных систем ещё раз. Хаотическое поведение возникает вследствие бифуркаций, а сложность поведения в точке бифуркации стремится к бесконечности. В результате сложность хаоса тоже стремится к бесконечности, исследованию доступны только некоторые общие закономерности хаоса. Поэтому в частных реакциях хаотическое поведение непредсказуемое, а на общем уровне хаос прост — это просто беспорядок. Таким образом, несмотря на то, что появление в хаосе порядка вроде бы должно упрощать описание системы, так как хотя бы на общем уровне её поведение становится более понятным, наоборот, из «просто беспорядка», точное описание которого не имеет смысла, появляется некий конкретный порядок, поэтому описание усложняется. И обратно: чем ближе к частной динамике гомеостаза, тем больше упорядоченное поведение системы опять будет становиться похожим на хаотическое, «случайное», «просто беспорядок».

И наконец, как говорилось, диссипативной системой является любой организм. Самоорганизация, гомеостаз, неравновесные фазовые переходы — это также и общий принцип существования и человека, и всего живого. Процессы самоорганизации в организме носят сложный многоуровневый характер, проявляя себя в относительно более равновесных и стабильных структурах, задающих общую логику процессов (мембраны и органеллы клеток, молекулы ДНК, скелет, коннектом). И в менее равновесной динамике, определяющей частные параметры реакций — начиная от внутриклеточных процессов и формирования структур организма в ходе морфогенеза до синхронизации нервных импульсов нейронов. Обратим внимание, в отличие от ячеек Бенара, самоорганизация биологических систем носит химический характер. Организм — это упорядоченный континуум веществ и химических реакций, связанных с автоволновыми процессами и генетической программой. Это не меняет описанные ранее общие свойства организмов как диссипативных систем, но вносит в их поведение дополнительную сложность.

Поэтому, как диссипативной системы, таким же в частном неустойчивым, непредсказуемым и индивидуальным, но в целом организованным и целенаправленным является и поведение любого организма. Начиная от клетки, многоклеточного организма или биологической эволюции, в ходе которой «сразу» возникают работоспособные новые организмы, до работы мозга, нейроны которого свой согласованной активностью целостно и организованно направляют поведение субъекта, обуславливая эмоциональный подъём или спад, всегда упорядоченную, а не хаотическую активность всех мышц.

Подробнее морфогенез и мышление будут рассмотрены в соответствующих главах. Сейчас, забегая вперёд, в качестве примера скажем подробнее о синхронизации нейронов. Сам по себе биологический нейрон хаотически генерирует нервные импульсы, а в мозге, за счёт взаимодействия с другими нейронами, происходит их упорядочение — синхронизация импульсов больших и малых групп нейронов на разных частотах. В результате возникают ритмы мозга, а активность мышц и желёз организована в едином порядке. Как и любое упорядочение, синхронизация нейронов происходит как неравновесный фазовый переход, то есть переход через точку бифуркации. Например, каждое переключение внимания — это переход через точку бифуркации, смена ансамблей нейронов, селективно синхронизированных на самой высокой частоте ритмов мозга (гамма-ритме). Селективная синхронизация — это наиболее упорядоченный процесс в мозге, поэтому, как аттрактор, он притягивает к себе фазовые траектории всех других нейронов мозга, задавая нынешнюю конкретную цель поведения. В свою очередь, так как неравновесные фазовые переходы носят скачкообразный характер — от одного упорядоченного состояния к другому, то поведение всегда имеет смысл — тот или иной, а не неопределённый. 

По тому же общему принципу, как в ячейках Бенара, вследствие интенсивного обмена мозга со средой, картина синхронизации постепенно усложняется — соответственно, более сложным становится поведение. Новое состояние сети консолидируется в более равновесных и потому более стабильных элементах внутриклеточной структуры нейронов (то есть в долговременной памяти). Тем самым как будто возникает новая и более сложно организованная нейронная сеть, активность нейронов в которой изначально задана более  сложным образом. Так происходит обучение (подробнее в соответствующих главах). В результате обучения поддержание нового более сложного состояния нейронной сети мозга не требует постоянного роста интенсивности его обмена со средой, как это было бы необходимо, если бы речь шла о ячейках Бенара.

В начале главы говорилось, физические особенности жизни, её прямая связь с неравновесностью, нелинейностью, хаосом и бифуркациями, может показаться странной и неправдоподобной. Ещё более неправдоподобной эта связь выглядит в отношении мышления. Однако в свете вышеизложенного она означает, что именно за счёт этих особенностей мозга как физической системы субъект способен выделить самые слабые сигналы рецепторов или самую малую разницу во времени или степени их активизации — и, например, построить путь, учитывая самые тонкие нюансы условий. В том числе «построить путь» от предпосылок к логическому выводу, замечая малейшие противоречия в опыте, после чего качественно и энергично изменить поведение, следуя новым идеям.

Открытость среде, нахождение в неустойчивом, критическом состоянии и потому как будто ненадёжность и случайность, но на самом деле чувствительность, активность, сложность и упорядоченность, являются фундаментальными свойствами жизни. Известный советский физик Я. И. Френкель различие живой и неживой природы сформулировал следующим образом: «Нормальное состояние всякой мертвой системы есть состояние устойчивого равновесия, в то время как нормальное состояние всякой живой системы, с какой бы точки зрения она не рассматривалась (механической или химической), есть состояние неустойчивого равновесия, в поддержании которого и заключается жизнь».

Самоорганизация, гомеостаз, неравновесные фазовые переходы — это физическое основание, на котором возникает и которое объединяет всё остальное — то, что потом начинается с био- или нейро-. Поэтому поведение биологических систем всегда целостно, едино, подчинено общему смыслу гомеостаза. Это одна бесконечная реакция, никогда не прекращающаяся активность, в которой мы выделяем отдельные элементы. Поток, который наполняют новыми функциями возникающие в ходе эволюции организмы и приобретаемый ими личный опыт. Но этот поток никогда не останавливается и не поворачивает вспять, подчиняя себе всё новое.

Посредством постоянной взаимной координации всех процессов на всех уровнях, естественным образом присущей диссипативным системам, работа организма и мозга упорядочена в пространстве и времени, задавая такое же упорядоченное в пространстве и времени поведение субъекта. В свою очередь, способность диссипативных систем перестраиваться и усложняться, учитывая условия с той максимальной точностью и полнотой, которую невозможно задать вычислительными средствами, — это основание способности живого к эволюции и обучению, способности менять поведение, приспосабливаться.

Организм как диссипативная система на более конкретном уровне объясняет выводы, сделанные в предыдущих главах.

Например, ранее было высказано предположение, что мышление — это объём, континуум процессов. Что совпадает с выводами нынешними — диссипативная система обладает свойством целостности, так как в отсутствие жёстких связей между элементами без постоянной взаимной координации всех процессов на всех уровнях системы её упорядоченное состояние будет невозможным. В нейронной сети мозга эта координация реализована посредством многочисленных тормозных и возбуждающих, обратных и прямых связей нейронов, объединяющих как близкие, так и удалённые нейроны в единое взаимозависимое целое. Причём биологические системы являются континуумом и в том смысле, что они представляют собой упорядоченный объём веществ и химических реакций, постоянно перетекающих друг в друга. Например, в мозге биологически активные вещества работают не только внутри нейронов. Поэтому фактически «мыслит» не только сеть нейронов, но и весь объём мозга, в котором сеть нейронов — это только наиболее активный элемент процесса управления мышцами и железами.

Неравновесный фазовый переход — это переход скачкообразный, качественный и невычислимый. Причём с неравновесными фазовыми переходами связана работа организма на всех уровнях от внутриклеточных процессов и морфогенеза до синхронизации хаотических нервных импульсов нейронов в мозге. В результате образуются ритмы мозга, во взаимодействии которых формируется столь же упорядоченная активность нейронов, непосредственно активизирующих мышцы и железы. В том числе, как говорилось выше, неравновесным фазовым переходом является каждое переключение внимания — селективная синхронизация нейронов на частоте гамма-ритма, когда в сознании возникает новая мысль, образ.

Поэтому в целом понятно, как в мозге физически реализуется индуктивный вывод, обобщение, появление нового знания — переход от отдельных элементов к образу, от смысла слов к смыслу фразы, от данных к теории — как неравновесный фазовый переход. Однако, ввиду его принципиальной невычислимости, искусственные нейронные сети могут воспроизводить только некоторую общую логику неравновесного перехода, а не его действительную суть в её реальной сложности. Поэтому чувствительность и способность меняться у вычислительных систем качественно ниже, тем более, в отсутствие неравновесия, не приходится говорить о какой-либо целостности.

Говоря в более общем смысле, связь поведения системы с бифуркациями означает непредсказуемость её поведения. Но непредсказуемость возникает не сама по себе, а является следствием неравновесного состояния системы и поэтому её чувствительности, причём в точке бифуркации чувствительность абсолютная, так как в точке бифуркации система способна заметить сколь угодно ничтожное изменение её параметров. В свою очередь, дальнейшее качественное перестроение сразу всей системы — это целостность. Иными словами, система в принципе такова, что способна на абсолютную чувствительность и целостность. Естественно, степень чувствительности имеет выражение в сложности, и сложность абсолютной чувствительности бесконечна, то есть столь качественно высока, что ни в каких алгоритмах её не выразить. Целостность же — это и вовсе свойство только неравновесных систем и, соответственно, в вычислительных системах целостность недостижима вообще (неравновесные состояния в вычислительных системах могут возникать только в локальных процессах не меняющих общую картину равновесного состояния системы). Поэтому биологические системы и, в частности, биологическая нейронная сеть — это качественно более сложные системы, чем какие-либо системы искусственные.

Упорядоченность вне жёстких связей и в условиях интенсивного обмена со средой требует постоянной динамики, активности системы. Что само по себе тоже требует интенсивного притока энергии — воздуха, пищи (в том числе для постоянного обновления тканей организма). В результате уменьшение интенсивности обмена приведёт не к устранению возмущающего фактора, а к тому, что организм погибнет — упорядоченная структура организма «упадёт» в состояние равновесия и покоя, быстро и необратимо превращаясь в беспорядочное скопление химических элементов и растворяясь в среде. Это значит, что организм не может не работать, жизнь, диссипативные системы в целом — это системы активные и необратимые. Что качественно отличают организм от «пассивных» равновесных систем, например компьютеров, которые можно включать, выключать и даже разбирать на детали и собирать обратно без каких-либо серьёзных последствий для их последующей работы. Поэтому если про компьютер можно сказать, что он состоит из отдельных деталей, взаимодействующих по некоторому алгоритму, то организм в высшей степени состоит «из среды».

На практике высокая зависимость от среды проявляется в том, что организм невозможно «разобрать» без значительной утраты информации о его работе — и, таким образом, этим способом изучить его работу невозможно. Вне интенсивного обмена со средой порядок в организации элементов организма нарушится и информация о его внутренней структуре будет утрачена. Если упрощать ситуацию, то так же по песчинкам невозможно понять, какой конкретной формы была песчаная куча до её осыпания.

По тем же причинам организм нельзя «собрать», то есть нельзя сделать, изготовить, как создают все искусственные системы. Представляя из себя континуум веществ и химических реакций, биологическая система существует в постоянной динамике интенсивного обмена со средой, причём в этом обмене участвует вся система как одно целое. В результате, в отсутствие жёстких связей и отдельных деталей, которые можно было бы последовательно соединять, биологическая система — будь то клетка или многоклеточный организм — не может быть последовательно и «собрана». Она должна «возникать» сразу и сразу же функционирующей, «живой», и далее развиваться, неизменно оставаясь работоспособной, как это и происходит в природе.

Ограничено и наблюдение организма. С одной стороны, наблюдать требуется максимально пристально, так как на поведение диссипативной системы может критически повлиять событие самого ничтожного характера, с другой — ввиду чувствительности неравновесных систем, интенсивное воздействие с целью наблюдения внутренних процессов минимум изменит их естественный ход, а максимум систему разрушит — и всё равно задолго до необходимой глубины наблюдения. 

В наибольшей степени сказанное относится к мозгу, обмен которого веществом/энергией со средой, как самой сложной системы организма, значительно более интенсивный, чем обмен со средой остального организма. Этот обмен происходит не только через сигналы рецепторов, но и через вещества, поступающие в нейроны от окружающих их клеток, и все другие факторы, включая наследственные. Которые тоже есть своего рода «рецепторные данные», на своём уровне дополняющие сигналы рецепторов, внося свои коррективы в мыслительный процесс, усложняя поведение животного.

Например, при прочих равных, показателем интенсивности обмена диссипативной системы со средой является сложность её структуры. И действительно, мозг человека в пересчете на единицу массы потребляет в 16 раз больше энергии, чем мышечная ткань; составляя приблизительно 2% от массы тела, потребление кислорода центральной нервной системой составляет более 20% от общего потребления кислорода организмом и около 50% от всей глюкозы, вырабатываемой печенью и поступающей в кровь. В свою очередь, интенсивное взаимодействие со средой означает, что работа организма и особенно мозга в высшей степени зависит от среды, а не от какого-либо алгоритма, заранее предопределяющего поведение системы, а изучение этой работы поэтому в той же степени равносильно изучению среды.

Системы, работающие по одному алгоритму, на одинаковую совокупность входных данных будут всегда выдавать одинаковые выходные. Стремление к предсказуемости и потому стремление свести к минимуму флуктуации параметров системы посредством её равновесного состояния и независимости от среды — это именно те стремления, которые характеризуют создание искусственных систем. Однако это противоположно тому, что происходит в системах диссипативных. На ход самоорганизации влияют события самого ничтожного характера, а на таком уровне любые сколько-нибудь сложные системы, как и окружающая их среда, отличаются. В результате поведение всех диссипативных систем индивидуально.

Наблюдение диссипативных систем ограничено, поэтому их поведение принципиально характеризуется высокой неопределённостью, являясь более или менее предсказуемым только в общих параметрах, но не в конкретных реакциях. И чем сложнее система, тем сложнее будет понять её поведение и в общем. Например, поведение человека много сложнее поведения таких диссипативных систем, как клетка или насекомое, не говоря уже о некоторых гораздо более простых системах из неживой природы. Однако это всегда только внешняя простота, поэтому если в общем поведение клетки или насекомого выглядит более простым и понятным, то в частных реакциях их поведение является не намного более предсказуемым, чем поведение человека.

Иллюстрируя ситуацию с высочайшей сложностью даже относительно небольших объектов, можно вспомнить математику — количество точек в отрезке любой длины будет одинаково несчётно. Например, известное сейчас о функционировании живой клетки — а кажется, известно много — на самом деле вершина айсберга от её действительной сложности. На большем масштабе, наоборот, биосфера, которая тоже является диссипативной системой, уже много сложнее человека, но при этом пространственный и временной масштаб системы таков, что заметны только те или иные её частные элементы, затрудняя выводы о системе в целом. В то же время поведение всех диссипативных систем происходит по одним принципам, поэтому разница в сложности между самими диссипативными системами качественного характера уже не носит.

Подведём итог главы. Диссипативные системы являются качественно более пластичными, неустойчивыми и непредсказуемыми, но при этом целостными и упорядоченными, чем какие-либо искусственные системы, функционирующие по какому-либо алгоритму. Вся система, как одно целое, на всех уровнях работает на сохранение своей структуры, за счёт неравновесия тонко выстраивая частное поведение в контексте этой общей задачи, одновременно и противопоставляя порядок возмущающей его среде, и используя среду как поставщика энергии для сохранения порядка.


1.4.3. Важно всё               

Вспоминая главу «Трудности усложнения искусственных систем», если мышление связано с элементарным уровнем материи и потому одинаково важны могут быть все элементы мозга, причём важны непредсказуемо и непропорционально своим собственным свойствам, то и копировать мышление во всей полноте действительно необходимо не только «на всякий случай». Если «мыслит» сразу вся система во всём своём объёме, то любые изменения и упрощения структуры мозга в процессе копирования могут привести к такому же непредсказуемому и непропорциональному изменению и упрощению воссоздаваемой «личности».

Принципиальная непознаваемость элементарного уровня материи и критически важная связь работы мозга с этим уровнем означает столь же принципиальную невозможность выделить «функцию личности» — отделить мышление субъекта от его естественного материального носителя и перенести на какой-нибудь другой носитель без значительных потерь.

Например, нельзя привести автомобиль в движение, моделируя на компьютере окисление бензина, или переварить обед, выполняя программу, моделирующую пищеварение. Модель всегда проще самого явления, представляя только некоторые абстрактные принципы явления, его алгоритм, а не сам процесс. Но это значит, что и моделирование мышления также, очевидно, не будет мышлением. Можно возразить, что суть мышления в управлении организмом, в свою очередь, управление — это и есть абстрактная функция, поэтому ничего принципиально не мешает эту функцию выделить и моделировать. Проще говоря, управление сгоранием топлива — это не сгорание топлива, поэтому в модели управляющей системы достаточно отразить смысл управления, а не сохранить все физические особенности моделируемого образца. Однако, как выяснилось выше, в мышлении важно именно всё, все физические особенности структуры мозга, поэтому любая попытка выделить «функцию мышления» равносильна качественному упрощению этой функции. Если суть мышления в управлении организмом, точнее говоря, в адаптивном управлении, или, как образно можно сказать про его высшие формы, в познании природы, то способности любой искусственной системы к познанию будут качественно ниже возможностей её естественного аналога.

Таким образом, нынешние выводы подтверждают, сделанные ранее. Качественное более высокая сложность поведения диссипативных систем по сравнению с системами равновесными означает, что в естественном интеллекте можно понять только некоторые отдельные элементы, а не точный смысл всех проходящих процессов. Например, не получится перенести личность в компьютер, так как программа, написанная исходя из неточных и неполных данных, будет программировать такую же неточную и неполную личность. Те же ограничения возникают в управлении устройствами непосредственно «мыслью» или в «чтении мыслей» через определение связи между активностью нейронов и направлением мышления. Уточнение таких корреляций ограничено в той же степени, как и понимание процесса мышления.

И наконец вспомним первую и вторую главы. В них, исходя из логических соображений, был сделан вывод, что формализация мышления невозможна, так как мыслительный процесс в принципе нельзя выразить каким-либо языком сколько-нибудь близко к его реальной сложности. И причина этого не в том, что мышление связано с работой нейронной сети, а прежде всего в том, что мышление происходит на всех уровнях материи мозга, включая элементарный. Нынешние главы полностью подтверждают этот вывод на физическом уровне. Принципиальные препятствия в изучении мозга возникают вследствие физических особенностей биологической нейронной сети как диссипативной системы, работа которых связана со всеми уровнями материи системы, а нейросетевая архитектура этой системы только лишь дополнительно её усложняет.


1.4.4. Современные проблемы моделирования мозга               

Выражением ограниченного представления о физических механизмах работы мозга является проблема нейронного кода — вопрос того, как мозг кодирует информацию. Например, фундаментальным элементом этого кода все современные модели рассматривают спайк нейрона (потенциал действия, нервный импульс). Предполагается, что информация содержится в количестве спайков за конкретное время (частотный код) или в их точном положении во времени (временной код). При этом сами спайки рассматриваются как идентичные дискретные события. Однако реальные спайки являются континуальными колебательными процессами и отличаются периодом, амплитудой и формой фазового портрета, индивидуальными у каждого нейрона. Для описания возбуждения нейронов широко применяются статистические методы, методы теории вероятностей и стохастических процессов. Но все эти теории всё равно являются вариациями модели дискретного спайкового нейрона. Поэтому они в лучшем случае охватывают только часть наблюдаемых явлений и не могут объяснить другие, и в целом не соответствуют фактической эффективности и скорости мозга.

Как кажется, очевидным решением проблемы будет более точная модель нейрона. Однако даже на нынешнем уровне детализации нейронные сети из биологически правдоподобных нейронов требуют огромных вычислительных ресурсов и суперкомпьютеров уже на уровне десятков тысяч нейронов. Причём не все свойства нейронов в той степени понятны, чтобы их можно было перенести в модель.

И наконец точность моделей ограничивает другая причина, более общая и уже неразрешимая. Её частью является описанная выше проблема «дискретного спайка», а значение этой причины растёт тем стремительнее, чем точнее становятся модели.

Вспомним, что все нейроны разные. Причина этого в том, что диссипативной системой, то есть системой активной, целостной, чувствительной, способной перестраиваться и усложняться, является не только каждый отдельный нейрон, но и вся нейронная сеть как целое. Поэтому индивидуализация биологической нейронной сети связана не только с изменением весов связей, но и с трансформацией самой структуры нейронной сети.

Конкретная среда обитания животного не только обучает нейронную сеть посредством изменения весов связей нейронов, определяя появление личного опыта, но и меняет саму нейронную сеть как структуру, приспосабливая каждый нейрон к своему «месту» в сети в широких пределах. Что также означает появление опыта, только более общего характера, так как вся нейронная сеть — суть опыт. Это свойство мозга называется нейропластичностью и в целом связано с морфогенезом. Как и генерация нейроном спайка, морфогенез тоже имеет в основании неравновесные состояния и бифуркации. Если на уровне нейрона способность перестраиваться заключается в возможности оперативно менять частоту генерации спайков, то на уровне всей сети это перестроение нейронов более общего характера, включая сам их рост и оптимизацию их связей, что также влияет на спайки.

Выше было сказано, что в нейронных сетях широко применяются статистические методы, методы теории вероятностей и стохастических процессов. Дело в том, что поведение человека и вообще работу любой нейронной сети тоже можно связать со статистикой (а значит, вероятностями и случайными событиями), так как чем чаще ситуация повторяется, тем лучше она запоминается, приобретая больший вес в поведении. Со статистикой можно связать разные уровни нейронной сети от активности нейронов до работы всей сети в целом. Например, статистически можно описать активность нейрона, учитывая, что точность описания его реальной динамики всё равно ограничена. Вероятностные алгоритмы применяются в обучении. Например, это популярный метод отжига — техника оптимизации, использующая упорядоченный случайный поиск (то есть некоторые параметры алгоритма выбираются случайным образом) на основе аналогии с процессом образования в веществе кристаллической структуры, в том числе при отжиге металлов. Метод отжига позволяет найти более или менее оптимальное состояние сети в процессе обучения без перебора всех возможных состояний, которых может быть очень много. Это эвристический алгоритм, он не гарантирует самый оптимальный результат, но в некоторых случаях позволяет его улучшить, по сравнению с другими методами, и в целом применяется в тех задачах, где сложно произвести полный перебор и найти точное решение.

Но представим статистическую модель человека. Поведение этого человека будет не логически адекватным, а статистически, то есть отражать не реальность, а некую обобщённую статистическую модель реальности. Если эта модель простая, то такой человек будет здороваться не потому, что кого-то встретил, а потому что по статистике он должен поздороваться некоторое количество раз за некоторый промежуток времени. И наоборот, чем полнее статистика, тем логически точнее будет поведение.

Однако за счёт высочайшей чувствительности, недостижимой ни в каких искусственных системах, и пластичности, как способности перестраиваться, целостно меняя работу в ответ на мельчайшие изменения условий, в мозге эта статистика учитывает среду качественно полнее и точнее и становится действительно логикой. Поэтому логически адекватной человеку модель человека станет только тогда, когда её сложность будет равна оригиналу. Пока этого не произойдёт, будут оставаться такие же проблемы адекватности, которые были описаны нами во второй главе на примере чат-ботов. Относительно обучающих примеров поведение системы будет статистически верным, но относительно реального мира логически неадекватным. И вспомним, в той же главе мы тоже пришли к выводу, что с целью повышения адекватности ответов искусственного интеллекта надо увеличивать сложность систем, опять же приближая их к сложности человека.

Поэтому модель нейрона как обобщение всего множества реальных нейронов — это как обобщённый кирпич для строительства дома, который столь сложен, что все кирпичи в нём индивидуальные. Дом из обобщённых кирпичей получится настолько же проще, насколько они подверглись упрощению. В нашем случае, чем ближе мы подбираемся к строительству такого «сложного дома» — искусственного интеллекта, сравнимого по сложности с человеческим — тем больше будет требоваться превращение вычислительной системы в живой развивающийся организм, в диссипативную систему. Но свойства диссипативных систем — открытых, термодинамически неравновесных, чувствительных, способных качественно перестраиваться и усложняться — противоположны свойствам систем вычислительных.

Например, активность отдельного нейрона хаотическая, но если соединить два нейрона, то генерация ими спайков упорядочивается, нейроны сами собой синхронизируются на некоторой частоте. Большее нейронов — сложнее ритмы. Естественно, что ни в каких искусственных нейронах это явление недостижимо. Моделирование синхронизации требует специальных программных решений и сложность реального процесса не отражает.

Проще говоря, приближение искусственной системы к сложности биологической нейронной сети  — это превращение алгоритма в не алгоритм, так как если мышление неотделимо от сознания, то адекватная модель мышления должна обладать сложностью сознания, но, как мы ранее выяснили, сознание никаким языком выразить невозможно. Аналогично ранее мы выяснили, что, в отличие от других явлений, сложность мышления равносильна его описанию на элементарном уровне материи, и в этой главе эти выводы подтвердились. Поэтому если в моделях других явлений — равновесных, линейных, чувствительность которых ограничена — достаточно выразить только некоторую внешнюю суть происходящего, ввиду того, что процессы на более глубоком уровне материи всё равно не оказывают на течение явления никакого значимого влияния, то адекватная модель мышления должна обладать точностью элементарного уровня материи, так как мышление способно на абсолютную чувствительность. Но описание элементарного уровня материи равносильно построению теории всего, которая не имеет смысла. Абсолютная чувствительность мышления уже сама по себе означает, что обобщённые нейроны для создания адекватной модели мышления не имеют смысла, потому что обобщение — это упрощение, но необходимость отразить в модели элементарный уровень материи уже говорит о том, что никакое упрощение недопустимо.

В итоге необходимая точность моделей не только недостижима на практике, но и невозможна в принципе. Задача превращения алгоритма в не алгоритм — это задача превращения знания в не знание, так как за пределами алгоритмов находятся явления, которые описанию недоступны, а значит, они недоступны и познанию. Но вычислительная система, работающая на недоступных познанию принципах — это не имеющее смысла сочетание слов. Как и было показано ранее, воссоздание себя, равной себе по сложности системы, равносильно написанию теории всего — это такое же всё более трудное и медленное движение к бессмысленному и недостижимому итогу.

Другой стороной проблемы нейронного кода можно назвать проблему связывания: каким образом мозг интегрирует информацию в разнообразное и связанное целое? Проблему связывания можно понимать более узко — как поиск нервных коррелятов такой связи. Как отличается и как связана нервная активность, кодирующая разные элементы образа? Например, оттенки синего, когда мы смотрим на небо? И более широко, в этом случае проблема связывания — это вопрос о том, как конкретно связаны нервная активность и многомодальный мир сознания. Как конкретно активность нейронов становится цветами радуги, светом, темнотой, запахами, звуками и эмоциями. Учитывая аргументы предыдущих глав, понятно, что в последнем варианте реальная сложность проблемы связывания видна лучше.

Тем не менее некоторые общие особенности, которые можно сопоставить некоторым общим особенностям сознания, в нейронных сетях обнаружить относительно несложно. Проблемы возникают только в уточнении того, как конкретно эти особенности связаны друг с другом. Например, точно так же относительно несложно разглядеть в мозге сеть нейронов и установить некоторые общие принципы её функционирования, проблемы возникают только в уточнении этих принципов.

Как известно, от слоя к слою сети уровень абстрагирования растёт. Если не вдаваться в подробности, то это утверждение применимо ко всем нейронным сетям, в том числе искусственным, так как само по себе оно не означает наличие в сети какого-либо сознания, то есть каких-либо реальных абстракций. «Абстрагирование» в данном случае — это всего лишь обозначение способности всех нейронных сетей к распознаванию, то есть выделению признаков условий — чем собственно и является абстрагирование. Чем сложнее сеть, чем больше в ней слоёв нейронов, тем более сложные признаки сеть сможет выявить. Например, чтобы отличать кошек от собак, нужно выделить признаки кошек и собак, и чем сложнее сеть, тем точнее она сможет кошек от собак отличать, сложнее признаки выявить. Алгоритм на это вполне способен и даже не обязательно он должен быть нейронной сетью, но так как такие алгоритмы сложны, то проще не писать его напрямую, а воспользоваться алгоритмами обучающимися. Однако в мозге сознание точно есть, и рост уровня абстрагирования можно связать с переходом от эмоций к конкретным образам. Почему последовательность именно такая, говорилось во второй главе.

В то же время у биологических нейронных сетей есть и такие особенности, тоже сопоставимые с особенностями сознания, которые в искусственных нейронных сетях отсутствуют.

Например, континуальность и упорядоченность сознания можно связать с целостностью и упорядоченностью работы мозга как диссипативной системы. Клетка, организм, мозг, как диссипативные системы, — это упорядоченный континуум веществ и химических реакций. Но в мозге «над» этим континуумом возникает ещё один уровень самоорганизации — ещё один уровень целостности и упорядоченности — синхронизация нейронов на частоте разных ритмов. Поэтому работа мозга в означенном ряду наиболее энергичная и сложно организованная. И как следствие наиболее высокой энергичности и сложности, именно уровень самоорганизации активности нейронов вносит в сознание наиболее значимую составляющую, то есть сознание прежде всего связано с работой мозга (упрощённо говоря, так как объяснение связи сознания с мозгом более сложное). При этом «порядок» абстрактен, представляя из себя нечто «над-элементное», то есть и абстрактность сознания тоже имеет некоторое объяснение.

Наоборот, вычислительный процесс противоположен всем этим свойствам сознания, так как вычислительный процесс — это всего лишь некоторая последовательность отдельных операций, а не упорядоченный континуум чего-либо, к тому же обладающий свойством целостности (основанием целостности является неравновесное состояние системы, но в вычислительных системах оно может возникать только в локальных процессах, не меняющих общую картину равновесного состояния вычислительной системы).

Таким образом, абстрактности, континуальности и упорядоченности сознания некоторое общее объяснение есть. Как понятно, связи с элементарным уровнем материи объяснение есть тоже. Более сложное объяснение есть и другим особенностям сознания, не упомянутым в этой статье (отсутствию сознания в фазе глубокого сна или временной «протяжённости» сознания, которое даёт ощущение своего движения во времени из прошлого в будущее, — объяснение этим особенностям будет дано в главе «Внимание, Я, движение во времени»). Тем не менее, вспомним, в принципе невозможно дать какое-либо объяснение модальности сознания, то есть, собственно, самому сознанию, квалиа.

В результате по общим признакам сознанию что-то в работе мозга сопоставить можно, но ответить на вопрос, какова эта связь конкретно и даже есть ли она в действительности, нельзя. Проблемы связывания и нейронного кода, по-видимому, столь же нерешаемые, как непознаваемым является физическая сущность сознания.

И всё же невозможность искусственно воспроизвести такое близкое и «компактное» явление, как мышление, вероятно, всё равно выглядит странно. И особенно странно, если учитывать, что природа мышление создать смогла. Поэтому дальше рассмотрим задачу создания искусственного интеллекта в том числе и с этого ракурса. Но прежде в трёх следующих главах уточним ещё некоторые обстоятельства.

 
1.5. Свобода воли и детерминизм

Принципиально высокая неопределённость поведения диссипативных систем означает, что сколько бы ни накапливать знания, поступки человека всегда будут выглядеть более или менее «свободными», не детерминированными ничем, кроме его воли — его личных желаний и возможностей. «Выглядеть» не значит, что так и есть на самом деле, однако идея, что человек есть слепое орудие в руках природы, поведение которого ей полностью предопределено, тем не менее тоже не является верной.

Далее рассмотрим, как невозможность сколько-нибудь точного предсказания поведения систем в точке бифуркации связана с ограниченностью представления о предопределённости, детерминизме, причинах и следствиях. В свою очередь, это поможет ответить на вопрос, есть ли у человека свобода воли, насколько мы свободны в своих поступках. 

Заметим, может показаться, что положительный ответ на эти вопросы был дан ещё в главе «Физические основания жизни». Каждое переключение внимания — это переход через точку бифуркации, а выбор в точке бифуркации — это выбор самой системы. В свою очередь, переключение внимания — это переключение поведения на новую цель, сформированную мозгом в общем контексте стремления любого организма к самосохранению и размножению, смена конкретного направления действий в контексте этой общей задачи жизни. Таким образом, можно сделать вывод, что, действительно, субъект сам выбирает поведение. Однако в реальности ситуация выглядит сложнее. Поэтому рассмотрим обстоятельства принятия решений субъектом подробнее. Вначале снова рассмотрим выбор в точке бифуркации и дальше новые обстоятельства.

Идея предопределённости возникает в контексте представления о мире, как некой глобальной программе, в которой любой процесс принципиально разложим на шаги и этапы, каждый последующий шаг предопределён предыдущим, поэтому конец любого пути существует фактически ещё в его начале. Однако если бы всё будущее Вселенной было предопределено ещё в момент её рождения, то, например, любая самоорганизация, в том числе эволюция и обучение, была бы иллюзией, так как фактически происходило бы всего лишь развёртывание этой глобальной программы, в которой всё задано заранее и сложность которой при этом, естественно бы, не менялась.

Программа — это реализованный конкретными средствами алгоритм. Алгоритм — это инструкция, пошаговый план действий. Например, формула научной теории — это алгоритм, позволяющий вычислять течение явления в зависимости от начальных условий. Другими словами, алгоритм — это не само познаваемое явление, а наше знание о нём. Но любое знание связано не только с описываемым явлением, но и со структурой мозга, а значит, с особенностями этой структуры. Поэтому адекватность знаний природе ограничена, а любое знание, чтобы иметь смысл, должно иметь границы применимости — расширения на время и пространство, за которыми знание свой смысл теряет. Алгоритмы, как знание, тоже имеют границы применимости, при этом алгоритмами мы описываем природу, поэтому наличие границ применимости у алгоритмов суть наличие границ у описания природы, то есть нельзя описать всё. Но если нельзя свести всё происходящее к алгоритму, то нельзя и представлять всё происходящее программой. Более того, если не может быть знания, которое было бы полностью адекватно природе, то границы применимости должно иметь и представление о какой-либо предопределённости.

В подтверждение сказанного вспомним первую главу: в процессе познания меняется сам смысл представлений о природе, причём меняется в сторону утраты. Поэтому экстраполяция известного в область элементарного масштаба материи не имеет смысла, так как за границами принципиально познаваемого смысл явлений не просто неизвестен, а непредставим. За этими границами, вероятно, что-то происходит, но что-то совершенно другое, что какому-либо пониманию полностью недоступно. Таким образом, действительно, на масштабах элементарного уровня материи должно терять смысл и представление о предопределённости в том числе. Но именно с этим масштабом связан переход через точку бифуркации.

Поэтому посмотрим внимательнее, что происходит в точке бифуркации. Сохраняется ли там связь с прошлым, то есть является ли этот переход предопределённым какими-либо более ранними обстоятельствами?

Чувствительность системы в точке бифуркации к бесконечно малому изменению её параметров — это одновременно и чувствительность системы к бесконечно малому воздействию, а значит, полная неотделимость системы в точке бифуркации от среды — от «всего». Однако исходя из того, что у «всего» уже не может быть никаких предопределяющих его причин, так как причины всего тоже часть всего, то, как ни странно, выбор системы в точке бифуркации не предопределён. Причины, заранее предопределяющей выбор системы, не найти, даже если расширить поиск на всё, причём даже исходя из того предположения, что этот выбор происходит в строго детерминированном мире. Представление, что выбор в точке бифуркации может быть задан заранее и вне системы является противоречивым, так как в момент перехода через точку бифуркации утверждения о чём-либо «до системы» или «вне системы» теряют смысл.

Следовательно это выбор самой системы, принципиально не предсказуемый и возникающий в сам момент перехода. Этот вывод объясняет научное представление о самоорганизации, которая, вспомним, происходит как переход системы через точку бифуркации. Самоорганизация — это процесс упорядочения элементов системы за счёт её внутренних факторов, без специфического внешнего воздействия, внешние условия могут иметь только стимулирующий или подавляющий эффект.

Рассмотрим выбор в точке бифуркации с другой стороны. Самостоятельный выбор системы, который принципиально невыводим из каких-либо более ранних и внешних по отношению к системе обстоятельств, очевидно, противоречит принципам детерминизма, каузальности, как доктрине о всеобщей причинности, предопределённости. Как это может быть? Ответ в том, что противоречивым является само представление о детерминизме. Знание не может быть абсолютно точным, поэтому чтобы иметь смысл, любое знание должно иметь границы применимости — границы его расширения на время и пространство. И в случае безграничного расширения на всё, то есть на все уровни материи, точно так же теряет смысл и идея какого-либо детерминизма и предопределённости, представление о причинах и следствиях. Мир тот или иной только в той степени, в какой его в принципе можно понять, но какой он «на самом деле» — известно быть не может.

Надо подчеркнуть, противоречивость идеи детерминизма для описания выбора системы в точке бифуркации не означает, что этот выбор является, наоборот, случайным. Он связан с бесконечно малым изменением параметров системы, а значит, очевидно, уже не случаен, вопрос только в том, что означает эта «не случайность». Например, если бы выбор был случайным, то и переключение внимания, и вообще любое поведение тоже было бы случайным, то есть бессмысленным, неадекватным задачам животного, предыдущей линии поведения и окружающей среде. И наконец в случае расширения на всё идея любого мыслимого выбора, в том числе случайного, точно так же теряет смысл, как и идея выбора детерминированного, и любая другая идея. В итоге можно прийти к выводу, что выбор в точке бифуркации — это выбор самой системы, что его сложность бесконечна, но на вопрос, как конкретно он происходит, ответа не существует.

Понять выбор помогло бы создание упоминавшейся в первой главе «теории всего» — теории, которая опишет материю на элементарном уровне, то есть во всех «бесконечно малых» подробностях. Из такой теории будет выводимо всё — и начало мира, и его конец, и всё, что в нём только может быть. Но, как было показано, «теория всего» не имеет смысла. В том числе бессмысленность «теории всего» — алгоритма, который опишет всё, — следует из приведённых выше аргументов о связи любого знания не только с познаваемой природой, но и со структурой мозга.

Рассуждая более наглядно, если бы процессы самоорганизации в природе были в точности обусловлены прошлыми обстоятельствами, то есть, по сути, «заданы заранее», то настройки начальных условий Вселенной должны быть столь невероятно точными, что возможность таковых просто не имеет смысла. Условно говоря, есть большая разница между настолько точным подбором траекторий движения всех атомов и молекул, чтобы в какой-то момент времени они соединялись в сложно организованные и активные структуры (к тому же так, чтобы со стороны можно было наблюдать эволюцию этих структур), и возможностью элементам просто собираться в неупорядоченные наборы, усложнение которых будет происходить само собой, за счёт внутренних факторов, только по причине интенсивного взаимодействия с окружающей средой.

Например, похожим образом притяжение — это не запрограммированное в момент рождения Вселенной движение объектов друг к другу. Притяжение — это закономерное явление, обусловленное некоторыми общими свойствами среды, а не «частное» поведение конкретных тел. Так же и для появления сложных структур достаточно того, чтобы самоорганизация в природе в принципе была возможной.

Итак, мы ещё раз выяснили, что выбор системы в точке бифуркации — это выбор самой системы, его нельзя считать ни случайным, ни предопределённым. Причём, несмотря на такую странную ситуацию, она не означает какого-либо противоречия законам физики — их попросту никогда не хватит, чтобы описать выбор системы в точке бифуркации. Достаточно ли этого, чтобы утверждать наличие у субъекта свободы воли? Учитывая, что переключение внимания происходит как переход через точку бифуркации, то, как уже говорилось, ответ, видимо, положительный. Тем не менее посмотрим на обстоятельства выбора внимательнее и прежде всего — может ли выбор быть ещё более свободным?

Чем ближе система к равновесию, тем ниже её чувствительность. Поэтому для предсказания поведения равновесной системы можно ограничиться исследованием небольшого количества параметров, взятых с относительно невысокой точностью, так как другие подробности не оказывают на поведение системы значимого влияния. Например, можно не учитывать микромасштаб системы, всё более «огрубляя» и, таким образом, упрощая её описание без потери в точности предсказаний. Как следствие, чем ближе система к равновесию, тем точнее можно отделить её от среды — от «всего», исследуя систему, как обычное «частное» явление, проходящее на некотором «частном» уровне материи.

Диссипативные системы — неравновесные, поведение таких систем критически зависит от событий самого элементарного характера. Тем не менее, наблюдая аккуратно, некоторые общие свойства диссипативной системы узнать можно, поэтому в общих параметрах выбор системы в точке бифуркации предсказанию доступен — и в этих пределах его можно считать предопределённым. Вспомним, именно это указано в определении самоорганизации: внешние условия могут иметь стимулирующий или подавляющий эффект. Поэтому некоторые выводы о том, что будет с системой после перехода, сделать можно. К примеру, нельзя предсказать конкретную структуру будущего порядка, но можно тип структур.

Однако чем сложнее система, тем дальше будут предсказания от сколько-нибудь точных. Если на исследуемом промежутке времени поведение системы критически зависит от бесконечно малых событий, то каждый новый переход через точку бифуркации будет делать её поведение всё более индивидуальным, нивелируя предыдущие наблюдения, и так постоянно.

Как диссипативной системы, поведение человека на общем масштабе поэтому тоже предопределёно, понятно и предсказуемо — например, в целом это стремление к самосохранению и размножению. Но чем более частный масштаб поведения рассматривать, тем больше оно становится индивидуальным выбором субъекта, связанным с его личными особенностями опыта и конкретными особенностями окружающей его среды. Как следствие, чем более частный масштаб, тем поведение становится всё менее выводимым из чего-либо общего, известного, познаваемого, присущего природе в целом и другим людям.

Однако если представить человека, обладающего некой «настоящей» свободой воли, то его поведение, очевидно, будет происходить по тому же принципу. В целом оно будет связано со средой через потребность в самосохранении и размножении и тоже будет иметь врождённые основания — и потому на общем уровне тоже будет понятным и предсказуемым. И наоборот, чем более частные реакции рассматривать, тем больше поведение этого человека будет отражать только его личные особенности опыта и частные особенности окружающей его среды, становясь поэтому всё более непредсказуемым. «Внешне» это будет проявляться в том, что на уровне частных реакций поведение этого человека тоже будет становиться всё более личным, индивидуальным, то есть всё менее выводимым из каких-либо правил и законов, применимых к другим людям и материи в целом. Другими словами, поведение такого человека не будет случайным, но оно не будет и предопределённым, по крайней мере установить иное будет невозможно.

Но именно таким и является поведение «обычного» человека, потому что именно как «не случайность и не предопределённость» можно обозначить выбор в точке бифуркации. С одной стороны, в общих параметрах среда влияет на самоорганизацию — ещё раз вспомним, про стимулирующий или подавляющий эффект внешних условий из определения самоорганизации, с другой — в точке бифуркации среда исчезает, остаётся только система, которая и совершает окончательный выбор — подготовленный средой, но не заданный ей прямо. И точно так же в момент переключения внимания в природе остаётся только субъект, который и принимает окончательное решение.

В итоге очевидно, что через принципы самоорганизации реализована максимально представимая свобода воли. Поведение человека не предопределено средой в точности, а опосредовано его собственной внутренней динамикой, собственными задачами человека, его потребностями и способностями. При этом, повторим, всё это не требует введения для субъекта каких-либо исключений из законов физики.

И всё же посмотрим ещё внимательнее.

Переход через точку бифуркации — это единичное событие, которое приводит или к усложнению системы, или к её разрушению и хаосу. Наоборот, гомеостаз, как общая суть поведения диссипативной системы, связан со множественными бифуркациями (флуктуациями) частного характера, которые постоянно возникают в системе, ввиду её интенсивного обмена со средой. Если неравновесное состояние системы не достигло критического, эти бифуркации не достигают уровня всей системы и ведут только к неопределённости её конкретного поведения. В ином случае вся система как целое переходит через точку бифуркации к более сложной организации или, если взаимодействие со средой слишком интенсивное, в состояния турбулентного хаоса. Поэтому, как связанное с бифуркациями, в степени неопределённости реакций гомеостаз — это тоже собственное поведение системы, стремление к самосохранению, возникающее за счёт её внутренних факторов. Гомеостаз заключается в активном противостоянии среде и в той же степени гомеостаз не задан средой. Среда содержит нужное системе — энергию, вещество, но не предопределяет её поведение полностью.

Как диссипативных систем, поведение всех организмов, их микро- и макросистем, от клетки до биосферы, на общем масштабе тоже является гомеостазом. Поэтому именно гомеостаз можно назвать «сущностью» жизни. Физические особенности гомеостаза определяют активное стремление живого к самосохранению, в том числе возможность эволюции или обучения, так как усложнение тоже можно считать элементом гомеостаза, по причине того, что система не разрушается, а продолжает противостоять среде на новом уровне сложности. Более того, гомеостаз — это и стремление к размножению тоже. Например, на уровне отдельных организмов размножение, очевидно, противоречит самосохранению, потому что как минимум создаёт организму конкурентов и отнимает энергию. Однако на уровне систем организмов — колоний, видов, социума, всей биосферы — появление новых организмов и утрата старых, наоборот, становится способом их обновления и развития, то есть способом гомеостаза таких макросистем, способом их противостояния среде.

Но диссипативные системы — это не только жизнь в каком-либо её проявлении, это ещё ячейки Бенара и многие другие физические системы, к живому миру никак не относящиеся. Другими словами, и гомеостаз, и бифуркации — это обычное явление физического мира, а не исключительное свойство жизни и разума. Поэтому вопрос, считать ли выбор в точке бифуркации, когда он связан, например, с переключением внимания, проявлением свободной воли человека или просто естественной физической особенностью работы мозга, очевидно, не имеет однозначного ответа.

Но ещё больше вопросов возникает, если обратить внимание на логические особенности работы мозга, то есть на его особенности как нейронной сети. В общих чертах работа нейронной сети была рассмотрена в первой главе книги, связь с неравновесными фазовыми переходами описана в главе «Самоорганизация, гомеостаз, организм». Этих общих представлений сейчас достаточно.

Поведение формируется по мере прохождения возбуждения от входа нейронной сети к выходу, то есть по мере распознавания ситуации от общих параметров до конкретных. В этом процессе мышечная активность надстраивается элементами, также учитывающими ситуацию во всё более точно, — от тонуса, вегетативных функций, объёмных мышечных синергий, рефлекторных и циклических движений к движениям пространственного поля, предметным действиям, речи, письму. Как связанная с распознаванием общих параметров ситуации и формирование мышечной активности общего характера, работа низких уровней нейронной сети мозга психически воспринимается как эмоционально-мотивирующее самоощущение, которое на уровне коры «уточняется» до конкретной цели действий, и воспринимается как «переключение внимания» на некоторый конкретный образ, фразу. В результате в сознании одновременно есть и смысл действий, и конкретная цель действий.

Все перестроения активности нейронов соответствующие разным стадиям формирования поведения происходят более или менее скачкообразно, как неравновесные фазовые переходы, то есть переходы через точку бифуркации. Конкретно переходы связаны с тем, что, сменяя друг друга, в пространстве мозга на разных частотах синхронизируются разные ансамбли нейронов. При этом по обратным связям вышележащие уровни нейронной сети могут влиять на нижележащие. Это влияние можно описать по-разному: что выработанное поведение может влиять на поведение ещё только формирующееся; что поведение, учитывающее конкретные нюансы ситуации, может влиять на поведение, учитывающее её общие параметры; или что сформированные в коре конкретные параметры цели могут влиять на формирование новой цели. Но общий смысл этого влияния в том, что в результате появляется возможность создавать цепочки действий, объединённые общим смыслом, то есть проводить последовательное целенаправленное поведение. 

Однако из этих особенностей следует, что наше восприятие конкретизируется только в момент переключения внимания, когда в сознании возникает конкретный образ, фраза. Но переключение внимание — это только заключительный момент формирования поведения. Из-за чего можно предположить, что поведение — это как будто не вполне самостоятельный выбор субъекта, так как только после переключения внимания субъект осознаёт объект внимания, а не заранее, «свободно» направляя внимание туда, где есть что-то интересное. С другой стороны, субъект — это весь мозг, и эмоционально-мотивирующее самоощущение, которое больше связано с низкими уровнями нейронной сети мозга, — это тоже субъект. Поэтому, получается, что вначале субъект что-то неопределённо «хочет», потом, в момент переключения внимания, понимает, что конкретно хочет, и делает это. Проще говоря, что хочет, то и делает. В свою очередь, выработанное в коре конкретное решение по обратным связям влияет на низкоуровневую динамику нейронной сети, то есть в мотивах, вроде бы «не контролируемых сознательно», на самом деле тоже оказывается доля именно такого контроля, тоже связанная с опытом и условиями. В итоге субъект не только что хочет, то и делает, но отчасти и хочет то, что хочет хотеть.

Причём иное «содержание» сознания представить невозможно. Например, невозможно, чтобы субъект явным образом контролировал работу всех мышц и желёз, то есть чётко осознавал их взаимодействие, направлял и формировал его. Дело в том, что множество мышц и желёз работает одновременно, но в целом поведение последовательно, так как задача мышления перемещение организма в среде, что подразумевает последовательное движение от одной цели к другой, то есть синергию всех мышц и желёз, объединённую общей целью. Поэтому субъект, как весь мозг, а не какая-то его часть, и должен «находиться» на уровне функции всего мозга, а не его частей. В результате мы закономерно воспринимаем себя как некое бесструктурное целое, наблюдающее мир, последовательно выделяющее цели и деятельно стремящееся к ним, но мы не знаем, как конкретно мы их выделяем и как конкретно реализуется стремление.

Точно так же невозможно, чтобы поведение возникало сразу. Потому что распознавание условий и построение реакций происходит постепенно — от общих к конкретным — по мере прохождения возбуждения от входа к выходу нейронной сети, а иная организация мышления не позволит обучаться. Невозможно, чтобы субъект одинаково чётко осознавал все этапы формирования своего решения — так как это означает, что постепенного распознавания условий как раз не происходит.

В итоге, в рассмотрении работы мозга как нейронной сети идея свободы воли оказывается более неоднозначной, чем это казалась, если рассматривать свободу воли только с точки зрения физических особенностей работы мозга. Новые аргументы появляются и за наличие свободы воли, и за её отсутствие. Но на самом деле так и должно быть, потому что в нашем опыте «свобода воли» логически непредставима. Что-то не возникает из ничего, любое событие — это только выделенная часть их цепочки. Поэтому любая определённость в вопросе «свободы воли» будет означать или беспричинность выбора — а значит, его случайность, бессмысленность и потому противоречивость, или предопределённость выбора какими-то причинами заранее — и тогда опять его противоречивость, ввиду того, что выбор в точке бифуркации связан со всем, а у всего уже не может быть предопределяющих его причин.


1.6. Сознание

Противоречивость представления о свободе воли, которая как будто и есть и нет, это проблема того же порядка, что и принципиальная невыразимость модальности сознания, так как они имеют одну общую причину — связь с непознаваемым элементарным уровнем материи. Непознаваемость говорит о том, что свобода воли, сознание или элементарный уровень материи на самом деле явления уже не физические, а глубоко метафизические. Свободу воли мы уже рассмотрели выше, непознаваемость элементарного уровня материи в главах ранее, а сейчас рассмотрим третий элемент этого списка — сознание.

Установить, как конкретно в структуре мозга возникает какой-либо «продукт мышления», можно только если описать ход мыслительного процесса, но, ввиду его связи с элементарным уровнем материи, это не просто сложно — это не имеет смысла. Следовательно если как возникает знание непонятно, и потому, например, невозможно сколько-нибудь точно «соединить» сигналы рецепторов с содержанием сознания, то невозможно и установить соответствие сознания какому-либо конкретному физическому процессу, то есть, по сути, и какой-либо мыслимой физической реальности вообще.

Этот вывод можно проиллюстрировать известной аналогией: рисуя абсолютно точную карту, придётся рисовать и себя, рисующего себя, который рисует себя, рисующего себя... и так до бесконечности. Поэтому абсолютно точная карта — это только сама территория. Но из этого, видимо, следует, что сознание — это не территория, то есть сознание — это не физическая реальность, так как физическая реальность может быть только «абсолютно точной», то есть только самой собой. И так как никаких признаков физических составляющих мозга, наблюдаемых в нём «снаружи» — нейронов, клеток глии и т. п., в сознании вроде бы не заметно, то всё сознаваемое, все образы, ощущения и эмоции — лёгкое и синее, удивление и самолёты, запахи и звуки — всё это нечто не реальное. Некая не физическая сущность, каким-то образом возникающая в мозге и только коррелирующая с физическим процессом мышления.

Однако если бы сознание принципиально отличалось от физической реальности, то никакая корреляция объективной и субъективной реальностей была бы невозможной, так как принципиально отличные сущности попросту не существовали бы друг для друга. В любом другом случае физическое и психическое — это одна реальность. Поэтому говорить можно, очевидно, только об особенностях физических процессов в мозге, определяющих и наличие сознания «внутри» мозга, и качественное отличие сознания от мозга, наблюдаемого «снаружи».

Какие это особенности? В ходе морфогенеза формируется структура организма в целом и структура нейронной сети мозга в частности. На уровне последней — уровне нервной регуляции — тоже происходит самоорганизация, которая заключается в синхронизации хаотической активности нейронов. В результате мышцы и железы, с которыми сеть нейронов связана на выходе, получают согласованные в едином порядке управляющие импульсы. Причём нейроны, реагирующие на объект внимания, синхронизируются селективно на самой высокой частоте ритмов мозга (гамма-ритме), представляя из себя наиболее энергичный и упорядоченный процесс в мозге. По мере обучения порядок в активности нейронов мозга усложняется, то есть врождённый объём потребностей и способностей субъекта в конкретных условиях эволюционирует до конкретных задач и их решений.

Но, как уже говорилось в главе «Современные проблемы моделирования мозга», «порядок» в то же время — это «не только» какие-либо элементы упорядоченного процесса, а ещё и нечто качественно от них отличное, абстрактное и континуальное, нечто «обобщающее» уровень отдельных элементов в целое иной организации, возникающее из хаоса «вместо» или «над» уровнем элементов и несводимое к элементам самим по себе — то есть именно нечто такое, как сознание. И действительно, в отношении объекта, находящегося во внимании, не только повышается уровень точности реакций, но такой объект воспринимается глубже, полнее, ярче и контрастнее, чем другие объекты — полностью аналогично тому, как более энергичным и упорядоченным является сам нейронный процесс внимания, по отношению к другим процессам в мозге.

Таким образом, в этом описании психическое — это лишь физические процессы высокого уровня организации, сложности. Однако, с другой стороны, какой-либо конкретный способ объединить элементы мозга, наблюдаемые в нём «снаружи», с элементами сознания неизвестен, не позволяя избавиться от кавычек в попытке описать сознание через элементы физической реальности. Например, если хотя бы отчасти указанные выше физические особенности работы мозга можно связать с абстрактностью и континуальностью сознания, то даже слабой связи не наблюдается с модальностью. Больше порядок или меньше, одни ритмы или другие, те нейроны синхронизированы или эти — ни в чём не видно оснований, чтобы порядок был красным или приятным.

Ранее уже был сделан вывод, что непротиворечивое объединение объективного и субъективного мира невозможно, потому что описать квалиа каким-либо языком нельзя, следовательно нельзя и понять. Сознание суть знание, но знание явления — это не само познаваемое явление, следовательно и знание сознания уже не может быть знанием. Иначе говоря, обобщение сознания и элементов физической реальности в одной теории не имеет смысла, из-за чего физические теории, описывающие объективную реальность, по-видимому, никогда не подойдут для описания реальности субъективной. Более того, как следует из первой главы, противоречия должны только нарастать.

В итоге даже экспериментально подтверждённая корреляция упорядоченной активности нейронов с воспринимаемым в сознании всё равно не даёт ответа на главный вопрос — как конкретно физическое содержание мозга, пусть и упорядоченное, связано с сознанием, и даже насколько такая терминология вообще уместна.


1.7. Пределы познания

В предыдущих главах мы выяснили, что познание мышления принципиально ограничено. Из-за чего невозможно перенести мышление на какой-либо другой носитель или сколько-нибудь точно предсказывать поведение субъекта. В то же время появлению мышления в природе его непознаваемость и непредсказуемость не помешала. Сможет ли человек создать искусственный интеллект, не уступающий собственному, повторив способ, которым действовала природа? Прежде чем перейти к этому вопросу, рассмотрим, насколько вообще можно понять природу. Сделаем это с несколько иных точек зрения, чем этот вопрос уже рассматривался в главах ранее.

Смысл — это обобщённая эмоционально воспринимаемая перспектива явления по отношению к задачам субъекта. Например, смысл пищи будет меняться, если сыт или когда голоден. Поэтому чтобы оценить явление, «понять его смысл», нужно посмотреть на явление со стороны — со стороны своих задач, своего опыта, то есть осмыслить явление, сопоставить ему какую-либо перспективу в опыте. Однако невозможно выйти за всё и посмотреть на всё со стороны, ведь тогда, например, придётся выйти и за любой смысл тоже, включая смысл задачи оценить всё. В результате будучи частью реальности её невозможно наблюдать всю, а не будучи частью реальности её невозможно наблюдать вообще, так как наблюдатель или часть всего, или его нет.

Таким образом, всё, как объект, не имеет смысла. Такой объект «снаружи» не существует, так как у всего не может быть «снаружи». Но это значит, что у всего не может быть и каких-либо границ во времени и пространстве. А «изнутри» есть только частные явления — но их все нельзя соединить «в целое» в одной теории всего, потому что такая теория как раз и будет равносильна возможности взглянуть на всё со стороны. В итоге любая попытка вывести смысл всего не имеет смысла, любой вывод обо всём — об истоках или границах всего, о законах или элементарной сущности всего, о том, что было до всего или будет после всего, о том, каков мир «на самом деле» — нельзя ни доказать, ни опровергнуть, так как это утверждения о принципиально непознаваемом, сколько-нибудь уточнить сущность всего невозможно.

Поэтому, чтобы внутри бессмысленного «всего» возник смысл, должен быть объект, который будет одновременно и частью среды, и сможет отражать в своих реакциях перспективу явлений. Иначе говоря, реагировать не только пропорционально «силе» или «интенсивности» воздействия среды, но ещё и пропорционально «важности» воздействия. Очевидно, на физическом уровне такое возможно, только если объект будет обладать неравновесной динамикой, которая может совпадать или не совпадать с нынешними воздействиями среды, масштабируя или нивелируя их в реакциях объекта, придавая его поведению нелинейный характер. Объект будет реагировать как будто бы исходя из «личного» смысла ситуации, «обращая внимание» на важное и «не замечая» не важное. В результате, оставаясь частью реальности, объект приобретёт свойство «стороннего наблюдателя», «субъекта», «оценивая» воздействия среды со стороны своего «опыта».

В свою очередь, неравновесность, нелинейность, открытость среде и наличие хаотического режима определяют способность системы к самоорганизации и эволюции — упорядочению элементов системы и возможность перехода ко всё более сложным формам порядка. При этом после самоорганизации поведение системы приобретает конкретный смысл гомеостаза, неравновесность и нелинейность теперь подчинены стремлению системы к самосохранению, а усложнение — усложнение этой способности.

Таким образом, чтобы возник смысл, помимо процессов разрушения, упрощения, движения к равновесию и покою, в природе должны быть процессы эволюции, усложнения, стремления балансировать на грани. Тогда на одном уровне реальности будет простота — на другом сложность, на одном уровне останется равновесие и движение к покою — на другом появится неустойчивость и активность, на одном будет хаос и рост энтропии — на другом возникнет упорядочение, эволюция. И на уровне сложности, неустойчивости и порядка находится субъект.

Чтобы понять явление, надо быть много сложнее него — чтобы связать свой опыт, то есть собственную динамику, со всеми важными параметрами явления. Тем самым оценить явление «со стороны», выявить смысл явления — перспективу явления в контексте своих потребностей и способностей. И потому чем больше объём опыта, тем смысл явления будет понятнее. Другими словами, чем сложнее собственная динамика и выше возможности её трансформации, тем сложнее явления можно понять. В то же время возможности трансформации ограничены, так как общий контекст врождённых потребностей и способностей не может меняться значительно, задавая общее направление изменениям, которые будут формировать конкретный опыт.

Такие особенности познания означают, что представление о мире всегда будет искажённым, так как ход наблюдаемых процессов невозможно точно отделить от собственной динамики, то есть смысл исследуемого явления невозможно точно отделить от опыта в целом. И принципиальная невычислимость мышления говорит о том, что это невозможно в принципе. В результате познание заключается не только в том, чтобы точнее «измерить» явление, но и в том, чтобы точнее отделить объективную реальность от субъективного представления о ней. Прежде чем что-то «измерять», нужно понять, что измерять, представить модель исследуемого явления.

Причём ввиду того, что познание, по сути, есть приближение к полноте знания — а полнота знания не просто не достижима, но и не имеет смысла, то по мере все более глубокого познания природы смысл явлений, очевидно, должен становиться всё более «бессмысленным» — парадоксальным, странным, несоответствующим привычному, а язык теорий всё сложнее.  Другими словами, вывод об отсутствии у теории всего смысла — это не просто вывод о невозможности что-то точно измерить, наблюдать, предсказывать или поставить эксперимент, но и вывод о невозможности адекватно понять измеренное, предположить, что вообще нужно измерять, построить адекватную модель явления и усиление этих тенденций.

Но природа действительно так сложна или её сложность лишь кажущееся следствие того, что познать всю природу, оставаясь её частью, невозможно? Однако «со стороны» мир, наоборот, показался бы «слишком простым», так как действительно со стороны, то есть без какой-либо связи с ним, мира бы для такого наблюдателя не существовало. Поэтому или ничего нет, или сложность того, что есть, бесконечна. Например, если сложность возникает в процессе эволюции, то можно предположить, что в своём основании мир прост. С другой стороны, эволюция так или иначе связана с упорядочением хаоса, в свою очередь, посредством бифуркаций хаос связан с элементарным уровнем материи, но на этом уровне любые представления, в том числе о сложности или простоте, теряют смысл. И наконец в любом случае не допуская однозначных ответов, по мере познания природа будет выглядеть всё сложнее и сложнее. В итоге вопросы обо всём — о том, каков мир «на самом деле», в том числе сложный он или простой — не имеют смысла.

Одновременно с ростом сложности, чем точнее знание описывает реальность, тем больше требуется энергии на получение знания. К примеру, если на некотором начальном уровне познания достаточно наблюдения и размышления, то дальше необходимы уже всё более технологически затратные способы уточнения измерений, наблюдения непосредственно не наблюдаемых процессов, моделирования или экспериментального воссоздания явлений реальности. И в конечном итоге познание станет принципиально невозможным, так как всей доступной энергии для этого будет уже недостаточно.

Из этого соотношения также понятно, что сложность знания можно выразить через время познания. Например, сложности с привлечением энергии будут отражаться в росте времени её привлечения. Точно так же увеличит время познания необычность явления и сложность математического аппарата теории. Поэтому можно сказать, что для познания одних явлений энергии потребуется больше, чем её есть, что равносильно бесконечному времени познания, для познания других явлений времени потребуется больше, чем его есть, что равносильно затратам бесконечной энергии.

Более частные границы познанию задают физиологические и интеллектуальные особенности человека, которые определяют параметры его взаимодействия с окружающим. Например, диапазон пригодных для жизни условий, объём рецепторных данных и разнообразие рецепторов, сложность структуры мозга или скорость процессов мышления, тем самым ограничивая максимальную сложность практически достижимых технологий. Поэтому ещё задолго до того как описание природы достигнет принципиально возможного уровня, познание начнёт сталкиваться со всё быстрее растущими сложностями различного практического характера, лишая фундаментальные исследования смысла.

Организм, мозг — это диссипативная система. Общий принцип организации мозга задаёт возможность познания, то есть возможность упорядочения работы мозга в контексте решения некоторой задачи, а конкретная организация определяет конкретное направление познания. Но организация одновременно задаёт не только возможность познавать, но и границы познания. Как границы частные, зависящие от особенностей организации конкретного мозга, так и принципиальные, зависящие от свойств диссипативных систем в целом, от принципа функционирования всякого интеллекта вообще.

Например, познавая окружающий мир, мы одновременно познаём и себя, как часть мира. Но познавая уровень реальности, где находимся мы сами — уровень сложности, неустойчивости и порядка, мы познаём себя «более непосредственно». Приведённая в главе «Мышление и полнота знания» аналогия «масло маслом» в этом случае подходит гораздо больше, чем к познанию явлений «простого» уровня. Поэтому понять явления сложного уровня можно гораздо более ограниченно — как говорилось раньше, все возможные трудности познания на этом уровне будут представать в «концентрированном» виде.

Иными словами, познавая себя, мы познаём все возможные знания, но всех возможных знаний, очевидно, много больше, чем тех, которые достижимы на практике за какое-либо конечное время. В результате понять себя можно только в той же степени ограниченно. Но познавая природу мы тоже познаём все возможные знания. Поэтому познание только себя и познание всей природы — это одно и то же, а «множество истинных формул всегда будет больше множества доказуемых формул».

Непознаваемость себя говорит о том, что в основании мышления должны лежать такие явления, которые бы принципиально не позволяли понять мышление сколько-нибудь точно. Принципиально нельзя понять только элементарный уровень материи. И действительно через неравновесные состояния и бифуркации адекватное описание мышления требует точности элементарного уровня материи. В свою очередь, через элементарный уровень материи сложность изучения мышления связана с познанием всей природы. И действительно, мир дан нам в ощущениях, поэтому бесконечная сложность природы должна концентрированно проявляться в сложности ощущений. Но так и есть — сознание нельзя описать никаким языком.

Более конкретно, в исследовании систем, к которым относится и всё живое, — сложных систем, открытых среде, термодинамически неравновесных и нелинейных, связанных с хаосом, бифуркациями и самоорганизацией — проблемы будут возникать по следующим направлениям.

Любое явление, процесс или объект, в том числе мозг, можно представить как динамическую систему. Если динамическая система находится в состоянии близком к равновесию, стремится к покою, то реакции системы близки к линейным — можно сказать, прямо пропорциональны силе и интенсивности воздействия. Поэтому пропорционально уточнению параметров системы так же всё точнее можно будет предсказать её поведение, получая возможность использовать явление как понятный инструмент для решения каких-либо практических задач.

Но если состояние неравновесия увеличивается, то есть внутренние напряжения в системе растут и, следовательно, чувствительность системы также возрастает, система будет реагировать на то, что раньше не замечала. В результате, чтобы сохранить точность предсказаний, описание системы необходимо будет уточнять дополнительно — и чем выше неравновесие, тем требование к точности описания будет расти стремительнее. И в точке бифуркации, когда система обладает абсолютной чувствительностью, чтобы сохранить адекватность предсказаний, точность описания тоже должна быть абсолютной, так как «столкнуть» систему к новому режиму работы сможет событие уже самого элементарного характера. Но такое описание не имеет смысла, а приближение к нему будет сталкиваться со всё большими сложностями.

Образно говоря, совершая постоянные неравновесные переходы, то есть постоянно достигая критического состояния и переходя через него, структура мозга, по сути, «чувствует» сразу всю Вселенную, запутывается со всей реальностью, становясь частью всех её процессов на всех уровнях. Как следствие, в отличие от поведения равновесных систем, описание мышления невозможно ограничить некоторым уровнем материи без значительной потери в точности предсказаний.

По мере роста неравновесия требование к точности описания системы растёт, а возможность дать такое описание, наоборот, уменьшается. Но, важно заметить, уменьшается не только потому, что описывать систему требуется со всё большими подробностями, а ещё и потому, что в неравновесном состоянии система приобретает свойство целостности, её невозможно разобрать на детали, не потеряв информацию о ней.

В итоге чем выше неравновесие, тем большей точности описания система требует, но при этом она всё больше приобретает свойства чёрного ящика — о том, что происходит в системе можно только догадываться.

Дополнительно усложняет поведение системы пространственная сложность, наличие множества подсистем или пластичность системы во времени (динамическая эволюция). Всё это есть в мозге. Общая структура мозга — сеть нейронов. Вход сети связан с рецепторами внутренней и внешней среды, а выход с мышцами и железами, то есть суть мышления заключается в преобразовании сигналов рецепторов в активность мышц и желёз. Узлы этой сети — тела нейронов, а отростки нейронов образуют связи сети, определённым образом объединяющие как близкие, так и далёкие друг от друга нейроны между собой. Таким образом, пространственная сложность структуры мозга, включая спинной, — это сложность архитектуры связей сети нейронов (коннектома); подсистемы — это сами нейроны, каждый из которых тоже является открытой термодинамически неравновесной системой, как весь и мозг в целом, и непонятного в которых не намного меньше, чем в работе всего мозга; пластичность во времени — это рост и обучение нейронной сети, её способность изменяться в контексте условий среды и наследственных факторов и сохранять изменения.

Подведём итог главы. Мы уточнили причины, почему сложность познания мышления будет расти в той же степени, что и познание сразу всей природы, не позволяя понять мышление сколько-нибудь точно. Тем не менее, может быть, познание мышления всё-таки не равно его созданию? Например, создавая искусственный интеллект, не обязательно повторять естественное мышление в точности. В таком случае сами по себе сделанные выводы, вероятно, ещё не ограничивают сложность искусственного интеллекта?


1.8. Искусственный интеллект и эволюция

Действительно, несмотря на всю сложность мышления, природа создала его без каких-либо ориентиров или образцов для подражания, а с помощью только естественного отбора. Используя изменчивость и наследственность, когда животное, отличающееся от других в результате некоторой случайной мутации, либо погибало, будучи слишком неподходящим для данных условий, либо выживало, давая потомство. Возникали новые виды — и так постепенно жизнь осваивала Землю, всё больше заполняя её во всех нишах и на всех масштабах, сейчас уже выбираясь в космос и на другие планеты. Почему бы не создать искусственный интеллект, повторив и ускорив этот процесс?

Если природа создала интеллект «наугад», используя только естественный отбор, то можно попробовать по тому же принципу естественного отбора пытаться угадывать варианты ИИ, в том числе основываясь на том, что уже известно об интеллекте естественном, проверять их, оставляя лучшие и отсеивая негодные, подмечая закономерности и учитывая их в создании новых систем. Иначе говоря, по примеру природы попытаться изобрести интеллект заново, и при этом обойтись без точного понимания интеллекта естественного, раз уж это в любом случае невозможно.

Как понятно из предыдущих глав, сравнение изобретения искусственного интеллекта с появлением интеллекта в ходе биологической эволюции сделано не случайно. Процесс познания, обучение — это процесс самоорганизации, усложнения нейронной сети мозга. Однако и биологическая эволюция, естественный отбор — это тоже процесс самоорганизации, усложнения — только биосферы. Нейронная сеть мозга возникает и усложняется применительно к условиям в целом в ходе биологической эволюции, а в процессе познания происходит усложнение нейронной сети мозга конкретного субъекта применительно к конкретным условиям его жизни. Таким образом, познание, то есть, по сути, эволюция нейронной сети мозга, происходит в контексте выразительных возможностей биологической эволюции.

Подобно биологической эволюции, в процессе познания также происходит «естественный отбор» — только алгоритмов поведенческих действий. Способствующих повышению качества жизни, более полному и точному решению задачи самосохранения и размножения, в чём в целом заключается суть любого знания. Возникая интуитивно, более или менее неожиданно, какие-то идеи сразу отвергаются, какие-то уточняются, развиваются и дают начало новым идеям. И так постепенно знание всё более точно и полно описывает природу, подобно тому как эволюция наполняет её разными организмами.

При этом неудачные варианты поведения со временем становятся всё более очевидными и потому все сколько-нибудь похожие на них идеи отсеиваются быстрее, им уделяется всё меньше внимания. В результате даже без полного перебора всех возможных вариантов, которых может быть бесконечно много, в хаосе гипотез постепенно упорядочивается некоторое определённое направление познания — не обязательно «истинно верное», но по крайней мере подтверждённое положительным опытом. В основании выработанного направления, таким образом, будут лежать наиболее проверенные знания — и уже в этом контексте будут возникать новые гипотезы. Этот принцип касается как познания отдельного индивида, так и хода прогресса или биологической эволюции в целом. Например, опыт субъекта формируется в определённом контексте врождённых задатков и условий среды, в том числе среды культурной, в результате появление одних идей становится более вероятно, чем других. Аналогично в ходе эволюции становятся маловероятными некоторые мутации, биосфера упорядочивается таким образом, что некоторые новые животные будут в ней нежизнеспособными — хотя, может быть, они успешно выжили бы в прошлом или будущем. В то же время «маловероятно» — не означает никогда, поэтому какой-либо тупик, например в познании, создав новые условия, в конечном итоге будет разрешён возвращением к тому, что когда-то показалось ошибочным.

По мере развития речи и письма появляется возможность накапливать и усложнять знания из поколения в поколение. Поэтому уже можно говорить о начале цивилизации, то есть эволюции людей уже не только как вида, но и о начале социальной эволюции, возникновении культуры, социума. Познание становится не только функцией отдельного субъекта, но и всего человечества, что, разумеется, расширяет возможности познавать. В результате если следствием биологической эволюции является расширение видового разнообразия и усложнение животных, то следствием идущей в её контексте социальной эволюции является рост разнообразия и сложности алгоритмов знаний, подразумевая под этим прогресс во всех областях деятельности человека от технологического уровня до социального или культурного.

Таким образом, эволюционные процессы не просто взаимосвязаны, но и вложены друг в друга: познание субъекта происходит в контексте эволюции социума, который эволюционирует в ещё более общем контексте биологической эволюции, и всё это в общем контексте неживой природы.

Однако если и познание, и биологическая эволюция по своему общему принципу — это один и тот же процесс естественного отбора, то создание искусственного интеллекта — это повторение биологической эволюции, только в объёме возможностей интеллекта человека и возможностей социума объединять усилия людей. И с тем важным отличием, что природа проводит отбор вариантов интеллекта всегда «экспериментально» — непосредственно создавая варианты организмов, тогда как человек может делать это ещё и мысленно, в ходе мысленных экспериментов, прибегая к эксперименту реальному только с целью проверки уже предварительно отобранных в ходе мыслительного процесса гипотез.

Естественно, предварительный отбор нежизнеспособных идей в уме требует мало времени и энергии, так как в отличие от эксперимента сам по себе не является повторением изучаемых явлений. Почему некоторого уровня знаний, исходящего из легко доступных для наблюдения и анализа явлений, можно достичь относительно быстро и с минимальными затратами. И наоборот, так как возможности человека наблюдать и анализировать ограничены, то чем сложнее знание, тем значение эксперимента становится выше.

Как показано в предыдущих главах, сложность изучения естественного интеллекта стремительно растёт, не позволяя понять его сколько-нибудь точно. В результате непонятно что и как следует перенести в интеллект искусственный, тем самым фактически заставляя изобретать интеллект заново, на основании того немного, что удалось понять в работе мозга. Однако если понимание мышления принципиально ограничено некоторым общим уровнем от его настоящей сложности, то по мере приближения сложности искусственных систем к этому уровню, их работа точно так же должна становиться всё менее понятной, следовательно конкретные варианты систем придётся создавать всё больше наугад, а не рассчитывать точно под задачу.

Именно так и создаются искусственные нейронные сети, конкретные параметры которых выбираются наугад, исходя из общих соображений о принципе работы нейронных сетей и прошлого опыта решения сетями похожих задач. После чего сеть обучается, и обучение точно так же не может быть формализовано полностью. Если работа системы непонятна, то есть её работу нельзя проследить мысленно, то и создать систему можно только более или менее наугад, и для того, чтобы точнее «подогнать» под задачу в процессе обучения тоже приходится действовать более или менее на ощупь.

Причём наличие некоторого объёма непонятного в работе искусственного интеллекта очевидно и с другой стороны. Если речь идёт об «интеллекте», то система и должна уметь «мыслить», то есть решать задачи более или менее «самостоятельно», а не выдавать решения по заранее в точности просчитанному человеком алгоритму. Иначе мыслить будет человек. И потому чем выше интеллект системы, тем больше в её поведении будет доля «не заданного заранее», «самостоятельности», а значит, в той же степени будет возрастать и доля не просчитанного, непредсказуемого.

В итоге по мере приближения к сложности мышления понятного в работе искусственных систем будет становиться всё меньше. Поэтому проверять выбор на практике придётся всё чаще, так как количество возможных вариантов систем будет стремительно расти, а возможность их мысленного анализа, ввиду роста сложности, будет, наоборот, всё быстрее уменьшаться. Иными словами, по мере усложнения ИИ возникает ситуация, которая называется проклятием размерности. Суть проклятия размерности — экспоненциальный, «взрывной» рост необходимых экспериментальных данных в комбинаторных задачах. Полностью аналогично тому, как растёт значение эксперимента в процессе изучения природы или работы мозга, в разработке искусственного интеллекта тоже будет расти относительная доля экспериментов. В результате создание систем искусственного интеллекта будет всё больше становиться повторением эволюции. Вместо быстрого «естественного отбора» вариантов искусственного интеллекта в уме придётся, как и природе, всё больше проводить отбор с помощью экспериментов, создавая варианты искусственного интеллекта, обучая их и проверяя в работе непосредственно.

Однако отличие в том, что в этой «экспериментальной дисциплине» невозможно не только обогнать биологическую эволюцию, но и хотя бы уложиться в тот же срок.

Природа проверяет сразу множество «вариантов мышления» — таковым можно считать любое животное, включая каждого человека, — для всех вариантов условий и решений задачи самосохранения и размножения, и её попытки никогда не прекращаются. Причём аналогично ходу эволюции невозможно каким-то образом «перепрыгнуть» через этапы более или менее постепенного усложнения к сразу сложным системам, так как создание искусственного интеллекта точно так же обусловлено сложностью среды. В данном случае это «среда» опыта людей, в которой происходит «эволюция» искусственного интеллекта, то есть это уровень знаний людей, в том числе уровень технологий и представления о задачах. Например, ещё пару сотен лет назад вряд ли можно было не только угадать многие привычные сейчас устройства или научные теории, но и совместить их с прошлыми знаниями, технологиями, задачами и вообще с прошлыми представлениями о мире. Поэтому даже если бы разумная по нынешним меркам гипотеза пришла в голову, она была бы отброшена, как бессмысленная. Точно так же нельзя «опередить время» и в создании систем искусственного интеллекта — без соответствующего уровня теоретических знаний и технологий нельзя ни построить систему, ни понять, в каких задачах её можно применить, ни адекватно обучить, ни даже предположить её устройство.

Независимо от конкретной реализации, любой искусственный интеллект является некоторым частным элементом эволюции социума, то есть некоторым частным проявлением способности человека к познанию и способности людей к объединению усилий. В свою очередь, и отдельный человек, и весь социум являются некоторыми частными элементами биологической эволюции, частным проявлением её способности создавать животных с разным интеллектом. Поэтому интеллектуальных возможностей человека и возможностей социума привлекать для познания время и энергию в принципе не может быть достаточно, чтобы воспроизвести биологическую эволюцию и реализовать какую-либо систему, способную достичь сложности интеллекта человека, стать сколько-нибудь полноценным участником социума или тем более создать свой мир «рядом», «вместо» или «над» человеческим.

На практике сложность создания может выражаться в энергетической, экономической, технологической или интеллектуальной затратности экспериментов, но в целом сложность можно выразить через совокупное время решения проблемы. Однако мышление — это процесс, не имеющий конкретного итога, относительно достижения которого можно было бы оценить процесс объективно. Например, ошибочный вывод о неадекватности человека может быть сделан из-за незнания действительных причин его поведения. Иначе говоря, незнание стратегии не позволяет верно оценить тактику, следовательно наиболее объективная оценка поведения субъекта может быть дана только по совокупности всех его поступков, то есть после наблюдения жизни субъекта в целом, причём оценка может меняться в историческом контексте. Поэтому по мере приближения к сложности интеллекта человека оценка искусственных систем станет так же требовать всё больше времени. Количества возможных вариантов ИИ будет стремительно расти, их будет всё сложнее разрабатывать, обучать, отделять адекватные варианты систем от неадекватных.

И по мере приближения к сложности интеллекта человека время, требующееся на каждое новое усложнение искусственных систем, начнёт увеличиваться всё быстрее. Поэтому даже если представить, что за счёт мысленного анализа на каком-то начальном этапе человек смог обогнать эволюцию нервной системы, то скоро преимущество сменится отставанием и отставание начнёт стремительно расти. Возможности мысленного анализа ограничены, а возможности экспериментировать у природы несравнимо богаче, поэтому ни «догнать», ни «обогнать» природу невозможно.

Тем не менее на приведённые аргументы, кажется, есть возражение. Как говорилось, человек много проще биологической эволюции, поэтому воссоздать эволюцию в своей деятельности он способен лишь в той же малой степени. Однако социум сложнее человека, так как состоит из множества людей. Следовательно социум, как более сложное целое, должно быть, всё-таки способен создать искусственный интеллект, вероятно, даже сложнее интеллекта человека, как своего более простого элемента. Возможно ли это на самом деле, рассмотрим в главе «Пределы сложности искусственных систем», а пока обратим внимание на ещё один способ приблизить искусственные системы к сложности интеллекта человека — теперь фантастический.


1.9. Фантастический компьютер

Итак, познание мышления ограничено, понять мышление можно только в некоторых общих и простых элементах, относительно его реальной сложности. Тем же уровнем, следовательно, будет ограничена и сложность искусственного интеллекта, так как устройство систем большей сложности тоже не может быть понятным. Похожие затруднения будут возникать и в попытках создать интеллект «наугад», исходя из того, что в мышлении понять всё-таки удалось, так как по мере приближения искусственного интеллекта к сложности интеллекта человека совокупное время отбора адекватных вариантов систем будет стремительно расти к бесконечности.

Но если представить компьютер фантастически большой вычислительной мощности, способный просчитывать варианты искусственного интеллекта бесконечно быстро, сможет ли он качественно изменить ситуацию?


1.9.1. Детерминированные алгоритмы

Нервная система организует работу мышц и посредством желёз координирует с работой мышц работу остального организма. Таким образом, задача мышления — преобразование сигналов рецепторов в активность мышц и желёз, то есть распознавание условий и построение действий. Но пытаясь воспроизвести процесс мышления, мы сталкиваемся или с принципиальными сложностями в изучении мозга, чтобы сделать искусственную систему по его подобию, или со стремительным ростом времени практической реализации каждого нового усложнения — в попытке повторить эволюцию и изобрести интеллект самостоятельно.

Однако можно попробовать обойтись без исследований мозга и вообще попыток повторения мышления. Поведение можно задать и тем способом, что сразу написать алгоритм действий системы во всех будущих условиях, которые только могут системе встретиться. Такой алгоритм будет «детерминированным», так как все действия системы в нём уже в точности предусмотрены человеком заранее.

Детерминированный алгоритм — это привычный алгоритм, ведущий от данных к результату за определённое количество шагов. К примеру, таким алгоритмом является инструкция, предписывающая порядок действий в некоторой ситуации, или компьютерная программа. Поэтому можно сказать, что система, работающая по детерминированному алгоритму, «не мыслит», а только исполняет, так как за неё все решения уже приняты написавшим этот алгоритм человеком.

Чем сложнее алгоритм такой системы, тем, по сути, больше «знаний» он в себе содержит. В то же время так как алгоритм написан человеком, то знания системы — это знания человека, следовательно знания системы не могут быть сложнее знаний человека. Таким образом, уже понятно, что поведение системы, действующей по детерминированному алгоритму, не сможет быть сложнее мышления человека. Иначе говоря, компьютер не сделает чего-либо «сам» — например, если реальный мяч покатится «сам», достаточно только по нему ударить, то моделируемый компьютером мяч «покатится», только если этот процесс будет полностью отображён в программе. Можно возразить, что если прописать в программе все необходимые свойства мяча, то в дальнейшем компьютер сам будет вычислять его перемещение во всех условиях. Однако и свойства мяча, и условия прежде должны быть поняты человеком. В результате программу необходимо писать со всеми подробностями требуемого от системы поведения, а её сложность поэтому будет прямо зависеть от известного об этом поведении человеку.

Тем не менее даже опыт человека не может быть перенесён в программу полностью. Задать в программе можно только конкретные действия, дать точные инструкции, однако, как показано в предыдущих главах, формальное знание исходит из не формального смысла, точное знание из неточного, очевидное из не очевидного. Поэтому и написать алгоритм получится только в отношении той малой части опыта, которую можно формализовать, то есть только некоторые конкретные «итоги мышления», а не «само мышление», которое непонятно.

И даже случайный выбор из нескольких вариантов, который можно задать, включив в программу генератор случайных чисел, ничего не изменит, так как варианты всё равно должны быть известны заранее. Ведь программа не может их «придумать», она только механически реализует то, что задано человеком. Причём любое отклонение от программы, как и в обычном механизме, будет означать только сбой в её работе. И наконец если варианты известны заранее, то проще сразу задать лучший вариант.

В результате максимально достижимая сложность поведения системы, работающей по детерминированному алгоритму, всегда будет много проще мышления человека, который умеет не только действовать по раз и навсегда заданному алгоритму, а ещё и непонятным для самого себя образом вырабатывать новые алгоритмы, приобретать новые знания. Поэтому как возникают сами знания — как в мозге происходит распознавание условий, формирование целей и построение движений — всё это для детерминированного алгоритма будет в той или иной степени недоступно, так как непонятно и самому человеку.

Коротко вспомним особенности мышления, не позволяющие понять его сколько-нибудь точно. С точки зрения физики самая общая суть процесса мышления заключается в том, что мозг, будучи диссипативной системой, постоянно восстанавливает порядок, нарушаемый воздействиями среды. Что отражается в работе мышц и желёз, с которыми мозг непосредственно связан, или в наших переживаниях, мыслях, которые всегда разные, но всегда упорядоченные, в целом направлены на самосохранение и размножение и по мере обучения становятся сложнее. При этом наблюдение диссипативных систем принципиально ограничено некоторым «внешним» уровнем происходящего в системе, в то время как поведение системы связано со всеми уровнями её материи. В результате формализация мышления не имеет смысла, предсказать поведение субъекта точнее общего направления или коротких промежутков времени становится невозможным, сложность даже небольшого уточнения начинает быстро стремиться к бесконечности. При этом сложное поведение в природе реализовано только диссипативными системами (в общем смысле хаотическими), включая биосферу, животных, человека или социум. Поэтому, получается, что по мере усложнения диссипативных систем в природной реализации сложного поведения понятного становится всё меньше, а никаких других образцов для исследования и копирования сложного поведения не существует.

В итоге, таким образом, мы пришли к и так достаточно очевидному выводу: если само мышление, как источник всех алгоритмов, можно понять только на относительно общем и простом уровне, то и детерминированный алгоритм сложнее этого уровня написать тоже невозможно. Чем сложнее становится создаваемой человеком алгоритм, тем больше его сложность приближается к сложности мышления человека — и возникают все описанные в главах ранее проблемы.

Но у нас есть фантастически быстрый компьютер. Тогда, если нет вычислительных ограничений, вероятно, можно просто перебрать все возможные варианты поведения во всех возможных условиях и выбрать оптимальные?

Верный вариант поведения можно найти или творчески — угадав его, или перебрав и проверив все возможные варианты. Однако угаданный вариант тоже нуждается в проверке, то есть проверять альтернативные ему варианты всё равно имеет смысл — нет иного способа установить верность решения, кроме как в сравнении его с альтернативными решениями. Проверка не обязательно должна быть явной, так как многие варианты поведения «очевидны», то есть альтернативы им так или иначе отсеяны ранее, в том числе предками человека, которые участвуют в наших нынешних решениях через врождённый опыт или окружающую человека культурную среду. Тем не менее всё знать невозможно, поэтому чем сложнее условия и дальше стратегии, тем больше становится и вариантов поведения, которые уже не очевидны и требуют проверки. В конечном итоге таких вариантов оказывается настолько много, что перебор всех становится невозможен, так как это потребует уже слишком много времени. Иначе говоря, происходит комбинаторный взрыв — резкий, «взрывной» рост временной сложности решения задачи перебором при увеличении размера входных данных.

Но в нашем случае само по себе стремительно растущее количество вариантов, как кажется, не является проблемой, так как речь в главе идёт о компьютере с фантастической скоростью вычислений и просчитать любое количество вариантов развития событий для него труда не составит. Однако на самом деле комбинаторный взрыв возникает только в идеальных условиях, например, в математических задачах, где известны все элементы перебора. В реальности же проблемы связаны ещё и с незнанием условий, так как даже малые неточности в описании элементов условий, помноженные на их количество, быстро вырастают в полную неопределённость сколько-нибудь далёких предсказаний. В качестве примера можно вспомнить двухнедельное ограничение на предсказание погоды из главы «Неравновесность, нелинейность, хаос и бифуркации». В результате задать системе в любом случае можно только относительно простое поведение, в котором нюансы условий не играют особой роли.

Иными словами, компьютер может делать расчёты, только исходя из того, что известно об условиях человеку. Поэтому, как и в примере с мячом, чтобы фантастический компьютер что-то рассчитал, вначале сам человек должен точно понять что и как надо считать и вложить эти знания в программу компьютера. Следовательно какие бы расчёты и с какой бы скоростью ни производил компьютер, они всё равно не смогут выйти за пределы конкретных знаний человека, за пределы того, что человеку хорошо понятно, что он смог формализовать и вложить в программу.

Больше того, чтобы перебор был возможен, нужно знать не только элементы перебора, но и критерий остановки перебора, то есть критерий решения задачи. Однако чем меньше понятны условия, тем сложнее конкретизировать задачи, которые в них можно решить, и наоборот, чем точнее поставлен вопрос, тем больше он становится ответом. Поэтому, например, в бессмысленном пределе теория всего будет равносильна решению абсолютно всех задач. И так как достичь теории всего, то есть понять все условия и конкретизировать все задачи, в принципе невозможно, то на практике взаимосвязь условий и задач означает, что конкретизировать можно только те задачи, которые соответствуют хорошо понятному в условиях.

Таким образом, сама по себе высокая скорость вычислений не позволит детерминированным алгоритмам не только сравняться со сложностью мышления человека, но даже стать сложнее его наиболее формализованной части опыта. За пределами которого неопределёнными становятся не только условия и, как следствие, способы решения задач, но и сами задачи. Например, это означает, что никакие суперкомпьютеры, включая перспективные квантовые (о которых подробнее скажем ниже), по сложности с мозгом человека попросту несопоставимы — они много его проще, хотя и могут на порядки быстрее самого человека выполнять вычисления по написанному им алгоритму.

Подведём итог. Работа системы должна соответствовать задачам, которые она решает. Поэтому работа системы, которая может решать задачи, самому человеку ещё не понятные, тоже не может быть ему понятной. Но если работа система непонятна, то и задать её детерминированным алгоритмом невозможно. Детерминированные алгоритмы для сложного поведения не подходят.


1.9.2. Недетерминированные алгоритмы

Итак, детерминированный алгоритм полностью связан с формальной частью опыта, поэтому такой алгоритм «не мыслит» — не порождает ничего заранее человеком не заданного, не действует «самостоятельно», назначение детерминированного алгоритма всего лишь описать конкретный путь к конкретному результату.

Следовательно если алгоритм не будет полностью связан с формальной частью опыта, то, получается, это будет алгоритм, наоборот, способный «мыслить», принимать решения «самостоятельно», так как решения такого алгоритма не просчитаны человеком заранее. Причём как связанный не только с формальным и понятным, это, видимо, будет уже «недетерминированный» алгоритм, потому что ни точный смысл вычислений системы, функционирующей по такому алгоритму, ни решаемые этой системой задачи тоже не будут полностью понятными.

Несмотря на то, что сочетание «недетерминированный алгоритм» выглядит оксюмороном, такой тип алгоритмов существует. Недетерминированный алгоритм — это действительно не точная инструкция, однозначно определяющая путь от данных к результату, а способ решения, подразумевающий случайный выбор, интуицию. Как связанный со случаем, то есть чем-то неформальным, неточным и непонятным, этот алгоритм, очевидно, выходит за рамки формального опыта человека, а значит, вероятно, сможет сложность формального опыта превзойти. Действительно ли это так? И если такой алгоритм будет «мыслящим», то не сможет ли он мыслить и лучше человека?

С другой стороны, искусственные системы тем и хороши, что они делают только то, что задано человеком, но если весь ход «мышления» искусственной системы не просчитан человеком заранее, то как тогда направлять и контролировать поведение таких систем? Ведь естественный интеллект у человека уже есть — это сам человек, и создавать подобных себе человек уже «умеет», поэтому нужен интеллект искусственный, который будет не менее сильным, но «мыслить» тогда и в том направлении, как это требуется человеку.

Прежде ответа на эти вопросы, рассмотрим формальное различие детерминированных и недетерминированных алгоритмов. Это различие можно объяснить на примере задачи коммивояжера и машины Тьюринга. Так как речь пойдёт о задачах и алгоритмах, заметим, что когда говорят о сложности задачи, понимают сложность наилучшего алгоритма для решения этой задачи.

Задача коммивояжера заключается в поиске самого короткого маршрута через заданные города с последующим возвратом в исходный город. Она относится к одним из самых сложных, например, является трансвычислительной. Это значит, что при числе городов 66 и более, вследствие комбинаторного взрыва, объём информации, который потребуется обработать для её решения, будет превышать предел Бремерманна. Предел Бремерманна равен 1093 бит, задача превышающая этот предел не может быть решена методом перебора вариантов гипотетическим компьютером размером с Землю, работающим с максимально возможной скоростью, за период времени, равный общему времени существования Земли. В то же время алгоритм, который сможет дать точный ответ без перебора, для задачи коммивояжера неизвестен. Сложность этой задачи иллюстрируют также такие примеры: если для 15 городов существует 43 миллиарда маршрутов, то для 18 их будет уже 177 триллионов; если находить решение для 30 городов за час, то добавление ещё двух увеличит время решения в тысячу раз, то есть потребует уже 40 суток.

В свою очередь, машина Тьюринга (МТ) символизирует исполнителя алгоритма — человека, следующего инструкции, или вычислительную систему, перерабатывающую данные в результат. Другими словами, МТ — это абстрактный исполнитель алгоритма, абстрактная вычислительная система, формализация понятия алгоритм. Например, детерминированная МТ — это абстрактный исполнитель обычного — детерминированного — алгоритма, ведущего от данных к результату единственным путём.

Если этот алгоритм «быстрый», то есть время вычисления не сильно (полиномиально) зависит от размера входных данных, то задачи, решаемые этим алгоритмом, относятся к классу сложности P (полиномиальной сложности). Однако, например, в задаче коммивояжера добавление городов приводит к резкому — экспоненциальному — росту количества возможных маршрутов, и так как точное решение этой задачи требует их полного перебора, то экспоненциально растёт и время её решения. В результате даже при небольшом количестве городов много быстрее будет обойти их хоть как-то, чем искать самый короткий маршрут. Задача коммивояжера поэтому относится уже к классу NP (недетерминированной полиномиальной сложности). В класс NP попадают задачи, для решения которых необходим полный перебор всех вариантов и при этом нет эффективного детерминированного алгоритма просеивания этих вариантов в поисках оптимального ответа.

Возможен ли вообще быстрый детерминированный алгоритм решения задачи коммивояжера? Проще говоря, можно ли в общем случае избежать перебора всех вариантов? Интуитивно кажется, что нельзя, такие задачи, как задача коммивояжера, по-другому точно решить невозможно, потому что в незнакомых условиях нужно проверить все варианты, прежде чем выбрать лучший. Тем не менее если бы это оказалось возможным, то есть если бы классы P и NP оказались равны, то многие задачи можно было бы решать значительно быстрее, чем сейчас, к примеру, самое очевидное, взламывать шифры, формировать логистику, производить поиск информации.

Проблема равенства классов P и NP включена в одну из семи задач тысячелетия, за решение которой Математический институт Клэя назначил премию в миллион долларов США. Доказательством равенства этих классов было бы точное решение любой задачи из класса NP за полиномиальное время, без полного перебора. Тем не менее, как считает большинство учёных, эти классы не равны, перебора не избежать. Однако и строго доказать неравенство классов, по-видимому, тоже невозможно, так как эта гипотеза, вероятно, является слишком общей и потому невыводимой из каких-либо других конкретных положений. Иначе говоря, в этом случае наблюдаемое различие в сложности классов можно только принять в качестве аксиомы, а не вывести из других.

Тем не менее некоторый способ быстрого решения сложных задач есть — это упомянутые недетерминированные алгоритмы и недетерминированная машина Тьюринга. Формально решение заключается в следующем. Если детерминированная МТ для решения задачи коммивояжера следует единственным путём от данных к результату, и потому она должна последовательно пройти всеми возможными маршрутами, чтобы выявить самый короткий, то недетерминированная МТ в подобных затруднениях просто размножается на нужное количество копий и следует сразу всеми маршрутами, после чего остаётся только та копия, которая прошла самым коротким. Таким образом, решение задачи происходит за полиномиальное время, то есть, по сути, качественно быстрее, чем на это способна детерминированная МТ.

Однако, как в реальном алгоритме воплотить недетерминированную машину Тьюринга, неизвестно. Тем не менее элементами её способностей обладают квантовые алгоритмы. Например, предполагается, что совершенный квантовый компьютер сможет решать задачу коммивояжера для сотен и тысяч пунктов за вполне разумное время: от нескольких секунд до нескольких часов. Рассмотрим, в чём отличие квантовых алгоритмов от обычных детерминированных.

Обычный компьютер оперирует битами, которые могут принимать значение либо 0, либо 1. Квантовый компьютер оперирует кубитами, имеющими значения одновременно и 0, и 1, то есть значения 0 и 1 с разной вероятностью — «в какой-то степени 0» и в «какой-то степени 1». Такое состояние является чисто квантовым, оно не наблюдается непосредственно, потому что при взаимодействии со средой разрушается (возникает или 0, или 1) и называется состоянием суперпозиции. Состояние суперпозиции отличает квантовый компьютер от вероятностного. Популярный пример состояния суперпозиции — состояние одновременно «кот жив» и «кот мёртв» в известном мысленном эксперименте Шрёдингера. Тем не менее, несмотря на парадоксальность, нахождение системы в таком состоянии означает, что система из кубитов может вместить в себя экспоненциально больше информации, чем система из битов. Причём, вследствие квантовой запутанности, сколько бы ни было кубитов, их состояние может меняться одновременно, в отличие от последовательных вычислений обычного компьютера. Что обеспечивает беспрецедентный параллелизм вычислений, а скорость в теории может в экспоненциальное число раз превосходить классические вычисления.

Параллелизм в данном случае означает, что если обычный алгоритм должен последовательно проверить каждый вариант из возможных, то квантовый алгоритм может находиться в суперпозиции всех возможных вариантов, то есть в каждом из возможных вариантов с некоторой вероятностью. Поэтому манипуляции проводятся сразу со всеми вариантами, а естественной особенностью квантовых вычислений является то, что квантовая система даёт результат, который является правильным только с некоторой вероятностью. Ведь чтобы узнать ответ, нужно провести измерение, которое состояние суперпозиции разрушает, и с некоторой вероятностью возникает один конкретный вариант, который верен тоже только с некоторой вероятностью. Однако за счёт увеличения операций в алгоритме можно сколь угодно приблизить вероятность получения правильного результата к единице.

Но перспективы квантовых вычислений не очевидны. На данное время квантовые алгоритмы скорее интересны, чем полезны. Основной проблемой является неконтролируемое разрушение состояния суперпозиции по причине случайного взаимодействия кубитов со средой. Чем сложнее система и сложнее задача, тем больше эта проблема становится важной. Например, задачу коммивояжера квантовый алгоритм пока может решать только в теории. Второй проблемой является то, что вследствие своих особенностей квантовые алгоритмы дают преимущество только в некоторых задачах. Поэтому считается, что класс сложности задач, которые могут быть решены квантовым компьютером — класс BQP — является строгим надмножеством класса P (см. рис. выше). Это значит, что есть задачи, которые эффективно решаются квантовыми компьютерами и не решаются с помощью детерминированных классических компьютеров. Но в то же время считается, что класс BQP меньше, чем NP, то есть BQP не равен NP (точное отношение классов BQP, P и NP неизвестно). Таким образом, квантовые компьютеры могут решать некоторые задачи значительно быстрее обычных, но тем не менее эквивалентными недетерминированной машине Тьюринга они не являются.











Рис. 3. Примерное положение BQP на карте классов P и NP.

На полях заметим, что после NP есть и более высокие классы сложности, например, PSPACE, EXPSPACE и другие, каждый последующий класс включает в себя предыдущие. Во всех классах используется понятие детерминированной и недетерминированной машины Тьюринга, но сложность задач оценивается не по времени решения (как в P и NP), а по требованию к объёму памяти — так называемая пространственная сложность (space complexity).

Таким образом, как в реальном алгоритме воплотить недетерминированную машину Тьюринга, неизвестно, поэтому может возникнуть ситуация, когда быстрый детерминированный алгоритм решения неизвестен, известный требует полного перебора и потому непригоден, способный на большее квантовый алгоритм не разработан, и в довершение всего какие-либо пути к решению могут быть попросту неясны, потому даже в гипотетической перспективе квантовый компьютер не поможет.

Тогда для «быстрого» решения сложных задач остаётся только один способ — это угадать путь к решению, например, пользуясь некоторыми общими соображениями о целесообразности того или иного выбора. Иными словами, на практике недетерминированный алгоритм как будто оставляет за скобками все неверные пути и пытается указать сразу верный путь. Поэтому на практике недетерминированный алгоритм связан с интуицией, случайным выбором, повторами, пробами и ошибками, подразумевает наличие более одного пути к решению, так как оптимальный путь всё равно неизвестен. Как следствие, недетерминированный алгоритм не гарантирует оптимальный результат и не имеет точного математического обоснования, из-за чего иногда выбор оказывается более успешным, иногда менее, если ответ далек от оптимального.

В качестве примера простого недетерминированного алгоритма можно привести алгоритм покупок по списку. Если предписано покупать товары строго в том порядке, как они указаны в списке, то это детерминированный алгоритм, если порядок покупок никак не задан и можно покупать товары в любом порядке, то это недетерминированный алгоритм.

В указанном примере можно заметить и другие особенности недетерминированных алгоритмов. Например, так как порядок покупок никак не задан, то любой порядок, то есть все пути к решению, будут одинаково «верными». В то же время не все пути могут быть одинаково «полезными» — например, один порядок покупок может отнять больше времени, чем другой, так как путь обхода отделов магазина будет длиннее.

Подразумевая угадывание пути к решению, недетерминированный алгоритм, следовательно, подразумевает такие составляющие, как интуиция, творчество, эвристика — как некоторый неформальный способ сделать оптимальный выбор, поэтому к недетерминированным алгоритмам относятся также и эвристические алгоритмы.

Об одном эвристическом алгоритме уже говорилось в первой главе — о методе отжига. Другой известный и более простой пример эвристического алгоритма — это тоже относящийся к методам Монте-Карло способ определения числа Пи, который был предложен французским учёным и писателем Бюффоном в 1777 году. Суть способа заключается в бросании иглы на плоскость, расчерченную параллельными прямыми. Подсчитав долю игл, пересекающих прямые, можно приближенно определить число Пи. При увеличении количества попыток точность результата будет увеличиваться. Различные эвристические алгоритмы также есть и для решения задачи коммивояжера. Например, современные методы (тот же метод отжига) позволяют находить решения для чрезвычайно больших проблем (эквивалентных миллионам городов) в разумные сроки, которые с высокой вероятностью отклоняются от оптимального решения всего на 2–3%.

Как видно из примеров, решение недетерминированным алгоритмом происходит в два этапа. На первом имеется сам недетерминированный алгоритм, генерирующий возможное решение задачи — что-то вроде попытки угадать решение, следуя некоторой эвристике. На втором этапе полученный ответ проверяется обычным детерминированным алгоритмом. Каждый этап по отдельности не сложен, то есть требует полиномиального времени. В то же время на практике для получения оптимального решения число таких попыток может оказаться экспоненциальным, то есть чем точнее требуется ответ, тем быстрее будет расти количество попыток. Таким образом, на практике недетерминированные алгоритмы позволяют «быстро» решать сложные задачи, но оптимальность решений не гарантирована.

Надо заметить, вряд ли можно представить алгоритм покупок «мыслящим», однако обладая некоторой фантазией, пусть и в самом простейшем виде, атрибуты мышления можно заметить в способе Бюффона: разные результаты бросков постепенно всё больше компенсируют друг друга, тем самым как будто бы происходит «обучение» — сама собой формируется упорядоченная динамика, сходящаяся к «не бессмысленному» результату — всё более точному значению числа Пи. Поэтому чем сложнее недетерминированный алгоритм и сложнее будут становиться не бессмысленные результаты, тем реальнее будут казаться и «мыслительные» способности алгоритма.


1.9.3. Искусственная нейронная сеть

Как несложно догадаться, вспомнив предыдущие главы, к недетерминированным алгоритмам относятся и искусственные нейронные сети (схематичное изображение нейронной сети прямого распространения сигнала приведено на стр. 18). Понятие нейронных сетей возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Искусственные нейронные сети — это математические модели, их программные или аппаратные воплощения, построенные по принципу организации и функционирования биологических нейронных сетей. Точкой отсчёта в создании искусственных нейронных сетей считается середина XX века, когда нейрофизиолог У. Маккалок и математик У. Питтс сделали первую попытку формализации работы нейронной сети в статье о логическом исчислении идей и нервной активности.

Искусственные нейронные сети кардинально отличаются от вычислительных систем традиционной архитектуры (архитектуры фон Неймана, подробнее ниже). В отличие от обычных компьютеров, где основной объем памяти хранится не в логических электронных схемах процессора, а отдельно, в специальных запоминающих устройствах, наоборот, сама структура сети несёт в себе одновременно и функцию хранилища памяти, и функцию переработки входящих сигналов в исходящие, так как реакцию сети формирует сама структура сети по мере прохождения сигналов от входа к её выходу.

В целом работа искусственной нейронной сети заключается в следующем. Входов у нейронной сети больше, чем выходов, поэтому поток сигналов от рецепторов, поступая в сеть, перемешивается и «сжимается» в активность выходных нейронов. В этом «сжатии» и «конкуренции всего со всем» в сигналах рецепторов сами собой выделяются некие зависимости — признаки условий, которые отражаются в активности выходных нейронов. Поэтому чем сложнее сеть, чем больше в ней нейронов, слоёв, чем сложнее организованы связи нейронов, тем более сложные признаки в условиях сеть сможет распознать.

В биологической нейронной сети, этот процесс связан с неравновесными состояниями. Вследствие интенсивного обмена биологической нейронной сети со средой, изначально хаотическая активность нейронов упорядочивается, в свою очередь, порядок постоянно флуктуирует, что проявляет себя как смена мыслей, эмоций, поведенческих реакций в целом. Динамику этих флуктуаций можно представить как скатывание шарика с вершины горки, где шарик находился в неустойчивом равновесии. Даже минимум знакомых признаков заставит биологическую нейронную сеть «скатиться» к наиболее близкому хранящемуся в её памяти опыту — сеть узнает знакомое. Старый порядок в активности нейронов разрушится и возникнет новый порядок — одну мысль сменит другая. Ещё точнее другая аналогия — таким же скачком, как разрушение шпаги, перестраивается картина активности нейронов в мозге.

Но искусственные нейронные сети не являются открытыми термодинамически неравновесными системами и потому не способны к какой-либо реальной самоорганизации. Искусственные нейроны — это всего лишь обычные и несложные процессоры, их работа происходит в соответствии с некоторым алгоритмом. Продолжая аналогию со шпагой, если в мозге вследствие постоянного интенсивного притока энергии условная шпага вначале насыщается энергией, а потому скачком разрушается, естественным образом стремясь к равновесию и минимуму энергии, то в искусственной нейронной сети все этапы работы выполняются механически, в соответствии с некоторым алгоритмом и требуя затрат энергии. Тем не менее, пусть «механически» и  чрезвычайно упрощённо, ИНС моделируют «нейросетевой» уровень самоорганизации нейронов в мозге.

Теперь подробнее рассмотрим обстоятельства, которые делают искусственные нейронные сети недетерминированным алгоритмом и другие их особенности.

Искусственные нейронные сети используются в условиях, когда исследуемые данные непонятны, то есть быстрого и при этом понятного способа найти в них закономерности нет. Поэтому если какой-то быстрый способ найти в них закономерности вообще существует, то он может быть тоже только непонятным. Другими словами, решение должно исходить из некой иной логики, недоступной человеку с его «последовательным» ходом суждений, ведь в доступной логике решения нет.

И правда, если посмотреть на рис. 1, у нейронной сети своя — «нейросетевая» логика работы, которая заключается в множественных, разнонаправленных, взаимозависимых и одновременных процессах. В реальности такая динамика возможна только в диссипативных системах, которые являются функциональным континуумом прямых и обратных связей. В искусственных нейронных сетях эта логика преобразована в последовательности вычислительных операций. 

       Рис. 4. Математическая модель нейрона. Пунктиром обозначено тело (сома) нейрона.
      
    1. Нейроны, выходные сигналы которых поступают на вход данному, w — веса входных сигналов.
    2. Сумматор входных сигналов.
    3. Вычислитель передаточной функции (функции активации).
    4. Нейроны, на входы которых подаётся выходной сигнал данного

Вычисления происходят следующим образом: входящие в нейрон сигналы умножаются на коэффициент веса связи, по которой они поступили, получившиеся на всех связях значения суммируются, после чего в соответствии с функцией активации нейрона (которая может быть разной) вычисляется его выходной сигнал. И так с каждым нейроном в слое (общее количество нейронов в сети может исчисляться сотнями тысяч и их количество постоянно растёт). Вычислив таким образом выходной сигнал каждого нейрона, переходят к следующему слою, для нейронов которого эти сигналы будут входящими. Как понятно, добавление в сеть обратных связей значительно усложнит алгоритм.

Ещё раз заметим, что искусственная нейронная сеть может быть реализована программно или аппаратно. В последнем случае речь идёт нейроморфной архитектуре, в том числе это современные нейроморфные процессоры, чипы и импульсные нейроны, так как в аппаратном исполнении отчасти воспроизводятся непосредственно сами нейроны и их связи. Именно аппаратное исполнение искусственной нейронной сети принципиально отличается от архитектуры фон Неймана. В аппаратном исполнении за счёт использования импульсных нейронов выше скорость и энергоэффективность. Тем не менее суть вычислений в принципиальном смысле не меняется, поэтому описание в абзаце выше отражает работу нейронной сети в любом случае.

Как следствие, по причине этих многочисленных операций конкретный ход вычислений нейронной сети непонятен. Точнее говоря, он слишком сложен для того, чтобы мысленно воспроизвести его сколько-нибудь точно, поэтому непонятно и как конкретно сеть приходит к тому или иному ответу.

Например, в случае детерминированного алгоритма мы как будто последовательно прокладываем путь — от данных к результату, то есть привычным для нас образом выделяем цепочки событий и формируем цепочки ответных действий. Поэтому весь ход вычислений всегда можно мысленно проследить — мысленно пройти этот путь. Но нейросетевые вычисления — это фактически описание внутренних изменений сложной структуры, где нет цепочек событий, а есть объём разнонаправленных и взаимозависимых событий. Но наш мозг в этом случае пасует, мы не можем мысленно объять все эти изменения, а раскладывая их на цепочки, теряется их смысл применительно к конечному результату.

Как следствие, решениям сети можно только верить, не имея возможности точно понять их основания. Другими словами, оценить адекватность решений нейронной сети можно только «снаружи» — по самим решениям, а не мысленно охватив всё происходящее в ней, точно понимая смысл всех шагов и этапов переработки данных в решение, однозначно представляя роль всех элементов алгоритма в конечном выводе, как это происходит в случае детерминированных алгоритмов. Из-за чего, например, можно встретить определения, что нейронная сеть — это система «чёрный ящик».

В результате, ввиду непонимания конкретной логики работы искусственной нейронной сети, её конкретные решения заранее неизвестны, а её конкретные параметры поэтому можно задать только наугад, исходя из общих соображений о принципах работы нейронных сетей вообще и прошлого опыта решения сетями схожих задач. Что в итоге и делает алгоритм искусственной нейронной сети недерминированным.

Образно говоря, нейронная сеть как будто «живёт свой жизнью», её нельзя создать точно под конкретную задачу, логику её решений нельзя точно понять. Как следствие, по своей сути каждое применение нейронных сетей — это эксперимент, как и полагается эксперименту, с заранее неизвестным результатом. Поэтому можно сказать, что искусственные нейронные сети, в отличие от более простых недетерминированных алгоритмов, — это если и не полноценное мышление, то системы, «мыслительными» задатками уже явно обладающие. Нейронные сети способны порождать решение сложных задач «самостоятельно», ввиду того, что человек, создавая нейронную сеть, фактически задаёт только направление к решению, а не само решение.

Другим следствием непредсказуемости работы нейронной сети является обучение, что делает параллели с мышлением ещё более оправданными.

Очевидно, что чем сложнее задача, тем сложнее должна быть нейронная сеть, а значит, тем больше её возможных вариантов, оптимальность которых заранее установить нельзя. Упростить выбор помогает обучение, которое оптимизирует нейронную сеть со случайно выбранными параметрами под конкретную среду — конкретную задачу, то есть под те конкретные данные, в которых требуется выявить закономерности.

Общие принципы обучения ИНС упрощённо повторяют некоторые известные особенности биологических нейронных сетей. Прежде всего, для того чтобы обучение было возможным, в нейронной сети должны быть свободные параметры, в которых повторяющиеся в условиях особенности, по мере их повторения, будут формировать нейронную сеть «под себя». Часто повторяющиеся особенности условий будут вносить больший вклад в изменения этих параметров, а редкие, следовательно, меньший. Свободные параметры — это веса связей нейронов, которые, изменяясь, меняют прохождение сигналов внутри сети и в результате меняется активность нейронов на выходе сети. По аналогии с биологическими нейронными сетями, связи искусственных сетей могут быть «возбуждающими» и «тормозными», то есть умножающими исходный сигнал на некоторый положительный или отрицательный коэффициент веса связи. Поэтому некие важные признаки в условиях могут быть масштабированы, не важные нивелированы.

Непосредственно обучение происходит по правилу Хебба. В 1949 году в книге «Организация поведения» канадский физиолог и психолог Дональд Хебб высказал идеи о характере соединения нейронов мозга и их взаимодействии, которые впоследствии подтвердились (в начале 1970-х годов). Суть правила Хебба в том, что синаптическая связь, соединяющая два нейрона, будет усиливаться (вес связи возрастает), если в процессе обучения оба нейрона согласованно испытывают возбуждение, либо торможение. В ином случае — уменьшается или не изменяется, в зависимости от выбора функции активации.

Итогом обучения является то, что сеть, к примеру, предназначенная для классификации изображений кошек и собак, будет на предъявленное изображение кошки отвечать одной определённой активностью нейронов на выходе, а собак другой. Причина этого в том, что в ходе обучения характерные признаки собак по мере их повторения на картинках всё больше меняли сеть под себя, а кошек под себя. Так как признаки разные, то изменения происходили больше в разных областях сети, тем самым опыт всё больше разделялся в пространстве сети, всё больше «концентрируясь» в своих областях. Как следствие, даже минимум признаков кошки или собаки на картинке, активизируя связи с большими весами, приведут к активности «своих» нейронов на выходе сети — сеть узнает кошку или собаку. Нейронная сеть выявила некие признаки кошек и собак и теперь может обобщить их на те изображения кошек и собак, которых в обучающей выборке не было. Добившись адекватной работы сети в требуемой области применения, веса связей фиксируются, а обучение новой задаче может стирать старый опыт.

Проводя аналогии, можно сказать, что структура искусственной нейронной сети задаёт её «врождённые потребности и способности», а наличие свободных параметров — это возможность уточнения «врождённого» сообразно конкретной среде. Причём если животному обучение необходимо, чтобы приспосабливаться к конкретной среде обитания, которая изменчива и заранее неизвестна, то человеку, создавая вычислительную систему для решения конкретных задач, было бы проще сразу задать путь к решению, а не тратить время на обучение системы. Однако так как мысленно охватить происходящее в ИНС можно только приблизительно, то и создать её можно только более или менее наугад, предполагая точнее «подогнать» под условия посредством обучения. Поэтому так же лишь предполагая, а не точно зная, что данный вариант сети в конечном итоге сможет правильно обучиться, то есть, взаимодействуя с примерами обучающей выборки, сможет «эволюционировать» к правильным решениям.

В результате обучение искусственной нейронной сети, так же как и её создание, тоже не является понятным процессом с предсказуемым результатом, может вестись разными способами, обычно с высокой степенью участия человека, подразумевая творческий подход и те же недетерминированные алгоритмы решений. Можно сказать, что один понятный, но невозможный, процесс создания нейронной сети точно под задачу в реальности приходится разделять на два процесса малопонятных, но зато возможных, — создания сети и её обучения. В первом — «грубом» — более или менее случайным образом создаётся общая структура сети, во втором — «тонком» — с той же неопределённостью общая структура сети уточняется до конкретной, способной решить задачу.

В заключение надо ещё раз отметить, что биологическая нейронная сеть, в отличие от изображённой на рисунке, во множестве содержит обратные связи — от нейронов ближе к выходу к нейронам ближе ко входу, а также связи нелокальные, соединяющие отдалённые друг от друга участки нейронной сети. Это определяет, с одной стороны, способность мозга вырабатывать последовательности действий — алгоритмы решения задач (за счёт обратных связей уже выработанное решение может так влиять на ещё только формирующееся, чтобы оно по смыслу «продолжало» уже выработанное). С другой — в результате работа мозга происходит целостно, то есть трансформация входящих сигналов в исходящие происходит одновременно во всей нейронной сети мозга, а не только последовательно от слоя к слою, как на рисунке. Искусственные нейронные сети с обратными связями тоже существуют (рекуррентные нейронные сети), хотя они менее распространены по причине высокой сложности их анализа и большого количества возможных вариантов. Тем не менее сейчас, на уровне описания общих принципов работы ИНС, отличия нейросетевых архитектур не важны и будут подробнее рассмотрены в других частях.


1.9.4. Количество против качества

Итак, в главах ранее мы выяснили, что искусственные системы являются качественно более простыми по сравнению с биологическими. Точно так же искусственные нейронные сети на качественно упрощённом уровне моделируют некоторые нейросетевые элементы естественного мышления, поэтому их представление как модели мышления не соответствует реальности в той же степени. Тем не менее вернёмся к искусственным нейронным сетям и рассмотрим их возможности внимательнее.

В создании нейронных сетей заранее есть только общее представление об искусственных нейронных сетях, но конкретные параметры сети выбираются наугад, на основании общих и неформальных соображений. Возможность выбора, ограниченного только общими рамками нейросетевого устройства вычислительной системы, означает возможность экспериментов в поисках лучших решений. Поэтому, комбинируя конкретные параметры сети, может быть, всё-таки получится создать искусственную нейронную сеть, не менее сложную, чем мышление человека?

Например, вместо перебора вариантов поведения, который был описан в главе про детерминированные алгоритмы, теперь можно попробовать перебирать сразу варианты «мышления». Если раньше проблема была в том, что за пределами точных знаний элементы перебора и критерий его остановки становились неопределёнными, тем самым значительно ограничивая возможную помощь фантастического компьютера, то, может быть, теперь «фактор фантастического компьютера» сработает, ведь сейчас, кажется, всегда есть что перебирать?

Надо заметить, надежда на удачный исход как будто действительно имеет основания. Доказано, что искусственная нейронная сеть является универсальным аппроксиматором, то есть, проще говоря, искусственная нейронная сеть может с любой точностью вычислить любую функцию — а значит, вероятно, сколь угодно близко к сложности оригинала воссоздать и мышление человека. Причём в любом даже самом сложном случае от сети потребуется только достаточное количество нейронов и богатство их связей, а от самих нейронов — нелинейность функции активации, то есть требования к сложности элементов нейронной сети минимальны. Таким образом, «мыслительные» возможности искусственной нейронной сети на первый взгляд не имеют каких-либо явных ограничений, следовательно если благодаря фантастическому компьютеру перебор вариантов получится ускорить, мышление, вероятно, всё же получится выразить алгоритмом.

Однако проблема может быть в том, что мы не просто не знаем, какую «функцию» представляет из себя мышление, наше незнание «ещё больше». Вспомним, аргументы предыдущих глав ставят под сомнение саму идею, что «функцию мышления» можно «вычислить». С другой стороны, в некотором пределе, качество, наверное, можно заменить количеством — пусть не точно, но по крайней мере сколь угодно близко к оригиналу. Для случая мышления аргументы были приведены и против этой идеи, но сейчас забудем о них и предположим, что качественный недостаток знаний в отношении работы мозга, вероятно, получится заменить количеством уже понятого. Если некоторые элементы мышления известны, формализованы в искусственных нейронных сетях и нет вычислительных ограничений, то, варьируя количество этих элементов — нейронов и их связей между собой, изменяя свойства нейронов и комбинируя эти параметры, вероятно, всё-таки можно создать сложную интеллектуальную систему, «взяв числом, а не умением». Тем самым в итоге человек всё-таки сможет выразить биологическую эволюцию, создав интеллект, не уступающий, а возможно, и превосходящий собственный.

Проблема, однако, в том, что у нас так и не появилось критерия остановки. Сам по себе перебор не имеет смысла — вариант ИИ нужно не только создать, но и проверить, оценить адекватность его решений. Иначе говоря, чтобы повторить эволюцию и создать систему, не уступающую в сложности человеку, нужен не только перебор, но и отбор — аналогично естественному отбору.

Компьютерный «отбор» — это заданный компьютеру критерий остановки перебора, достигнув которого перебор остановится. Без такого критерия перебор не имеет смысла — с тем же успехом можно перебирать варианты расстановки букв в надежде написать роман. Может быть, в какой-то момент он компьютером и будет написан, но об этом никто не узнает, так как перебор не остановится.

Однако, как показано ранее, чем сложнее система, тем сложнее конкретизировать какой-либо однозначный критерий её оценки, так как и работа системы, и решаемые ей задачи становятся всё менее понятными. Причём точно понятных и легко проверяемых критериев и не должно быть, ведь тогда сложность искусственного интеллекта так и останется в пределах задач, решение которых человеку и так в точности известно. Но если однозначных критериев отбора нет, то компьютер в отборе не поможет, так как оценить систему можно будет только субъективно, по неким более или менее общим соображениям. Иными словами, оценивать придётся самому человеку, проверяя все решения нейронной сети на практике, то есть фактически экспериментально, и потому со скоростью более или менее приближённой к реальному времени.

Однако необходимость участия человека на всех этапах создания нейронных сетей означает, что фантастический компьютер что-то принципиально противопоставить проклятию размерности не способен и ускорить процесс создания ИИ не поможет. Какой бы ни была вычислительная мощность фантастического компьютера, как и в случае детерминированных алгоритмов, она всё равно будет нивелирована возможностями человека. Теоретические возможности искусственных нейронных сетей, неограниченные в идеальном математическом мире, ещё не означают столь же безграничное воплощение этих возможностей в мире реальном.

Посмотрим с другого ракурса.

Самый очевидный способ создания искусственного интеллекта заключается в том, чтобы исследовать своё мышление «изнутри», то есть во всех необходимых подробностях изучить работу мозга и перенести понятое в работу искусственных систем. Однако как минимум в силу физических особенностей, о которых говорилось в главе «Физические основания жизни», понять работу мозга сколько-нибудь точно невозможно. Поэтому остаётся только способ мышление «изобрести». В этом случае способ создания искусственного интеллекта в основном связан уже с попыткой изучить своё поведение, свои задачи и их решения для того, чтобы иметь возможность оценивать поведение создаваемых наугад нейронных сетей, отбирать лучшие из них и закладывать проверенные идеи в устройство новых, тем самым постепенно продвигаясь к нейронным сетям всё более сложным.

Но мышление и поведение суть одно и то же. Мышление — это то, как выгладит поведение «изнутри» мозга, а поведение — это то, как выглядит мышление «снаружи» мозга. Таким образом, какой бы способ ни избрать, он потребует понимания своего мышления — либо изучая его в основном «изнутри», либо в основном «снаружи». Но сколько-нибудь точно понять мышление невозможно.

В результате прямая связь между созданием искусственного интеллекта и познанием интеллекта естественного приведёт к тому, что по мере приближения к сложности мышления человека создание искусственного интеллекта будет всё больше требовать «познания непознаваемого» — мышления человека. Ведь по мере того, как поведение искусственного интеллекта будет становиться всё сложнее, образец — наше собственное поведение — будет становиться всё более непонятным. Поэтому создание искусственного интеллекта будет всё больше превращаться в задачу «сделать то, неизвестно что». На практике это будет выражаться в том, что количество возможных вариантов систем и время оценки каждого варианта будет расти, стремясь к бесконечности. И задолго до итога рост неопределённости лишит дальнейшие попытки усложнения всякого смысла. Как нельзя создать искусственный интеллект первым способом — изучая своё мышление «изнутри», так же его нельзя создать и вторым — изучая своё мышление «снаружи».

Посмотрим ещё раз. В первом случае мы выдвигаем гипотезу в отношении работы мозга и проверяем её, наблюдая за его работой, то есть в конечном итоге наблюдая за поведением самих себя — и этот способ сколько-нибудь точно понять мышление не позволяет. Во втором случае мы выдвигаем гипотезу в отношении устройства искусственной системы и проверяем её, в конечном итоге опять же сравнивая поведение создаваемой системы со своим поведением, своими задачами и их решениями. Но очевидно, что эти подходы по своим возможностям равнозначны. Поэтому так же, как себя нельзя понять, так же себя нельзя и создать.

В обоих подходах недостижимым пределом сложности создаваемых систем является сложность самого человека, как их создателя. Потому что, независимо от того, исследует ли человек свой мозг, чтобы перенести понятое в искусственные системы, или исследует своё поведение, чтобы использовать понятое для оценки создаваемых наугад систем, или совмещает оба этих подхода, человек всё равно всегда исследует самого себя — но знание себя принципиально ограничено, ведь оно равносильно знанию всего, что в принципе возможно знать — от знаний простых до тех, приближение к которым бесконечно. Поэтому если первый способ позволяет выявить некоторые принципы мышления — но далеко не все, то второй позволяет создавать искусственные системы — но тоже не сложнее мышления человека.

Рассмотрим сделанные выводы ещё раз, подробнее.

Задать работу системы можно двумя способами. Первый способ — это написать детерминированный алгоритм её работы, то есть явным образом вложить в устройство системы алгоритм решения всех возможных задач, которые только могут системе встретиться. При этом возможность написать детерминированный алгоритм, по сути, подразумевает, что все необходимые эксперименты поставлены, все альтернативные пути к решению задач так или иначе уже исследованы, среда, в которой будет действовать система, и собственное устройство системы стали во всех требуемых нюансах понятны. Поэтому наиболее оптимальный путь к решению задач может быть в точности воплощён в конкретном детерминированном алгоритме и конкретных параметрах устройства системы.

Однако если речь идёт о детерминированном алгоритме, равном по сложности мышлению, то знание всех возможных путей решения всех возможных задач, которые только могут системе встретиться, равносильно знанию всех возможных путей решения всех возможных задач, которые только могут встретиться человеку в принципе. Что равносильно не имеющей смысла теории всего, достичь каковой невозможно и приближение к которой бесконечно, следовательно не имеет смысла и детерминированный алгоритм, по сложности приближающийся к мышлению.

Второй способ задать работу системы — это попытаться угадать её необходимое устройство, применяя различные эвристики, в том числе искусственные нейронные сети (а также другие недетерминированные алгоритмы, например генетические). Данный способ, по сути, означает, что исследования ещё не окончены — ни среда, ни решения стоящих перед системой задач, ни конкретное устройство системы ещё непонятно, поэтому создаваемая система — это пока только одна из гипотез по всем этим пунктам, которая ещё требует экспериментальной проверки.

Но ставит эксперименты и оценивает их результаты человек, все возможные критерии отбора находятся внутри его опыта и не могут выйти за эти пределы. Например, чем сложнее будет становиться искусственная система, тем сложнее будут становиться и задачи, которые она решает. Но чем дальше задачи и решения будут выходить за пределы уже известного и точно понятного, тем всё более субъективной будет становиться оценка работы системы, приближаясь к полностью неопределённой.

Это означает, что на практике по мере приближения искусственного интеллекта к сложности мышления человека всё больше будет становиться возможных вариантов систем, всё сложнее станет отделять адекватные системы от не адекватных, всё труднее их обучать и находить причины их ошибочных реакций, разрабатывать новые системы и формировать пути дальнейшего развития искусственного интеллекта.

Например, если работа системы непонятна, то доверять такой системе без предварительной проверки её решений может быть опасно (обычно такая проверка является частью процесса обучения и в целом процесса разработки нейронной сети). И чем сложнее система и потому важнее решаемые ей задачи, тем цена ошибок будет выше, поэтому важность предварительной проверки будет расти. Но чем сложнее система и сложнее её поведение, тем оно важными решениями богаче, поэтому проверка будет отнимать всё больше времени и носить всё более фрагментарный характер, так как точной оценке будет доступно всё меньшая часть всего поведения системы.

Всё более сложное поведение — это и всё более далёкие стратегии решений (например управленческих), разумность которых проверить сколько-нибудь быстро невозможно уже в принципе. Так же невозможно проверить поведение системы в конкретных критических ситуациях — опасных, аварийных, так как их нельзя создать и не все из них можно предусмотреть и смоделировать.

Если система создаётся наугад, если её работа непонятна, то всегда возможно, что за пределами проверенных ситуаций, работа системы будет неадекватной. Но если обучение системы предполагается и в ходе применения, то такая опасность существует даже и для уже проверенных ситуаций, так как в следующий раз реакция может быть другой. Причём одну и ту же систему можно обучить по-разному. Это значит, что найденный удачный вариант сети и удачный вариант обучения не отменяет возможной опасности системы, если она будет обучена по-другому. И даже если предположить, что система сможет сообщать основания своих решений, точно так же невозможно будет проверить адекватность уже этой информации.

О чём уже говорилось в первой главе, опасным может быть даже искусственный интеллект простого уровня. Например, более продвинутые диалоговые системы типа Алисы или Сири будут вести адекватную беседу по всем предложенным разработчиками темам, но нельзя проверить систему во всех возможных диалогах. И за рамками проверенных ситуаций такая Алиса может оказаться неадекватной, снабжая человека ложной информацией, давая опасные советы. Условная Алиса или возьмёт ответ из уже проверенного источника, например энциклопедии, или сформирует ответ сама из разных источников по тому же принципу, как человек объясняет что-то «своими словами». Но в первом случае не нужен искусственный интеллект, а во втором никогда заранее не известно можно ли системе доверять. Ограничить круг источников информации только достоверными источниками невозможно, так как невозможно выработать такой критерий — он равен бессмысленной возможности точно отделять ложь от истины. Причём стремление к большей строгости ограничит опыт системы, что теперь уже по этой причине тоже приведёт к росту неверных ответов или попросту их отсутствию. В результате в обучающейся системе ответы всегда могут быть внешне правдоподобны, но совершенно ошибочны. Поэтому в любом сколько-нибудь ответственном случае ответы всё равно придётся перепроверять. Это проблема, с которой разработчики таких систем сталкиваются уже сейчас.

В итоге как раз именно интеллект в искусственном интеллекте и оказывается тем меньше востребованным, чем сложнее становится система и растёт важность её решений, так как самостоятельность принципиально непонятной системы становится всё более потенциально опасной или просто излишней, ненужной. Как система пришла к решению — неизвестно, адекватна ли она вообще — тоже, сколько-нибудь полноценная предварительная проверка её решений невозможна. Мы получаем от системы готовые решения, а направлять её к этим решениям умеем только приблизительно, и чем сложнее алгоритм системы, тем более приблизительно.

Не стоит ожидать и того, что принципиально непохожая на нас система сама правильно поймёт недостающее, как этого можно ожидать от человека. Поэтому по мере усложнения искусственный интеллект станет всё больше приближаться к естественному и в том, что всё больше будет делать не то, что хотят его создатели, а что «хочет» он сам. Причём, в отличие от человека, речь идёт не о некой «свободе воли», «способности к творчеству» или «человечности», возникающей у искусственных систем (что для каких-то целей, может быть, и не плохо), а о неадекватном поведении сложной системы, призванной решать сложные ответственные задачи. Ведь у искусственных систем нет «встроенного» стремления к самосохранению и размножению, которое делает нам более или менее понятным и предсказуемым поведение любого животного.

Искусственная система — это не человек, поведение которого выверено миллиардами лет биологической эволюции. Который так или иначе всегда стремится к самосохранению и размножению, что уже на физическом уровне организует любой опыт в этом направлении, из-за чего даже за рамками проверенных решений от человека можно ожидать ошибок, но не какой-либо глубокой неадекватности. В свою очередь, индивиды, к неадекватному поведению, наоборот, склонные, заметны заранее по множеству признаков. Но ничего из этого не стоит ожидать от искусственных систем. Они не обладают стремлениями на физическом уровне, а без понимания работы системы и без общности устройства системы с собой никакие признаки нельзя интерпретировать сколько-нибудь точно или сколько-нибудь достоверно экстраполировать поведение системы в проверенных ситуациях на ещё не проверенные.

Поведение человека как диссипативной системы — это гомеостаз, постоянный «поток» реакций, направленных на самосохранение и размножение. Любой опыт возникает в этом общем контексте и работает на эту общую цель жизни, становясь частью этого потока. Поэтому можно сказать, что всё живое разумно уже по этой причине, адекватность «встроена» в биологические системы ещё на самом общем физическом уровне. Ничего этого нет у систем искусственных, их всему надо учить.

В итоге чем сложнее становятся создаваемые наугад системы, тем больше становится их возможных вариантов и вариантов их обучения. А так как создать в конечном итоге нужно «то, не знаю что», то количество вариантов не просто начинает стремиться к бесконечности, но и вовсе не имеет параметров оценки. При этом одновременно и всё быстрее растёт сложность вариантов и важность решаемых ими задач, а значит, всё быстрее растёт важность адекватного поведения систем. Но возможность оценить адекватность, наоборот, всё быстрее уменьшается, так как вариантов систем становится всё больше, а их поведение становится всё богаче, в том числе стратегическими решениями, которые вообще невозможно проверить сколько-нибудь быстро. Как следствие, чтобы отделять адекватные системы от не адекватных, будут требоваться всё более сложные и длительные исследования с целью понять, как различные особенности устройства и обучения систем влияют на особенности их поведения. В результате чем ближе искусственные системы будут подходить к сложности интеллекта человека, тем быстрее и по всем параметрам будет расти неопределённость, и потому всё быстрее к бесконечности будет стремиться и время, требующееся на каждое новое усложнение.

Обобщим сказанное.

Мышление происходит на всех уровнях материи мозга, поэтому познавая себя, мы в той же степени познаём материю, а значит, познаём сразу весь мир. Но создавая себя — любым способом, пытаясь ли написать детерминированный алгоритм или угадать устройство и обучить систему «мыслящую» — мы опять познаём себя, выделяя свои задачи и находя их решения, а значит, опять познаём сразу весь мир. Круг замыкается: мир дан нам в ощущениях, поэтому познание мира, познание себя или создание себя — это одно и то же. В отличие от более частных явлений, невозможно продвигаться в решении любой из этих задач, не продвигаясь в той же степени в остальных — познание природы, познание себя и создание себя возможно только в комплексе. Но познание природы ограничено, следовательно в той же степени ограничено и познание себя, и создание себя, и наоборот. С какой бы стороны ни подходить, сложности будут расти одинаково, не позволяя приблизиться к решению ни одной из задач сколько-нибудь близко.

В итоге как нельзя познать познание познанием, так же познание познанием нельзя и создать. Как ограничены возможности исследования физического физическим — «масла маслом», так же ограничены и возможности создания мышления мышлением. И чем ближе сложность создаваемой системы будет приближаться к сложности создателя, тем больше времени будет отнимать каждое новое усложнение. Поэтому ни превзойти, ни даже повторить сложность интеллекта человека не помогут и недетерминированные алгоритмы. Несмотря на наличие у таких алгоритмов некоторых «мыслительных» способностей, мыслить лучше человека они не смогут. 

В заключение главы можно обратить внимание на соответствие сделанных выводов парадоксу Моравека — принципу в области искусственного интеллекта, который в 80-х годах прошлого века сформулировал Ханс Моравек, Марвин Минский, а также другие учёные. Согласно Моравеку «относительно легко достичь уровня взрослого человека в таких задачах как тест на интеллект или игре в шашки, однако сложно или невозможно достичь навыков годовалого ребёнка в задачах восприятия или мобильности». Другими словами, вопреки распространённому мнению когнитивные процессы высокого уровня требуют относительно небольших вычислений. Дело в том, что этот «итог мышления» уже по своей природе есть некое «понятное», формальное знание, конкретный алгоритм действий. И наоборот, так как формальные знания есть лишь малая часть всего опыта, то по мере приближения к низкоуровневым процессам объём требуемых вычислительных ресурсов начинает стремительно расти и, как показано выше, перерастает в том числе в ограничения принципиального характера.


1.9.5. Ещё некоторые варианты

К недетерминированным алгоритмам относится и возможное использование в системах искусственного интеллекта биологических нейронов. Однако несложно заметить, что данный способ никак принципиально не отличается от предыдущих. Более того, в отличие от искусственных нейронов, формализация работы нейронов биологических ограничена, поэтому в создании такой системы понятного будет ещё меньше, чем в создании «обычных» искусственных нейронных сетей.

Очевидно, есть ещё один похожий способ создавать искусственные системы, точнее говоря, лишь в некотором смысле искусственные, — это вмешательство в генетическую программу. Учитывая, что по своей сути данный способ — это управление морфогенезом, развитием целого организма из одной клетки, подробнее перспективы генной инженерии будут рассмотрены отдельно в главе «Самоорганизация организма» вместе с основами морфогенеза. Забегая вперёд, возможности понимания генетической программы ограничены, поэтому данный способ также связан с существенной неполнотой знаний, в результате ростом количества гипотез и экспериментов. Иными словами, манипуляция генетической информацией не отличается от способа усложнения недетерминированных алгоритмов, тем самым подразумевая и те же проблемы, и явным образом добавляя новые — например этические.

Обобщая сказанное, если в естественной эволюции животных, как открытых систем, максимально участвует среда во всей своей сложности, то в эволюции искусственных систем максимально участвует человек, тем самым ограничивая их сложность своими знаниями, сложность которых не может быть равна сложности среды. Поэтому управление морфогенезом или применение в системах искусственного интеллекта биологических нейронов приводит к тому, что вес факторов среды перераспределяется в пользу знаний человека, тем самым уменьшая достижимую сложность систем, но увеличивая предсказуемость их поведения.

Самостоятельная эволюция биологических систем явных ограничений не имеет, но она идёт слишком долго, а к чему приведёт попытка её направлять или ускорять написано выше. Наоборот, самостоятельная эволюция систем искусственных границы как раз имеет. Вне открытости среде, неравновесного состояния, целостности, хаоса и бифуркаций искусственные системы не могут качественно перестраиваться не только в ходе «мышления», но и в эволюционном смысле появления новых более сложных искусственных систем вместо более простых старых (например, в результате работы генетических алгоритмов). Иными словами, возможность самостоятельного развития или обучения искусственных систем ограничена по сравнению с биологическими системами в той же степени, насколько искусственные системы проще — и эта разница носит качественный характер. Что опять возвращает нас к аргументам о том, что искусственные системы всегда эволюционируют «внутри» интеллекта человека и не смогут выйти за эти пределы.

Не поможет и копирование архитектуры биологических нейронных сетей. Во-первых, как уже говорилось, коннектом сам по себе — это лишь некоторая общая «схема» мышления, поэтому реакции искусственной и биологической нейронной сети подобной архитектуры будут иметь мало похожего. Во-вторых, в любом случае требуется создание системы равной человеку сложности, а не повторение мозга человека, в том числе по той причине, что искусственная система может иметь другой набор систем, которыми она управляет. И наконец даже повторение только коннектома задача далеко не простая. Например, на данное время хорошо изучен коннектом только некоторых круглых червей — нематод, у которых 302 нейрона и около 7000 связей между ними. Причём в мозге постоянно идёт процесс роста и отмирания связей нейронов, необходимый для повышения эффективности сети, работа нейронов зависит от генетической программы, связана с окружающими нейроны тканями мозга и процессами во сне.

Понятие самоорганизации ввёл Уильям Эшби — английский психиатр, специалист по кибернетике, пионер в исследовании сложных систем. Уильям Эшби также автор известного закона необходимого разнообразия — закона Эшби. Согласно этому закону для эффективного управления необходимо, чтобы разнообразие управляющей системы было не меньше, чем разнообразие управляемой системы. Закон Эшби тоже можно связать с ограничением сложности искусственных систем.

Хаос, как максимальный беспорядок, обладает максимально возможным разнообразием. Следовательно хаос — это максимальная управляющая система, так как разнообразие хаоса всегда больше, чем у любой другой системы. Поэтому вполне логично, что именно хаос «управляет» порядком — является его источником. Однако любой опыт — это некоторый порядок в работе мозга, в свою очередь, опыт — это все задачи и все решения. Как следствие, искусственные системы не могут сколько-нибудь точно моделировать хаос: все модели создаёт опыт, но опыт, будучи порядком, может выразить хаос только очень ограниченно. В результате, имея в основании опыт человека, то есть некоторый порядок, способность искусственных систем усложняться — эволюционировать или обучаться — всегда будет значительно ниже той же способности систем биологических и самого человека, имеющих в основании хаос.

На всякий случай рассмотрим ещё один вариант. Может быть, создать искусственный интеллект поможет виртуальная среда? Здесь тоже мог бы пригодиться фантастический компьютер. Например, чтобы ускорить отбор интеллектуальных систем, нужна виртуальная среда, где скорость всех процессов можно ускорять или замедлять, останавливаясь на важном и пропуская несущественное. Однако, о чём фактически уже говорилось в главе про детерминированные алгоритмы, виртуальная среда не может быть сложнее известного человеку о среде реальной, поэтому и задать поведение, приближающееся по сложности к человеческому, она тоже не поможет. Например, чем сложнее вариант ИИ, тем точнее должна быть виртуальная модель среды, включая и социум. В результате, получается, что моделирование интеллектуальной системы, ещё только приближающейся к сложности мышления человека, потребует одновременного моделирования множества людей уже во всей их сложности. Иначе говоря, приближение искусственного интеллекта к сложности естественного мышления невозможно без приближения виртуальной реальности к реальности настоящей, но «настоящая реальность» — теория всего — не имеет смысла и даже сколько-нибудь близкое приближение к ней невозможно.

Существует ещё одна довольно распространённая идея — о возможном самозарождении искусственного разума. Например, что таким разумом станет сеть Интернет — случайно, в результате сбоя, вируса или сама собой по мере усложнения. Однако сеть компьютеров — это даже не сеть хотя бы в смысле искусственной нейронной сети, а всего лишь набор отдельных программ. Поэтому прежде всего набор отдельных программ должен сам собой превратиться в одну сложную программу — однако это даже более невероятно, чем самостоятельное усложнение часов из главы «Самоорганизация, гомеостаз, организм». Компьютеры, их жёсткие диски и процессоры — это те же самые часы, только более сложные. Внешнее же организующее воздействие в виде, например, специально написанной вирусной программы по сложности будет равносильно написанию алгоритма мышления — и всех связанных с этим проблем, рассмотренных выше.


1.10. Пределы сложности искусственных систем

Итак, по мере того как сложность создаваемых систем будет всё дальше выходить за границы точных знаний человека, количество возможных вариантов систем будет стремительно расти, а оценка каждого требовать всё больше времени, так как критерии этой оценки будут становиться всё более неопределёнными. Одновременно чем сложнее система, тем выше важность решаемых задач, а значит, и больше возможный вред от её ошибок. Поэтому по мере приближения к уровню интеллекта человека важность адекватного поведения систем будет становиться всё выше, а возможность эту адекватность проверить, наоборот, будет всё быстрее уменьшаться. В итоге время каждого нового усложнения будет стремительно увеличиваться, не позволяя искусственным системам приблизиться к сложности интеллекта человека сколько-нибудь близко.

В главе «Искусственный интеллект и эволюция» говорилось, что указанные ограничения можно описать через взаимосвязь человека с биологической эволюцией. Человек возникает и существует «внутри» биологической эволюции как её элемент, поэтому суть создания искусственного интеллекта заключается в том, что процесс самоорганизации много меньшей сложности — человек — должен выразить процесс самоорганизации много большей сложности — биологическую эволюцию. Это значит, что человек сможет выразить биологическую эволюции только в меру своей собственной сложности — и потому в очень ограниченных объёмах. В результате сложность искусственного интеллекта, который на практике всё-таки может быть создан, будет по крайней мере настолько же проще мышления человека, насколько сам человек проще биосферы. Таким образом, и с этой точки зрения максимальная практически достижимая сложность искусственного интеллекта будет много проще мышления человека.

В той же главе было приведено возражение. По причине интенсивного обмена информацией и создания сразу множества вариантов искусственного интеллекта с исследовательской и практической целью, отбор проводит весь социум, а не отдельные люди. Иными словами, человек, как открытая система, неотделим от среды, поэтому по мере расширения взаимодействия между людьми всё большее участие в решениях человека принимает всё человечество сразу. И если в ходе прогресса объём знаний будет увеличиваться, средства коммуникации развиваться, то и возможности социума проводить отбор, очевидно, также будут расти.

Например, задачи отдельной клетки и целого организма похожи — это самосохранение и размножение, но организм может выполнять их на качественно новом уровне. Поэтому если социум станет столь же сложным относительно человека, сколь сложным является организм относительно клетки, то в перспективе такой социум тоже сможет сделать качественно больше социума нынешнего. Следовательно даже если сейчас искусственный интеллект более чем далёк от уровня интеллекта человека, то в будущем этот разрыв может быть преодолён. И будущий социум, как более сложное целое, вероятно, всё-таки сможет создать искусственный интеллект и уровня человека, и даже выше него, как своего более простого элемента.

Элемент социума действительно человек, сложный социум действительно сможет больше социума простого и даже системы сложнее человека в социуме уже существуют — это культуры, страны, объединения людей — к примеру, научное сообщество. Однако сам человек возникает не в результате эволюции социума — человек возникает в процессе биологической эволюции, когда усложняются организмы, и которая включает в себя в том числе и эволюцию социума, как своего частного элемента. Причём это относится к каждому отдельному человеку тоже — любого человека создаёт сразу вся окружающая его среда, от среды внутриутробной до природной и культурной, так как каждый человек является открытой системой.

На полях заметим, поэтому например, утверждение, что люди «умеют» создавать себе подобных — неверно. Мы лишь запускаем программу морфогенеза, написанную природой за миллиарды лет эволюции, «нажимаем на кнопку» — «умеем» давать начало процессам рождения нового человека, точной сути которых не понимаем. Ничего из этого умения нельзя назвать «созданием», которое подразумевает целенаправленную интеллектуальную деятельность, последовательность шагов решения задачи. И, как показано в предыдущей главе, когда дело касается действительно «создания», возникают проблемы.

Однако искусственные системы — это не открытые системы в физическом смысле, поэтому они не способны к реальной физической самоорганизации. Это равновесные системы, поэтому они не могут воспринимать мир в той полноте, как на это способны системы биологические, не могут качественно перестраиваться и потому их самостоятельное усложнение ограничено. Эволюция и само существование искусственных систем зависят только от человека, а не от всей среды в целом, как в случае самого человека.

Эта зависимость уже сама по себе означает, что создание социумом искусственного интеллекта уровня человека должно отнять времени больше, чем на то же потребовалось биологической эволюции, так как социум проще биологической эволюции. Что уже лишает эту задачу какого-либо практического смысла, так как время её решения слишком велико. В ином случае, чтобы сократить время решения до сколько-нибудь приемлемого, социум должен стать на порядки сложнее биологической эволюции. Но это невозможно, так как сложность социума зависит от сложности биологической эволюции — образно говоря, вершина пирамиды не может стать больше самой пирамиды.

Но на самом деле принципиальное отличие искусственных систем от биологических говорит о том, что задачу создания искусственного интеллекта, не уступающего интеллекту человека, решить невозможно ни за какое время. Потому что на самом деле искусственные системы создаёт не социум, а только человек, его интеллект. Не являясь открытыми, искусственные системы в принципе не могут существовать самостоятельно не только в природе вообще, но и «в социуме».

Усложнение создаваемых систем всегда направляет и контролирует человек. Адекватность поведения искусственных систем человек естественным образом определяет по отношению к собственному опыту, своему пониманию адекватного, отбирая и продолжая те из систем, которые этим его критериям удовлетворяют. Но знание себя принципиально ниже сложности себя, независимо от того, сколько людей пытаются понять себя и насколько они при этом могут объединять усилия. Социум не поможет человеку понять себя больше, чем это в принципе позволяет его интеллект, но, способствуя более быстрому накоплению знаний, объединяя усилия людей в постановке экспериментов и развитии технологий, социум позволит достичь этого предела быстрее. Поэтому растущие возможности социума всего лишь позволят быстрее прийти к тому пределу, когда искусственные системы будут усложняться только в той мере, в какой в ходе биологической эволюции будет усложняться интеллект самого человека. И на практике приближение к этому пределу проявит себя в виде стремительно растущей неопределённости, описанной в предыдущей главе.

Например, огромный объём данных, накопленных человечеством, на которых можно обучить искусственную нейронную сеть, сделает её сложнее, относительно необученного состояния, но возможности этого усложнения всё равно будут ограничены сложностью некоторых общих параметров сети. Поэтому способность искусственных сетей применять эти данные для генерации новых и не бессмысленных с точки зрения человека знаний всё равно останется много проще тех же способностей мышления человека. Важно не только много знать, но и уметь оперировать знаниями, применять их, поэтому гипотетический интеллект, который много знает, всё равно останется не более чем помощником, существующим в контексте задач человека. Точно так же генная инженерия позволяет создавать организмы, которые могут эволюционировать самостоятельно, но на временных масштабах человека ждать результатов этой эволюции не имеет смысла, поэтому даже в эволюции «живых искусственных систем» в любом случае необходимо активное участие человека, в том числе его направляющий отбор, о границах которого говорилось в предыдущей главе.

Социум же — это самоорганизующаяся система другого уровня, существующая на иных пространственных и временных масштабах, чем отдельные люди. И равная человеку в «потребностях и способностях» только в самом общем — так же как человек в своём стремлении к самосохранению и размножению равен клетке. Например, у социума нет мышц, но суть мышления именно организация движений. Поэтому чем сложнее социум, тем больше задачи социума будут выходить за рамки понятных и доступных человеку. И если предположить, что относительная сложность социума по сравнению с человеком станет настолько же высокой, как сложность человека по сравнению с клеткой, то и задачи такого социума будут непонятны человеку в той же степени, в какой бессмысленно говорить о понимании задач мозга отдельным нейроном. Другими словами, человек, как элемент такого социума, всё равно останется на своём уровне своих задач, в принципе не имея возможности сколько-нибудь близко приблизиться к пониманию задач того большего, ничтожной частью которого он является, оценить масштаб происходящей работы и своё место в ней.

В итоге искусственные системы, создаваемые человеком, всегда будут качественно проще его самого. Но точных границ усложнения нет — есть бесконечное, всё более медленное приближение, в пределе которого происходит превращение задач человека в элемент принципиально непонятных ему задач макросистем нового уровня, которые, возможно, возникнут в ходе эволюции социума, как из колоний клеток когда-то возникли многоклеточные организмы и человек.

Тем не менее любая система, в том числе мозг человека, имеет свои функциональные особенности, то есть является специализированной. Поэтому другая система, даже если она много проще мозга человека, сможет решать задачи, которые его мышлению не свойственны, лучше человека — точнее, быстрее или в большем объёме. Насколько можно превзойти человека в таких задачах?

Прежде всего очевидно, что задачи не могут лежать вне опыта человека, они должны быть ему более или менее понятны и интересны. Системы, решающие другие задачи, не будут иметь для человека смысла и потому не могут быть им ни созданы, ни тем более не будут им развиваться. Например, искусственные системы, создаваемые человеком, могут решать задачи, не свойственные насекомым — к примеру, управлять автомобилем (хотя на некотором небольшом уровне и насекомые способны манипулировать объектами). Точно так же искусственные системы, создаваемые гипотетическими инопланетянами с более развитым интеллектом, могут делать то, что непонятно человеку. Однако в случае, когда искусственные системы создаёт сам человек, непонятных ему задач нет, так как человек создаёт искусственные системы исключительно для решения своих задач.

Следовательно задачи должны быть свойственны мышлению человека, то есть должны лежать «внутри» его опыта. В результате, «наблюдая» задачу целиком, человек может попробовать найти её прямое решение в детерминированном алгоритме или создать недетерминированный алгоритм, который сможет найти решение «самостоятельно» в процессе обучения, то есть в последнем случае искусственная система как будто бы превзойдёт интеллект человека. Однако на самом деле именно за счёт несравнимо более богатого опыта человек способен выделить в нём и задачу, и придумать систему, которая, оставаясь много проще человека, затем только лишь выявит в задаче некоторые частные закономерности, не замеченные человеком.

И чем более частный характер носит задача, тем «превзойти самого себя» человеку будет проще, а превосходство может быть заметнее. Превосходства может быть достигнуто за счёт более точного соответствия устройства системы задаче или за счёт объёма или скорости выполняемой более простой работы. К примеру, калькулятор считает быстрее человека, а автомобиль может быстрее человека перемещаться в пространстве. И наоборот, по мере приближения возможностей искусственных систем к полноте возможностей человека превосходство быстро сменится отставанием. В итоге усложнение систем, способных делать то, что в целом делает человек, то есть ставить задачи и решать их, всегда будет ограничено уровнем сложности много ниже тех же способностей человека.

И эволюция, и мышление — это процесс самоорганизации диссипативного типа, то есть принципиально одинаковые процессы. Самоорганизация, проходящая на уровне биосферы как целого, наполняет мир организмами, и чем организм сложнее, тем больше времени эволюции требуется на его создание, так как для создания сложных организмов биосфера тоже должна обладать определённой сложностью.

На некотором этапе эволюции в организме животных возникает новый уровень самоорганизации — нервная система, мышление. В результате животные становятся всё более «самостоятельными», начиная всё больше решать «личные» задачи, приобретая личный опыт в ходе обучения. И в том числе начинают сами создавать всё более сложные искусственные системы, которые по мере усложнения также становятся всё более «самостоятельными», приобретая «личный» опыт в ходе обучения.

Но при этом искусственные системы могут только упрощённо моделировать самоорганизацию. Как следствие, в том объёме, как это могут биологические системы, они эволюционировать не способны, поэтому их усложнение в любом случае связано с опытом человека, так или иначе проходит «внутри него». И даже если речь идёт о биологических системах, в создании которых участвует человек, то и их усложнение также контролирует сам человек, исходя из своего опыта. В результате как очевидно, что животные не могут стать сложнее всей биосферы, так же не могут стать сложнее человека и создаваемые им искусственные системы.

Очевидно также, что принципиальная недостижимость собственной сложности должна быть обусловлена наличием у явления, к которому относится жизнь, таких физических особенностей, которые бы в принципе не позволяли описать жизнь сколько-нибудь точно. Иначе говоря, протекание явлений, подобных жизни, должно быть процессом слишком сложным, чтобы его можно было изучить сколько-нибудь точно. И действительно, в принципиальном отличии от систем искусственных, любой живой организм или их системы, начиная от клетки и заканчивая биосферой, — это открытые термодинамически неравновесные системы, то есть системы, способные к самоорганизации, конкретно диссипативные системы. Особенностями таких систем являются интенсивный обмен веществом/энергией со средой, хаос, бифуркации и неравновесные фазовые переходы, поэтому высокая неопределённость в предсказании их поведения принципиально неустранима. Как следствие, она неустранима в поведении любого живого организма и жизни в целом.

Основной «задачей» диссипативных систем можно назвать гомеостаз — поддержание системой своего организованного состояния посредством скоординированных реакций. Таким образом, гомеостаз — это функция самосохранения в её элементарном виде. На самом старте биологической эволюции функцию самосохранения дополняет функция самокопирования — размножения — стремление системы воспроизводить себя. В результате возникает живая клетка и начинается жизнь. Появление в ходе эволюции многоклеточных организмов означает появление нового уровня гомеостаза — морфогенеза и гуморальной регуляции, проходящей на масштабе всех клеток организма как единого целого. Далее в многоклеточном организме возникает нервная система — сеть нервных клеток, на масштабе которой возникает ещё один уровень гомеостаза — нервная регуляция. Нервная регуляция заключается в упорядочении хаотической активности нейронов и отражается в организованной в едином порядке работе всех мышц и желёз. В свою очередь, за счёт специфической архитектуры сети нейронов смысл этого упорядочения заключается в распознавании условий и построении действий. В итоге сложность нервной регуляции, то есть сложность мышления, включает в себя сложность клеточного гомеостаза нейронов как отдельных клеток, сложность гомеостаза нервной системы как структуры нейронов и сложность гомеостаза активности нейронов в составе этой структуры.

Усложнение диссипативных систем — это всегда усложнение гомеостаза, то есть усложнение упорядоченной структуры системы и появление в динамике гомеостаза соответствующей составляющей. Система точно так же, как одно целое, продолжает противостоять среде, но теперь на новом уровне сложности. Этот факт отражён в схематичном описании биологической эволюции, приведённом в абзаце выше. Он также означает, что выделяя и формализуя отдельные элементы гомеостаза — некие действия системы, или детали устройства системы, в этих элементах систему можно и превзойти, и чем более частный элемент, тем превзойти будет проще. Например, относительно легко можно получить материал, по лёгкости и прочности сравнимый с костью животного.

Однако чтобы сложность поведения системы искусственной была не меньше сложности поведения системы диссипативной, сложность алгоритма искусственной системы должна быть не меньше сложности гомеостаза диссипативной системы. Но столь сложный алгоритм не имеет смысла, так как, ввиду бифуркаций, работа диссипативных систем связана со всеми уровнями материи системы, при том что элементарный уровень материи — это уровень принципиально непознаваемый. Поэтому трудности уже совсем другого масштаба возникнут в стремлении добиться того, чтобы искусственная кость могла расти или срастаться после повреждений. 

Ещё быстрее сложности будут расти в попытке понять мышление, так как если сложность гомеостаза кости — это сложность только двух уровней гомеостаза: клеточного и гуморального, то мышление связано ещё и с синхронизацией нейронов — упорядочением их хаотической активности. На практике это означает, что уточнение общего плана мышления человека, заключающегося в распознавании условий и построении действий, приведёт к стремительному росту частных элементов поведения и потому такому же стремительному росту трудностей в создании искусственных систем, которые смогут эти элементы полноценно выразить. В чём собственно и заключается рост неопределённости, описанный в предыдущей главе, который сделает усложнение искусственных систем невозможным задолго до приближения к сложности мышления человека сколько-нибудь близкого. Возможных вариантов систем будет всё больше, их поведение будет всё богаче, оценить их адекватность можно будет всё более фрагментарно, а важность адекватного поведения, наоборот, будет становиться всё выше.

В результате способности человека ставить задачи и находить пути их решения, его умение вырабатывать новые идеи, от общих стратегий до конкретной тактики их воплощения в жизнь — например, стратегии и тактики взаимодействия с другими людьми или природной средой — для искусственных систем недостижимо.

Как следствие, на практике получится или создать систему, работа которой будет повторять мышление человека в целом, начиная от распознавания условий до построения действий, но воспроизведённого на очень простом уровне, или систему, которая будет, возможно, и превосходить человека, но лишь на уровне частных элементов его опыта. В этом смысле гипотетические инопланетные существа, обладающие более высоким, чем у человека, интеллектом, смогут выразить человека полнее, чем сможет он сам, но тоже не во всей сложности. Или, решая свои задачи, они смогут создать искусственные системы, которые будут превосходить искусственные системы, созданные человеком, и смогут точнее понять природу, но эти существа точно так же ограниченно смогут выразить себя и тоже останутся далеко от построения теории всего.

По мере упрощения нервной системы её функция распознавания условий и построения действий вырождается, в конечном итоге сводясь к неизбирательному сокращению сразу всего тела в ответ на раздражение любого рецептора — так реагируют медузы, нервная система которых является одной из самых простых. Воспроизвести такой уровень «мышления», как кажется, не представляет никакой сложности, однако на самом деле это только внешняя простота. Нейрон, как и любая клетка, — это сложнейшая диссипативная система. При этом все нейроны связаны в сеть, состояние которой неравновесное, поэтому за счёт чувствительности неравновесных систем в каждой реакции нервной системы медузы учитывается активность всех её рецепторов и состояние внутренней среды организма. В результате несмотря на то, что в общем реакции медузы всегда будут одинаковые и простые, их нюансы будут столь же сложны и невычислимы, как и поведение человека.

И по мере увеличения количества нейронов, усложнения архитектуры их связей, усложнения взаимодействия нейронов с окружающими тканями и роста возможностей трансформации мозга, объём невычислимого будет стремительно увеличиваться. Причём если исходить из того, что нюансы поведения медузы в любом случае не представляют интереса, то ловкость движений муравья или пилотаж полёта мухи уже не будут лишними, а сложность мышления человека и вовсе требуется выразить именно полностью, ничего упростить нельзя, так как речь идёт о создании искусственной системы приближающейся к мышлению человека сложности или даже превосходящей его.

В итоге можно сказать следующее. Сложность знания можно выразить через время познания, и сложность человека скрыта в миллиардах лет «мышления» природы, происходящего на совершенно иных масштабах, чем доступные человеку. Из-за чего создание искусственного интеллекта, по сложности приближающегося к человеческому, в той же мере не имеет окончания, как и познание. И если предположить, что на уровне понимания общих принципов мышления и создания нынешних интеллектуальных систем мысленный анализ помог даже обогнать эволюцию, то ещё задолго до приближения к сложности мышления человека начнётся всё быстрее растущее отставание и дальнейшее усложнение искусственного интеллекта потребует уже всё большего времени, чем на это же потратила природа, притом что человечество, как любой организм, тоже, очевидно, не вечно. И взаимосвязь человека с эволюцией, необходимость её не только повторить, но и превзойти, создав ИИ в какой-то разумный срок, как дополнительный аргумент, позволяет посмотреть на ситуацию в целом, с большей наглядностью обозначить пропасть между сложностью алгоритмов и сложностью систем, где алгоритмы возникают.

Любой организм, возникший в ходе эволюции, — это эксперимент, проводимый природой, вариант интеллекта для последующего отбора. Однако природный вариант уже изначально сложнее любого алгоритма, так как любой организм — это диссипативная система, способная к самостоятельному существованию и размножению. Тем не менее, даже имея преимущество ещё на старте, для создания интеллекта уровня человека природе всё равно потребовалась огромная сложность биосферы и миллиарды лет эволюции. Следовательно чтобы обогнать эволюцию и создать интеллект, равный человеку, за какое-то приемлемое время, система потребуется много более сложная, чем биосфера и эволюционный процесс, происходящий на Земле. И потому, по-видимому, эта система должна быть качественно иная, использующая другие химические элементы и существующая в другой среде.

Причём последнее обстоятельство, вероятно, наоборот, ограничивает сложность возможной внеземной жизни, так как среду, способную сформировать жизнь качественно более сложную, чем земная, на самом деле представить тоже сложно. Более интенсивные процессы в такой среде потребуют и другого элементного состава организмов, способных в ней эволюционировать (на Земле это, по убывающей, водород, кислород, углерод, азот, фосфор и сера). Но вряд ли какой-либо другой элементный состав сможет обеспечить необходимые свойства и богатство химических соединений.


1.11. Резюмируя

Мы выяснили, что искусственный интеллект, приближающийся к сложности интеллекта человека, не может быть создан. Возможности искусственных систем, создаваемых человеком, полностью лежат в пределах сложности его собственного мышления, поэтому ни превзойти, ни даже близко приблизиться к ним они не смогут. Ограничение сложности создаваемых систем сложностью самого себя — это в той же степени и ограничение на познание себя и, таким образом, на познание природы.

В то же время точных границ между тем, что познанию доступно и что не доступно, провести невозможно. Для этого нужно оценить доступное познанию со стороны, то есть со стороны недоступного познанию, что не имеет смысла. Поэтому выводы о границах познания могут быть только качественными, то есть выводами логического, философского характера. Предел познания — это не явление, которое можно наблюдать непосредственно и исследовать экспериментально, качественная категория предела познания означает, что он доступен только мысленно, в сопоставлении того, что известно о природе, в попытке найти тенденции, которые укажут на этот предел.

В результате, с одной стороны, качественный характер сделанных в этой части книги выводов означает, что где конкретно находится предел познания, какого конкретно знания можно достичь или какой конкретно сложности могут быть искусственные системы, исходя из этих выводов установить нельзя. Поэтому в любом затруднении всегда можно надеяться найти новые методы, чтобы понять природу лучше или создать искусственный интеллект ещё более сложный, обладающий бо;льшими возможностями. Но, с другой стороны, качественный характер выводов не отменяет их сути, и в целом максимально достижимая сложность искусственных систем, создаваемых человеком, всё равно будет много ниже сложности его мышления.

Приведённые аргументы в том числе, как кажется, говорят о наличии в природе некоторых принципов, правил — нельзя создать что-то сложнее себя, нельзя узнать, каков мир на самом деле, откуда он, что было до всего и что будет после.

С практической точки зрения ограничение сложности создаваемых систем выражается в том, что по мере усложнения и приближения их к сложности человека начинает стремительно расти время каждого нового этапа усложнения, ввиду того, что понимание себя, как образца для создаваемых систем, ограничено. С логической точки зрения в том, что доступные человеку средства решения этой задачи качественно проще самой задачи — любой мыслимый язык человека, как некоторый итог работы мозга, качественно беднее «языка», который может эту работу выразить. С физической — в неравновесности и нелинейности, хаосе и бифуркациях, и потому связи себя как физической системы с элементарным уровнем материи, описание которого не имеет смысла. В свою очередь, связь себя с элементарным уровнем материи обобщает непознаваемость себя с невозможностью построения теории всего, так как такая теория суть описание элементарного уровня материи.

Работают ли эти правила в других системах? Например, какие физические причины не позволят создать себя более простой системе? Очевидно, это будет равновесная система, поэтому причины нашего «неравновесного» уровня сложности уже не подойдут. По-видимому, ответ на этот вопрос заключается в том, что более простые системы не могут стать столь сложными, чтобы что-то «создавать», они всегда «создаваемые». В них нет внутренней активности, нет стремлений, и поэтому нет «жизни». В таком случае эти правила касаются только человека и физически ему подобных систем.

С другой стороны, вспомним, что сложность знаний человека ограничена его собственной сложностью, поэтому какие бы выводы мы ни сделали, мы не можем понять всё, мы даже не можем понять себя. Для нас непредставим элементарный уровень материи, появление чего-то из абсолютного ничего или бесконечное существование чего-либо. Следовательно нельзя исключать, что за рамками представимого есть что-то иное — другой мир и другие системы, создающие сразу Вселенные, возникающие из ничего, существующие вечно или способные на всё это одновременно. Какие физические причины не позволят им создать что-то сложнее себя и как бы они оценили наши взгляды на этот счёт? Возможно, ответ в том, что принцип существования этих систем будет исключать подобные вопросы — их вопросы, задачи и возможности будут совершенно другие.

И последнее. Вывод о наличии у познания принципиальных границ, причём таких «близких» и «непосредственно наблюдаемых», как сложность собственного мышления или сущность сознания, как кажется, является однозначно пессимистическим. Однако, если подумать, однозначно плохо было бы как раз понять всё, так как это абсолютный предел какого-либо развития, а бесконечность познания — это всего лишь неоднозначно. Точно так же однозначно плохо было бы создать искусственный интеллект, сравнимый с интеллектом человека, тем более превосходящий его, так как это тоже предел развития человека, а невозможность этого — это всего лишь неоднозначно. Поэтому ничего однозначно пессимистического в сделанных в книге выводах на самом деле нет.

Далее в других частях книги с большими подробностями рассмотрим явления, о которых шла речь в первой части. Это позволит уточнить уже сделанные выводы и добавит в их поддержку некоторые новые аргументы.



2. Эволюция методов познания
2.1. Эволюция методов познания

Опыт — это объём потребностей и способностей субъекта. Если нет необходимых потребностей и способностей, то есть мозг не имеет соответствующей организации, явление не будет выделено из окружающего, так как в данный момент или вообще оно не несёт для субъекта значимой перспективы — «не имеет смысла». К примеру, животные, которым с рождения показывали только вертикальные линии, потом хуже различали горизонтальные препятствия и натыкались на них. Или, находясь в опасности, мы не обратим внимание на многое из того, что в другой ситуации было бы важно.

Одновременно, чем больше объём опыта, тем отчётливее выделение себя из окружающего, так как при мысленном сопоставлении становится всё более заметным отличие собственного поведения, вариативного согласно личной стратегии, от неизменных причинно-следственных связей неживой природы. Неизменность которых по мере накопления опыта становится всё более очевидной, а причины и следствия происходящего всё более понятными.

Накопление опыта обуславливает в том числе эволюцию представлений о метафизической (др.-греч. — то, что после физики) — первоначальной, основополагающей — сути мира. При этом из аргументов первой главы следует, что идеи метафизического характера не могут быть ни доказаны, ни опровергнуты, так как это утверждения о принципиально непознаваемом, внеопытном. В то же время, как идеи о том, каков мир «на самом деле», метафизические представления задают разумное в таком мире общее направление поведения, в том числе смысл исследовательских действий. Что, в свою очередь, предопределяет развитие соответствующего метода познания и связанного с ним типа теорий. Таким образом, непознаваемое влияет на ход познания. Считается, одному из создателей квантовой механики лауреату Нобелевской премии Максу Борну принадлежат слова: «физика, свободная от метафизических гипотез, невозможна». Рассмотрим влияние метафизики на познание подробнее.


2.1.1. Живой мир, интуиция, религия

Сложный мозг — это сложное поведение. Сложное поведение — это поведение, способное учитывать больше нюансов среды, чем поведение более простое. Поэтому задать сложное поведение на врождённом уровне, то есть задать его заранее, нельзя, так как в нюансах среда всегда разная. Как следствие, чем сложнее поведение, тем большую важность приобретает обучение, личный опыт. Из-за чего усложнение мозга в ходе эволюции одновременно сопровождается ростом времени детства — продолжительным периодом формирования структуры мозга уже после рождения. Конкретная окружающая среда, воспринимаемая мозгом, влияет на процесс его формирования и тем самым «встраивается» в опыт полнее. Как обладающий самым сложным мозгом, человек поэтому рождается в большей степени tabula rasa (с лат.;—;«чистая доска»), чем любые другие животные.

Сложный мозг — это способность к высокоуровневым абстракциям, то есть в конечном итоге к словам, речи. С появлением речи и письма становится возможным накапливать знания из поколения в поколение. В результате постепенно формируется некоторое целостное представление о мире — о том, как он устроен, что в нём разумно, какова в нём роль человека. В свою очередь, длительный период детства позволял легче обучиться этим представлениям, упрощая восприятие больших объёмов нового опыта.

Первым, самым общим и глобальным представлением такого рода становится религия.
 
В глубоком прошлом, в отсутствие знаний для выработки другой точки зрения, субъект естественным образом отождествлял окружающее с собой, своими задачами. В результате, наблюдая масштаб природных явлений, он считал себя подчинённой частью такой же живой, как он сам, но могущественной природы, зависимым от её воли, полагая, что природа является источником добра и зла, может помочь ему или помешать, подсказать или запутать. Иными словами, ещё относительно слабо воспринимая себя как некое отдельное и самостоятельное целое, субъект так же минимально выделял и противопоставлял себе другое целое — природу.

В этом контексте было разумно не целенаправленно рассуждать в поисках лучших решений, а просить окружающее о нужном, ждать от него помощи в делах или готовых ответов в виде озарения верной идеей. Приближая желаемое жертвами, ритуальными действиями и магическими обрядами, которые, казалось, способствовали этому, были понятны природе, демонстрировали ей уважение просящего и значимость его просьбы. Например, и сейчас в важной ситуации, когда нет возможности рационально повлиять на её исход, всем людям присуще злиться на предметы, жалеть или уговаривать их, взывать к окружающему как будто оно живое и может помочь, обещая взамен изменить поведение в лучшую сторону, пожертвовать чем-то важным.

Если окружающее живое и могущественное, то разумно подмечать закономерности в поведении природы, а не исследовать её как объект. При этом вначале заметно только самое общее и самое необходимое, другие детали неясны и не имеют смысла. Аналогичным образом поведение любого живого существа в общем неизменно и понятно, в частном же, наоборот, изменчиво и непредсказуемо. Поэтому если природа живая или непосредственно связана с волей живого существа, то и с этой точки зрения бессмысленно пытаться понять её поведение во всех подробностях. В результате отличие от привычного могло казаться случайным и ложным, а неуклонное следование устоявшимся традициям считаться разумнее новых идей. Приверженность обычаю отражалась и в устройстве общества — например, в наследовании роли человека в нём или априорном авторитете людей высокого положения, которое уже само по себе говорило об их избранности богами.

По аналогии с собой врождённый альтруизм человека как социального животного понимается теперь и как присущий природе и требуемый ею, при этом способной видеть ещё только намерения и наказать даже за мысли. В результате получает поддержку мораль, так как к другим факторам отбора более сплочённых сообществ добавлялась ясная причина и для внутреннего самоконтроля. Что было особенно важно в эпоху, когда инстинкты уже не оказывали прежнего организующего и сдерживающего взаимную конкуренцию влияния, ввиду увеличения объёма личного опыта, а государственный аппарат контроля и наказания или сложные логические суждения ещё не существовали.

Такая форма познания — когда знания возникают по большей части интуитивно, а природа не исследуется как объект — называется мифологической или религиозной. Миф — это поучительная история, пример типа поведения, выхода из ситуации, связи прошлого и будущего, объяснение смысла мира и человека в нём, история начала мира. Особенностями мифа являются — символичность, образность, многозначительность.

В свою очередь, особенности мифа есть следствие особенностей восприятия, присущей человеку в условиях малых знаний, более всего распространённых в прошлом. Это представление, что всё вокруг живое, наполнено невидимыми силами, чьей-то волей. И потому этот мир требует соответствующего описания — связанного со сверхъестественными существами и магическими способностями, образного, многозначительного, — аналогично тому, как сам человек подмечал в окружающем таинственные знаки, скрытые подсказки или указания, которые не даются явно, а требуют толкования.

Отражением и проводником этих представлений формируются религии, первыми типами которой считаются анимизм и тотемизм. Религии — имеющие в своём основании минимальный объём знаний и поэтому по большей части интуитивные выводы — первые и поэтому наиболее общие и наименее формализованные теории, целостно объясняющие суть мира, его источник и значение в нём человека, устанавливающие необходимые нормы поведения в социуме, свод моральных норм. В учении религии возникает первая и самая общая картина мира, теперь человек понимает, где он, что он, откуда он и зачем существует, что есть мир в целом.

Ввиду отсутствия альтернатив и широты описания, религия в то время проникает во все области жизни человека. К учению религии человек целенаправленно обращался, выбирая поведение, в результате получая такие же общие и целостные ответы, увязанные в едином просоциальном ключе с поведением остальных людей данной культуры, а, согласно религии, и даже со всем мирозданием в целом.

Накопление опыта и, как следствие, разделение труда приводит к появлению социального института, развивающего религию, толкующего смысл учения применительно к конкретным обстоятельствам, начинаясь от шаманов и до современной церкви. При этом целостное, максимально общее и согласованное длительным применением содержание религий способствует их минимальной изменчивости, определяя роль проводника наиболее консервативных ценностей.

Таким образом, прежде всего в ходе эволюции мир кажется живым, его следует наблюдать, подмечая закономерности, а не исследовать как объект. Становится понятен самый общий ход вещей, возникают приметы и обычаи, формализуются первые нормы поведения, каковые элементы обобщаются в первых типах теорий — религиях. При этом упор на традицию и потому отсутствие быстрого прогресса позволяло длительно тестировать и шлифовать то культурное основание, на котором впоследствии возникнет современное общество, цементировать племена некоторого природного ареала общими ценностями, создавая цивилизации.


2.1.2. Искусство

В одно время с религией, то есть в эпоху позднего палеолита (палеолит или каменный век, 2,5 млн — 10 тыс. лет до н. э.), возникает искусство. Появление искусства, по-видимому, связано с магическими ритуалами первых религий — например, это ритмические танцы, вводящие в транс, или изображения объектов охоты, как символов добычи. Источником искусства также является стремление отпугнуть хищников, обозначить свой статус, выделить важные предметы — вначале простой раскраской, впоследствии превращающейся в сложный орнамент, или пение птиц, как обозначающее хорошую погоду, весну, рассвет. В дальнейшем ходе истории уточняются задачи и критерии оценки искусства, выделяются его различные виды и направления, творчество становится самостоятельным видом деятельности, формой познания, связанной с образным, эстетически-выразительным осмыслением действительности.

Метод искусства — фантазия, вдохновение, творческое озарение; теория — произведение искусства; критерий истинности — ощущение красоты, законченности произведения. По причине эстетического осмысления, а не познания мира «как он есть», и потому отсутствия прямой связи искусства с метафизикой, опыт, направляющий творческий процесс, связан с представлением о красоте и задачах искусства, которое, в свою очередь, отличается в разные эпохи.

Отнесение искусства к форме познания не очевидно, так как искусство не предполагает познания мира, как стремления к верному знанию о нём. Однако важным в данном случае является наличие выраженного познавательного процесса, как поиска нового. Тем не менее, ввиду естественной субъективной направленности, далее в тексте в ряду форм познания искусство рассматриваться не будет.


2.1.3. Обыденное познание

К форме познания иногда относят обыденное познание. Обыденное познание лучше всего охарактеризовать как житейский опыт, возникающий в процессе повседневных действий человека, в том числе приметы, обычаи. Он может носить самостоятельный характер и не быть увязанным в какую-либо систему или может быть элементом другой формы познания. Не образуя самостоятельной системы знаний, далее как форма познания обыденное познание также рассматриваться не будет.


2.1.4. Умопостижимый мир, логика, философия

По мере накопления опыта различие между собой и окружающим уточняется, возникает идея созданности мира — по аналогии с тем, как сам человек учился создавать. Боги теперь предстают больше как создатели природы, отдельные от неё покровители тех или иных её сторон, а не само окружающее, поэтому природа теперь также понимается более самостоятельной, чем прежде, существующей по некоторым законам, правилам. В результате возникает и смысл целенаправленного познания природы, как попытки найти эти правила. Если раньше человек ожидал от природы подсказок в виде интуитивных озарений, содержащих готовые решения, отбор которых, таким образом, проходил не в мысленном сопоставлении, а в ходе их непосредственного применения на практике, из-за чего процесс познания шёл долго, то сейчас смысл появляется и у «самостоятельного» мышления, как активного поиска новых идей, способных объяснить устройство природы и улучшить жизнь. Возникает новая форма познания — философия.

В эту эпоху представление о живом мире трансформируется в идею природы, состоящей из глобальных стихий — по сути, первых подмеченных качеств окружающего, например, это мгла, хаос, огонь, вода и т. п.. В том числе элементов, прямо обобщающих внешний мир и внутренний мир человека, так как их различие ещё непонятно. Например, это идеи, цели, причины, благо и другие, возникающие в мифологии того времени или учениях философов. Отражая свою двойственную субъектно-объектную природу, элементы имеют божественных прародителей или воплощения, хотя сами уже не являются явным образом живыми.

По причине ещё слабого понимания различия внутреннего и внешнего миров, подобно изменчивому внутреннему миру человека, и природа в то время тоже кажется изменчивой и непостоянной. Имеющей непосредственно наблюдаемую сторону, подверженную тлену и разрушению — как отражение обычной жизни, и идеальную — как отражение стремлений человека к лучшему. Например, по мнению древнегреческого философа Пифагора (VI в. до н. э.) числа обладали нравственными силами — к примеру, 4 и 7, как средние пропорциональные между 1 и 10, считались началами пропорциональности, и потому началами гармонии, здоровья, разумности. Демокрит (V в. до н. э.), развивавший атомистическое учение (по сути, первое «корпускулярное» представление устройства природы), считал, что из «атомов» состоит не только материя, но и идеи. По мнению Платона (IV в. до н. э.), познание — это воспоминание души об идеях, которые она созерцала до соединения с телом.

Если элементы внутреннего и внешнего мира представляют единое целое, то разумный метод познания — это наблюдение явления и последующее мысленное исследование его предпосылок. Так как, с одной стороны, размышление в этом случае — это и есть непосредственное исследование природы, с другой — размышление действительно позволяет уточнить первоначальный вывод, выделяя детали и связи явлений, обобщая их в новое понимание целого.

Например, в учении Аристотеля (IV в. до н. э.) — одной из самых масштабных фигур античной философии, отправным пунктом познания утверждается наблюдение, однако истинное знание, как он считал, может достигаться только благодаря деятельности ума, способного к созерцанию высших принципов знания непосредственно. Поэтому ощущение верного вывода — его «логичность», «очевидное» следование из предпосылок, в эту эпоху понимается присущим истинной реальности, а возможное несоответствие вывода наблюдаемому — как, может быть, лишь несоответствие истинного и преходящего из-за постоянного взаимопревращения стихий и тлена природы в неидеальном «подлунном» мире. Как следствие, полученный в размышлении вывод в то время мог считаться не менее доказательным, чем непосредственно наблюдаемое, а изучение точного устройства природы, ввиду её непостоянства, не имело ясного смысла. Например, Аристотель разделял науки на «теоретические» — физика, математика, цель которых — знание ради знания, «практические» — этика и политика, дающие человеку руководящие идеи, и науки «поэтические» — творческие, ставящие задачей познание прекрасного.

Но и «знание ради знания» — тоже не синоним бессмысленного, так как полученные решения обсуждаются, подразумевая дискуссии и последователей. Накопление социумом знаний означает и рост количества возникающих вопросов, и людей, которых они интересуют, поэтому человек, способный дать на них обоснованные ответы, пользуется уважением окружающих. Тем самым в ходе прогресса познание, изучение природы всё больше приобретает в том числе и действительно «самостоятельную» ценность — как само по себе важное занятие, способное повышать качество жизни и самому учёному, и окружающим его людям, независимо от возможности непосредственного применения идей на практике. В той же степени возрастает значение интеллекта, который теперь выделяется как собственное качество человека, способность находить ответы на важные вопросы своими силами без помощи свыше, и потому это качество, имеющее ценность само по себе.

Возникая следствием и одновременно проводником этих представлений, около VI века до н. э. философия (со своими особенностями) начинает активно развиваться в Древней Греции, Индии и Китае. Философия исследует качественные стороны бытия природы и человека, исходя из большего объёма более точных знаний, что обуславливает и более конкретные в сравнении с религиями формы теорий — философские учения, развёрнутые логические умозаключения. Формализуются приёмы, ведущие к верному выводу — приёмы логики, «правильного мышления», которое теперь уже не ограничивается «однократным» актом интуитивного вывода и его сверкой с бытующими взглядами, а подразумевает выделение и мысленное исследование предпосылок явлений, выраженную дискуссионность знания, его оспоримость и необходимость рационального обоснования.

В это же время возникает элементарная математика, как своего рода философия формальная, на формальном языке. Религии под влиянием философии наполняются философским содержанием, развивается религиозная философия и направление атеизма. Происходят открытия практического характера — например, работы Архимеда (III в. до н. э.), которые в современном понимании можно отнести к научным, однако вне сформированного представления об эксперименте они носят больше случайный характер и не имеют продолжения.


2.1.5. Механистический мир, эксперимент, наука

В дальнейшем, в том числе по мере развития технологий, окружающее предстаёт всё более механистичным, воспроизводимым при повторении условий, отличным и независимым от изменчивого внутреннего мира. В этом метафизическом контексте возникает смысл изучения явлений природы, как деталей точного механизма. Для чего лучше всего подходит эксперимент, в котором можно воспроизвести явление — как часть природного механизма, и исследовать подробности его протекания, варьируя начальные условия. Тем самым в исследовании явлений природы появляется возможность установить уже и количественные взаимосвязи, так как можно точно задать начальные условия и точно измерить результат. В это же время возникает математика переменных величин. В том числе, как строгий формальный язык, способный выразить точное знание, описывающий структуры, порядок и отношения, математика предоставляет языковые средства науке. В итоге области знания, которые удалось достаточно конкретизировать для применения экспериментального метода, выделяются из философии в первые научные дисциплины. Возникает наука, методом которой является эксперимент, а языком — математика. 

Впервые идею эксперимента связывают с деятельностью английских математиков и естествоиспытателей канцлера Оксфордского университета епископа Роберта Гроссетеста и францисканского монаха Роджера Бэкона, живших на рубеже XII–XIII века. Которые считали, что исследователь должен опираться на математический расчёт, эксперимент и наблюдение, в противовес господствовавшим в то время традициям отвлечённой от реальности аристотелевской школы философии. Важность математики в то время обосновывалась в том числе утверждением Библии, что бог создал мир «мерой, числом и весом», по-видимому, берущим начало в пифагорейской школе с её религиозно-мистическими представлениями о подчинении мира гармонии чисел. Пифагор считал, что математические соотношения заложены в основание мира изначально — «числа правят миром», а значит, они безусловно необходимы для его описания.

Однако активно развиваться экспериментальный метод начинает только в XVII веке, в частности, после философских работ Галилео Галилея по механицизму. Галилей первым использовал телескоп для наблюдения небесных тел и сделал ряд выдающихся астрономических открытий. В том числе обнаружил, что поверхность Луны не гладкая, каковую подобало иметь небесному телу, принадлежащему «идеальному» миру, а имеет горы и впадины, как Земля. Что также способствовало развитию механистической картины мира, опровергая господствующее два тысячелетия представление Аристотеля, что область между орбитой Луны и центром Земли есть область беспорядочных неравномерных движений, тлена и непостоянства.

Согласно Аристотелю все тела в «подлунной» области состояли из низших элементов: земли, воды, воздуха и огня — в отличие от эфира, из которого состоял идеальный «надлунный» мир. Таким образом, астрономические наблюдения Галилея опровергали и представление о принципиальном отличии миров, объясняя мир единым и познаваемым, раздвигая границы познаваемого, наполняя познание универсальным смыслом изучения законов всей природы, способствуя росту авторитета науки и учёных. Галилей также считается основателем экспериментальной физики, он сформулировал принцип относительности, на котором базируется классическая механика. Альберт Эйнштейн назвал Галилея «отцом современной науки».



2.2. Абсолютная истина

Итак, познание идёт от общего и простого к частному и сложному. При этом детали уточняют смысл целого, а целое — смысл деталей, в результате изменяется представление и о мире в целом, и о его элементах. В то же время познать весь мир полностью невозможно, теория всего, которая опишет элементарный уровень материи, не имеет смысла, поэтому знание не может быть полным, не может точно обосновывать само себя во всём. Нельзя абсолютно точно отделить фантазию от реальности, субъективное от объективного, всегда будет оставаться что-то ещё непонятное. И если мир понятен ещё не полностью, то ни в чём точно уверенным быть нельзя, истина неизвестна.

Таким образом, полнота знания не имеет смысла, а пока знание не полно, ничего утверждать нельзя, истина не существует. Но если утверждать ничего нельзя, то и утверждать, что ничего утверждать нельзя, тоже нельзя, то есть утверждать можно. Если ничего утверждать нельзя, то утверждать можно всё. Если знание имеет смысл, то ни в чём уверенным быть нельзя, следовательно нельзя быть уверенным и в том, что знание имеет смысл. Если полнота знания не имеет смысла и истин нет, то полнота знания имеет смысл и истины есть. Получается, возможно всё и ничего, любое знание бессмысленно даже при наличии смысла?

Однако само наличие себя говорит о том, что какие-то возможности в реальности уже выбраны, реальность упорядочена хотя бы тем, что в ней есть Я. Это значит, что возможно не всё что угодно, потому что пока есть Я как минимум невозможно ничего. Смысл того, что есть, неизвестен, но утверждать его отсутствие теперь невозможно. Таким образом, Я, как бытие себя — это единственная абсолютная истина, доступная человеку, и одновременно это самая общая точка отсчёта, по отношению к которой формируются более конкретные идеи, выступающие в роли гипотез о происходящем «с Я» или «вокруг Я».

Следовательно одна истина всё-таки существует — и она в том, что реальность не равна нулю — она минимум равна Я. Но и одной этой истины достаточно для познания, общей сутью которого поэтому становится процесс выдвижения и опровержения гипотез, начиная от самых общих предположений до конкретных теорий. Например, любая научная теория по своей сути — гипотеза, которая пока ещё не опровергнута, то есть смысл которой (границы применимости) ещё не уточнён новой теорией, описывающей реальность более точно и полно (имеющей большую предсказательную силу), которая позволит точнее планировать будущее, выстраивая линию поведения.

Я — начало, Я не определено и ни из чего определённого не исходит, поэтому Я невозможно опровергнуть и Я не имеет доказательств, но что есть Я, где есть Я, как есть Я? Можно воспринимать всё как сон или выделить в сознании мир, который окружает Я, в котором есть другие субъекты, природа, культура и т. д.. В этих границах возникает и смысл математики, и рассуждений выше. Поэтому вывод о бессмысленности полноты знания и абсолютных истин в этих границах имеет смысл.

Но продолжение этого вывода, сделанное в начале главы, — что в таком случае ничего не имеет смысла — за эти границы уже выходит, так как оно отвергает то, что лежит в его собственном основании. Утверждая отсутствие смысла у всего, этот вывод утверждает отсутствие смысла и у аргументов, которые привели к нему. Или отсутствие смысла у субъекта, но именно субъект делает какие-либо выводы. В результате продолжение вывода само теряет смысл — объявляя бессмысленным своё собственное основание, оно лишает смысла и себя тоже, становясь утверждением, не имеющим никаких предпосылок. В конце концов, утверждая отсутствие смысла у всего, этот вывод прямо утверждает и отсутствие смысла у самого себя.

Иными словами, парадокс из второго абзаца этой главы имеет простое разрешение. Рассмотрев некоторые аргументы, мы пришли к выводу, что полнота знания не имеет смысла, а значит, истин нет, истина тоже не имеет смысла. Но тогда и само утверждение о бессмысленности истин тоже, выходит, не является истиной. Следовательно, наоборот, если утверждение, что истины не имеют смысла — это не истина, то истины могут иметь смысл. Однако тогда вывод, что истины могут иметь смысл, опровергает вывод, что истины не имеют смысла. Но это значит, вывод, что истины могут иметь смысл, опровергает и своё собственное основание — ведь именно вывод о том, что истины не имеют смысла, был основан на некоторых аргументах, а не наоборот. В результате вывод, что истины могут иметь смысл, в отсутствие у себя каких-либо аргументов повисает в воздухе и сам теряет смысл.

Тем не менее вывод, что истины не имеют смысла, всё-таки содержит ограничение собственной истинности — ведь этот вывод тоже не истина, иначе он не будет иметь смысла. И действительно, это ограничение — нынешние знания. Вывод, что истины есть, не обязательно неверен — он всего лишь пока не имеет аргументов. Вывод об отсутствии истин был сделан, исходя из бессмысленности полноты знания, но бессмысленность полноты знания означает и то, что познание бесконечно. В свою очередь, бесконечное познание означает, что любое нынешнее знание может когда-нибудь изменить свой смысл — и в том числе на противоположный. Когда-нибудь, но сейчас, исходя из нынешних знаний, истина не имеет смысла, поэтому сейчас любое знание, стремящееся к объективному описанию реальности не может носить характер абсолютной истины, а значит, должно подразумевать границы применимости — границы расширения его истинности на время и пространство, за которыми это знание смысл истинного теряет.

Но как же абсолютная истинность наличия себя? Ведь истины не имеют смысла?

Ранее мы пришли к выводу, что теория всего и субъект равны друг другу, так как и создание теории всего, и описание мышления субъекта одинаково потребует описания элементарного уровня материи. Другими словами, и субъект, и теория всего равны всему. Но ведь объект «всё» не имеет смысла, полнота знания принципиально недостижима? То есть получается что-то совершенно противоположное истинности — субъект оказывается не просто «не истиной», а даже и не имеет смысла вообще.

Посмотрим внимательнее.

Когда мы приходим к выводу, что теория всего не имеет смысла, мы делаем утверждение о субъекте — ведь что-либо знает или не знает субъект. И когда мы утверждаем, что истина невозможна, мы тоже делаем утверждение о субъекте. Другими словами, что бы мы ни утверждали, мы всегда подтверждаем наличие себя. Нет возможности оспорить своё существование, потому что любое утверждение, даже отрицание себя, будет подтверждать наличие себя. В итоге, как и говорилось ранее, наличие себя — это единственная абсолютная истина, а утверждение о бессмысленности себя означает всего лишь непознаваемость себя, невозможность описать себя, формализовать. И заметим, абсолютная истинность непознаваемого субъекта говорит о том, что непознаваемость, как оказывается, не всегда означает гипотетичность — Я непознаваем, но Я есть абсолютно точно, и это единственное, что точно не гипотеза.

То же относится к теории всего, ведь она равна субъекту. Любое сделанное утверждение подтверждает наличие «чего-то» — минимум себя — и, следовательно, наличие «всего». Поэтому точно так же, как и в случае себя, вывод о бессмысленности объекта «всё» — это всего лишь вывод о непознаваемости всего. Как говорилось, всё — это и ничего, так как ничего не выделено. Смысл этого утверждения в том, что познание и, таким образом, приближение к теории всего связано с утратой познанием смысла, и в бессмысленном пределе построения теории всего всё действительно перестанет отличаться от ничего, так как смысл у какого-либо знания исчезнет.

То же следует из теорем Гёделя. Вспомним пятую часть первой главы и приведённую там новую интерпретацию теорем. Существует формальная система, в которой есть невыводимая и неопровержимая формула. Формула есть и она неопровержима, но её как будто бы и нет, потому что она невыводима. И пока невыводимая и неопровержимая формула есть, непротиворечивость системы не доказана, но если этой формулы не будет, в системе не будет смысла. Невыводимая и неопровержимая формула — это невыводимый и неопровержимый субъект. Субъект есть — и это неопровержимо, но его как будто бы и нет, потому что он невыводим. И пока субъект есть и он невыводим — ещё ничего не доказано, но если невыводимого субъекта не будет — в мире не будет смысла.

Логику принципиальной неполноты знания и связанных с ней ограничений и противоречий можно заметить также в других математических теориях. Например, в уже упоминавшейся в первой главе теореме Тарского о невыразимости арифметической истины — суть которой в том, что средствами самой формальной системы нельзя выразить все истины о её структуре; в проблеме остановки — одной из центральных проблем в теории алгоритмов; парадоксе Рассела — широко известном парадоксе теории множеств, или аксиоме выбора — одном из важнейших принципов этой теории.

Если формальная система достаточно богата, то по построенной в ней формуле в общем случае нельзя определить, выводима она из аксиом этой системы или нет, так как иное было бы равносильно возможности «знать всё» — возможности разделить все формулы системы на истинные и ложные, что противоречит теоремам Гёделя о неполноте. Данное положение формализовано в так называемой проблеме остановки, суть которой в следующем. Дано описание алгоритма и входные данные, исходя из чего требуется определить, остановится алгоритм, то есть задача будет решена, или процедура работы алгоритма будет выполняться бесконечно, то есть задача не имеет решения. Знаменитый английский математик Алан Тьюринг в 1936 году доказал, что проблема остановки неразрешима, то есть не существует универсального алгоритма решения этой проблемы. Можно добавить, что современные доказательства теоремы Гёделя опираются именно на понятие алгоритмической вычислимости.

Доказательство неразрешимости проблемы остановки может показаться запутанным, но на самом деле оно простое. Пойдём от противного и предположим, что у нас есть алгоритм, назовём его Т, который по описанию любого предъявленного ему алгоритма может определить, остановится тот или не остановится. Если алгоритм не останавливается, то алгоритм Т выдаёт — 0, а если останавливается — 1. Как алгоритм Т это определяет, значения не имеет. Теперь возьмём алгоритм, назовём его Р, у которого есть одна особенность. Она в том, что если, получая описание алгоритма Р, алгоритм Т выдаёт 1 (то есть алгоритм Т определяет, что алгоритм Р останавливается), то алгоритм Р специально зацикливается, запуская бесконечный цикл. И наоборот, если алгоритм Т, получая описание Р, выдаёт 0 (то есть алгоритм Т определяет, что алгоритм Р не останавливается), то алгоритм Р специально останавливается. В результате получается, что если алгоритм Т определяет, что алгоритм Р останавливается, то алгоритм Р не останавливается, а если алгоритм Т определяет, что алгоритм Р не останавливается, то алгоритм Р останавливается. Таким образом, мы пришли к противоречию, следовательно наше исходное допущение о существовании алгоритма T неверно. Мы нашли алгоритм, который никакому алгоритму Т не по зубам.

Наглядно пояснить доказательство можно так. По активности мозга можно установить выбор человека с некоторой точностью за несколько десятых долей секунды до того, как сам человек этот выбор осознает. Дело в том, что выбор формируется постепенно, поэтому в простых случаях, малом количестве вариантов и одинаковых условиях, предварительно измерив активность мозга в каждом варианте выбора, можно определить, что вот эта активность — это признак одного варианта выбора, а вот эта — признак другого. Теперь попробуем угадать выбор автомата, который печатает 0 или 1 и может считывать эту активность с нашего мозга. Угадать будет невозможно, так как автомат, определяя наш выбор по активности мозга, будет сразу подставлять другую цифру. В такой же ситуации находится алгоритм T: с него считывается информация о его решении. Но нельзя выбрать правильный ответ, когда правильность ответа меняется от самого выбора.

Парадокс Рассела — это парадокс теории множеств. Теория множеств — это широко известный раздел математики, в котором изучаются свойства множеств — совокупностей элементов произвольной природы, обладающих каким-либо общим свойством. Парадокс показывает противоречивость объекта «множество всех множеств». Одно из выражений его противоречивости уже было рассмотрено на стр. 7, сейчас рассмотрим ещё одно. Пусть есть множество всех множеств, которые не содержат себя в качестве своего элемента. Содержит ли такое множество само себя в качестве своего элемента? Если содержит, то получается противоречие, так как речь идёт о множествах, которые не содержат себя своим элементом. Если не содержит, то опять противоречие, так как множество всех множеств по определению должно включать в себя все множества, в том числе, естественно, и само себя.

Более понятно парадокс можно описать таким образом. Представим множество людей или, например, множество электронов. Очевидно, что само множество людей или множество электронов как объекты — это не человек и не электрон, то есть множество людей или электронов — это именно такие множества, которые не содержат сами себя в качестве своего элемента. Но если представить множество всех таких множеств — будет ли оно содержать себя в качестве своего элемента? Так как речь идёт не о множестве конкретных объектов, а о множестве самих множеств, то, очевидно, такое множество будет содержать себя своим элементом — оно же множество. Однако речь идёт о множестве таких множеств, которые не содержат себя своими элементами, следовательно множество всех множеств себя своим элементом содержать не может.

Параллели с принципиальной неполнотой знания здесь в том, что «множество всех множеств» можно представить как всё сущее. Являясь частью мира, сделать вывод обо всём мире невозможно — в то же время наблюдать мир можно только будучи его частью. Таким образом, на какую бы точку зрения ни вставать, вывод обо всём — о «множестве всех множеств» — будет противоречивым.

Парадокс Рассела в других формулировках был известен ещё в Древней Греции. Например, это уже упоминавшийся парадокс лжеца: «Это высказывание ложь». Если данное высказывание действительно ложь, то оно правдиво говорит о своей ложности, то есть оно правдиво. Если же оно правдиво, то оно ложно. В другой формулировке: «Мэры всех городов должны жить не в своем городе, а в специальном Городе Мэров». Но где тогда должен жить мэр Города Мэров, ведь по условию в своём городе он жить не может? Или даже такой вариант: если разделить все числа на интересные и неинтересные, то неинтересные числа сразу станут интересны тем, что они неинтересные, то есть интересными, получается, будут и сразу все числа, и только их часть.

Теория множеств создана во второй половине XIX века немецким математиком Георгом Кантором. В первой главе уже говорилось, наличие парадоксов означает противоречивость теории, поэтому изначальная форма теории известна как наивная теория множеств. В современных вариантах теории множеств, посредством подбора системы аксиом, то есть в некотором смысле с помощью достаточно искусственных ограничений, основные противоречия удалось снять. Объект «множество всех множеств» сейчас не рассматривается как множество, потому что он вступает в противоречие с теоремой Кантора. Согласно которой любое множество менее мощно, чем множество всех его подмножеств.

Например, в множестве всех людей можно выделить как каждого отдельного человека (каждый элемент множества является его подмножеством), так и сгруппировать людей по их принадлежности к странам, цвету волос, профессии и т. д. или даже построить всех в ряд, пронумеровать и переставлять в разных сочетаниях, создавая разные сочетания номеров  — и очевидно, что таких подмножеств у множества людей будет больше, чем элементов — самих людей. Это касается и множества всех множеств — но не может быть ничего больше, чем множество всех множеств. Таким образом, возникает противоречие, которое носит название парадокса Кантора, и потому противоречивой является теория, в которой построение множества всех множеств возможно.

Строгий способ доказательства теоремы Кантора — что само множество менее мощно, чем множество его подмножеств — называется диагональным аргументом (диагональный метод Кантора). Доказательство необычное, простое и заключается в следующем.

Пусть у нас есть бесконечное множество нулей и единиц, то есть нулей в этом множестве бесконечное количество и единиц тоже бесконечно много. Теперь будем по-разному группировать нули и единицы и записывать получающиеся бесконечные последовательности в строки (в таблице ниже эти строки обозначены как S с номером). Например, в первой строке запишем одни нули — бесконечное количество нулей. Это будет первое подмножество множества нулей и единиц. Во второй строке запишем одни единицы — это будет второе подмножество. В третьей строке как-нибудь сгруппируем все нули и единицы в одной строке. Это будет третье подмножество. В четвёртой перегруппируем нули и единицы отличным от предыдущих строк способом.  И так как у нас бесконечное количество нулей и единиц, то перегруппировывать их можно бесконечно, ни разу не повторившись.

Таким образом, в конечном итоге у нас получится бесконечное количество строк бесконечных последовательностей нулей и единиц, то есть бесконечное количество подмножеств бесконечного множества нулей и единиц. Причём, несмотря на то, что и нулей бесконечное количество, и единиц бесконечное количество, даже их вместе всё равно «не больше», чем натуральных чисел, потому что натуральных чисел тоже бесконечное количество. Как говорилось в первой главе, в бесконечной жизни количество минут равно количеству веков, хотя кажется, что количество минут больше.


















Рис. 5. Диагональный аргумент.

Если бесконечное количество нулей и единиц равно бесконечному количеству цифр натурального ряда (1, 2, 3, ...), то ничего не мешает нам пронумеровать все нули и единицы, присвоив каждому нулю и единице свой номер. Это означает, что множество нулей и единиц счётно. Записанных нами строк тоже бесконечное количество, поэтому строки тоже ничего не мешает пронумеровать. Однако если это получится сделать, то окажется, что множество строк — множество подмножеств нулей и единиц — равно самому множеству нулей и единиц, так как и то и другое множество будут счётными. Тогда как мы предполагаем, что множество подмножеств должно быть мощнее самого множества, то есть бесконечное количество строк нулей и единиц должно быть несчётно — больше бесконечного количества самих нулей и единиц.

Теперь посмотрим на таблицу. В ней показаны описанные выше строки. Как мы предполагаем, строк должно быть несчётное количество, то есть больше, чем натуральных чисел. Поэтому, несмотря на то, что в таблице они пронумерованы, где-то должны быть такие строки, для нумерации которых всей бесконечности натуральных чисел будет недостаточно.

Для доказательства этого заменим первый символ первой строки на другой. В данном случае заменим ноль на единицу. Во второй строке заменим второй символ — в данном случае заменим единицу на ноль. В третьей строке заменим третий символ, то есть ноль заменим на единицу. И так далее — то, что нужно менять, выделено красным. В результате из красных цифр нас получится ещё одна бесконечная последовательность нулей и единиц — она выписана под таблицей и выделена синим. От первой строки эта новая последовательность будет отличаться первым символом, от второй вторым, от третьей третьим и так далее. Другими словами, нас получится новая строка бесконечной последовательности нулей и единиц, которая отличается от всех ранее записанных строк хотя бы одним символом. Но номера у этой строки быть уже не может, ведь всю бесконечную последовательность натуральных чисел мы «потратили» на уже выписанные строки. Таким образом, мы доказали, что само множество менее мощно, чем множество его подмножеств. И одновременно, что множество всех множеств противоречиво, так как оно должно быть самое мощное, но таковым, как оказалось, не является.

И не только это. В том же 1891 году Георг Кантор использовал диагональный аргумент в доказательстве несчётности вещественных чисел. Позднее диагональный аргумент применялся в некоторых версиях доказательства теоремы Гёделя, неразрешимости проблемы остановки и доказательствах других теорем.

Есть ещё один способ доказательства теоремы Кантора. Не менее интересный, но, возможно, более простой. Предположим, что количество элементов множества всё-таки равно количеству подмножеств этого множества. Тогда между элементами множества и подмножествами множества можно установить взаимно однозначное соответствие, то есть каждому элементу множества можно сопоставить подмножество. Этот элемент принадлежит подмножеству, поставленному ему в соответствие? Если принадлежит, покрасим его в синий цвет, Если не принадлежит — в красный. Раскрасим по этому правилу все элементы множества. Возьмём получившееся подмножество красных элементов. Оно тоже должно иметь сопоставленный ему элемент, так как именно из этого допущения мы исходим: если есть подмножество, то есть и элемент, который поставлен ему в соответствие. Этот элемент синий или красный? Пусть он синий. Если он синий, то он принадлежит подмножеству красных элементов, так как синие элементы — это те, которые принадлежат подмножеству, поставленному им в соответствие. Но это противоречит тому, что подмножество красных элементов состоит только из красных элементов. Пусть этот элемент красный. Тогда он не принадлежит подмножеству красных элементов. Но это противоречит тому, что подмножество красных элементов содержит все красные элементы. Таким образом, получается, что подмножество есть, но ни один элемент множества ему сопоставить нельзя, то есть подмножеств у множества оказалось больше, чем элементов. Мощность множества меньше, чем мощность его подмножеств.

«Взамен» противоречивого множества всех множеств в современных теориях возникает так называемое универсальное множество (универсум) — множество, содержащее все мыслимые объекты, однако это понятие трактуется лишь как «множество, включающее все множества, участвующие в рассматриваемой задаче». В других теориях приняты классы — совокупности объектов, которые не являются множествами, поэтому класс всех множеств тоже не является множеством всех множеств. В итоге парадокс Кантора, по сути, отражает то указанное ранее неформальное обстоятельство, что объект «всё» не имеет смысла, есть только частные явления, поэтому такой объект из рассуждений должен быть устранён.

Последний объект в нашем ряду — аксиома выбора. Согласно аксиоме выбора, если есть некоторое множество элементов, то можно выбрать один из них. Например, в конечном наборе разных натуральных чисел, очевидно, есть наименьшее число, то есть выбор наименьшего числа в этом случае возможен явным образом. Однако столь же явно нельзя найти наибольшее натуральное число, так как множество всех натуральных чисел бесконечное. Или определить наименьший элемент открытого интервала — всегда найдётся ещё меньший, или, например, число Пи, так как его вычисление бесконечно, число Пи иррациональное и трансцендентное. Таким образом, эти элементы как будто бы есть, но их как будто бы и нет.

Аксиома выбора была сформулирована и опубликована немецким математиком Эрнстом Цермело в 1904 году. Аксиома выбора вызвала бурную полемику, до сих пор не все математики принимают её безоговорочно, бытует мнение, что доказательства, полученные с её привлечением, имеют «иную познавательную ценность», чем доказательства, не зависящие от неё. Например, следствием аксиомы выбора является парадокс удвоения шара (парадокс Банаха — Тарского) — теорема в теории множеств, утверждающая, что шар равносоставлен двум своим копиям. Парадокс обращает внимание на ситуацию, кажущуюся совершенно невозможной с точки зрения привычной логики: можно так разделить шар на части, что из полученных частей составить ещё один шар, равный первому. Доказательство парадокса основано на изучении действия группы преобразований на сфере и показывает как можно разделить шар на пять частей, из которых затем сложить два шара того же радиуса, что и исходный.

Неформально суть парадокса в следующем. Интуитивно подразумевается, что у шара есть минимальные элементы и эти элементы имеют объём, поэтому их невозможно вытащить из шара без ущерба для его объёма и тем более составить из них другой такой же шар. Однако в математике объём может делиться до бесконечности, то есть до точек, никакого объёма не имеющих, так как количество точек в объёме любого размера несчётно. При этом в объёме шара есть точки с измеримыми координатами и неизмеримыми — аналогично неизмеримому наименьшему элементу открытого интервала или числу Пи. Причём и измеримых, и не измеримых точек бесконечное количество. Следовательно, выбрав неизмеримые точки, без какого-либо измеримого ущерба для объёма исходного шара можно «вытащить» из него ещё один шар. В более сильном варианте парадокса любые два ограниченных подмножества трёхмерного евклидова пространства с непустой внутренностью являются равносоставленными, то есть куб можно превратить в шар, а шар размером с горошину в шар размером с Солнце.

Последнее кажется совсем уже невероятным, тем не менее наглядно проиллюстрировать равносоставленность несопоставимых по размерам объектов очень легко. Возьмём листок бумаги и нарисуем на нем окружность радиуса r = 1 (радиус, конечно, может быть любым, но мы принимаем его за единицу). Затем соединим любую точку воображаемой плоскости за пределами единичной окружности с центром этой окружности. На полученном радиус-векторе R построим точку r = 1/R, которая, естественно, окажется внутри единичной окружности. То же будет с любой точкой плоскости снаружи окружности — каждая точка плоскости, которых, как кажется, должно быть бесконечно больше, чем точек внутри единичной окружности, тем не менее будет иметь в единичной окружности своё представительство. Переход от плоскости к объёму представить не сложно.

Столь очевидная неоднозначность выводов приводит к тому, что доказательства, требующие аксиомы выбора, всегда неконструктивны: даже если доказательство создаёт объект, нельзя сказать, что же именно это за объект — он не существует «наглядно», как нечто такое, что можно «действительно» построить.

Тем не менее, несмотря, кажется, на полную оторванность этих математических построений от реального мира, и здесь тоже можно провести параллели с реальностью. Например, и природа в целом, и каждая самоорганизующаяся система одинаково «несчётны», несмотря на вроде бы несопоставимую разницу в масштабах, так как их формализация одинаково не имеет смысла. Больше того, абсолютно точное представление о любом элементе реальности точно так же равносильно полноте знания. Образно говоря, в каждом объекте — вся Вселенная.

В итоге, как можно заметить, аксиомы математики находят своё отражение в реальном мире, хотя никаким «законам природы» аксиомы соответствовать не обязаны и принимаются лишь на основании желания математика. Тем не менее в определении содержательности суждений математического языка математик естественным образом исходит из отношений известной ему природы. В результате в столкновении идей личное и несущественное отбрасывается, оставляя в сухом остатке идеализированное отражение реального мира, а не бессмысленные фантазии. В то же время всегда исходя из известного, а значит, неполного и неточного, математика и сама не полна, её непротиворечивость неизвестна, поэтому в познании природы математическая теория может служить ориентиром, но не доказательством.

И наконец если истин нет, то любое знание может оказаться ошибочным. Что невозможно будет понять до тех пор, пока чей-то нестандартный подход не заставит взглянуть на казавшееся привычным с другой точки зрения. Иными словами, истинную природу вещей можно установить, только если посмотреть на происходящее со стороны, но, оставаясь частью реальности, действительно посмотреть со стороны нельзя ни на что. И всё же если чаще смотреть на мир другими глазами, вставать на точку зрения оппонента, рассматривая проблему с разных сторон, можно стать к истине ближе.


2.3. Границы применимости методов

Как теперь понятно, одна абсолютная истина всё же есть — Я, существование себя. Это значит, что полагаться в определении разумного приходится также только на собственные ощущения, то есть в конечном итоге на то, повышает некое знание качество жизни или нет. Например, солипсизм — идея, что мир есть только в сознании субъекта, — простая, но при этом предполагает и слишком простое отношение к жизни — ведь всё только сон, видения. Как следствие, несмотря на простоту, идея солипсизма менее способствует качеству жизни, мешая воспринимать её во всей полноте. Наоборот, если считать, что всё одинаково реально, то окажется, что ни в чём нет постоянства, всё изменчиво и непосредственно зависит от воли человека, как от неё зависят объекты внутреннего мира — фантазии, идеи. Что также не будет способствовать качеству жизни. Например, в этом случае не сможет возникнуть наука, потому что эксперимент в таком мире не имеет смысла, ведь его результаты тоже должны быть сами по себе изменчивы и зависеть от воли человека.

Поэтому требуется введение новых сущностей, усложняющих воспринимаемое делением на мир субъективный — изменчивый и непостоянный, непосредственно связанный с волей человека, и мир объективный — независимый от неё, существующий вовне человека. Со временем по мере накопления опыта это разделение становится всё более строгим. При этом ощущения разных людей не совпадают — в то же время человек не может выжить в одиночку. Вследствие чего то, что считать разумным и не разумным, субъективным и объективным, в том числе зависит от гласного и негласного согласия людей, что считать таковым, и корректирующей силы естественного отбора.

В первобытных условиях, когда знаний ещё мало, разделение мира на явления, в том числе разделение мира на внутренний и внешний, минимально, язык неразвит. Как следствие, мир кажется живым — изменчивым и непостоянным, связанным с чьей-то могущественной волей, а выбор поведения носит в большей степени интуитивный характер, как, по сути, надежда на удачу, скрытые знания и мистические силы живой всезнающей природы, которые помогут сделать правильный выбор.

Точно так же и сейчас в незнакомой обстановке, в условиях высокой новизны и минимального багажа знаний далеко от интуитивного вывода уйти не получится. В другой ситуации интуитивная уверенность в своей правоте предшествует строгим аргументам, заставляя их искать, может быть, идя наперекор общепринятому. И часто даже не нуждается в аргументах — что не логично, но любая логика может оказаться неверна, так как всё учесть невозможно. О разумности идеи могут говорить её популярность, положение её автора в обществе или даже его уверенный тон, которые интуитивно подтверждают знания человека, что может быть ориентиром, когда нет времени рассуждать. Таким образом, интуиция и, как следствие, в большей степени вера в идею, а не точное понимание её причин и следствий, имеет смысл, когда нет достаточного опыта, чтобы сделать точный выбор, или при необходимости быстрых решений.

Далее в ходе истории мир в опыте расширяется и детализируется, а по мере того, как сам человек учился создавать, развивается идея созданного мира, порождённого высшими силами. Окружающая природа уже не кажется одинаково живой, представление о живом и неживом уточняется. Теперь всё имеет установленные правила, по которым существует, а значит, можно попробовать эти правила понять. Однако разделение внутреннего и внешнего мира ещё не имеет нынешней чёткости, поэтому качества внутреннего мира считаются присущими природе в целом и имеют связанных с ними высших покровителей. Возникает представление, что если природа — это поле действия сил, обобщающих внутренний и внешний мир, то с помощью внимательного наблюдения и правильного мышления можно понять эти правила, а ощущение «логичности» построенного вывода, его «очевидное» следование из предпосылок — это и есть основание его истинности, ведь всё это такая же реальность.

Такой метафизический контекст подразумевает внимательное мысленное рассмотрение идей, что позволяет точнее и с меньшими затратами сформировать разумную линию поведения, отвергая неудачные идеи ещё на стадии размышления. В то же время сейчас понятно, что между сознанием и окружающим нет прямой — линейной связи, поэтому размышление всё равно требует сверки с реальностью. В ином случае «логичный» вывод может реальности не соответствовать и к тому же отличаться у разных людей.

Тем не менее, несмотря на индивидуальность в частном, в общем все люди схожи, схожи их условия жизни и потому в общих положениях схож и их опыт. В результате, даже если вывод невозможно проверить непосредственно, по общим, «качественным» вопросам можно прийти к согласию просто через обмен мнениями, а специалисты — со схожим в том числе и частным опытом — могут прийти к согласию и в отношении частных вопросов. Например, в отношении гипотезы, которую необходимо проверить в эксперименте или оценке его результатов. При этом чем больше людей придерживается сходных взглядов, тем больше оснований считать эти взгляды разумными, так как по крайней мере нынешние люди — это потомки тех, кто выжил в ходе длительного естественного отбора. Следовательно даже если большинство неправо, то вряд ли эта неправота носит характер неадекватности, поэтому или новые идеи будут большинством рано или поздно восприняты, или, скорее всего, неадекватны именно сами новые идеи.

Таким образом, логическое рассуждение в целом более приспособлено выявлять «качественные», то есть некоторые общие, системные отношения, согласие по которым можно достичь через обмен мнениями. Поэтому само по себе рассуждение уместно, когда есть достаточные предварительные знания о предмете, ограничивающие произвольность выводов, но нет возможности провести эксперимент, чтобы установить отношения в точности.

Эксперимент же, имея в основании большой объём конкретных знаний в рассматриваемой области и представление о природе, как о точном механизме, отличным от изменчивого сознания и независимого от воли человека, работу которого можно воспроизвести при повторении начальных условий, позволяет провести точные измерения конкретных величин, тем самым предоставляя размышлению необходимую «сверку с реальностью». Позволяя сформировать в той же степени более точную модель явления и использовать это явление с практическими целями. Таким образом, эксперимент возможен в случае, если явление понятно настолько, что в отношении него может быть выработана конкретная проверяемая гипотеза.

В то же время чем более общими являются выводы, чем меньше в них строгости и конкретики, то есть чем больше эти выводы «качественные», а не «количественные», тем более неопределённым и не очевидным становится их практическое значение. Как следствие, зачастую можно встретить мнение о философии, как о бессмысленном занятии — в отличие от науки, достижения которой можно явным образом применить на благо человека. Однако в областях, где эксперимент в принципе неприменим, понять явление — пусть и не с той точностью, на которую способна наука — поможет только развёрнутое логическое рассуждение на естественном языке, то есть философия. В результате выделяются области знания — например, метафизика, аксиология, этика — которые становятся философскими дисциплинами. В других областях, где эксперимент только пока неприменим, философия, по сути, аккумулирует знания, идеи, привлекает внимание к проблеме, подготавливая почву для науки. При этом ошибочные, противоречивые философские идеи, как отработанная порода, из которой взято всё необходимое, со временем утратят популярность, как и опровергнутые гипотезы в науке.

Так же как разные методы познания, в разных условиях разумно своё восприятие окружающего. Метафизическое представление об «истинной» сути природы, как своего рода метатеория, направляет анализ окружающего в свою «предметную область», задавая соответствующее общее направление поведению, которое, в свою очередь, определяет выбор конкретных действий, в том числе исследовательских.

Например, в условиях недостатка знаний невозможно рационально повлиять на некую важную ситуацию. Одновременно условие недостатка знаний — это условия первобытного человека, когда мир воспринимался живым. Ввиду пользы такого восприятия, оно сохранилось, поэтому и сейчас в условиях высокой неопределённости и важности, естественно воспринимать окружающее живым, способным мешать или помогать, так как представление о себе — это единственно возможная в данном случае точка отсчёта для выводов. Которая по крайней мере заставит вести себя осторожнее, внимательнее взглянуть на происходящее, интуитивно понимая непредсказуемость живого, или напомнит об этической стороне поступков — ведь всё такое же, как сам субъект. Тем самым ранее неопределённая ситуация станет понятнее, что само по себе придаст уверенности, а также, напомнив об этической стороне, скорректирует выбор действий в соответствии с ценностями социума. Далее больший объём опыта и идея связи внешнего и внутреннего мира подразумевает возможность «проникнуть мыслью» в суть вещей — и если так не считать, то какие-либо рассуждения теряют смысл. И наконец идея мира как механизма разумна, когда есть точные знания об исследуемом явлении, возможность сформулировать конкретную гипотезу и проверить её.

Таким образом, имея прямую связь с объёмом знаний, каждый метод познания возникает в свой исторический период и связан с развитием в опыте нового метафизического контекста восприятия природы, в котором данный метод приобретает очевидный исследовательский смысл. Поэтому каждый метод познания более всего приспособлен к условиям своего исторического периода и сейчас применим в той мере, в какой прошлые условия сохранились в нынешнее время. Одновременно каждый метод познания формирует свой тип теории, по-своему повышающей качество жизни, предсказывая то или иное развитие событий в зависимости от выбранных действий, аргументируя выбор той или иной линии поведения. В результате в каждую эпоху возникают собственные формы познания, содержащие свои метод, критерий истинности и тип теории.

Например, в начале эволюции человека знаний мало, заметно только самое общее и самое необходимое, поэтому в учении религий человек формализует то самое общее и необходимое, что он сумел понять в себе и мире. Затем, ориентируясь на учение, то есть учитывая уже понятое, а не повторяя ошибки прошлых поколений, человек получал по крайней мере общий критерий выбора правильного поведения. При этом отношение к природе как к живой, естественное в условиях малых знаний, развитое в религиозную идею высших сил, управляющих миром и определяющих единые для всех нормы бытия, приводило к тому, что учение само собой объединяло людей общим, выработанным поколениями, направлением действий. Тем самым религия способствовала формированию социума, освящая традиции и создавая культуры, сплачивая людей общими ценностями. После чего на этом фундаменте философия научила человека думать, а наука применять знания.

При этом неверно утверждать, что философия уточняет религиозные идеи, а наука философские. Несмотря на пересечения, взаимное влияние и столкновения, каждая форма познания развивается в своём метафизическом контексте, поэтому исследует мир по-своему, на своих масштабах и в своих явлениях, обобщая понятое в своём типе теорий. Тем самым более всего развиваясь в тех областях которые больше подходят данной форме познания, в которых она может принести наибольшую пользу. Например, философия или наука не описывают мир как целое — это делают религии, философия не занимается тяготением или химией, а наука не изучает науку как явление и не исследует вопросы этики — это прерогатива философии. И сохранение этого различия неизбежно, так как бессмысленность полноты знания означает, что всегда будут ситуации, понятные качественно по-разному, качественно больше или меньше, в которых поэтому будет уместно и качественно своё отношение к происходящему.

В более частном смысле, невозможность описать мышление в терминах какого-либо языка означает, например, что психологию никогда не удастся заменить естественнонаучной теорией и строгими формулами, то есть объяснение поведения всегда будет подразумевать значительную составляющую субъективного толкования. Из чего, в свою очередь, следует, что в психологии личность исследователя, его житейский опыт всегда будет иметь относительно более высокое значение, чем в естественнонаучных дисциплинах. То же можно сказать об истории, где исследование подразумевает трактовку сохранившихся артефактов, а не эксперимент. Так же как мышление, история не имеет начала, не имеет конца и не может быть формализована сколько-нибудь точно. В результате, не имея объективной точки отсчёта истории и не зная её окончательного итога, значение одних и тех же исторических событий можно трактовать по-разному.

Качественное различие религии, философии и науки означает, что их положения в целом не могут противоречить друг другу. Например, такие объекты, как бог, душа или загробный мир являются слишком общими, чтобы их мог подтвердить или опровергнуть какой-либо эксперимент или логический вывод, поэтому они не являются ни научными, ни философскими. В свою очередь, более частная идея, что бог непосредственно создал человека и это произошло не так давно, уже не является принципиальной и может быть модифицирована тем, что бог направлял эволюцию, способствовал ей и так далее. Другими словами, отказ от частных религиозных постулатов не умаляет общее могущество бога, создавшего мир, а именно сверхъестественность бога наиболее важна. В результате можно одновременно быть верующим, иметь развитые философские взгляды и заниматься наукой, так как элементы качественно отличных теорий будут если не дополнять друг друга, то по крайней мере не вступать в противоречие.

Например, Исаак Ньютон написал религиозных трактатов больше, чем научных работ, верил в материальное присутствие Бога в каждой точке Вселенной, «законы механики я вывожу из законов Божьих» — утверждал Ньютон. Грегор Мендель, заложивший основы генетики, был монахом и впоследствии избран аббатом. Один из основоположников квантовой механики нобелевский лауреат Макс Планк совмещал преподавание в университете и службу пресвитером, написал несколько философских работ, среди которых известная «Религия и естествознание». «Отцом» квантовой теории гравитации можно считать аббата Жоржа Леметра — одного из наиболее влиятельных астрофизиков XX века. Уже в работе 1931 года он ставит вопрос о квантовом описании Вселенной. Именно теория Леметра об эволюции мира начиная с «первоначального атома» была названа «Большим взрывом» (вначале это название было ироничным, но впоследствии закрепилось в космологии).

Более того, идеи атеизма — это философия, то есть это логический вывод, построенный как отрицание религии в целом или каких-то её основных элементов. И, как любой логический вывод, то есть вывод «последующий» — уточняющий некоторую интуитивно возникшую общую идею, атеистические представления, естественно, не могут изменить изначально врождённое восприятие мира живым, возникающее в соответствующих условиях. Как следствие, можно считать себя атеистом и при этом иметь религиозный опыт, пусть и только в его некоторых элементарных составляющих.

Познание начинается в интуиции — интуитивно, как некоторый качественный, скачкообразный переход от одной мысли к другой, происходит формирование любого утверждения, идеи, гипотезы, которые всегда возникают в сознании уже более или менее готовыми, так или иначе сформировавшимися. Познание продолжается в процессе логического рассуждения, в ходе которого такими же переходами, но более частного характера, происходит развёрнутая верификация возникшей идеи. И чем больше конкретных знаний, то есть опыта личного характера, связанного с конкретными условиями жизни, тем к более точному выводу можно прийти. Потому что чем больше знаний, тем переход от предпосылок к выводу будет более последовательным, подробным и поэтому более точным. И заканчивается познание экспериментом — применением полученного вывода в некоторой реальной ситуации.

Тем не менее всегда будут идеи, в которые можно только интуитивно верить или не верить, потому что ни логически, ни экспериментально ни доказать, ни опровергнуть их нельзя. Или идеи, которые можно оценить только логически, с качественной точки зрения, но не проверить экспериментально, так как не все идеи можно уточнить в той степени, чтобы сформировать конкретную проверяемую гипотезу. Поэтому философия не отменяет религию, а наука философию, каждая новая форма познания лишь уточняет границы применимости предыдущих, так как соответствующие им условия не исчезают из жизни человека, меняется только их соотношение.

В то же время очевидно, что отношение к реальности нельзя свести к каким-то строгим правилам, законам, провести чёткую границу, отделяя верное восприятие от неверного — это в любом случае не позволит принципиальная неполнота знания. Поэтому разные люди в разных ситуациях воспринимают мир по-разному — больше таинственным или понятным, чаще живым, кем-то управляемым или просто механизмом, умопостижимым или требующим точной проверки. Тем не менее явно неадекватное восприятие, то есть явно неверное понимание границ применимости методов и теорий, приводит к таким же неадекватным выводам. Например, когда проверенное рациональное решение подменяется толкованием религиозных постулатов, научная теория отрицается на основании общих соображений о её несоответствии привычному опыту, итог рассуждения понимается как точная реальность, а ненаучность воспринимается прямым синонимом ложности идеи.


2.4. Влияние на качество жизни

Невозможно установить, как конкретно возникает знание и не существует его конец. Знание исходит из непонятного — из неосознанного «ниоткуда», и продолжается в бесконечное «никуда», не имея ни начала, ни итога — и это принципиальное положение. Объект «всё» не имеет смысла, нельзя узнать, каков мир «на самом деле», найти минимальный или максимальный элемент реальности. Даже само наличие таких процессов и объектов не очевидно, хотя на первый взгляд выглядит таковым.

Например, кажется естественным, что у реальности есть минимальные элементы — некие элементарные неделимые «кирпичики», из которых состоит всё. Однако тогда все явления, включая, например, притяжение или отталкивание, тоже должны происходить исключительно из их геометрии, что уже кажется невозможным. Получается, минимальные элементы и должны быть, и не могут быть.

То же касается и «максимального элемента» — всей реальности. У всего не может быть каких-либо границ, так как кроме всего ничего нет. Однако отсутствие у реальности границ означает и то, что объект «всё» не имеет смысла, его нельзя из чего-либо выделить, есть только частные явления. В том числе «всё» не существует во времени, так как время тоже есть часть всего, поэтому не может быть «до всего» или «после всего», время может быть только внутри всего. У всего не может быть причин, так как они часть всего, поэтому у всего не может быть начала и конца, не имеет смысла вопрос, почему вообще что-то есть.

Например, по современным представлениям, наша Вселенная возникла в результате квантовой флуктуации и последующего инфляционного расширения ничтожной области некоторого инфлатонного поля. Точнее, предполагается, что такая флуктуация должна привести к появлению множества областей инфляционного расширения, ставших разными Вселенными с отличающимися законами физики. Однако источник самого инфлатонного поля неизвестен. Гипотеза вечного существования Вселенной — в бесконечных циклах расширения и сжатия — тоже сталкивается с принципиальными проблемами. От цикла к циклу должна расти энтропия, а значит, вечная Вселенная тоже требует начала. Появлению новых идей может помочь создание теории квантовой гравитации, то есть объединение общей теории относительности и квантовой теории. Однако идеи такого объединения пока более чем далеки от статуса проверяемых гипотез.

Бессмысленность объекта «всё» означает, что экспериментальный метод неприменим, теория всего не может быть построена, поэтому наука не рассматривает всё. Научные ответы на вопросы, которые ставит абзац выше, не могут существовать, хотя это не отменяет стремления приблизиться к ним. В свою очередь, философия, использующая более общий метод — логику, в вопросах обо всём способна на большее. И логический вывод в отношении всего заключается в том, что объект «всё» не имеет смысла, не имеют смысла какие-либо свойства всего или законы всего, начала и итоги.

Но если «всё» не имеет смысла, то, следовательно, окончательная истина установлена быть не может, а значит, на самом деле логический вывод о том, что «всё» не имеет смысла, тоже ещё не окончательный. Таким образом, философия в этом выводе фактически сама ограничивает свою применимость — однозначный логический вывод в отношении всего сделать нельзя. Из-за чего, например, в этой главе мы исходим только лишь из наиболее обоснованного на данное время логического вывода — что объект «всё» не имеет смысла, так как невыводим и ненаблюдаем.

Следовательно источником какой-либо определённости в отношении всего, по крайней мере на нынешнем уровне знаний, может быть только вера, то есть некая интуитивная, не имеющая рациональных аргументов уверенность в некоторой точке зрения на всё.

Точно так же ни логика, ни эксперимент — ни философия, ни наука — не позволят ни доказать, ни опровергнуть утверждение об абсолютной истинности какой-либо точки зрения, даже если это действительно так. Подтверждение истинности равносильно полноте знания, так как нужно устранить любую возможность ошибки. Но полнота знания равносильна бессмысленному «всему» и не имеет смысла. Как следствие, познание любой истины тоже возможно только через нерациональную веру в неё.

По тем же причинам может быть множество религий, так как в отношении столь глобальных и неконкретных явлений как бог, душа или жизнь после смерти можно делать любые утверждения — ни экспериментально, ни логически они всё равно не могут быть ни подтверждены, ни опровергнуты. Поэтому вера в бога, как творца всего, уверенность, что бог есть, — сейчас в любом случае единственно возможное «доказательство» существования бога, даже если бог существует на самом деле.

Например, даже явившийся людям настоящий бог не сможет доказать свою сверхъестественную природу. Не заставить поверить в себя — очевидно, богу это не сложно, а доказать — рациональными аргументами, логикой и фактами. Любое чудо можно будет списать на знания более развитой цивилизации, представителем которой бог на самом деле является, а чтобы проверить вечность существования бога, нужно самому существовать вечно. Даже сделав богом самого человека, бог докажет своё существование такому же богу, а не человеку. Наоборот, рационально объяснив, из каких законов происходит его сущность, бог перестанет быть богом — ведь бог устанавливает законы, а не подчиняется им. Это нелогично, потому что какие-то законы должны быть изначально? Но согласно той же логике, реальность и её законы тоже не могут появиться из ниоткуда, при этом беспричинное вечное существование мира кажется нелогичным в той же степени. Таким образом, «невозможно» и «нелогично» не являются аргументами в отношении бога — но тогда точно так же «невозможно» и «нелогично» не являются аргументами и в отношении всей реальности. Религия противоречива — но таким и должно быть столь общее описание мира, поэтому на самом деле, наоборот, противоречивость религий кажущаяся.

Посмотрим на доказательство бога более внимательнее. Бог равен всему, так как он может всё. Но человеческое познание не может всё. В итоге на каком-то этапе рациональное объяснение сущности бога станет слишком сложным и в божественность бога всё равно останется только верить или не верить. Поэтому в бога в любом случае можно только верить или не верить, независимо от того, существует ли бог на самом деле или нет, а религии, требуя веры, но не предоставляя прямых доказательств, в этом непротиворечивы. Доказательством такие «доказательства» всё равно не станут, но авторитет бога и религии понизят.

То же касается таких элементов религии как душа или загробный мир. Никакая предъявленная реальная душа ещё не означает доказательство её наличия, так как невозможно будет доказать, что это настоящая душа. При этом поиск настоящей души будет равен исключению всего неизвестного, то есть такому же познанию всего, как и в случае доказательства бога. Поэтому бог, душа, и загробный мир должны быть скрыты от человека, даже если они есть. Иное приведёт только к тому, что одновременно со снижением авторитета религии возникнет идея другого — «настоящего» бога, «настоящей» души и «настоящей» жизни после смерти.

Таким образом, наличие бога невозможно рационально опровергнуть, так как ни эксперимент, ни логика «не работают» в отношении всего — но бог равен всему, и по тем же причинам наличие бога нельзя рационально доказать, даже если бог есть. В связи с чем можно обратить внимание на интересное обстоятельство. Если невозможность опровергнуть наличие бога, очевидно, работает на религию, то невозможность доказать наличие бога, получается, тоже работает на религию — тем, что оправдывает отсутствие прямых подтверждений его возможного присутствия. Хотя, как кажется, невозможность доказать идею должна работать исключительно против неё. Как выясняется, на идеи, в которые в принципе можно только верить, это правило не распространяется. В итоге идея бога, души или жизни после смерти на самом деле непротиворечива, несмотря на то, что на первый взгляд может представляться таковой.

Только лишь кажущаяся противоречивость религий заметна в том числе в опровержении других аргументов. Например, можно встретить рассуждения о жестокости бога, который допускает в мире страдания и несправедливость, что как будто противоречит утверждению о его справедливости и милосердии, и потому, следовательно, это противоречие логически опровергает религию, где такое утверждается. Однако мир, где все счастливы, не может существовать, он не имеет смысла, поэтому или есть жизнь, где есть и боль и радость, или нет жизни. Таким образом, милосердие бога не противоречит наличию в мире зла. Также несостоятелен аргумент о неразумности или несправедливости неких конкретных «решений бога» — человек не видит всей картины и потому не способен судить достоверно. Стратегия не равна тактике, просчитывая ситуацию на три хода вперёд, можно, не подозревая этого, быть слепым орудием в руках того, кто просчитывает её на пять ходов; в некотором частном контексте можно наблюдать зло, а в контексте более общем оно предстанет добром; смысл целого не равен смыслу своих элементов, поэтому значение отдельных людей может быть несоразмерно с задачами социума — с другой стороны, можно по-разному трактовать задачи социума.

В итоге религии описывают мир не в конкретных явлениях, а на самом общем масштабе, и потому имеют в основании не рациональные аргументы и точно измеренные величины, а интуитивные идеи — только лишь веру в то, что мир таков. В свою очередь, по причине неконкретности религии подразумевают широкий простор для личного толкования и понимаются каждым в значительной степени индивидуально. Как следствие, описывая один и тот же мир, одновременно существует множество вариантов религий, вплоть до идей атеизма.

Более частные философские идеи можно верифицировать точнее, исключив явно противоречивые в контексте нынешнего опыта выводы, а научная теория, в отличие от религии объясняющая всегда некоторое конкретное явление, обычно вообще одна. Научная теория имеет в основании уже слишком много точных данных наблюдений и экспериментов, чтобы непротиворечиво интерпретировать их как-либо ещё. Поэтому только новые факты позволят посмотреть на реальность под другим углом, обобщив их в новую теорию с большей предсказательной силой, объясняющей явление более точно и полно.

В то же время если утверждения религии о существовании бога или жизни после смерти рационально нельзя ни доказать, ни опровергнуть — в них можно только верить или не верить, то, кажется, религии не имеют смысла, так как, ввиду своей надуманности, они не могут адекватно предсказывать будущее — их предсказательная сила равна нулю. И потому, в отличие от науки или философии, религии не могут повышать качество жизни, так как не позволяют использовать их предсказания в выработке поведения.

Однако способность знания повышать качество жизни не зависит от наличия у него рациональных аргументов, так как способность повышать качество жизни — это и есть самое общее основание разумности знания, в контексте которого приобретают смысл и рациональные аргументы тоже. Иначе говоря, если кроме существования себя никакое знание не истина, то разумность знания можно определить только по тому, помогает ли знание жить лучше. И уже потом в этом общем контексте под каждые условия формируются собственные формы познания, позволяющие повышать качество жизни в этих условиях наилучшим образом, накопление опыта в которых приводит в том числе и к появлению знаний, имеющих рациональные аргументы. Другими словами, любое знание, имеющее рациональные предпосылки, раньше или позже исходит из знания, таковых предпосылок не имеющего, и потому если бы нерациональное знание не было способно повышать качество жизни, то рациональное просто бы не возникло. 

Можно сказать иначе. Самый общий критерий истинности знания — это его способность повышать качество жизни, потому что, какова реальность «на самом деле», неизвестно и кроме как на свои ощущения ориентироваться не на что. Этому общему критерию истинности соответствует и бог, и электрон. По крайней мере до тех пор, пока эти сущности не вступят в противоречие с идеей, которая будет повышать качество жизни лучше. До сих пор в своих границах применимости ни бог, ни электрон таких противников не встретили. Поэтому отсутствие у идеи рациональных аргументов само по себе не является достаточным аргументом, чтобы признать её ложной.

Таким образом, отличие религии от других типов теорий фактически только в наиболее общем из всех возможных масштабе описания мира, который уже сам по себе подразумевает отсутствие рациональных аргументов в основании теории. Поэтому важно, чтобы учение религии объясняло природу пусть и без рациональных аргументов, но тем не менее точно так же, как и научная теория — адекватно природе и задачам субъекта.

Тогда, ориентируясь на учение, то есть только лишь «веря» в него, субъект мог бы выбрать такую же адекватную природе общую стратегию поведения. В свою очередь, способствуя повышению качества жизни, эта общая стратегия будет постепенно, со временем — то есть так же, как и само учение, не точно, однозначно и в конкретных областях, а в общем и целом, на масштабе больших времён — подтверждать и представление о разумности учения. В конечном итоге обуславливая популярность религии и подтверждая реальность её элементов. И закономерно, что именно в прошлом, когда востребованность религии была наиболее высокой, сомнения в реальности бога практически отсутствовали. При этом излишняя строгость требований религиозного учения ограничит границы его применимости, а излишняя свобода, наоборот, не будет способствовать авторитету учения, так как его способность повышать качество жизни также станет слишком незаметной.

В итоге максимально общий характер утверждений религии приводит к тому, что и верификация этих утверждений также происходит по совокупности неявных изменений, которые религия вносит в жизнь человека, задавая общее направление действиям, а не конкретное. Можно сказать, что «опровержение гипотез» столь глобального характера происходит не в каком-либо конкретном исследовательском процессе, а посредством естественного отбора тех, кто данного учения придерживался. В каком-то смысле учение религии — это такая «гипотеза», экспериментальная проверка которой растягивается на эпохи и подтверждает то, что культура, принявшая данное учение, существует и развивается. И потому, в отличие, например, от научной теории, на уровне отдельного человека значение религии может быть верифицировано столь же менее точно, допуская широкий круг мнений. Иными словами, масштаб описания мира и человека в религиях столь велик, что значение религии становится наиболее заметно лишь на временах существования культур, а не людей. И в этом смысле показательно, что нет ни одной культуры, где по крайней мере до недавнего времени религия не носила бы характер общенациональной идеи.

Но можно ли было обойтись без религии? Например, могла ли вместо религиозного учения возникнуть теория какого-либо другого вида, более рациональная, не связанная с описанием сразу всего мира, без сверхъестественного, похожая на научную?

В условиях, когда нет возможности сделать выбор рационально, особенно распространённых в прошлом, остаётся только интуиция, угадывание. В результате выбор будет в значительной степени случайным — а значит, с большой вероятностью неверным. И нужен критерий выбора — некая теория, обобщающая опыт людей в таких условиях, которая смогла бы помочь принять правильное решение. Понятны и особенности этой теории. Например, формализовано в ней может быть только самое общее и необходимое, так как ничто иное всё равно ещё непонятно. Она не может быть построена на рациональных аргументах, так как тогда её знание субъектом будет равносильно знанию им рационального выхода из затруднения — но теория нужна именно для тех ситуаций, где у субъекта не хватает опыта для принятия рационального решения. И наконец теория должна быть «весомой», чтобы даже в отсутствие рациональных аргументов, то есть, по сути, в отсутствие вообще каких-либо аргументов в их нынешнем понимании, не быть ничего не значащими словами, а стимулировать субъекта к выбору верного решения, пусть и неким «не рациональным» способом.

Всем этим параметрам удовлетворяет религия. Учение которой содержит свод моральных норм, типы поведения, обычаи и обряды, выделенные людьми данной культуры и потому заданные в контексте особенностей этой культуры, — то есть содержит то, что становится понятным человеку исторически прежде всего. Необходимость следовать учению обусловлена требованием бога — творца мира и самого человека, могущество которого не имеет границ. В свою очередь, наличие высшей воли — интуитивно очевидное в контексте идеи живого мира и развитое в фигуры богов, определяющих бытие мира и человека — само собой определяет масштаб описания религии: не только указанные нормы и обычаи сами по себе, а одно целостное описание бытия, объединённое фигурой бога. В том числе бога как некого высшего принципа или предназначения, как, например, дао (кит. — путь) в конфуцианстве.

В результате представление, что бог существует, так или иначе следит за исполнением своих требований, будет само собой способствовать исполнению субъектом норм учения. Наоборот, попытка исключить из учения бога приведёт к тому, что статус учения как абсолютной истины кардинально понизится, в отсутствие аргументов допуская споры и несогласие, что в результате полностью нивелирует его смысл. Таким образом, теория для условий, где логика и эксперимент ещё не возникли или где они неприменимы, чтобы быть эффективной, фактически не может отличаться от религиозного учения.

В связи с чем следует обратить внимание на ещё одно обстоятельство. Предложение поверить в бога, чтобы убедиться в его существовании, естественное в религии, зачастую воспринимается как предложение поверить в бога без доказательств. На самом деле, как показано выше, вера в данном случае и есть доказательство, единственно возможное в условиях принципиального отсутствия рациональных аргументов. Например, в первобытных условиях неразвитого языка и малого объёма знаний, когда невозможно предъявить развёрнутую аргументацию, поверить — это единственный способ объединить усилия, действовать коллективно. Точно так же вера в бога — это необходимое условие повышения религией качества жизни субъекта, что пусть косвенно и нерационально тем не менее действительно подтверждает существование бога. 

Как уже говорилось выше, в отличие от философии или науки, религия является также мощной социализирующей силой, объединяя людей общим источником их жизни, смыслом, нормами, совместным исполнением обрядов. Причём особенно высокое значение религия имеет в условиях сомнения, неизвестности, когда нельзя сделать выбор рационально, а значит, это в том числе условия важных и судьбоносных решений, имеющих значительные последствия, которые, ввиду их глобальности, невозможно точно просчитать. Таким образом, в условиях, когда правильный выбор важнее всего, религия сплачивает людей общими ценностями, имеющими священный характер высших истин, неопровержимых и не требующих доказательств, столь же непоколебимых, как существование самого себя, которое не нуждается в доказательствах и не может быть опровергнуто.

В итоге в своих границах применимости религия приобретает смысл без каких-либо рациональных аргументов и точных измерений, тем не менее подтверждаясь точно так же как философские суждения или научные теории — способностью предсказывать течение событий в зависимости от начальных условий и в результате повышать качество жизни, помогая выбору стратегии поведения.

Например, интерпретация природы как живой, по принципу «всё такое же, как я» обуславливает идею, что и относиться ко всему нужно так же, как к самому себе — бережно, честно. То же поведение стимулирует идея, что всё создано богом — и потому ценно. Но ценно — значит и важно, происходит не просто так и требует внимания. В результате заставляя подмечать закономерности, тщательнее контролировать инстинктивные побуждения, увязывая поведение с ситуацией более точно. Одновременно человек контролирует поведение с большим вниманием, если считает, что за ним могут наблюдать, и в этом смысле представление о «высшей силе» — это представление о постоянном наблюдателе, по сути, персонифицированная совесть. Представляя бога, даже одинокий человек не один. В ходе эволюции такие особенности восприятия развивали интеллект, самоконтроль, заставляли уяснить самую общую суть вещей — и в природе, и особенно в отношениях людей, тем самым способствуя росту качества жизни.

Человеку, находящемуся в непредсказуемой ситуации, в сомнении, то есть в условиях, когда логика не даёт однозначного ответа, религия аргументирует прежде всего следование определённым нормам морали в контексте особенностей данной культуры, тем самым обобщая выбор субъекта с задачами социума по общему принципу «делай что должно и будь что будет». Что облегчает выбор, уменьшает стрессовый фактор, повышая качество жизни и самого субъекта, и всего социума. Этому также способствует единение людей, происходящее в совместных ритуалах. В свою очередь, социум обратно влияет на качество жизни субъекта, в том числе через уважение окружающих. Идея будущей «вечной жизни» уменьшает страх смерти, горечь потери близких, а зависимость условий «вечной жизни» от соблюдения моральных норм в жизни «этой» аргументирует выбор просоциального поведения даже в отсутствие социальных или жизненных перспектив. На счёт наказания «высшими силами» можно отнести и все неудачи и невзгоды — ведь всегда есть основания предполагать, за что они, а значит, каждая трудность становится стимулом для ещё более серьёзных усилий во благо общества. Важное для каждого человека стремление к личному благополучию предполагает соответствующую ценность «платы» за помощь в этом «высших сил» — и благодаря религии личные стремления естественным образом увязываются с общественным благом. Например, это слова оправдания древнего египтянина перед Озирисом: «...Я не чинил зла ...я не крал ...я не завидовал ...я не лицемерил ...я не лгал ...я не пустословил ...я не совершал прелюбодеяния ...я не был глух к правой речи ...я не оскорблял другого ...я не поднимал руку на слабого ...я не был причиной слез ...я не убивал ...я не сквернословил ...я не подавал знаков в суде ...я не мужеложествовал ...я не отличал себя от другого...» — всего более сорока подобных пунктов (Древний Египет, Книга мёртвых, IV тыс. лет до н. э.).

Идея бога как абсолюта, высшего судьи и наставника, доказывает вечность стремления к истине и не даёт обожествлять самого человека, его знания и желания, создавая догмы и кумиров. Бог — это мораль, совесть, поэтому на самом деле вера в бога подчиняет человека социальным ценностям, проверенным многими поколениями, а не некому существу. С другой стороны, как существующая на глобальных временных масштабах, религия естественным образом становится консервативной силой, направленной на сохранение традиций, противопоставляя их новому, изменяющему привычный, проверенный временем уклад, сдерживая быстрый прогресс.

Любая идея отражает особенности опыта человека, которому она пришла в голову, а после появления идея сама становится элементом опыта, влияя на решения. Аналогичным образом религия, впитывая в себя особенности культуры общества, менталитета людей, отражая их настроения, затем обратно влияет на них. Например, по мнению немецкого социолога Макса Вебера, одного из основоположников социологической науки, жившего на рубеже XIX – XX веков, протестантизм (одно из трёх, наряду с православием и католицизмом, главных направлений христианства), возникший в первой половине XVI века в Европе, оказал значительное влияние на развитие капитализма. В протестантизме успех, богатство — это показатель избранности Богом. Поэтому люди старались продемонстрировать свою успешность окружающим, что, с одной стороны, действительно заставляло деятельно стремиться к успеху, с другой — только лишь выглядеть успешным становилось не менее важным, чем быть таковым, а признание успеха мерой «хорошего человека» вело к тому, что акцент морали смещался в сторону большей прагматичности. Взаимосвязь менталитета и религии можно обнаружить также и в других культурах.

Чем дальше в прошлое, тем меньше знаний, и потому тем слабее выражено разделение труда. Из-за чего первоначально именно церковь, как проводник социальных ценностей, несет практически все социальные функции. Древние шумеры принадлежали к своему храму как к общине, храм заботился о сиротах, вдовах, нищих, выполнял административные функции, улаживал конфликты. В Древнем Египте храмы не только место культа, но также мастерские, школы и библиотеки. Больницы, впервые появившиеся в раннее средневековье, были в ведении церкви.

В конце XI века Крестовые походы принесли в Европу проказу, которая раньше встречалась лишь в Азии. Началась продолжавшаяся два столетия пандемия. Основная тяжесть борьбы с проказой легла на христианскую церковь, которая повсюду организовывала лепрозории. В XIII веке число зараженных проказой было столь велико, что в Европе действовало более 19 тысяч лепрозориев. Однако уровень прошлой медицины приводил к тому, что лечение, которое получали прокаженные, в лучшем случае лишь оттягивало их гибель. Тем не менее само заключение больного в лепрозорий, где за ним ухаживали только обитавшие там же монахи, существенно ограничивало его контакты с внешним миром, что довольно эффективно препятствовало распространению болезни.

Первые в Европе университеты также были организованы при монастырях, первыми учёными были церковные служители и монахи, как наиболее образованные люди своего времени. В результате в прошлом авторитет церкви был не менее высок, чем авторитет государства, церковь фактически являлась самостоятельной ветвью власти, противовесом, ограничивающим и контролирующим власть государственную.

В ходе прогресса значимость религии снижается. Вначале мир мал, целостен и кажется живым, магические силы непосредственно окружают человека, бог в этот период сколь близок, столь и реален. Расширение мира в опыте, разделение его на элементы и всё более точное понимание происходящих процессов делает и бога сущностью всё более глобальной, далёкой и мифологической. В свою очередь, процессы разделения труда способствуют отделению церкви от государства — например, образование и здравоохранение выделяются в самостоятельные институты, в государственной власти возникает собственная система противовесов в виде независимых законодательной, исполнительной и судебной ветвей. В результате церковь всё меньше влияет на государственные решения, человек всё меньше сталкивается с религией в повседневной жизни. Одновременно с этим человек всё меньше зависит от непредсказуемых сил природы, растёт социальная защищённость.

Все эти факторы в итоге вытесняют религию в современном технологически развитом обществе в область традиций, а не идеи о реальном устройстве мира, основной вклад в построение стратегий и повышение качества жизни начинают вносить теории более конкретного характера. В условиях бо;льших знаний, большей определённости, высокого качества жизни и развитых институтов всё реже возникают ситуации, где уместно воспринимать природу живой или управляемой, и наоборот, всё чаще, где уместно воспринимать умопостижимой или точным механизмом. Значение религии в жизни человека уменьшается. Одновременно с чем уменьшается и социализирующее влияние религии.

В то же время полный отказ общества от религии, по сути, есть отказ от «работающей» теории в отсутствие лучшей. Что, вероятно, так же не может считаться разумным выбором, как и неадекватное современным условиям утверждение значимости религии. Например, неизвестно, чтобы культуры без религии когда-либо существовали. Согласно исследованию Hunter-Gatherers and the Origins of Religion (2016), есть основания считать, что в прошлом без её социализирующего влияния они не выдерживали давления отбора со стороны других культур. Если так, то, возможно, что и нынешние культуры, где сильны атеистические настроения, тоже будут со временем поглощены культурами более религиозными, более целеустремлёнными, сплочёнными и активными.

По-своему способствует повышению качества жизни философия, к которой по большому счёту можно отнести любые логические суждения достаточно развёрнутого характера — от личной «жизненной» философии до различных теорий, непосредственно с экспериментом не связанных — политических, метафизических, этических и т. д., которые человек так или иначе воспринимает от других людей или к которым приходит сам. Например, выводы о науке, как о явлении в целом, могут быть только философскими, логическими, так как только с позиций метода более общего, чем эксперимент, можно «наблюдать» всю науку со стороны, без чего смысл явления понять нельзя. В свою очередь, по отношению к любым логическим суждениям более общим методом является интуиция, то есть вера в идею, а не знание выводимое из других. Иначе говоря, очевидность очевидного каких-либо конкретных оснований уже не имеет.

Таким образом, философия помогает ещё более точному приспособлению поведения к условиям за счёт исследования предпосылок явлений, обобщения и систематизации знаний с помощью доступных каждому логических суждений. Например, к философии относится эта часть книги. Общие темы, которые в ней затрагиваются, предполагают такие же общие, то есть принципиальные, качественные, а не количественные аргументы, то есть аргументы философского характера.

Значение философии можно пояснить следующим образом. Утверждение о глупости или ненужности философии — это некоторый логический вывод, суждение, то есть философия. Таким образом, утверждая глупость или ненужность философии, автор такого утверждения или сам говорит глупость, или сам себя опровергает.

Качественный характер философии приводит к тому, что похожим на религию образом могут сосуществовать разные философские теории, школы, подходы к описанию одних и тех же вопросов. Исследуя вопросы качественного характера, а не количественного, философия подразумевает критерием истинности ощущение логичности вывода, а не эксперимент. В результате, не имея точного «количественного» ориентира, до некоторой степени выводы философов могут отличаться, один общепринятый подход отсутствовать.

В нынешнее время значение философии также ниже, чем в прошлом. Раньше казалось, истинную природу вещей можно понять, используя только логику — достаточно лишь взять в качестве точки отсчёта верные предпосылки. Так считали первые философы древности, однако похожие идеи высказывали и ещё совсем недавно представители логического позитивизма, философского течения, популярного в начале XX века: Р. Карнап, Л. Витгенштейн и многие другие. Логические позитивисты считали, что можно определить некоторые истинные утверждения элементарного характера — «протокольные предложения», отражающие точно установленные факты. И затем, используя эти утверждения в качестве логических аксиом — «языкового каркаса», создать систему логической верификации знания. В результате любое высказывание можно было бы логическим путём свести к протокольным предложениям, тем самым определив его истинность или ложность. Те же высказывания, которые к протокольным предложениям не сводились, то есть не имели в основании точно установленного факта или его отрицания, следовательно, не имели и смысла — например, это все высказывания метафизического характера. В итоге, казалось, таким способом можно построить систему верификации, в которой объективное знание можно строго отделять от субъективного.

Однако со временем становилось понятно, что никакое знание не является точным отражением реальности, следовательно фактов, как неких истин, не существует, и какова реальность «на самом деле» можно только предполагать. Но если свести к истине ничего нельзя, то идея логической верификации теряет смысл, устранить метафизику из познания невозможно.

И наконец наука, оперирующая наиболее точными знаниями, исследующая мир в конкретных явлениях, способна на точные «количественные» предсказания протекания явлений. Тем самым так же точно и явно — в конкретных областях, посредством конкретных предсказаний и конкретных технологий — наука влияет и на качество жизни человека.


2.5. Доказательства и опровержения

Бессмысленность полноты знания означает, что к теории, которая опишет основания мира можно только стремиться. Например, по определению одного из самых влиятельных философов науки XX столетия Карла Поппера, научное познание идёт не от фактов к теории, а от гипотез к единичным высказываниям. Но, имея в основании только гипотезы, научная теория и сама не является истиной. Поэтому, согласно выдвинутому Поппером критерию фальсифицируемости (опровергаемости), научная теория не может быть принципиально неопровержимой, то есть должен быть хотя бы гипотетически представим такой эксперимент, который теорию опровергнет.

Иначе говоря, любая научная теория должна подразумевать принципиальную возможность вступить в противоречие с опытом — а если это всегда возможно, то в принципиальном смысле всегда может быть построена и более точная теория, даже если по каким-то причинам этого не произойдёт на практике.

Но старая теория при этом именно опровергается или всего лишь уточняется?

С одной стороны, новые теории описывают тот же самый мир, что и старые, но делают это точнее. С другой — они описывают мир иначе: в них возникают его новые элементы или, наоборот, ранее считавшиеся отдельными явления оказываются проявлением одной силы, получая новое описание в рамках другой теоретической модели, интерпретирующей мир по-другому, не так, как теории старые, — и в этом смысле, вероятно, можно говорить об опровержении старых теорий.

Например, когда в XVII выяснилось, что не Солнце вращается вокруг Земли, а наоборот, Земля вокруг Солнца, то картина мира стала существенно другой, следовательно, можно предположить, старая идея геоцентризма была именно опровергнута. Аналогичным образом разными теориями являются, например, классическая механика Ньютона и теория относительности Эйнштейна. Если в первой пространственные координаты и время являются независимыми друг от друга, при этом время является абсолютным, то есть течёт одинаково во всех системах отсчёта, то в ТО события происходят в едином четырёхмерном пространстве-времени, поэтому скорость перемещения в пространстве влияет на скорость перемещения во времени.

В то же время все знания более или менее взаимосвязаны и «полное» опровержение любой идеи будет означать опровержение вообще всего известного. Следовательно, если новые теории опровергают старые, то, видимо, не полностью. Действительно, в методологии науки на это указывает принцип соответствия, который утверждает, что любая новая научная теория находится не в полном противоречии со старой, а даёт те же следствия в некотором предельном приближении или частном случае. Например, в теории относительности в пределе малых скоростей получаются те же следствия, что и в классической механике. Принцип соответствия очевиден, так как если теория имеет в основании некоторые конкретные наблюдения, то новая теория может эти наблюдения по-новому интерпретировать, но не может игнорировать.

Взаимосвязь знаний означает «жёсткость» структуры знания, так как каждая теория так или иначе связана с теориями смежными, поэтому чем больше объём знаний, тем меньше произвольность в принятии новых идей. Но никакое знание не истина, и растущая «жёсткость» так или иначе ложной структуры всё равно не спасает её от разрушения некоторой степени обширности при появлении новой теории. Новые теории меняют наше представление о мире, о тех или иных его сторонах, то есть происходит переход на качественно иной уровень интерпретаций происходящего, когда ревизии подвергаются даже ранее казалось бы совершенно незыблемые положения, примеры чего выше.

Новая теория как не только более точное представление о мире, но и как другая интерпретация его устройства — означает, что новые теории не просто точнее описывают мир, но описывают его по-другому — мир предстаёт в них устроенным иначе, чем прежде, сделанные ранее наблюдения получают новый смысл. Например, замечая в чём-то знакомом новые детали, можно лишь дополнить уже известное новыми подробностями, а можно прийти к выводу, что суть происходящего другая, чем казалась раньше, то есть в последнем случае произойдёт качественный переход к новой интерпретации, новой модели некоторой части мира. Таким образом, качественные переходы — открытия, революции, появление новых парадигм — это естественные атрибуты познания.

В итоге, получается, что новые теории одновременно и уточняют старое представление о мире, так как точнее объясняют происходящее в нём, и опровергают его, так как интерпретируют происходящее по-новому, и при этом ещё опровергают «не полностью», так как «полное опровержение» будет означать опровержение вообще всего знания.

Тем не менее противоречий нет. Если все теории по-разному интерпретируют мир и при этом, по сути, могут быть только лучше или хуже, а не строго истинными или строго ложными, то новые теории на самом деле и не уточняют, и не опровергают старые — они уточняют границы применимости старых теорий. В конечном итоге, возможно, полностью переводя старую теорию в разряд исторических артефактов — можно сказать, в разряд теорий «совсем плохих», неприменимых. Например, механика Ньютона продолжает широко использоваться, так как при скоростях много меньших скорости света её предсказания практически не отличаются от предсказаний более сложной теории относительности. В то же время геоцентрическая модель сейчас имеет только историческую ценность — и в этих узких границах исторического артефакта геоцентрическая модель тоже сохраняет смысл.

Другими словами, новые теории уточняют наше представление о мире, позволяя делать более точные предсказания, но они не уточняют и не опровергают друг друга, так как фактически мир новой теории — это попросту другой мир, отличный от того, который описывала теория старая. И наконец если всё-таки исходить из привычной терминологии, то «опровергнутой» будет та теория, границы применимости которой полностью и во всех условиях применения покрывает новая теории, более точная.

Но если «опровержение» старых теорий новыми — это лишь привычное выражение, а не точное, то каков тогда механизм смены теорий? Если строгое разделение знаний на ложь и истину невозможно, то в той же степени неопределённым, допускающим споры и толкования, вероятно, становится и любой переход от старого к новому?

Например, если никакая теория не описывает мир с абсолютной точностью, то и точные границы применимости теорий тоже не могут быть известны, так как для этого как раз надо знать всё с абсолютной точностью, чтобы сравнить теорию с истинной реальностью. Как следствие, в некоторых и заранее неизвестных условиях несоответствие теории наблюдаемому будет проявляться особенно заметно, то есть со временем всегда будут обнаруживаться явления, которые согласно теории происходить не должны, не следуют из неё, которые теория запрещает, и которые поэтому как будто бы опровергают теорию, доказывая её ошибочность.

Однако если никакое знание не истина, то все теории в той или иной степени ошибочные, поэтому сами по себе отдельные «аномальные» явления, противоречащие теории, которая в значительном большинстве других случаев способна давать верные предсказания, ещё не являются основанием отказываться от неё. Во-первых, их возможной причиной может быть влияние неких неизвестных пока внешних факторов, а не проблемы самой теории. Во-вторых, если «идеальных» теорий всё равно нет, то в отсутствие лучшей разумно пользоваться той, которая есть, одновременно пытаясь объяснить причины аномалий, выдвигая гипотезы в отношении того, почему в некоторых случаях наблюдения отличаются от предсказаний теории. И при появлении альтернативной теории в конечном итоге останется та, которая опишет мир полнее и точнее, то есть будет предположительно более адекватна реальности, как некому единому взаимозависимому целому, в идеале требующему такого же согласованного и целостного описания.

Эту особенность научного познания в середине прошлого века заметил известный английский философ науки венгерского происхождения Имре Лакатос. Который описал науку как конкурентную борьбу «научно-исследовательских программ», состоящих из «жёсткого ядра» априорно принятых в системе фундаментальных допущений и «предохранительного пояса» вспомогательных гипотез ad hoc (лат. — специально, применимо только для этой цели), которые объясняют слабые места теории.

Как можно заметить, описанные Лакатосом закономерности развития науки касаются и познания в целом. Например, с присущими утверждению нового столкновениями со старым, некоторый критический объём наблюдений, не укладывающихся в рамки парадигмы живого мира, со временем привёл к появлению идеи мира умопостижимого, а затем, по тому же принципу, и мира механистического. Как теперь понятно, эти столкновения возникают естественным образом, ввиду того, что новое никогда не «опровергает» старое явно и однозначно, тем самым исключая споры и альтернативные мнения, а лишь уточняет границы применимости старых идей, одновременно уточняя и границы применимости всего того знания, что было накоплено в их контексте.

Значение нового всегда в той или иной степени не очевидно и проявляется как раз в столкновении со старым — будь то в пределах обсуждения идеи с самим собой, дискуссий в среде специалистов или в масштабах всего общества. Причём если ТО Эйнштейна, объясняя мир более точно, включает в себя механику Ньютона и не используется повсеместно только по причине сложности, то религия, философия и наука исследуют мир по-разному, в разных явлениях и на разных масштабах, из-за чего полностью не способны заменить друг друга в принципе. В результате каждая новая форма познания имеет возможность только лишь сужать границы применимости предыдущих форм, предоставляя познанию новые возможности в новых условиях, наполняя жизнь человека качественно новыми элементами опыта. Но не включать предыдущие формы в себя целиком, почему сужение границ применимости до смысла только исторического артефакта ни религии, ни философии, ни науке не грозит.

Так же, как идеи Лакатоса можно применить к познанию в целом, это можно сделать и с идеей Поппера о фальсифицируемости, как критерию научности теории. Дело в том, что отсутствие истин и потому бесконечность познания уже сама по себе говорит о принципиальной возможности опровержения (уточнения границ применимости) любого знания, а не только знания научного, — отличие заключается лишь в обоснованности знаний и потому способе опровержения.

Рассмотрим отличие в обоснованности подробнее.

Всё — это и ничего, так как ничего не выделено, следовательно чтобы утверждение имело смысл, то есть отражало некоторую перспективу в опыте субъекта, оно должно иметь границы, за которыми это утверждение неприменимо, свой смысл теряет. Например, научная теория описывает закономерности некоторого конкретного явления и неприменима к другим явлениям. Поэтому чем точнее заданы границы, тем строже можно утверждение подтвердить или опровергнуть, и наоборот, чем более расплывчаты границы, тем больше такое утверждение касается всего — а значит, и ничего конкретно.

Границы задают предпосылки, из которых утверждение исходит, и если утверждение рационально, то изменение предпосылок с необходимостью приведёт и к изменению утверждения, то есть старое утверждение будет опровергнуто, его границы применимости изменятся. Если же утверждение не имеет конкретных предпосылок, то есть, наоборот, исходит из общего опыта, неких интуитивных идей и личной симпатии к некоторой точке зрения, то и границы такого утверждения не могут быть обозначены сколько-нибудь точно, а значит, и рационально опровергнуть такое утверждение невозможно. Точнее говоря, «опровергнуть» его можно только тем, что оно «разонравилось», то есть исходя из таких же общих соображений, а не конкретных аргументов. Поэтому чем более неконкретно утверждение, тем больше на него может существовать разных точек зрения, вплоть до противоположных, так как всё равно ни одна из них ничему конкретному не противоречит и ничем конкретным не подтверждается.

Например, в отличие от научной теории, границы применимости старых религиозных учений не уточняются новыми учениями неким конкретным образом, так как религии не исходят из каких-либо конкретных, однозначных предпосылок и потому не имеют конкретных проверяемых следствий — по крайней мере на коротких временных масштабах. В результате  «опровержение» старого учения заключается фактически просто в утрате им популярности, когда старое учение не выдерживает конкуренции с новым, а также в ходе прогресса религия разделяет прежде безусловно главенствующую роль в объяснении мира с философией и наукой.

В то же время популярность любой идеи в конечном итоге всё равно есть следствие её способности повышать качество жизни, поэтому утрируя можно сказать, что и старая научная теория тоже просто «теряет популярность», так как появляется новая теория, которая способствует повышению качества жизни более очевидным образом. К примеру, защищать старую теорию гипотезами ad hoc разной степени адекватности можно бесконечно, однако переусложнённость старой теории различными допущениями, не объяснимыми в рамках самой теории, рано или поздно всё равно заставит от неё отказаться в пользу теории новой, у которой таких недостатков нет.

При этом предпосылки, лежащие в самом глубинном основании познания, ни из какого конкретного опыта исходить не могут — потому что такого опыта ещё нет, и исходить не должны — так как они задают общее направление познанию, а не конкретное. Это различные идеи метафизического характера — уже упомянутые парадигмы живого, умопостижимого или механистического мира или, например, идеи, что жизнь не сон, что познание имеет смысл и может улучшать жизнь, что мир делим на элементы и так далее. Конкретных временных или пространственных границ такие представления не подразумевают, ничего конкретного из них не следует, и по большому счёту даже существуют в опыте они не явно. Как следствие, такие идеи не могут быть рационально доказаны или опровергнуты. Однако эти начальные, самые общие и потому столь же неявные и неопределённые допущения задают границы более конкретным соображениям о том, как нужно исследовать окружающее, что влияет на явления, из каких элементов состоит природа. В ходе познания всё более точные ответы на эти вопросы способствовали улучшению жизни, тем самым подтверждая и разумность самих метафизических предпосылок, и исходящих из них более конкретных теорий. 

Например, в условиях минимальных знаний не остаётся ничего, кроме интуитивных выводов и глобальных обобщений, так как прежде необходимо понять происходящее в целом, выработать общую стратегию поведения и определить то, что будет важно для её реализации. Условия минимума знаний — первые в истории человека, при этом мир в таких условиях естественным образом воспринимается живым. Поэтому прежде всего в ходе прогресса возникают религии, объясняющие мир целостно, и формализуются их такие же глобальные и интуитивно выводимые в этом контексте элементы, как бог, душа, загробный мир, свод моральных норм. Затем, по мере накопления опыта, проявляется смысл развёрнутого логического мышления, возникает новая парадигма реальности умопостижимой. Как следствие, в её контексте возникают более конкретные теории и присущие им элементы, например, в таких категориях как бытие, материя, сознание, истина, достоверность, идея, сущность, ирония, количество, качество, конечное, бесконечное, абстрактное, конкретное. Появление большого объёма уже и точных знаний, и потому развитие парадигмы мира как точного механизма, придаёт смысл эксперименту. В результате возникают новые области знания — физика, химия, биология, и присущие им теории — научные, элементы которых становятся уже столь конкретными, что их отношения могут формулироваться на строгом математическом языке.

В то же время условия минимума знаний, неопределённости и неуверенности или условия, где возможны выводы только качественного характера, не исчезают из жизни человека. Поэтому идея мира как механизма не заменяет идеи реальности живой или умопостижимой, а лишь сужает границы их применимости, предоставляя познанию новые возможности в новых условиях, возникающих в ходе прогресса. Например, определяя смысл работы с конкретными знаниями, механистическое восприятие природы разумно в областях, где есть достаточный объём таких знаний. Идея мира как механизма позволяет задавать утверждениям более точные границы и потому в той же степени точнее их подтверждать или опровергать, а значит, и точнее понять их влияние на качество жизни, тем отличаясь от религии или философии.

Являясь продолжением долгого пути научного познания, современная научная теория содержит сложный математический аппарат, допускает минимум личного толкования и может быть непонятна без специального и длительного образования. Более того, законы квантового уровня или, например, следствия теории относительности Эйнштейна настолько отличаются от непосредственно наблюдаемого, что фактически не позволяют непротиворечиво интерпретировать их в общеупотребительных понятиях, не прибегая к формулам. Из-за чего популярные описания часто далеки от непосредственно следующего из экспериментов, неадекватно упрощая и искажая реальное положение вещей.

Надо заметить, в целом такое непонимание возникает не только в отношении научных теорий, и похожим образом люди одних профессий не разбираются в тонкостях других. Тем не менее явно или неявно наблюдая приносимую их деятельностью пользу, люди доверяют специалистам в других областях знания, по сути, опосредованно — за прошлые заслуги и в надежде на будущие, а не понимая точную суть их занятий. То же касается и религии, и философии, в области которых работают свои специалисты.

Однако за счёт изучения конкретных явлений в их точных параметрах, наука способна повышать качество жизни более очевидным образом, чем религия или философия, — через появление новых технологий. В результате, накопив потенциал точных знаний, в XX веке начинается этап стремительного развития науки и активного улучшения жизни людей, идеи «объективного» знания, необходимости прогресса, профессия учёного становятся чрезвычайно популярными в обществе.

Будет ли нынешний этап продолжаться вечно? Например, чем больше точных знаний, тем меньше значение религии, так как область её применения лежит вне области рационального, каковых условий в ходе прогресса становится всё меньше. По тем же причинам прогресс снижает и значение философии: центр тяжести познания смещается в область научных теорий, многие ранее философские дисциплины приобретают атрибуты точных, количественных и потому научных — например, социальные исследования. Однако познание неизбежно должно привести и к тому, что экспериментальный метод в фундаментальной науке когда-нибудь столкнётся с ограничениями непреодолимого характера, к примеру, энергетическими. Как следствие, ограничения фундаментальной науки со временем распространятся и на более частные области знаний, наука сведётся к прикладной, её статус понизится, в результате, в отсутствие нового метода, снова возрастёт роль философии и религии.

Но есть ли основания считать, что экспериментальный метод является венцом эволюции методов познания? Может быть, аналогично появлению религии, философии и науки, в будущем возникнет новая форма познания?


2.6. Новые методы

Накопление человечеством опыта происходит в общем контексте решения задачи самосохранения и размножения, стремления к лучшему качеству жизни. В том числе процесс накопления опыта отражается в трансформации границ между субъективным и объективным миром.

В начале эволюции человека, то есть в условиях малых знаний, отличие себя от мира осознаётся минимально, поэтому мир кажется таким же, как сам человек, качества субъекта ему приписываются явно. Следствием этих представлений возникают религии. Со временем объём знаний увеличивается, поэтому всё более чётко выделяются различные качественные составляющие внутреннего и внешнего мира, как его первые элементы, при этом сами миры пока ещё представляются единым целым. Внешний мир, будучи прямо связанным с внутренним миром субъекта, поэтому кажется умопостижимым. В результате возникает философия, представление о логике — «правильном мышлении», как способе познания. И наконец растущий объём точных знаний о природе приводит к развитию механистической парадигмы, в контексте которой мир кажется точным механизмом, воспроизводимым при повторении условий, и потому всё более отличным от изменчивого внутреннего мира человека. Тем самым граница между изменчивым субъективным миром и воспроизводимым объективным проводится всё более чётко. Появляется смысл у эксперимента, возникает наука.

Таким образом, в процессе познания уточняются составляющие субъективного и объективного миров — их элементы, правила и законы, одновременно с чем эволюционируют методы познания, которые позволяют получать всё более точное знание и обобщать его во всё более формальные теории.

Разумно предположить, что в ходе познания представление о связи себя (сознания) и окружающего мира продолжит уточняться и дальше — как показано в первой главе, этот процесс не имеет итога. Что, в свою очередь, приведёт к появлению новой метафизической парадигмы, новому методу познания и новому типу теорий. С другой стороны, кажется, что современный человек под все возможные условия уже имеет свои методы познания и типы теорий, следовательно ничего нового здесь появиться уже не может.

Действительно, общий критерий истинности знания всегда практика. Идеи, адекватные реальности, в конечном итоге повышали качество жизни людей, способствуя выбору адекватного поведения, тем самым подтверждая и свою собственную адекватность. При этом в условиях минимума знаний прийти к верному выводу можно только интуитивно, а теория в таких условиях может лишь способствовать тому, чтобы выбор происходил в некотором общем «правильном» направлении, так как в отсутствие достаточных знаний точное направление установить всё равно невозможно. Такой теорией стали религии, во всех важных и неопределённых ситуациях способствующие выбору субъектом общего просоциального направления поведения, напоминающие об этической стороне выбора — и потому чем больше таких условий, тем выше является значение религии. Критерий истинности религии — интуитивная уверенность в разумности её учения, основанная на опыте общего характера, в максимальной степени врождённого, учитывая то, что религии возникают в условиях, когда объём конкретных знаний о мире мал и потому сам по себе близок к врождённому опыту. В условиях, где конкретных знаний больше, становится разумным рассуждать, чтобы рассмотреть интуитивный вывод подробнее. Критерий истинности в этом случае — «логичность» построенного вывода, его «очевидное» следование из предпосылок, ограничивающих выбор. И наконец если построенный в рассуждении вывод достаточно конкретен, то разумно проверить его на практике — в эксперименте, и критерий тогда — непосредственное наблюдение результата. И даже если прямой эксперимент поставить нельзя или слишком сложно (к примеру, это относится к теории о возникновении жизни на Земле, макроэкономическим и социальным теориям), то теорию можно проверить по наличию предсказательной силы — таковая есть, если из теории следуют неизвестные или незамеченные ранее конкретные события, которые при пристальном наблюдении обнаруживаются.

Таким образом, кажется очевидным, что знания могут быть более или менее точными, их может быть больше или меньше — и никак иначе. И во всех этих случаях сейчас известны методы, которые позволят распорядиться знаниями наиболее оптимальным образом. Следовательно набор парадигм «живой мир — умопостижимый — механистический» и связанный с ним набор методов познания «интуиция — логика — эксперимент» полон, и ничего новое здесь уже невозможно.

С другой стороны, вероятно, что похожим образом думали и древние философы, не замечая в своих знаниях недостаток точности качественного характера. В результате не придавая эксперименту его нынешнего значения, при том что на бытовом уровне эксперимент был всегда — как просто проверка различных идей практического характера. Точно так же в ещё более глубокой древности не было философии, хотя тот или иной уровень логических размышлений в виде оперирования образами, очевидно, доступен и более простым по сравнению с человеком животным, в силу хотя бы принципиальной схожести устройства их мозга с мозгом человека.

Поэтому фактически эволюция методов познания заключалась не в нахождении неких действительно новых методов, ранее полностью неизвестных, а в уточнении границ применимости обычных исследовательских действий. Например, вначале по общим параметрам ситуации возникает некий интуитивный ответ на неё, который при наличии соответствующего опыта уточняется логическим размышлением и проверяется в некоторой модели реальной ситуации. Точно так же если в начальный период эволюции человека возникали теории максимально общего и интуитивного характера, то в дальнейшем они становились всё более конкретными и точными, требуя всё более сложных и точных исследовательский действий, начиная от сверки с уже существующими знаниями до развёрнутого логического рассуждения и эксперимента.

Таким образом, эксперимент — это не новое слово в познании. В своём «элементарном» виде он уже существовал в опыте. В эпоху философии эксперимент всего лишь имел мало смысла, и потому не мог быть выделен в нечто самостоятельное. Человек ещё не различал мир субъективный и объективный столь точно, как различает сейчас, неизвестно было, что такое сны, фантазии, откуда берутся идеи. Поэтому казалось, что внешний мир так же непостоянен, как и мир внутренний, что непосредственно наблюдаемое — это не единственная сторона мира, а есть ещё сторона другая — идеальная, где всё иначе, лучше, где мир богов. Было ещё слишком мало наблюдений, которые позволили бы изменить это общее представление. В итоге, в мире, где нам доступна только одна и непостоянная сторона, как исследовательский метод, эксперимент не имел смысла и не обращал на себя внимания.

Точно так же не имело смысла логическое размышление в ещё более далёком прошлом. Было слишком мало знаний, чтобы вывод следствий из предпосылок мог быть сколько-нибудь развёрнутым, не был развит язык, не было даже самих вопросов, на которые бы не давала ответа религия. При этом мир в ту эпоху казался живым, то есть связь себя с миром казалась намного сильнее, чем в эпоху философии, и потому в этом мире размышления не имели смысла, так как ответы давал мир, а не находил сам человек. 

Но это значит, что и нынешний объём и качество знаний, накопленных человечеством, возможно, пока тоже не позволяет разглядеть в неких привычных действиях новый смысл, выделив их специфическое исследовательское значение.

В условиях достаточного количества точных знаний, восприятие мира как механизма выглядит естественным — например, именно такое отношение позволит построить точный алгоритм действий к столь же точно понятной цели. Наделив мир свойством состоять из элементов, подчиняющихся строгим законам, можно понять эти законы и затем применять их с пользой для себя. Но возможность формализации природы ограничена — можно написать формулу, но нельзя свести к формуле смысл формулы, смысл формул лежит вне формул, поэтому физические теории, описывающие объективную реальность, по-видимому, никогда не подойдут для описания реальности субъективной.

Иными словами, научное описание мира может быть только неполным, мы можем понять одни явления, но, по-видимому, в принципе не можем понять другие, а значит, не можем понять всё. В то же время неполнота знания выглядит как естественное положение вещей, потому что особенности нашего устройства — определённая внутренняя структура, преимущественный элементный состав — уже самим фактом своего существования задают как наши возможности, так и их границы, поэтому мы в любом случае не можем понять всё. Но что если предел познания лежит глубже, чем это видится в попытках разделить мир на элементы и найти алгоритм их связи? Что если даже само суждение о каких-либо границах знания есть следствие неточного понимания природы?

Уровень знаний влияет на восприятие мира и тем самым определяет представление о верном и неверном, возможном и невозможном. Например, в прошлом жизнь не менялась веками, познание по большей части носило характер общих идей о бытии мира и человека, новшества практического характера были редки, поэтому в массе людей естественным было считать традиционный уклад необходимым условием правильной жизни. Затем прогресс в его нынешнем виде интенсивного развития улучшающих жизнь технологий, активно идущий  в последнюю сотню лет, наоборот, задал привычку к новому, предопределил ожидание от науки постоянного улучшения жизни, популярность научного знания, методов науки и профессии учёного. Поэтому так же как в прошлом вряд ли можно было предсказать появление науки, так же сейчас сложно представить, как может возникнуть что-то не менее важное, чем наука, но совершенно другое. Более того, верные прогнозы, вероятно, вовсе невозможны, так как вне качественно нового контекста восприятия мира все попытки заглянуть в будущее и представить, как изменится познание и какие явления будут изучаться, будут исходить из старого отношения к миру, а значит, даже верные гипотезы будут отброшены как бессмысленные.

Тем не менее, независимо от возможностей прогноза, новые формы познания возникали. Поэтому аналогично тому, как древние философы ошибочно считали наблюдение и последующее размышление очевидным и, вероятно, наилучшим способом познания мира, нельзя отрицать возможность того, что и сейчас только кажется, что научные теории описывают мир самым точным образом, и понять мир лучше, чем это позволит научный метод, уже невозможно. Следовательно пусть сейчас это и выглядит невероятным, отрицать возможность появления новой и принципиально иной формы познания нельзя.

Если новая форма познания действительно возможна, утвердительно про неё сказать можно лишь то, что она будет способствовать повышению качества жизни, но при этом, вероятно, не будет связана с развитием технологий. По крайней мере в их нынешнем виде, так как это прерогатива прежде всего эксперимента и науки. Возможно даже, что с нынешних позиций само наличие познания будет не очевидно. К примеру, является ли познанием создание миров виртуальной реальности? И наконец можно утверждать то, что новая форма познания — как специфический контекст отношения к окружающему, возникающий в некоторых условиях, и связанные с этим контекстом некие действия, способствующие познанию, — уже неявно существует в опыте. Может быть, основой новой формы познания станет творчество, искусство? Естественно, это будет новый уровень данной формы познания, как новым уровнем является философия по сравнению с простыми суждениями первобытного человека или современный эксперимент по сравнению с разрубанием топором чего-нибудь подручного для исследования его остроты.

В подтверждение непредсказуемости нового и его качественного отличия от старого вспомним, что знание — это не отражение познаваемой природы, которое достаточно лишь последовательно уточнять. Новые теории не только уточняют старые, но и по-новому природу интерпретируют, то есть не только количественные, а прежде всего качественные отличия теорий вполне естественны. И особенно это заметно в сравнении форм познания, где различается даже сам тип теорий — очевидно, что религиозное учение не похоже ни на научную теорию, ни на философский трактат, точно так же отличаются философия и наука, исследуя мир иначе и в своих явлениях.

Говоря подробнее, качественное отличие знаний друг от друга, вероятно, связано с тем, что с точки зрения физики любое новое знание, каждая мелькнувшая мысль — это новый порядок активности нейронов, новая картина их синхронной активности. Физическая суть этих изменений — переход через точку бифуркации, неравновесный фазовый переход. То есть это изменения действительно качественные и скачкообразные, а не просто «постепенное уточнение» предыдущей динамики. При этом изучить систему в той степени, чтобы точно предсказывать параметры будущего порядка, невозможно в принципе. Простым аналогом неравновесных фазовых переходов может служить упорядочение в ходе равновесных фазовых переходов. Например, таким переходом является кристаллизация воды при понижении температуры, когда образуются снежинки или возникает непредсказуемый рисунок морозного узора на окне. Такой же качественной, скачкообразной и невычислимой перестройкой является и смена общего контекста восприятия мира. Который, возникнув, потом задаёт новый смысл всем частным действиям, в том числе исследовательским, аналогично тому, как свойства льда отличаются от свойств воды.

Таким образом, постепенное накопление опыта, не укладывающегося в рамки старых представлений, в какой-то момент приводит к непредсказуемому и скачкообразному появлению нового знания — от идей частного характера до нового отношения к окружающему в целом. И ввиду того, что социум — это тоже самоорганизующаяся система, неравновесные фазовые переходы происходят и в масштабах всего социума — например, так возникла и философия, и наука. Новые идеи, если они возникают в готовом к их восприятию обществе, быстро становятся популярными. Можно сказать, они возникают в головах сразу многих людей, тем самым энергично — со всех сторон системы — меняют динамику общественных процессов.

В итоге когда возникнет новая метафизическая парадигма, в контексте которой получит смысл новый метод познания, какой это метод будет, возможно ли вообще продолжение эволюции в этом направлении, заранее сказать нельзя, так как никакие внешние проявления не могут служить хорошим ориентиром.

Тем не менее, обратим внимание, что нынешнее представление о природе по крайней мере прямому механистическому описанию уже не адекватно. Например, после экспериментов квантовой механики идея воспроизводимости явлений уточнена вероятностным характером, а идею делимости мира на элементы модифицировала квантовая теория поля, где основой физической картины мира рассматриваются фундаментальные поля, которые, с одной стороны, не состоят из каких-либо элементов, но одновременно это поля квантовые. В этот же ряд, по-видимому, можно поставить появление теории множеств в математике. Но вне механистического мира эксперимент теряет смысл. Поэтому, возможно, растущая неадекватность механистического описания сигнализирует о том, что период интенсивного развития науки заканчивается, как в своё время это произошло с религией и философией.


2.7. Социальный прогресс

Познание природы и развитие технологий взаимосвязано с прогрессом в других областях жизни человека.

Выделение человека из животного мира происходит около 2,5 млн лет назад, когда первые гоминиды, жившие в Африке, догадались использовать каменный инструмент для решения бытовых задач. Этот исторический период считается началом каменного века. В поздний период которого — неолите, то есть около 10 тыс. лет до н. э., происходит так называемая неолитическая революция, связанная с изобретением земледелия и скотоводства, в ходе которой человек переходит от присваивающего к производящему типу хозяйства. Господствовавшие ранее небольшие мобильные группы охотников и собирателей теперь осели возле своих полей, начиная радикально изменять окружающую среду путём культивирования и постройки зданий. В свою очередь, рост производительности труда ведёт к увеличению численности населения, появлению права собственности, созданию вооруженных отрядов, охраняющих территорию, в середине неолита возникает письменность.

Появление новых видов деятельности и накопление в них больших объёмов опыта означает рост разделения труда, в том числе между разными племенами. Поэтому если в более далёком прошлом племена могли быть только конкурентами друг другу, существуя на одной территории и за счёт одних и тех же ресурсов, то теперь возможностей для сотрудничества становится больше. В результате если прежде мораль была направлена только на членов своего племени и имела узкие границы дозволенного — в той же степени узкие, что и поведение, необходимое для выживания, то сейчас человек привыкал к тому, что люди иных племён, иного образа жизни, интересов — это не обязательно антагонисты, отношение к которым как к таким же людям может быть только в ущерб себе.

Дальнейший технологический прогресс усиливает эти тенденции. Усложнение технологий означает, что людей завоёванных территорий теперь разумнее подчинить, а не уничтожить. Одновременно усложнение технологий уменьшает важность количества территории для качества жизни, тем самым снижая значение войн с целью её захвата — аграрную экономику сменяет индустриальная и постиндустриальная. По мере усложнения технологий увеличивается потребность в квалифицированном труде и научных исследованиях — как следствие, возрастает значимость специалистов и растёт их количество. Причём для создания нового человеку необходима творческая свобода, естественным атрибутом которой является возможность самовыражения. В результате наряду с землёй, иной собственностью или знатным происхождением, всё большую ценность приобретает интеллект, а следовательно, личность человека, его индивидуальность, тем самым нивелируя классовые и иные различия. Уменьшается значение физической силы, способствуя эмансипации женщин. Всё это в целом приводит к тому, что границы морали расширяются на иные культуры, непонятные стремления и меньшинства, обуславливая развитие гуманистических и либеральных идей, толерантность.

Наличие потенциально равных прав у всё большего количества людей ведёт к необходимости договариваться, искать компромиссы, и потому развитию демократических принципов и институтов. В свою очередь, разделение труда в этой области приводит к появлению профессиональных политиков. В результате демократия реализуется в выборе между политиками и их программами, власть становится и профессиональной, и демократической одновременно.

Активное развитие технологий — это и активное развитие бизнеса, а значит, появление противоречий с интересами наёмных работников. При этом снижение заработной платы уменьшает покупательскую способность, тем самым снижая прибыль владельцев предприятий, в то же время недостаток прибыли не позволит развивать производство. Как следствие, зависимость друг от друга заставляет и наёмных работников, и владельцев предприятий искать баланс интересов. Что также способствует демократии, так как периодические выборы и профессионализм власти, как регулятора, придают взаимодействию всех слоёв общества характер более оперативный и точный. Отражая в том числе и ускорение общественных процессов, вследствие роста объёма и скорости движения информации. Делая в итоге демократию выгодной всем сторонам, как наиболее адекватный способ учесть интересы всех слоёв общества, избегая потрясений и перекосов.

Одновременно растёт качество жизни, появляется больше свободного времени, развиваются средства коммуникации, информация становится доступнее — и потому возрастает её значимость как инструмента влияния. Растёт средний уровень знаний людей, понимание ими логики процессов в обществе, что делает демократию в этих условиях ещё более оправданной. И наоборот, технологическая отсталость общества не позволит человеку найти достаточно времени, сил и информации для развития политических взглядов. В свою очередь, взаимосвязанные с технологическим уровнем культурные особенности не позволят воспринять демократию, так как в неразвитости представлений о равенстве и потому необходимости искать компромиссы в обществе превалируют представления о праве сильного и априорной правоте вышестоящих источников, из-за чего характер феодальной естественным образом приобретает даже формально выборная власть.

Накопление опыта, развитие технологий и глобальное разделение труда приводит к тому, что человек теперь относительно меньше зависит от своего непосредственного окружения и, наоборот, всё больше от людей других культур. Старое неоднородное общество с преобладающими внутренними связями и личным общением разрушается, распадаясь на элементы — в свою очередь, эти элементы образуют новый социум с преобладающими глобальными связями и виртуальным взаимодействием. Образно говоря, социум, как изначально простой организм, или даже набор отдельных организмов, трансформируется в своеобразную «нервную систему» — люди, как нервные клетки этой системы, всё больше взаимодействуют не только со своим непосредственным окружением, но и глобально. Тем самым культурные особенности людей, в том числе гендерные модели, нивелируются в глобальных нормах поведения, общих для всех, чему ещё больше способствует уменьшение роли религии, как естественного проводника консервативных ценностей. 

Следствием технологического прогресса также является искусственный интеллект. Как показано в первой части, искусственные системы не смогут сколько-нибудь приблизиться к сложности человеческого интеллекта. Однако, например, в таких параметрах, как скорость и объём обрабатываемых по некоторому алгоритму данных, интеллект человека не является для ИИ прямым ограничением. Продолжением этих возможностей становится быстро развивающаяся технология больших данных, связанная с анализом больших массивов информации. Одним из следствий этой технологии, вероятно, будет возможность классифицировать людей по множеству различных параметров, автоматически анализируя их активность в интернете, покупки, информацию с уличных видеокамер и иных устройств. Разделяя людей по увлечениям, политическим взглядам, склонности к нарушению закона и многим другим более тонким категориям. В результате определяя рейтинг каждого человека в некоторой общей иерархии по типу всеобъемлющей кредитной истории. Что в перспективе также может способствовать созданию общества, построенного на принципах глобальной культуры — подавляя частные стремления в необходимости соответствовать общим правилам, нарушение которых даже в мелочах невозможно скрыть.

Таким образом, естественным направлением технологического прогресса является курс на глобализацию. Глобализацию связей человека — за счёт расширения взаимодействия с другими культурами, и глобализацию морали — за счёт обобщения ценностей разных культур и уравнивания интересов большинства с интересами меньшинств внутри социума. Другими словами, происходит нивелирование норм морали, когда относительная степень принятия нетрадиционного увеличивается, традиционного снижается.

В то же время мораль — это основание социума, вне которого субъект выжить не может. Естественное назначение морали — способствовать «самосохранению и размножению» социума, накладывая ограничения на стремление к самосохранению и размножению отдельных субъектов, связывая в единое целое задачи социума и задачи субъекта, задавая постоянный поиск баланса между личным благом и интересами других людей.

Например, в короткой перспективе аморальное поведение, пренебрежение интересами окружающих может привести к выигрышу (что определяет постоянное наличие некоторого уровня преступности в обществе), но отсутствие поддержки не позволит превратить успех в стратегический. Чтобы заслужить уважение, требуется время и самоограничение, но в стратегическом плане уважение окружающих позволит субъекту реализовать программу самосохранения и размножения полнее. В пределе самоограничение может носить характер самопожертвования, то есть благо для себя явным образом трансформируется в благо для социума. По такому же принципу, например, реализуется родительский инстинкт.

Стремление к самосохранению и размножению и потому конкуренция за эти ресурсы — это основание жизни. Получить больше ресурсов можно, только если превзойти всех — но, с другой стороны, одному не выжить. В результате самому получить больше можно, только если и другим дать больше. Поэтому, например, лидерами чаще всего становятся люди наиболее энергичные и умные — те, «кто может дать больше», способен указать путь к лучшему и повести за собой, даже несмотря на то, что большая часть достигнутого будет работать непосредственно на благо самого лидера.

На полях заметим, самопожертвование не является приобретением только человека или высших животных. Например, иммунные клетки, обнаружив заражение вирусом бактериофага, совершают «самоубийство» — апоптоз (др.-греч. — листопад), препятствуя развитию инфекции или замедляя её. Различные проявления альтруизма — пожертвовать малым сейчас ради большого потом или частью ради целого, то есть фактически вариаций естественной стратегии гомеостаза — неустойчивость в частных элементах динамики ради сохранения параметров системы в целом — можно найти на всех уровнях животного мира, включая колонии бактерий.

Однако сказанное означает и то, что нивелирование норм морали может пониматься не только как естественное направление прогресса, ведущее только к благу человека. Но и как переформатирование морали в направлении, наоборот, противоположном задачам самосохранения и размножения, то есть задачам жизни — отдельного человека, культуры, человечества в целом.

Естественный отбор, конкуренция — это и условие, и движущая сила прогресса. Именно активное стремление к самосохранению и размножению, то есть к защите и продвижению своих интересов, неизменное намерение догнать, обогнать и удержать лидерство делает прогресс возможным, в том числе заставляя объединяться и искать компромиссы, создавая культуры и сохраняя традиции, отделяя своих от чужих, больных от здоровых, мужчин от женщин. Но всё выше становится качество жизни и социальная защищённость, по мере глобализации всё меньше опасность прямой агрессии, что относится и к странам, и к отдельным людям, жёсткость естественного отбора снижается. Однако в глобальном обществе и все проблемы тоже становятся глобальными, при этом чем выше сложность системы, тем меньше её надёжность, социум становится всё более уязвимым. В итоге, удовлетворяя потребности, обобщая стремления и уравнивая права, прогресс лишает жизнь смысла, теряет устойчивость, разрушая сам себя.

Социум является самоорганизующейся системой, и в этом контексте глобализацию можно описать тем образом, что в ходе прогресса интенсивность взаимодействия социума со средой растёт, вследствие чего структура социума усложняется. При этом свойством таких неравновесных переходов является то, что они должны происходить всё чаще. Судя по всему, это действительно наблюдается — к примеру, похоже, что каждый новый этап эволюции методов познания занимает всё меньше времени. Однако и в этом описании, достигнув предела усложнения, система разрушается. Например, глобализация, рост объёма и скорости движения информации, по-видимому, многократно упрощает возможности манипулирования обществом и ускоряет эти процессы. Как следствие, пересечение частных интересов разных групп может стать причиной глобальных потрясений и без каких-либо реальных для этого оснований.

В заключение можно вспомнить известный эксперимент «Вселенная 25», поставленный в 1972 году в США. В эксперименте мышам были созданы идеальные условия — постоянное наличие пищи, комфортная температура, отсутствие хищников. Но всё это в ограниченных пределах клетки, которую мыши не могли покинуть. В результате (опуская подробности этапов) после бурного периода размножения и роста сложности колонии, наступил период необратимого разрушения — распада колонии на отдельные элементы и деградации, когда всё больше мышей стали вначале отказываться от близких отношений с особями другого пола, занимаясь только собой или предпочитая особей своего пола, затем избегать всех остальных мышей, и в конечном итоге колония полностью вымерла. Причём разделение и пересадка мышей в разные клетки тоже не помогала восстановить прежнее поведение, на определённом этапе процесс гибели становился необратим.

Тем не менее может быть, что такие предсказания слишком прямолинейны. Тогда, даже если курс на глобализацию сохранится, возможно, это ещё не закат человечества, а лишь очередной виток эволюции, развитие новых структур и отношений, продолжение прогресса, которое приведёт к новой организации социума, способной ещё полнее удовлетворить потребности человека.


2.8. Выводы

Подводя итог второй части, знание исходит из невыводимой и неопровержимой идеи собственного существования, разумность знания определяется влиянием на качество жизни. Поэтому никакое знание, кроме идеи собственного существования, не является абсолютной истиной, но никакое знание не является и полностью бессмысленным, истинность знания имеет границы и в них смысл у знания существует, тем более точный, чем точнее заданы границы. Некоторые общие основания этих выводов приведены в главах выше, более конкретные — ниже.



3. Самоорганизация

Основные свойства диссипативных систем уже были описаны в первой части в главе «Физические основания жизни». Тем не менее это не все свойства, о которых следует упомянуть, оставшиеся рассмотрим ниже. После чего, в главе «Самоорганизация организма», рассмотрим, какое значение самоорганизация имеет в появлении жизни, эволюции и морфогенезе.


3.1. Фрактальность

Структура самоорганизующейся системы может быть фрактальной, то есть самоподобной, когда целое имеет ту же форму, что и части. Для фрактала увеличение масштаба не ведёт к упрощению структуры, на всех масштабах можно будет увидеть одинаково сложную картину. Например, в природе струи и пучки турбулентного потока состоят из аналогичных образований меньших масштабов, сходные закономерности в различных временных масштабах проявляет ритм сердечных сокращений.

Фазовая траектория фрактала обладает самоподобием, то есть при выделении двух близких точек на фазовой траектории и последующем увеличении масштаба траектория между этими точками окажется подобной всей траектории в целом. В математической идеализации это означает, что длина траектории между двумя сколь угодно близкими точками будет бесконечной. Такой объект называется кривой Коха. Это очень нетривиальная математическая структура — непрерывная кривая, не имеющая касательной ни в одной точке. Другими словами, никакая сколько угодно малая часть кривой не является отрезком прямой. Аналогом кривой Коха можно представить береговую линию на карте, длина которой зависит только от масштаба карты — при увеличении масштаба возникают всё новые и новые её изломы.

Можно заметить, что поведение в некотором смысле тоже обладает самоподобием: на масштабах любой задачи его суть одна и та же — самосохранение и размножение.  Похожее можно найти и с кривой Коха: несмотря на в целом ограниченный объём мозга, сложность мышления бесконечна — на каждом уровне материи мозга будут возникать всё новые и новые элементы мышления.

Тем не менее главное отличие фракталов от других геометрических форм заключается не в самоподобии — такие фракталы не самые распространённые в природе — а в их дробной размерности. Например, линия имеет одно измерение, то есть её размерность равна 1, поверхность двумерная (размерность 2), а объемная фигура — это трехмерный объект (размерность 3). В этом смысле фракталы — это фигуры, которые занимают нишу между линией и поверхностью (размерность меняется от 1 до 2), или поверхностью и трехмерной фигурой (размерность меняется от 2 до 3). Иными словами, фракталы — это и не линия, и не поверхность, и не трехмерный объект, а нечто среднее между всеми ними. Например, фрактальная линия — это объект слишком детальный (подробный), чтобы быть одномерным, но недостаточно сложный, чтобы быть двумерным. К примеру, фрактальная размерность множества Кантора равна 0,63, размерность кривой Коха составляет 1,26, береговая линия Великобритании имеет размерность 1,25, Норвегии — 1,52. Поверхность человеческого мозга обладает фрактальной размерностью 2,7.

Основная идея дробной или фрактальной размерности имеет историю, которую можно проследить с 1600 года, но сами термины фрактал и фрактальная размерность были введены французским и американским математиком Бенуа Мандельбротом в 1975 году.  Мандельброт утверждал: «Учёные (я уверен) будут удивлены и восхищены, обнаружив, что немало форм, которые они были вынуждены называть зернистыми, подобными гидре, бородавчатыми, изъязвлёнными, ветвистыми, похожими на морские водоросли, странными, запутанными, извилистыми, волнистыми, клочковатыми, морщинистыми и тому подобными, отныне могут описываться строгим и точным количественным образом». (Фрактальная геометрия природы. Б. Мандельброт, 1983).

Фрактальная геометрия позволяет дать универсальное описание на первый взгляд совершенно непохожим и чрезвычайно сложным пространственным структурам. Феномены, которые с точки зрения евклидовой геометрии и линейной математики являются хаотическими, во фрактальной геометрии становятся упорядоченными. В природе фрактальные структуры, возникающие в процессе самоорганизации различных типов, можно заметить практически везде — от «архитектуры» наблюдаемой Вселенной до крон деревьев, строения облаков, морозных узоров на окнах или зернистой структуры металлов и минералов.

Одной из причин широкого распространения фрактальности в живой природе является характерная особенность строения фракталов: фракталы отличаются относительно малым объемом, но большой площадью поверхности. Поэтому фрактальное устройство имеют, например, лёгкие, которые должны обеспечить максимальное взаимодействие между кровью и воздухом, кровеносная система животных или корневая система растений, которые также должны при малом объеме обеспечить большую поверхность соприкосновения, или кора мозга, большая площадь которой должна занимать по возможности меньший объём.

Появление самоподобных структур в организме становится возможным по причине целостности диссипативных систем. Целостность возникает из-за наличия в диссипативных системах континуума прямых и обратных связей, вследствие которых возможна корреляция ближнего (локального) и дальнего (глобального) порядков. В свою очередь, дробная размерность имеет причиной способность класса реакций Белоусова — Жаботинского, имеющих первостепенное значение в морфогенезе, демонстрировать разнообразное и сложное поведение.


3.2. Субъектность

Поведение диссипативных систем нелинейное, поэтому события, влияющие на систему, в некотором смысле перестают существовать только «объективно» — когда они имеют значение сами по себе, заранее. Их значение возникает ещё и «субъективно», то есть в контексте динамики конкретной системы. При этом поведение элементов системы согласованное, система обладает свойством целостности. В результате событие с динамикой системы не совпадающее может быть всей системой нивелировано, а совпадающее масштабировано, так как и тому и другому помогут сразу все элементы системы. Например, если ударить по какому-нибудь предмету, то волна деформации в целом линейно распространится по нему, постепенно затухая, если же воздействовать на диссипативную систему, то слабое воздействие может привести к активным изменениям — и наоборот, причём поведение всех систем индивидуально.

Все процессы в диссипативной системе непрерывно переходят друг в друга, а не начинаются и кончаются, и возникает упорядоченная структура системы из хаоса скачкообразно, сразу как готовое целое. Поддерживая гомеостаз, диссипативные системы уже на физическом уровне обладают активным поведением, направленным на самосохранение. Это поведение реализуется естественным образом, само собой, не требуя каких-либо предварительных вычислений или центров управления, из которых бы отдавались команды остальным частям системы. Поведение диссипативной системы упорядочено, но в то же время нигде нет координирующего центра, содержащего алгоритм работы системы, в котором порядок начинается и без которого не может сохраняться. У упорядоченного поведения элементов системы в принципе нет какой-либо конкретной причины — в главе «Свобода воли и детерминизм» говорилось, что представление о конкретной «причине самоорганизации» противоречиво и даже строгий детерминизм в данном случае не является достаточным аргументом.  Поэтому можно сказать, что управляет системой именно существующий в ней порядок, «опыт» системы, который, возникая сразу как «над-элементное» целое, подчиняет прежде хаотическую динамику системы себе, а среда только поставляет энергию.

Более наглядно самоуправление системы можно объяснить уточнением принципа детерминизма понятием двусторонней восходящей и нисходящей детерминации. Необычность нисходящей детерминации отчасти исчезает, если представить себе камень, отколовшийся от скалы и катящийся вниз, увлекая собой, как целым, молекулы вещества, из которых он состоит. Диссипативная система точно так же стремится «вниз» к равновесию, но это движение упорядочено, так как упорядоченное состояние системы позволяет выводить поступающую в систему энергию более эффективно. Тем самым, с одной стороны, порядок ускоряет движение системы к равновесию, но с другой — это движение всё равно бесконечно, пока сохраняется интенсивный обмен со средой.

В итоге у совокупности элементов после самоорганизации появляются свойства, не следующие из самих элементов, ведь элементы сами по себе никаким «порядком» не обладают. Поэтому их согласованное поведение — это не «больше», не «меньше» и не «сумма» элементов. Это «новое качество» системы, из-за интенсивности обмена в высшей степени неотделимое от среды и возникающее «вместо» или «над» уровнем отдельных элементов — на макроуровне, то есть на уровне системы как целого, и несводимое к свойствам элементов.


3.3. Информация

Невозможность сколько-нибудь точного предсказания означает, что диссипативную систему можно сравнить с чёрным ящиком: информация в диссипативную систему попадает, но её судьба там — влияние на поведение системы — неизвестна. В то же время самоорганизацию, как упорядочение хаоса, можно, наоборот, связать с появлением информации.

«Понятие количества информации в системе, — пишет Норберт Винер (знаменитый американский математик, один из основоположников кибернетики и теории искусственного интеллекта), — совершенно естественно связывается с классическим понятием статистической механики — понятием энтропии. Как количество информации в системе есть мера организованности системы, точно так же энтропия системы есть мера дезорганизованности системы; одно равно другому, связанному с обратным знаком». (Кибернетика, или управление и связь в животном и машине. Н. Винер, 1948).

Из этого определения следует, что уменьшение энтропии в системе, самоорганизация — это появление информации. Теперь вспомним, о чём говорилось в предыдущей главе: одиночным нейронам присуща хаотическая генерация нервных импульсов, в нейронной сети мозга, во взаимодействии с другими нейронами, импульсы синхронизируются на некоторой частоте, а обмен со средой, происходящий через поступление питательных веществ и сигналы рецепторов, приводит к тому, что картина ритмической активности в мозге постоянно меняется, флуктуирует. Синхронизация происходит на разных частотах, затрагивает как отдельные ансамбли нейронов, так и целые области мозга. При этом внимание связано с селективной синхронизацией нейронов на самой высокой частоте ритмов мозга, то есть представляет из себя наиболее упорядоченный и энергичный процесс синхронизации, происходящий «внутри» гамма-ритма. Похожим образом, сама нервная система — это диссипативная система «внутри» диссипативной системы организма, гомеостаз которой, как «уровень» гомеостаза всего организма (уровень нервной регуляции), заключается в стремлении поддерживать некоторый объём синхронной активности нейронов, а флуктуации этой активности, отражаясь на работе выходных нейронов нейронной сети мозга, таким образом, становятся нашим поведением.

Синхронизация — это самоорганизация, упорядочение, а значит, это появление в мозге информации. Причём в мозге информации очень много, она разнообразная, так как процессы синхронизации в той или иной степени затрагивают весь мозг, только основных ритмов выделяют 5 типов, поэтому можно сказать, что мозг буквально заполнен информацией, «состоит» из неё. При этом порядок — это аттрактор, определяющий направление реакций гомеостаза диссипативной системы, то есть это то состояние, которое диссипативная система стремится сохранить. Таким образом, в процессе самоорганизации в мозге из хаоса — из «непонимания», возникает информация — «понимание», цель действий. От общего направления поведения, выраженного в эмоционально-мотивирующем самоощущении, до точного в виде конкретных образов. Каждое изменение в синхронной активности нейронов, как появление новой информации, меняет поведение, упорядочивая его в направлении новой цели.

Тот же смысл имеет определение Клода Шеннона, основателя теории информации, который предположил, что прирост информации равен утраченной неопределённости, то есть прирост информации равен соответствующему уменьшению энтропии. Чем больше сообщение предсказуемо, знакомо, тем меньше информации возникнет у нас в мозге в ответ на такое сообщение. В таком событии меньше новизны, а значит, объём утраченной неопределённости будет небольшой, значительного прироста нового знания не будет, поведение не изменится значительно. Наоборот, маловероятное содержание, то есть нечто новое, неожиданное, сразу привлечёт к себе внимание, прирост знания будет выше.

Меру прироста информации Шеннон связал с вероятностью появления в сообщении символов алфавита, а эту вероятность с энтропией — информационной. Чем выше вероятность появление того или иного символа в сообщении, то есть чем больше сообщение предсказуемо, тем ниже будет информационная энтропия такого сообщения. В результате прирост информации от приёма сообщения с низкой информационной энтропией будет небольшой. И наоборот, высокая информационная энтропия сообщения означает большой прирост информации.

Когда речь заходит об информации, важно уточнить, что информация — это не данные, несмотря на распространённость такого обобщения в повседневной речи.

Для того, чтобы принимать или передавать информацию, она должна обрести некоторую форму представления, стать сообщением, то есть превратиться в данные — символы, сигналы. Но сами данные, то есть сами символы и сигналы, никакой информации, как некой специфической сущности, в себе, естественно, не содержат и потому как таковую информацию никуда не переносят — информация возникает в мозге в ответ на данные и далее никуда из мозга не перемещается. Например, информации нет в компьютерах или книгах. Компьютерная программа, компьютерные данные, текст в книге, прямая речь и вообще какие-либо явления, объекты и процессы сами по себе, без договорённости с другими людьми об их значении — это только лишь бессмысленные явления.

Сигналом может быть что угодно и значение любому сигналу можно назначить тоже какое угодно — наоборот, одними и теми же сигналами можно зашифровать совершенно разные по смыслу сообщения. Поэтому если информация есть в самих сигналах, то во всём, что есть в природе, получается, есть какая угодно информация сразу. Однако в таком случае информация становится противоречивой сущностью, так как, выходит, что, с одной стороны, информация связана с сигналом, потому что он её содержит, но с другой — не связана с сигналом, потому что от свойств сигнала никак не зависит — ведь любому сигналу можно назначить любое значение. И наконец если информация есть в сигналах, то как бы мы узнавали, какую информацию нам в каждом конкретном случае несёт сигнал, если любой сигнал содержит любую информацию?

Таким образом, смысл сигналов/символов/данных, их значение, интерпретация — что и есть информация — возникает в мозге того, кто обладает некоторыми предварительными знаниями о воспринимаемом, и поэтому способен эти данные выделить из среды и правильно их интерпретировать. Другими словами, информация возникает в мозге в ответ на некие воздействия окружающего мира, если они представляют интерес, но информация никуда из головы не передаётся и ниоткуда в неё не поступает.

Поэтому в строгом смысле информация отличается от данных, хотя в неформальном контексте эти два термина очень часто используют как синонимы. Например, когда говорят, что информация есть в книге, что её нам что-то приносит или кто-то передаёт. Точно так же известная проблема исчезновения информации в чёрной дыре на самом деле тоже связана не с информацией как таковой, а с тем, что если в чёрную дыру попадёт какой-либо объект, то его внутренние свойства никак не повлияют на свойства чёрной дыры, увеличится только её масса. То есть всё внутреннее состояние объекта — его устройство, состав — всё будет безвозвратно утрачено, не сможет быть восстановлено в принципе, превратится в «обезличенную» массу. 

В свою очередь, мы понимаем друг друга и можем договариваться о значении тех или иных символов и сигналов, потому что имеем схожие врождённые реакции, на основании которых уже формируется весь остальной опыт, который тоже поэтому похож. Другими словами, смысл некоторых явлений окружающего понятен нам с рождения, то есть на эти явления есть связанная рефлекторная реакция более или менее одинаковая у всех людей. Совмещаясь с незнакомыми явлениями окружающего, знакомые явления придадут незнакомым свой смысл, новые сочетания знакомого и незнакомого этот смысл скорректируют. По тому же принципу ребёнок со временем начнёт понимать слова и обращённую к нему речь, несмотря на то, что сами по себе звуки слов не имеют никакого смысла и никакой информации в себе не содержат (подробнее обучение с этой точки зрения будет описано в конце главы «Нейронная сеть»).

Обобщим сказанное.

Упорядочение — это уменьшение энтропии, хаоса, неопределённости и одновременно появление информации. Рассеивая энергию, диссипативные системы уменьшают энтропию внутри себя за счёт её увеличения снаружи себя. Внутри системы уменьшается энтропия и возникает «новое качество» системы — информация, которая, как аттрактор, уже и определяет поведение системы, а не среда или элементы системы сами по себе. В свою очередь, появление информации, то есть упорядочение и усложнение порядка, можно связать с обучением, то есть с интеллектом. Поэтому диссипативные системы в некотором смысле «разумны» уже по своей природе. И отличаются только сложностью порядка, то есть «количеством интеллекта», так как по общему «направлению» интеллекта все диссипативные системы одинаковы: суть их поведения — гомеостаз, самосохранение.

Заметим, как говорилось в этой главе, появление информации, — это упорядочение, уменьшение энтропии. Однако информация — это не просто самоорганизация, так как информация — это знания, смысл данных. Поэтому информация естественным образом связана с человеком. Как связана в целом — мы написали выше. Но есть и более конкретные обстоятельства, которые делают информацию явлением ещё более «человеческим», чем это следует из аргументов нынешней главы. Эти обстоятельства будут рассмотрены в главе «Мышление изнутри», где вывод об отношении самоорганизации, информации и работы мозга будет уточнён.

В заключение ещё раз обратим внимание на принципиальное отличие диссипативных систем от компьютеров, в которых не происходит самоорганизации, поэтому в компьютерах в принципе не может быть информации и не происходит её появления ни в каком виде, компьютер только оперирует данными. Компьютер не обладает внутренними возможностями для упорядочения своей структуры, так как не является открытой термодинамически неравновесной системой. Компьютер, по сути, всего лишь механизм, работающий по некоторому алгоритму, обычный уровень взаимодействия со средой не влияет на работу механизма, а слишком интенсивный его разрушит. Работу компьютера организует человек, отображая в его программе некоторый придуманный им алгоритм — и в этом смысле интеллект компьютера тоже всегда равен нулю.  Компьютер очень быстро производит действия, но он их не придумывает.

В то же время в контексте искусственных нейронных сетей вывод об отсутствии у компьютеров интеллекта не так очевиден, ввиду того, что искусственные нейронные сети обучаются, то есть в некотором смысле могут «придумывать». Тем не менее это тоже равновесные системы, то есть только вычислительные модели интеллекта. Поэтому с точки зрения наличия обучения, говорить о таких системах, как об «искусственном интеллекте» возможно, но, учитывая принципиальную простоту поведения равновесных систем, это обобщение очень условно. Например, нет оснований предполагать наличие у каких бы то ни было вычислительных систем сознания.

В свою очередь, отсутствие сознания, говорит о том, что нет и «понимания» смысла данных, то есть в искусственных нейронных сетях тоже нет и не может быть информации. Те элементы «разумного» поведения, которое демонстрируют искусственные нейронные сети, в частности способность распознавать контекст ситуации, то есть, как кажется, именно «понимать» смысл данных, — это не более чем чрезвычайно упрощённая модель реального понимания.


3.4. Самоорганизация организма
3.4.1. Филогенез

Всё живое от клетки до биосферы — это тоже диссипативные системы. Любые организмы и их системы существуют как процесс самоорганизации, находятся в непрерывной динамике гомеостаза. В том числе из этого следует, что эволюция не только случайный процесс, но и закономерный, так как способность усложняться — это естественное свойство диссипативных систем.

Согласно наиболее признанной гипотезе появления жизни — гипотезе мира РНК, в начале жизни были ансамбли молекул рибонуклеиновых кислот, способные к самокопированию, и соединения солей жирных кислот, самоорганизующиеся в пузырьки — липосомы, которые могли проходить циклы роста и деления, восстанавливаться после повреждений и обладающие селективной проницаемостью для разных веществ. Считается, что около 4 млрд лет назад произошло объединение липосом и РНК, как элементов, способных выполнять функцию клеточной мембраны, и элементов, способных выполнять функцию хранения генетической информации и катализа химических реакций собственного синтеза. В результате возникает первая клетка и начинается жизнь.

До недавнего времени проблемой гипотезы мира РНК было то, что вероятность естественного синтеза молекулы РНК казалась практически равной нулю. Однако исследования самых последних лет (в частности, «Common origins of RNA, protein and lipid precursors in a cyanosulfidic protometabolism» 2015 года) показали, что это не так. Более того, 4 млрд лет назад условия на Земле были таковы, что и синтез РНК, и веществ, необходимых для дальнейшей эволюции клетки, проходил совместно в древних водоёмах с обычным для той эпохи составом веществ. Таким образом, несмотря на то, что появление жизни оставляет ещё много загадок, жизнь всё больше выглядит закономерным явлением, а не случайным и, следовательно, уникальным стечением обстоятельств.

Синтез липосом и молекул РНК относится к так называемой самосборке. Это консервативный тип самоорганизации, которая проходит в условиях, близких к равновесным, похожий пример — кристаллизация. Тем не менее так как все элементы клеток возникают в процессе самоорганизации, то их усложнение в ходе эволюции — это усложнение процесса самоорганизации за счёт развития диссипативной составляющей. В результате самоорганизация, проходящая в условиях, близких к равновесным, эволюционирует к активному гомеостазу нынешних клеток, как диссипативных систем, оперирующих вдали от термодинамического равновесия и интенсивно взаимодействующих со средой. И потому способных формировать чрезвычайно сложную внутреннюю структуру, в которой более равновесные и стабильные элементы определяют общую логику процессов, неравновесные и изменчивые их частные особенности.

Например, в ходе эволюции возникает современная ДНК-РНК-белковая жизнь, где РНК сохранилась как посредник между ДНК, которая содержит информацию о структуре белков, и белками, из которых состоят клетки организма. Сложность нынешних клеток иллюстрирует следующий факт: суммарная длина всех 46 молекул ДНК (состоящих из тысяч генов), находящихся в одной клетке человека, составляет около 2 м. Молекулы ДНК определённым образом скручены и попарно компактно уложены в 23 особых тельца, называемых хромосомами, за счёт чего молекулы ДНК помещаются в ядро клетки, диаметр которого меньше микрометра (одна тысячная часть миллиметра).

Как активное поведение, направленное на сохранение системой постоянными своих основных параметров, гомеостаз означает появление цели, к которой система активно стремится — цели самосохранения, пусть даже самосохранение само по себе — это «цель» пока только лишь в самом общем виде. Если есть активность и есть цель, в поведении сама собой появляется тактика и стратегия, а если цели разных систем совпадают, возникает отбор наиболее приспособленных. В результате после объединения самоорганизации и самокопирования — самосохранения и размножения — и присущих размножению изменчивости и наследственности возникает механизм естественного отбора и начинается биологическая эволюция.

В ходе эволюции возникают самоорганизующиеся системы нового уровня — колонии клеток, многоклеточные организмы, популяции организмов, социум, биосфера в целом. На масштабах этих систем размножение становится способом самосохранения, то есть способом самоорганизации таких макросистем, — способом их гомеостаза, противостояния среде, обновления и развития, посредством появления новых организмов и избавления от старых. Тем самым размножение, стремление воспроизводить себя, как будто противоречащее задаче самосохранения, так как требует ресурсов и создаёт конкурентов в борьбе за них, на самом деле обобщает задачи отдельного организма с задачами макросистем, элементом которых он является, и жизни в целом. Например, часто встречается мнение, что любовь нерациональна. Действительно, её рациональность проявляется на другом уровне.

В итоге, являясь объединением самоорганизации и самокопирования, общей сутью жизни также становится самоорганизация и самокопирование — самосохранение и размножение, а дальнейшая эволюция заключается уже фактически только в усложнении этих функций. Причём даже разделение функций на самосохранение и размножение не является принципиальным, так как размножение тоже элемент гомеостаза.

Появление макросистем означает, что в ходе эволюции возникают коллективные стратегии. Чем более сплочённый коллектив, тем больше задачи его элементов обобщаются с задачами коллектива как целого. Поэтому в коллективных стратегиях взаимодействие элементов между собой меняется таким образом, что на уровне системы элементов возникает некоторое упорядоченное поведение. Естественно, что такая система, как целое нового масштаба, может освоить и природную нишу нового масштаба. Тем самым преимущество перед конкурентами получают и элементы этих систем, и сами системы. В свою очередь, новые системы сами становятся источником ресурсов, определяя направление эволюции других систем и так далее. Сложнее становится и биосфера в целом, интенсивность её взаимодействия со средой растёт.

Поведение диссипативных систем, как связанное с неравновесием, чувствительностью и бифуркациями, не предопределено средой заранее в точности и в этих пределах возникает как собственный выбор системы (подробнее об этом говорилось в главе «Свобода воли, детерминизм и сознание»). Точно так же поведение каждой микросистемы, как системы диссипативной, — будь то клетка в составе многоклеточного организма или человек в социуме — тоже не является строго заданным, «механическим». Однако, оставляя определённую свободу на уровне частных реакций, в целом оно подчиняется общим правилам, поэтому в индивидуальности частных реакций микросистем на масштабе макросистем возникает согласованность. В то же время по мере роста неравновесия и приближения макросистемы к точке бифуркации свобода её микросистем всё больше утрачивается и в точке бифуркации выбор поведения становится выбором макросистемы как одного целого.

Основанием коллективных стратегий является альтруизм. В главе «Социальный прогресс» говорилось, что стратегия альтруизма — жертвовать своим ради общего, малым сейчас ради большого потом, частным ради целого — присуща живому ещё на клеточном уровне. Поэтому самым общим началом всех коллективных стратегий, а значит, и началом альтруизма, можно представить функцию размножения, так как организм работает против себя, создавая конкурентов, но на жизнь в целом. Однако, как понятно из глав про самоорганизацию, на самом деле начало альтруизма находится ещё глубже — на уровне гомеостаза как физического процесса: уступать в малом — в частных элементах порядка, ради решения основной задачи — сохранения структуры в целом.

Для коллектива альтруизм, присущий его элементам, является основанием их согласованного поведения, способности к взаимопониманию и кооперации. Создавая условия для существования и развития коллектива как целого, элементы которого, с одной стороны, не могут выжить в одиночку, с другой — являются конкурентами друг другу в борьбе за ресурсы. Точно так же альтруизм является естественной тактикой поведения в среде самого коллектива, способной обеспечить оптимальный баланс между личными интересами и интересами окружающих и, как следствие, максимальное качество жизни.

Борьба в коллективе идёт не только за ресурсы. На определённом этапе эволюции происходит разделение полов, вследствие чего отбор наиболее приспособленных животных теперь реализуется ещё и за возможность оставить потомство. Причём несмотря на то, что на масштабах отдельного организма разделение полов и в результате необходимость поиска партнёра плюс соперничество за его внимание противоречат задаче самосохранения гораздо больше, чем просто размножение и появление конкурентов за ресурсы, тем не менее на масштабах всего вида разделение полов, как своеобразное «разделение труда», — это усложнение структуры вида, то есть усложнение опыта вида. Как следствие, возможность формировать более сложные стратегии, тем самым получая выигрыш в конкуренции с другими видами.


3.4.2. Морфогенез

Самоорганизация не только дала начало жизни, без самоорганизации стало бы невозможным усложнение организмов в ходе эволюции. Если всё живое — это диссипативные системы, то эволюция — это усложнение диссипативных систем. Общей сутью работы диссипативных систем можно назвать гомеостаз, а их способность усложняться — это продолжение гомеостаза, его элемент, так как система не разрушается и исчезает, а продолжает противостоять среде, только на новом уровне сложности. Диссипативные системы усложняются скачком, перестраивается сразу вся система и в какой-то момент старую упорядоченную структуру системы сменяет новая. По тому же общему принципу какая бы новая структура ни возникала в организме она сама собой всегда возникает уже так или иначе «работоспособной», как часть единого организма, который точно так же работает на самосохранение и размножение, как и организм старый, но более сложным образом. И далее уже отбор определит, соответствует ли новый организм нынешним условиям, способен ли он в них выжить и оставить потомство. Другими словами, новые функции не добавляются к организму как нечто внешнее, требуя их точного внедрения в его структуру — что сделало бы эволюцию полностью невозможной, а естественным образом возникают «внутри» него аналогично усложнению более простых диссипативных систем.

Но организм — не ячейки Бенара, а диссипативная система гораздо более сложная, поэтому функционирование биологических систем имеет свои особенности. Далее рассмотрим самоорганизацию многоклеточных организмов — способ их развития из одной клетки и усложнения в ходе эволюции, то есть принципы морфогенеза.

Механизм самоорганизации многоклеточного организма в 1952 году в статье «Химические основы морфогенеза» описал уже не раз упоминавшийся в книге известный английский математик Алан Тьюринг. Сформулированный им основной принцип гласил, что глобальный порядок определяется локальным взаимодействием, поэтому чтобы получить структурную организацию всей системы, необязательно иметь план системы, а можно ограничиться исключительно заданием правил близкого взаимодействия образующих систему элементов. В том числе в этой статье Тьюринг предсказал химические реакции — такие, как реакция Белоусова — Жаботинского (стр. 93, рис. 2, а), которые необходимы для реализации этого принципа в морфогенезе. Научному сообществу они были представлены только в 1968 году.

Реакция Белоусова — Жаботинского — это класс химических реакций, протекающих в колебательном, или автоволновом, режиме, при котором некоторые параметры реакции (цвет, концентрация компонентов, температура и др.) изменяются периодически, образуя сложную пространственно-временную структуру реакционной среды.

Наглядное представление о механизме появления упорядоченных во времени и пространстве волн концентраций химических веществ поможет получить следующая аналогия.   Например, если есть система волков и зайцев, то волки едят зайцев, тем самым приводя к критическому уменьшению их числа. Как следствие, из-за недостатка пищи уменьшается и численность волков. Что, в свою очередь, обратно приводит к росту численности зайцев, новому росту популяции волков, которые снова поедают зайцев и так далее. Взаимодействие нескольких разных популяций будет приводить к более сложным зависимостям.

Протекание реакций Белоусова — Жаботинского связано с так называемой диффузионной неустойчивостью или неустойчивостью Тьюринга, когда при наличии диффузии в системе возникает неоднородное распределение концентрации веществ, то есть некоторая самоорганизующаяся пространственная структура аналогичная структурам, возникающим на рис. 2, а. Образование подобных структур — это неравновесный фазовый переход, то есть процесс происходит в диссипативных системах в неравновесной среде и в результате бифуркаций. Суть процесса в том, что при определенных условиях даже только два нелинейно взаимодействующих химических компонента могут генерировать неоднородные стационарные пространственные структуры, если один из компонентов (ингибитор) диффундирует значительно быстрее, чем другой (активатор). Причём это далеко не тривиальный результат, так как обычно считается, что диффузия выравнивает разницу концентраций, а не производит ее.

Непосредственно в ходе морфогенеза происходит следующее. В результате деления оплодотворённой клетки (зиготы) образуется скопление клеток (бластоциста), которое прикрепляется к стенке матки, при этом внешние клетки скопления, взаимодействуя с внутриматочной средой, приобретают свойства внешнего слоя зародыша. Вещества-морфогены, выделяемые клетками внутри зародыша, взаимодействуют друг с другом, при этом одни из них является активаторами, то есть усиливают собственное производство, а также активируют другие вещества — ингибиторы, которые, наоборот, подавляют активность первых. Тем самым по описанному в предыдущем абзаце сценарию в объёме зародыша возникают определённые градиенты концентрации веществ, то есть происходит самоорганизация — упорядочение внутренней среды зародыша.

В свою очередь, возникшая упорядоченность в концентрации веществ в пространстве между делящимися клетками, как своеобразная разметка органа, приводит к тому, что на ДНК окружающих клеток воздействуют разные вещества. В результате клетки соответствующим образом дифференцируются, становясь зачатками органов, и выделяют другие вещества, упорядочение которых определяет уже устройство органа более частное. Так вначале возникает общий план организма, который постепенно усложняется, детализируется, то есть происходит дифференцировка клеток в соответствии с необходимой организацией животного. Причём учитывая, что диссипативные системы, относящиеся к классу реакций Белоусова — Жаботинского, способны демонстрировать очень сложные формы поведения от регулярного периодического до хаотического, формирование органа может быть задано с большим разнообразием.

В итоге благодаря самоорганизации относительно простыми средствами кодируется сложный организм — молекулам ДНК, несущим наследственную информацию и одинаковым во всех клетках, достаточно лишь реагировать на вещества, а не иметь «чертёж» организма. Какая-то часть информации о будущем организме при этом содержится в ДНК, какая-то возникает сама в процессе самоорганизации в ходе разметки.

Также надо упомянуть эпигенетические факторы (др.-греч. эпи — приставка, обозначающая пребывание на чём-либо или помещение на что-либо) — изменения активности (экспрессии) генов или индивидуальных свойств (фенотипа) клетки, вызванных механизмами, не затрагивающими последовательности ДНК. Эпигенетические факторы, следовательно, тоже содержат некоторую часть информации о будущем организме. Например, какие-то особенности жизни матери могут повлиять на внутреннюю среду её яйцеклеток, а она, в свою очередь, на работу ДНК и тем самым на будущий организм. Тем самым условия жизни конкретного организма отразятся в потомстве и в том числе могут потом передаваться следующим поколениям.

Таким образом, многоклеточный организм и вообще любая система клеток, например, социум или биосфера, существуют как упорядоченное целое не потому, что где-то есть план этих систем, а лишь потому, что в каждом элементе заложены определённые правила, по которым он отвечает на воздействия других элементов. Например, согласно этим правилам клетки организма отвечают на разные воздействия выделением соответствующих веществ и собственным перестроением, что в результате приводит к формированию многоклеточного организма, а люди, как системы клеток, отвечают поведенческими реакциями и тоже «перестраиваются» — обучаются, занимают какую-либо нишу в социуме, тем самым одновременно формируя его, как клетки формируют организм. И те системы, элементы которых реагировали «неверно», исчезали в конкуренции с другими системами.

Мутации происходят на уровне конкретных систем организма, в развитии которых участвует мутировавший участок ДНК, поэтому основные изменения связаны с этим уровнем. Например, так как ДНК во всех клетках одинаковая — в процессе деления каждая клетка получает один и тот же набор ДНК, то мутация приведёт к тому, что, к примеру, формирование всех ног животного изменится одинаково — и все конечности станут длиннее или короче. Одновременно с этим морфогенез происходит от общего к частному, все процессы перетекают друг в друга, представляя на самом деле один целостный процесс, а не набор отдельных. Поэтому случайное изменение ДНК на уровне формирования какой-либо системы организма приведёт к взаимосвязанному изменению всех других его систем, а не к появлению в организме чего-то отдельного, что сделало бы организм полностью неработоспособным.

В ином случае — в отсутствие целостности, то есть в случае строгого разделение организма на функции и детали по типу механических систем и в результате морфогенеза всех частей организма в самостоятельном процессе — эволюция стала бы полностью невозможной, так как каждое эволюционное изменение потребовало бы множества строго подобранных мутаций сразу. Например, изменение одной шестерёнки в механизме часов требует точно подогнанной перестройки некоторой части остального механизма, иначе работа механизма полностью остановится. Естественно, что вероятность такого совпадения случайных событий пренебрежимо мала.

Наоборот, в составе веществ-морфогенов достаточно произойти всего одному изменению, чтобы изменилась целая структура, к примеру, как уже говорилось, длина всех конечностей. Например, установлено, что к формированию пяти пальцев приводит совместная работа всего трех морфогенов (Digit patterning is controlled by a Bmp-Sox9-Wnt Turing network modulated by morphogen gradients. 2014). В результате некоторая «минимальная» мутация может привести к значительным изменениям в будущем организме и в сочетании с другими мутациями и факторами среды принести как пользу, так и вред.

Таким образом, новые организмы возникают «сразу», более или менее скачкообразно, сообразно объёму произошедшей мутации, при этом оставаясь всегда более или менее жизнеспособными и похожими на старые, так как что-то слишком новое не получит развития в старой среде, а мутация, значительно снижающая жизнеспособность организма, приведёт к тому, что зародыш не получит развития ещё в утробе. Другими словами, развитие получают только те мутации, которые будут поддержаны окружающей средой и в результате «выживут» в ходе «естественного отбора», проходящего на всех масштабах среды, начиная от среды клетки, в которой произошла мутация, и среды других клеток до окружающей среды, в том числе конкурентной среды других животных. Что по своей сути полностью аналогично описанной ранее конкуренции флуктуаций, возникающей в ходе самоорганизации.

В итоге поддержанные средой мутации получают развитие, а эволюция поэтому идёт направленно, как более или менее последовательная трансформация организмов по некоторым выделенным направлениям, в которых меньше сопротивление среды или больше ресурсов, вследствие чего отбор по этим направлениям наименее жёсткий. Причём сами мутации в некотором смысле тоже мутируют — в ходе эволюции некоторые участки ДНК становятся более подверженными мутациям, тем самым обеспечивая большую стабильность одних систем организма и изменчивость других. 

Похожим образом новые общественные институты или элементы социальных отношений тоже не возникают «постепенно». Новое возникает сразу — в том или ином объёме, но всегда так или иначе работоспособное, и впоследствии такими же неравновесными переходами развивается или исчезает. И даже серьёзные социальные потрясения ведут не к распаду социума на отдельные элементы, а лишь к его перестроению некоторой степени обширности в контексте сохраняющихся наиболее общих ценностей (в каком-то смысле аналогично метаморфозу — глубокому преобразованию строения организма — например, превращению личинки в бабочку). Причём одно и то же событие может привести к значительным изменениям, если социум готов к ним, есть множество людей, недовольных нынешним положением дел, и может пройти незамеченным, если готовности к изменениям нет. В свою очередь, попытка предсказать социальные или экономические процессы приведёт к тому, что по мере уточнения предсказаний эти процессы будут выглядеть всё более случайными, несмотря ни на какое усложнение моделей и объём привлекаемых данных. 

Как уже говорилось ранее, по принципу самоорганизации происходит процесс мышления. Так же как организмы в процессе эволюции, мысли возникают если не в виде полноценных идей, то по крайней мере всегда так или иначе сформированные, более или менее «жизнеспособные». Дело в том, что конкретные мысли, конкретное поведение есть, по сути, такой же, как и в случае эволюции, результат флуктуаций и самоорганизации. Когда синхронная активность множества нейронов нарушается импульсами «невпопад», исходящих от отдельных нейронов синхронизированного ансамбля. Эти флуктуации, хотя и невычислимы, тем не менее связаны с работой всех остальных нейронов мозга, так как в сети все нейроны так или иначе зависят друг от друга. В результате развитие получают только те флуктуации, которые будут поддержаны динамикой остальной нейронной сети мозга как целого. Которая динамика, естественно, связана и со средой в том числе, причём не только через сигналы рецепторов, но и питательные вещества и даже ДНК, как выражение условий жизни прошлых поколений. По этой причине не возникает и случайных изменений в поведении, так как новая картина синхронной активности — которая, как неравновесный фазовый переход, скачком возникает взамен старой — или продолжает старую линию поведения, или начинает новую, но тоже не бессмысленным, случайным образом. Как следствие, на частном масштабе поведение непредсказуемо флуктуирует, постоянно и активно меняется, но в целом его линия сохраняется, оно более или менее понятно, упорядочено, всегда имеет тот или иной смысл, а не неопределённый, и является целенаправленным аналогично направленности эволюции.


3.4.3. Перспективы улучшения организма

Принципы морфогенеза означают, что в ДНК нет всей информации об устройстве будущего организма, поэтому никакое сколь угодно подробное исследование ДНК само по себе понять устройство будущего организма не позволит. Так как глобальный порядок организма определяется локальным взаимодействием, то в ДНК есть лишь правила близкого взаимодействия образующих систему элементов. Поэтому чтобы понять, как конкретно эти правила связаны с устройством организма, надо проверить их в работе, то есть полностью смоделировать морфогенез.

Однако этому мешает то, что в организме эти правила не работают так же понятно и предсказуемо, как, например, в клеточном автомате. В клеточном автомате по самим правилам появления и исчезновения клеток их будущие структуры тоже нельзя предсказать, но ничего не мешает этот процесс моделировать, то есть попросту запустить автомат и посмотреть, что получится. Таким образом, в клеточном автомате нам известны и правила появления и исчезновения клеток, так как мы сами их задаём, и мы можем наблюдать этот процесс на экране. Но организм — это диссипативная система, их наблюдение ограничено. В результате нам неизвестны ни «правила» морфогенеза, ни ход процессов морфогенеза мы тоже сколько-нибудь глубоко наблюдать не можем.

Например, если для простоты представить ДНК клетками клеточного автомата, то взаимодействие между ДНК всё равно происходит через «посредничество» реакций класса Белоусова — Жаботинского и, таким образом, через неравновесные состояния и бифуркации. А на самом деле всё ещё непонятнее, так как сложнейшей диссипативной системой является и сама клетка, поэтому ДНК одних клеток взаимодействуют с ДНК других клеток не только через неравновесную среду реакций Белоусова — Жаботинского, но и через неравновесную среду самих клеток. Как следствие, с одной стороны, морфогенез нельзя сколько-нибудь глубоко исследовать «снаружи», с другой — его нельзя сколько-нибудь точно моделировать. Неизбежные неточности начального состояния «модели морфогенеза», пусть даже начальное состояние каким-то образом получилось задать очень точно, будут стремительно расти с каждым новым этапом её развития. В результате очень быстро модель станет полностью неадекватной морфогенезу реальному.

Подтверждая эти выводы, академик РАН Е. Д. Свердлов (профессор, научный руководитель Института молекулярной генетики РАН, заведующий лабораторией структуры и функций генов человека Института биоорганической химии РАН) пишет: «В сложных системах невозможно точно предсказать влияние факторов окружающей среды. В организме оно (так же как и влияние стохастических факторов) начинается in utero [в утробе — прим. авт.] и продолжаются на протяжении всей жизни индивидуума. Наконец, сложные системы, как целое, не поддаются компьютерной симуляции. (…) 1. Нельзя на основании свойств признака установить его причины (обратная задача). 2. Нельзя на основании известных причин, если они взаимодействуют между собой, установить однозначно свойства признака, вследствие возникающих свойств (прямая задача). 3. Нельзя с определенностью предсказать реакцию сложной системы на внешнее воздействие.» («Нерешаемые проблемы биологии: нельзя создать два одинаковых организма, нельзя победить рак, нельзя картировать организм на геном». Журнал «Биохимия», 2018).

Если посмотреть в общем, то в создании новых или улучшении уже существующих организмов проблемы будут возникать по следующим направлениям.

В отличие от ячеек Бенара, организм взаимодействует со средой гораздо более сложным образом, так как обменивается с ней не только энергией, но и веществом, в ходе чего формируется структура организма и происходит постоянный процесс обновления всех тканей. При этом среда возмущает упорядоченную структуру организма, делая в целом организованные процессы в конкретных реакциях скачкообразными, нелинейными, неустойчиво колеблющимися около некоторого среднего направления, некоторой общей сути реакций. В результате по мере уточнения предсказаний закономерности упорядоченного поведения становится всё сложнее отличить от случайных событий и требуется всё более точное понимание устройства системы. Однако взаимодействие диссипативной системы со средой в принципе нельзя проследить сколько-нибудь точно, из-за чего её работа характеризуется высокой неопределённостью, и потому по мере уточнения предсказаний количество возможных вариантов конкретного происходящего в системе начинает стремительно возрастать.

Как следствие, в желании понять и улучшить собственный организм или создать новый с новыми функциями, но не имея возможности получить достаточно данных, придётся всё больше «повторять эволюцию», то есть всё больше заменять анализ — отсев гипотез в ходе мысленных экспериментов — экспериментами реальными (подробнее об этом говорилось в главе «Искусственный интеллект и эволюция»). Но превзойти в этом природу невозможно, так как природа ставит сразу множество экспериментов, каковым можно считать каждое животное, и не связана временем. Не поможет и случай — аналогично тому, как возникший в ходе эволюции новый организм не может быть слишком новым, чтобы выжить и дать потомство в «старой» среде, так же без соответствующего уровня технологий и теоретических знаний нельзя ни угадать верную гипотезу, ни тем более проверить её. Вероятное «везение» в манипулировании элементами наследственной информации не имеет смысла вне столь же качественно новой среды — от среды клетки или среды материнского организма до обучающей среды, которая позволит организму проявить свой потенциал, а исследователю его заметить.

Таким образом, количество вариантов неисчислимо, значительные качественные переходы невозможны, эксперименты длительны, а вмешательство в наследственную информацию может непредсказуемо проявиться только в последующих поколениях, показав, что некая «улучшенная» функция в перспективе несёт, наоборот, вред. Например, по мере приближения к «идеальному» геному будет утрачиваться генетическое разнообразие, но именно оно является материалом естественной эволюции, страховкой от злокачественных бактерий и вирусов, которые еще не полностью исчезли, могут возникнуть или быть занесены из космоса. Есть, очевидно, и серьёзные этические аргументы — в таких экспериментах сложно представить неудачные попытки. В результате в стремлении улучшить свою естественную природу сложности чисто исследовательского характера вырастают в том числе и в глобальные проблемы цивилизационного масштаба.

В итоге смысл тех или иных факторов для будущего организма, включая значение элементов генетической информации, в принципе может быть установлен только более или менее приблизительно. Высокая неопределённость поведения диссипативных систем, по сути, означает и то, что всегда придётся исходить или из слишком общих, или из слишком частных представлений о функционировании организма, но не описать его работу в целом. В то же время показывая лишь некоторые принципиальные ограничения, сделанные выводы не позволяют судить о том конкретном прогрессе в биологии и медицине, который всё-таки возможен и относительно нынешнего уровня знаний может быть значительным.


3.5. Выводы

Из части про самоорганизацию понятно, почему на роль жизни могли претендовать только диссипативные системы. Вместе со сложностью и возможностью усложняться их естественной сутью является гомеостаз — активное поведение, направленное на сохранение системой неизменными своих основных параметров, которое можно назвать стремлением к самосохранению. При этом работой всех своих частей управляет сама система как целое. Поэтому можно сказать, что «над» уровнем элементов, или «обобщая» их, возникает качественно новый «объект», характеризуемый порядком, а не составом, — информация, уже непосредственно и определяющая поведение системы.

В следующей части рассмотрим, как происходит мышление и какую роль самоорганизация играет в мышлении.



4. Мышление

Описание работы мозга уже было приведено в первой главе. В этой части дадим его с большими подробностями.


4.1. Биологическая нейронная сеть

Регуляция простых организмов происходит гуморальным способом, когда реакцию организма определяет разница в концентрации химических веществ. В дальнейшем ходе эволюции возникает новый уровень регуляции — нервная регуляция, за которую отвечает нервная система.

Нервная система состоит из нервных клеток, или нейронов, и клеток нейроглии. Нейроны являются основным элементом нервной системы, они образуют в организме сеть, которая на входе связана с рецепторами внутренней и внешней среды, а на выходе с мышцами и железами. Нейроны способны генерировать и передавать нервные импульсы, имеющие электрохимическую природу. Это позволяет передавать сигналы по нейронной сети быстро и точно к адресату.

Уровень нервной регуляции — это и уровень мышления. Таким образом, физиологическая суть мышления заключается в преобразовании чувствительности в двигательную активность, то есть преобразовании сигналов рецепторов в активность мышц и желёз. Нервная система организует работу мышц и посредством желёз координирует с работой мышц работу остального организма.


4.1.1. Эволюция нервной системы

Нервная система возникла более 550 млн лет назад в конце протерозоя. В строении простейших организмов можно различить внутреннюю структуру и внешний покров, состоящий из эпителиальных клеток. В процессе эволюции эпителиальные клетки дали начало одновременно нервным и мышечным клеткам. Из которых впоследствии возникла нервная и мышечная системы организма, состоящие из своеобразных, но функционально друг с другом связанных нервных и мышечных клеток. Таким образом, нервная система действует как интегративная, связывая в одно целое чувствительность и двигательную активность, а также, через железы, активизирует работу гуморальной регуляторной системы (которая, в свою очередь, состоит из эндокринной и иммунной).

Наиболее древним уровнем можно считать сетевидную, или, по-другому, диффузную, нервную систему. Такой системой обладают, например, медузы. Нервные клетки такой системы распределены в тканях в более или менее равномерную сеть, и при раздражении одной клетки возбуждение распространяется во все стороны по всей сети, вызывая постепенное сокращение сразу всего тела, а не только той части, на которую воздействуют. Следующий уровень — ганглиевая нервная система червей, насекомых. Нервные клетки в такой системе объединены в группы — ганглии, образующие цепочки, где каждая группа преимущественно управляет мышечными клетками связанной с ней части тела.

Высшим уровнем является централизованная нервная система. Так как головная часть животного первая вступает в соприкосновение с внешней средой, в переднем нервном узле развиваются придатки в виде обонятельного, вкусового и зрительного рецепторов. В результате передний нервный узел начинает определять реакцию всего организма, а разнообразие рецепторов позволяет лучше анализировать раздражения и потому проводить более дифференцированное поведение.

Разрастаясь, передний нервный узел образует головной мозг, его наиболее поздним отделом является кора. Отличительной особенностью коры является выраженная слоистость. Кора расширяет возможности мозга за счёт увеличения количества нейронов и особенностей архитектуры их связей. Кора есть уже у рыб и пресмыкающихся, хорошо развита у млекопитающих и в наибольшей степени у человека.


4.1.2. Нейронная сеть

Итак, нейронная сеть мозга «быстрой» нервной связью объединяет рецепторы внутренней и внешней среды с мышцами и железами, переводя сигналы одних в активность других (рис. 1, стр. 18). Первые представления о нейронных сетях отмечены в XIX веке. Тогда считалось, что любая деятельность ведёт к активизации определённого набора нейронов и образованию между ними связей. В том же веке теория была уточнена — стало понятно, что формирование памяти происходит в результате прохождения электрических токов между нейронами по их отросткам, не требуя обязательного соединений нейронов для каждого акта запоминания или действия.

Последнее представление соответствует современному и означает, что нейронная сеть — это структура постоянно связанных между собой нейронов. В целом нейронная сеть мозга всех людей устроен одинаково, поэтому в целом опыт всех людей имеет много общего. В частном устройство мозга отличается, отражая наследственную индивидуальность и приобретённый личный опыт.

Нейронная сеть в организме — это одна структура связанных нейронов. Иное невозможно, так как наличие в организме отдельных сетей будет означать хаос в поведении животного. В свою очередь, структура именно сетевая, то есть такая, где все нейроны связаны между собой, необходима для того, чтобы активность всех мышц была всегда взаимно координирована, а сложность сетевой структуры суть сложность этой координации. Одновременно связанность всех нейронов в единую сеть означает, что в каждой поведенческой реакции учитывается активность сразу всех рецепторов. Причём это и само по себе необходимо, так как сигнал (или его отсутствие) любого рецептора может быть важен в любой реакции, поэтому сигнал любого рецептора должен быть способен изменить поведение, то есть изменить активность сразу всех мышц и желёз.

Реакция сети формируется в процессе прохождения нервных импульсов от рецепторов до выходных нейронов сети, которые уже непосредственно активизируют мышцы и железы. Следовательно, говоря в терминах вычислительных систем, сама сеть — это одновременно и память, и процессор, то есть память в нейронной сети не отделена от процессора. Сама сеть, как структура связанных между собой нейронов, имеющая определённую архитектуру этих связей, — это и сам путь преобразования сигналов на входе сети в сигналы на выходе из неё, и сама же сеть за счёт особенностей архитектуры связей задаёт логику этого преобразования. Таким образом, весь мозг в каждой своей части — это сразу и память, и мышление одновременно.

Трансформация входящих сигналов в исходящие в нейронной сети зависит от архитектуры связей нейронов. Архитектура связей определяет общую логику поведения, потому что задаёт общую логику трансформации сигналов рецепторов в активность мышц и желёз. На частном уровне трансформация зависит от других свойств нейронов и, в частности, от весов их связей. От веса связи нейрона зависит, будет ли проходящий по ней нервный импульс усилен или ослаблен, то есть вырастет или уменьшится значение — «вес» — импульса в работе того нейрона, которому этот импульс непосредственно передаётся. 

Нейронная сеть имеет множество рецепторных входов и гораздо меньше выходов (количественные данные были приведены в первой главе). Как следствие, возбуждение, идущее от рецепторов, перемешивается (на рис. 1 видно, что в сети происходят множественные процессы дивергенции и конвергенции нервных импульсов) и само собой «сжимается» до активности нейронов на выходе сети, то есть до конкретных управляющих мышцами и железами импульсов. Проще говоря, за счёт множества входов воспринимая всю ситуацию целиком, за счёт малого количества выходов на выходе нейронной сети сам собой формируется ответ.

В свою очередь, это означает, что ближе ко входу сеть больше только собирает данные, поэтому прежде распознаются общие признаки условий и ближе к выходу частные. Общие признаки условий можно охарактеризовать как неконкретные, неточные, неформальные, то есть на нижних уровнях нейронной сетью выявляется общий смысл условий и задаётся общее направление поведению, что в сознании ощущается как некоторая эмоция, мотив, побуждение, самоощущение в целом. И наоборот, частные признаки — это некие конкретные образы и фразы, то есть в коре мозга смысл «концентрируется» в конкретный образ, как точную цель действий. В результате в сознании одновременно находится смысл образов и сами образы, смысл знания и само знание — абстракции низкого и высокого уровня.

Связь с рецепторами на входе и с мышцами и железами на выходе означает, что в биологической нейронной сети одновременно происходит и распознавание условий и построение действий. Вспомним, что говорилось в первой главе — распознавание условий и построение реакция — это один и тот же процесс. Поэтому, например, выход к мышцам и железам есть на разных уровнях сети. На нижних уровнях распознаются общие признаки условий и формируется активность мышц такого же общего характера, не связанная с конкретными особенностями ситуации — тонус мышц, управление вегетативными функциями организма, объёмные мышечные синергии, рефлексы, поддержание равновесия, циклические действия. На верхних уровнях, то есть в коре мозга, по мере распознавания частных признаков условий глобальные мышечные синергии достраиваются более точными элементами мышечной активности, связанными с конкретными особенностями ситуации: движения пространственного поля, предметные действия, речь, письмо.

В качестве простой аналогии нейронной сети можно представить воронку. Если в воронку беспорядочно лить разные жидкости, то на выходе всё равно всегда будет одна струя, где все жидкости перемешаны, и чем ближе к выходу, тем сложнее будет перемешана смесь. Только, в отличие от воронки, нейронная сеть разные потоки рецепторных сигналов перемешивает «правильно», чтобы на выходе активность всех мышц и желёз была организована в соответствии с задачами животного.

В более точной аналогии нейронную сеть можно сравнить с предприятием. Члены совета директоров предприятия получают сводку от своих заместителей, те берут информацию у начальников отделов и так вплоть до всё более широкого круга работников низшего звена, получающих информацию непосредственно «с земли». Причём подчинённые в том числе обмениваются информацией и между собой, а также передают на вышестоящий уровень не всю информацию о своей работе, а только её некоторые результаты, выделенные ими из потока поступающих данных. В результате отдельные данные, которые беспорядочно и в разное время поступают на нижние уровни иерархии, на верхних уровнях всё больше упорядочиваются и «концентрируются» в «образ» данного предприятия — единую сводку, график. На основании которых совет директоров уже окончательно формирует цель всего предприятия, исходя одновременно из тех сводок, которые им предоставили, и своих представлений о цели. И наконец когда цель сформирована, работникам нижележащих уровней по обратным связям даётся указание определённым образом изменить работу, тем самым направляя работу всего предприятия в соответствии с новой целью.

Точно так же в нейронной сети мозга каждый нейрон получает информацию от связанных с ним нейронов, суммирует её, обрабатывает и отправляет ответ тем нейронам, с которыми он связан, а чем выше уровень сети, тем больше эти данные абстрагируются и упорядочиваются в конкретные образы, фразы, характеризующие эти условия. Другими словами, на каждом уровне нейронной сети выделяются всё более частные признаки условий, всё больше уточняется цель поведения, а вызванная на более низких уровнях мышечная активность общего характера «надстраивается» всё более тонко подстроенными под ситуацию и задачи животного элементами. В свою очередь, выделенная в коре точная цель по обратным связям может влиять на нижележащие уровни мозга, поэтому они будут менять свою работу в соответствии с этой целью. В результате появляется возможность формировать последовательности действий, связанные общим смыслом, когда активность всех мышц на всех уровнях подчинена одной задаче (подробнее о значении обратных связей речь пойдёт в главе «Обратные связи, алгоритмы и способность думать»).

Из аналогии с предприятием следует, что без информации от подчинённых директора станут обычными людьми, ничем не отличающимися от работников низшего звена. Точно так же в нейронной сети нет уровней главных и второстепенных, на каждом уровне выполняется своя часть общей работы. Поэтому сама по себе кора мозга, не имея достаточной сложности без связи с нижележащими уровнями нейронной сети (лимбической системой, стволом головного мозга и спинным мозгом), станет только лишь более простой нейронной сетью с некоторыми присущими ей особенностями архитектуры.

Всего в головном мозге человека около 86 млрд нейронов, из которых около 50 млрд содержит мозжечок и около 15 млрд кора больших полушарий. Объединяет нейроны в сеть около квадриллиона связей (1015), что очень много — например, по некоторым подсчётам, если вытянуть все нейронные связи только одной коры в линию, ее длина составит почти три миллиона километров. Для сравнения расстояние до Луны — 384 тыс. км, минимальное расстояние до Марса — 55 млн км. 

У каждого нейрона есть два вида отростков — множество относительно коротких дендритов, принимающих сигналы от других нейронов, и один длинный, может быть длиной более метра, ветвящийся аксон (нерв), который сигналы передаёт (см. рис. ниже). Посредством этих отростков каждый нейрон связан со множеством других нейронов, количество которых может достигать десятков тысяч по всему пространству нейронной сети. Поэтому всегда так или иначе активизирована вся нейронная сеть, так как все нейроны в сети взаимосвязаны.











Рис. 6. Нейрон.

Передача сигналов по отросткам осуществляется с применением электричества, а на концах ветвлений аксонов (терминалей) находятся синаптические пузырьки с биологически активными веществами — тормозными или возбуждающими нейромедиаторами. Само место контакта ветвления аксона и дендрита называется синапсом. Под действием нервного импульса нейромедиатор из синаптического пузырька выделяется в дендрит принимающего нейрона и тем тормозит или возбуждает его, то есть понижает или повышает вероятность генерации нейроном нервного импульса.

Каждый нейрон образует приблизительно поровну тормозных и возбуждающих синапсов с другими нейронами. В результате, в зависимости от архитектуры связей нейронов, весов этих связей и конфигурации рецепторного сигнала, в объёме нейронной сети возникает постоянно меняющаяся картина взаимозависимых процессов возбуждения и торможения, когда возбуждение одних нейронов приводит к торможению других и наоборот. Эта динамика отражается в активности нейронов на выходе сети и, следовательно, активности связанных с ними мышц и желёз.

Другими словами, в мозге реализован баланс возбуждения и торможения, когда возбуждение одних нейронов в пространстве сети приводит к взаимосвязанному торможению других и наоборот по принципу «если где-то отнимется, то в другом месте обязательно прибавится». Поэтому активность одних рецепторов и молчание других приведёт к тому, что одни нейроны в пространстве сети будут более активны, другие менее. Такая же картина будет и на выходе нейронной сети. В результате, например, сгибательные мышцы будут больше напряжены, разгибательные меньше — конечность будет сгибаться. Изменение в сигналах рецепторов вызовут соответствующее перераспределение активности мышц мышечного аппарата.

Взаимозависимость работы всех нейронов означает, что память вызывается в нейронной сети не по адресу, а по содержанию, так как активность нейронов на выходе сети определяется не подключением или отключением каких-либо частей сети, а целостно всей сетью — разницей в активности её нейронов. Где торможение одних нейронов суть не их отключение, а работа на активизацию других нейронов и наоборот. Как волны: общее количество энергии в мозге постоянное (глобально меняясь в циклах сна и бодрствования или в моменты высокой умственной нагрузки), поэтому если где-то в сети её уровень растёт, то в другом месте в той же степени уменьшается и наоборот. Причём так как в нейронной сети мозга во множестве есть нелокальные связи, объединяющие отдалённые участки сети, то взаимосвязь торможения и возбуждения тоже носит «нелокальный» характер.

В свою очередь, из сказанного следует, что любой опыт распределён сразу по всему пространству нейронной сети, то есть не имеет конкретного адреса (в следующей главе это утверждение будет сформулировано более точно), так как любой опыт суть конкретный рисунок возбуждения/торможения всех её нейронов. Поэтому, например, в отличие от компьютеров, где все данные имеют собственное место хранения и потому они постоянно есть в компьютере явным образом, в нейронной сети любой опыт — это сразу вся структура сети. Которая, таким образом, представляет из себя не набор отдельных элементов опыта, каждый из которых находится в сети где-то на собственном месте, а единый объём сразу всего опыта, а в каждый момент времени есть только тот опыт, который вызван из этого объёма сигналами рецепторов в виде конкретного рисунка торможения/возбуждения. Это также означает, что объём опыта нейронной сети можно связать с количеством возможных картин возбуждения/торможения сети. Каждая такая картина может быть адекватным поведенческим ответом на свои сигналы рецепторов или не адекватным.

Адекватным ответ делает обучение. Под стимулирующим воздействием возбуждения веса связей нейронов постепенно изменяются. В результате наиболее активная связь начинает вносить относительно больший вклад в возбуждение или торможение связанного с ней нейрона, её значение в ответе сети растёт. Таким образом, наиболее выраженные изменения нейронной сети происходят в контексте наиболее частых сочетаний сигналов рецепторов. В свою очередь, это значит, что повторяющиеся признаки условий, постоянно возбуждая одни и те же рецепторы, начинают вносить и больший вклад в формирование реакций сети, нейронная сеть обучается.

Смысл обучения в том, что выделяя в условиях основное — то, что неизменно повторяется, нейронная сеть начинает всё точнее «понимать» логику происходящего, основные свойства окружающего мира. В результате по мере обучения в своих основных параметрах реакции сети будут всё больше исходить из того общего, что объединяло все прошлые условия, которые своим повторением обучали сеть, то есть исходить из смысла условий, а всегда новые частные параметры условий будут лишь тонко корректировать основное направление реакций.

Например, после обучения распознавание даже минимума знакомых признаков (если стимул частично скрыт, зашумлён или искажён) приведёт к тому, что нейронная сеть всё равно узнает знакомое. Относительно большой вес активизированных этими признаками связей приведёт к тому, что именно они будут играть главную роль в активности нейронов на выходе сети — мы узнаем знакомое. В то же время реакция немного изменится под влиянием контекста остальных особенностей нынешней ситуации. В результате мы узнаем знакомый объект даже в новом ракурсе и одновременно тонко скорректируем движения, чтобы им воспользоваться.

Изменение веса связано с усилением чувствительности постсинаптических рецепторов дендрита принимающего нейрона к выбрасываемым в синаптическую щель нейромедиаторам. Впервые идея о связи между получением опыта и изменением синаптической силы была высказана на рубеже XIX и XX вв. нобелевским лауреатом Сантьяго Рамон-и-Кахалем. Экспериментальное изучение долговременной синаптической пластичности основано на постулате Хебба, сформулированном им в 1949 году: «Если аксон клетки А расположен достаточно близко к клетке Б, чтобы возбуждать её, и постоянно участвует в её активации, то в одной или обеих клетках происходят такие метаболические изменения или процессы роста, что эффективность А как одной из клеток, активирующих Б, повышается». Первые экспериментальные результаты, подтверждающие постулат Хебба, были получены в начале 1970-х годов.

Выделение сетью признаков зависит как от их повторения в условиях, так и от врождённого устройства нейронной сети. Проще говоря, что-то сеть поймёт сразу, где-то для обучения потребуется большое количество повторений. А какой-то опыт не будет возможен совсем, так как выходит за границы возможностей сети, то есть тот максимальный объём изменений, который может произойти в данной сети в ходе обучения, будет для получения такого опыта слишком мал.

Таким образом, нейронная сеть выделяет в условиях не просто повторяющиеся признаки, а те, которые она может заметить, то есть такие, которые обладают важностью в контексте её врождённого опыта, как том основании, которое потом уточняет обучение. Поэтому суть любого опыта — уточнение действий для удовлетворения врождённых потребностей. В процессе обучения активизация мышц и желёз всё более точно учитывает условия, в то же время всегда оставаясь в общем контексте самосохранения и размножения, так как этот опыт заключён в общей структуре сети и не может значительно измениться в ходе обучения. Например, даже вред себе человек причиняет, только если находит в этом лучший выход, а не из стремления действительно навредить.

Во всех условиях есть что-то общее и что-то частное, присущее только им. Поэтому вначале наибольший вклад в обучение вносит то общее, что есть во всех условиях — просто потому, что эти составляющие постоянно повторяются, а значит, в их контексте нейронная сеть будет изменяться наиболее активно. В результате в начале обучения относительно более активно изменяется общая структура нейронной сети и происходит формирование мышечной активности такого же общего характера, возникает «непосредственное» поведение без чёткой стратегии.

По мере того как общая структура нейронной сети начинает соответствовать общей структуре условий, то есть когда на уровне общего опыта уже не происходят значительные изменения весов связей — иначе говоря, сеть уже «поняла» общую логику происходящего, основные свойства окружающего мира — тогда центр тяжести обучения сам собой перемещается на более частные стимулы. Изменения в общих параметрах сами собой сменяются тонкой настройкой в параметрах частных, тем самым приводя ко всё более сложному поведению, всё более точно учитывающему и нюансы условий тоже. И так как общее всегда одинаковое, а частное всегда разное, то обучение на уровне частных стимулов уже практически не заканчивается, продолжаясь за счёт объёма памяти нейронной сети, процессов забывания, утраты неэффективных связей и роста новых.

Например, если ребёнок в детстве не научился говорить, то есть не научился воспринимать мир совместно со словами ещё на уровне формирования самого общего опыта, иметь речь естественной частью окружающего, то впоследствии сколько-нибудь полноценно речью он уже не овладеет. Даже несмотря на наличие соответствующих врождённых задатков у речевого аппарата и в структуре нейронной сети — вне полноценной обучающей среды их будет недостаточно. Речь для ребёнка-маугли максимум станет лишь некоторым частным опытом, в то время как обычного человека речь сопровождает всегда и везде, так как он воспринимает её фактически с рождения и во всех условиях. Плюс вне того опыта, который объясняется словами, и в целом вне социума опыт маугли получит совершенно другое и гораздо более простое основание, не позволяя продолжать полноценное обучение в человеческом обществе.

Надо заметить, обучающая среда в детском возрасте важна ещё и потому, что у человека в это время ещё продолжается активное формирование архитектуры связей нейронной сети. То есть того направляющего основания, которое задаёт общую логику поведения, контекст для последующего более частного опыта, связанного с изменением весов связей. И среда тоже участвует в этом процессе, так как активность нейронов влияет в том числе и на рост их связей.

Формирование проекционных зон мозга заканчивается у плода к 9 месяцу, то есть ко времени рождения, поэтому новорождённый уже способен более или менее полноценно воспринимать окружающее. В котором, правда, для него пока мало знакомого и потому мало смысла. При этом нейронов у новорождённого даже больше, чем у взрослого, а к двухлетнему возрасту и связей нейронов становится больше, чем у взрослого. В дальнейшем сеть оптимизируется — количество нейронов и связей сокращается. Поэтому, например, дети впоследствии многое забывают: в активно растущей и трансформирующейся сети больше сохраняется общее — можно сказать, что относительно больше формируется характер, чем конкретные знания. В целом же в развитии мозга можно выделить несколько фаз, связанных с разными возрастными периодами, но окончательно, как считается, мозг формируется только к 25 годам, хотя его трансформация в менее выраженной форме не прекращается на протяжении всей жизни.

Процесс обучения можно описать по-другому, более абстрактно. Обстоятельства, имеющие врождённый смысл (то есть на врождённом уровне имеющие некоторое связанное с ними поведение), например вкус молока матери, совмещаясь с пока ещё нейтральными элементами окружающего, например голосом матери, придают нейтральным элементам свой смысл. Теперь голос матери тоже будет запускать соответствующий набор рефлексов: выработку желудочного сока, слюноотделение и т. д.. Тем самым новорождённый начнёт понимать первый смысл условий — смысл матери. Слыша голос матери в разных ситуациях, появится понимание смысла интонаций — смысл матери наполнится новыми оттенками. Кормление обычно происходит при свете — станет понятна разница между светом и темнотой. Перспектива света и темноты станет более полной, чем просто резь в глазах от яркого света или пустота темноты. Пока бессмысленные и потому практически неразличимые элементы окружающего, по-разному отзываясь в тактильных ощущениях, совмещаясь с разными интонациями голоса матери, состояния сытости или голода, бодрости или усталости, проявятся в первые образы со своим смыслом. И так далее, в контексте других потребностей уже знакомые элементы будут наполняться новым смыслом, проявляясь в опыте всё более чётко. В свою очередь, они сами станут источником смысла для новых элементов, возникающих в их контексте.

В итоге в обобщении элементов, имеющих разный смысл, сначала проявляются границы воздействий (светло — темно, холодно — жарко, до — после и т. д.), в их обобщении выделяются и наполняются смыслом отдельные объекты, в целом проявляются детали, а детали уточняют смысл целого. Построение движений начинает происходить с учётом всё более сложных и множественных обстоятельств прошлого опыта, определяя всё более «осмысленный», сложный характер действий, поведение приобретает «стратегическую глубину».

Подведём итог главы. Нейронная сеть преобразовывает входящие импульсы в исходящие, в этом процессе веса связей нейронов изменяются и наиболее активные изменяются наиболее сильно. В результате наиболее частые, в чём-то совпадающие составляющие входящих сигналов будут вносить в исходящие сигналы наибольший вклад. Процесс обучения происходит в соответствии с архитектурой и иным устройством нейронной сети, то есть с той логикой трансформации входящих сигналов в исходящие, которая заложена в структуре сети. Таким образом, в процессе взаимодействия со средой устройство нейронной сети будет всё больше меняться сообразно этой среде — в сети будет формироваться всё более точная модель мира, животное станет всё точнее решать задачи самосохранения и размножения, применительно к окружающим условиям. И чем сложнее нейронная сеть, тем более сложные закономерности в условиях она сможет выявить.


4.1.3. Системная и биохимическая составляющая

Биологическая нейронная сеть неоднородна. Неоднородность возникает на общем масштабе и на частном. На общем масштабе входов у нейронной сети больше, чем выходов. К чему это приводит, говорилось в предыдущей главе. На частном масштабе биологическая нейронная сеть содержит различные типы нейронов, а также нейроны группируются в отделы и зоны с преобладанием локальных связей относительно связей с другими участками мозга, причём архитектура этих связей может сильно отличаться от архитектуры связей других отделов. В то же время трансформация входящих импульсов в исходящие в нейронной сети происходит целостно с участием всей её структуры, так как все отделы и зоны нейронной сети взаимосвязаны, образуя единую систему. Как следствие, своеобразие отделов сети означает и своеобразие составляющей, вносимой ими в исходящие импульсы.

Иначе говоря, в разных областях нейронной сети преимущественно «концентрируются» разные функции мышления — разные составляющие распознавания условий и построения действий, или, по-другому, разный опыт субъекта, который вызывается, в зависимости от динамики возбуждения/торможения в сети. В результате если воздействовать на разные области мозга, можно по-разному влиять на поведение, искусственно вызывая те или иные эмоции, образы или действия. По тому же принципу возникают не только целые области мозга с разным опытом, но и более частные элементы типа нейронов новизны или «нейронов бабушки». Например, нейроны бабушки — это не нейроны, в которых хранится знание всех бабушек, а только лишь такие нейроны, которые неизменно активны, если человек видит какую-либо бабушку или думает о них. В то время как все другие нейроны мозга в тех же обстоятельствах иногда активны, иногда нет, в зависимости от всех остальных особенностей ситуации. То же в случае нейронов новизны или любых других «специфических» нейронов, активность которых неизменно возникает в каких-то определённых обстоятельствах.

Таким образом, ввиду того, что любой опыт в нейронной сети — это функция сразу всей сети, речь может идти только о той или иной «степени концентрации» того или иного опыта в её пространстве, но не о строгом разделении разного опыта по своим отделам, зонам и нейронам. Другими словами, любой опыт распределён сразу по всей нейронной сети, но при этом где-то в сети «концентрация» какого-либо конкретного опыта будет больше, где-то меньше.

Независимо от разной концентрации опыта в разных частях сети, все нейроны всё равно остаются частью распределённой системы, каковой является нейронная сеть. Например, из-за этого ограничена возможность управления человеком посредством воздействия на его мозг. Несмотря на «концентрацию» опыта, она только «преимущественная», поэтому какое конкретно поведение будет вызвано, зависит не только от того, на какой нейрон было оказано воздействие, но и от активности всех остальных нейронов в данный момент, причём распределение опыта у всех более или менее индивидуально аналогично индивидуальным особенностям мозга. Точно так же, чтобы точно «читать мысли» или управлять устройствами непосредственно мыслью, в идеале нужно уметь считывать активность каждого нейрона, ведь мысль не находится где-то в одном месте мозга, каждая мысль — это вся активность мозга в данный момент. Другой проблемой при этом становится то, что считывающий прибор, чем он точнее, тем больше будет требовать индивидуальной настройки под особенности мозга конкретного человека.

Объясняется неравномерное распределение нейронов тем, что стимулы, имеющие общность, расположены близко друг к другу в соответствующем перцептивном пространстве, то есть связаны с похожими сочетаниями сигналов рецепторов. В результате в процессе обучения похожие элементы опыта «концентрируются» в какой-то одной области нейронной сети, всё более чётко отделяясь от областей с другим опытом. Образно говоря, каждый конкретный опыт — это конкретный «рельеф» возбуждения/торможения нейронной сети мозга. При этом сеть обучается. В результате, повторяясь в условиях, похожие стимулы похожим образом всё более трансформируют этот «рельеф» под себя, в одних и тех же местах увеличивая «горы» и углубляя «впадины», то есть создавая свой аттрактор, в область которого всё более энергично будут в дальнейшем «притягиваться» фазовые траектории похожей активности мозга. В ходе эволюции такое разделение опыта подкрепляется генетически, специфической трансформацией самой нейронной сети в этих областях.

Одновременно неравномерное распределение нейронов даёт преимущество в объёме памяти, возможности проводить более дифференцированное поведение и потому выигрышу в ходе естественного отбора. Дело в том, что если опыт в нейронной сети может быть сгруппирован по некоторым особенностям — рецепторной модальности, особенностям объектов, действий или задач, как это и есть в действительности, то в этом случае, ввиду значительно более выраженной способности комбинировать элементы опыта, подразделённые нейронные сети имеют значительно большую ёмкость, чем те, в которых все нейроны одинаково связаны со всеми.

Также в биологической нейронной сети разные популяции нейронов используют разные тормозные и возбуждающие нейромедиаторы (при этом имея рецепторы и к другим нейромедиаторам, из-за чего не образуют сетей полностью отдельных друг от друга). Разнообразие нейромедиаторов, а сейчас известно более 100 веществ, дополнительно увеличивает пластичность реакций сети. Как следствие, аналогично воздействию на разные зоны мозга, влияя на концентрацию нейромедиаторов или чувствительность постсинаптических рецепторов к ним, тоже можно изменять работу мозга некоторым более или менее специфическим образом.

Наличие биохимической составляющей означает, что работу биологической нейронной сети можно описать не только через активность нейронов, но и через взаимодействие разных нейромедиаторов, изменение их концентрации во времени и пространстве нейронной сети. Например, увеличение концентрации дофамина, то есть высокая активность дофаминовых нейронов, связана с распознаванием новых, неожиданных и удовлетворяющих потребности обстоятельств. В свою очередь, дофаминовые нейроны имеют связи со многими мозговыми структурами. В результате их высокая активность, определённым образом перестраивая работу нейронной сети мозга, понижает пищевую мотивацию, повышает агрессивность, усиливает либидо и в целом увеличивает физическую активность, а также усиливает рост связей нейронов и повышает способность нейронов к обучению.

Таким образом, новое, необычное и в целом положительные впечатления или воспоминания о них возбуждают, заставляют действовать и одновременно усиливают когнитивные процессы. В результате такого «направленного на лучшее» обучения животное в дальнейшем станет точнее различать условия, способствующие получению положительных впечатлений, и потом получать удовольствие чаще и с меньшими затратами, то есть дофамин является одним из факторов внутреннего подкрепления поведения, которое привело к положительным результатам. Недостаток дофамина, наоборот, приводит к повышенной инертности, замедленности когнитивных процессов — например, дефицитом дофамина обусловлена болезнь Паркинсона.

При этом лёгкость получения удовольствия при отсутствии сдерживающего опыта может стать причиной неадекватно высокого уровня дофамина. Это вызовет привыкание постсинаптических рецепторов. В результате на фоне объективного переизбытка дофамина, по сути, будет расти его субъективный недостаток. Как следствие, обычные жизненные события станут казаться скучными и раздражающими, отвлекающими от важного. Аналогично усиливающемуся голоду или жажде субъективный недостаток дофамина будет определённым образом отражаться в работе нейронной сети, всё чаще переключая поведение на поиск всё более сильных положительных впечатлений, способных быстро вернуть уровень дофамина «в норму». Другими словами, долгие жизненные стратегии, связанные с ответственностью, самоконтролем и самоограничением, станут уступать место тактике выживания, связанной с достижением цели любой ценой здесь и сейчас. Так же, например, действуют наркотики, побуждая наркомана увеличивать дозу, пренебрегая собственным здоровьем и интересами окружающих.

Помимо описанной дофаминергической, есть норадренергическая, серотонинергическая, ГАМК-ергическая, холинергическая и другие системы, связанные со своими нейромедиаторами и преимущественными функциями в мозге.

Тема нейромедиаторов и механизмов их влияния на работу мозга будет продолжена в главе «Распределённый опыт и ошибочные интерпретации».


4.1.4. Взаимосвязь достоинств и недостатков

Устройство системы как задаёт её возможности, так и определяет их границы, достоинства в одной области возникают за счёт недостатков в другой. Точно так же нейронная сеть — это определённая система, функционирующая по определённому принципу, имеющая как достоинства, так и обратные им недостатки.

Например, в любой ситуации неизбежна новизна, так как даже знакомые обстоятельства всегда предстают в новых сочетаниях, условиях, ракурсах или нюансах. В том числе это происходит за счёт состояния организма — отдохнувший человек или уставший, после хороших новостей или плохих — оценка наблюдаемого будет меняться. Новизна повлияет на реакцию, однако ввиду того, что нейронная сеть функционирует как одно целое, ею всё равно будет выделено одно направление поведения, обобщающее все стимулы.

В результате, во-первых, поведение всегда целостно, все действия от общего направления до конкретной цели подчинены единому смыслу и не противоречат друг другу. Во-вторых, обобщение означает, что в реакции учитываются все обстоятельства внутренней и внешней среды, то есть реакция всегда более или менее индивидуальная, не шаблонная, отражает особенности конкретной ситуации, причём вклад обстоятельств в реакцию может меняться в процессе обучения. Что, естественно, является достоинством.

Однако, с другой стороны, обобщение есть и недостаток, так как сочетание разных стимулов неизбежно будет вносить в поведение хаотичность, неопределённость. Например, будучи уставшим, невозможно воспринимать события так же, как отдохнувшим, плохое настроение, как и хорошее, так или иначе влияет на поведение, и даже хорошо знакомое в новом ракурсе предстанет другим. Это означает, что «истинно адекватного» поведения не существует, представление об адекватности возникает как средняя линия поведенческих стратегий и корректируется естественным отбором.


4.1.5. Обратные связи, алгоритмы и способность думать

Прежде чем перейти непосредственно к теме заголовка, вспомним об особенностях построения движений. На разных уровнях нейронной сети мозга распознаются всё более частные признаки условий и формируется мышечная активность, эти признаки учитывающие. На самом низком и древнем уровне формируются неспецифические реакции, отражающие общие параметры внутренней и внешней среды. Например, концентрируется управление вегетативными функциями организма или регулируется тонус мышц. Проявлением этого уровня является, к примеру, дрожание тела от холода, что по своей сути есть отголосок простейших диффузных реакций сетевидной нервной системы древних животных. Следующий уровень отвечает за организацию объёмных мышечных синергий. Результатом его работы является потягивание, отдёргивание руки от горячего предмета или изменение позы. Ближе к коре расположен уровень циклических движений и движений пространственного поля, связанных с перемещением в пространстве или поддержанием равновесия. В коре формируются предметные и интеллектуальные движения — сложные манипуляции, речь, письмо.


Рис. 7. Изображение волокон мозга человека, визуализированное с помощью МРТ-трактографии.

По мере упрощения нейронной сети упрощается всё поведение сразу. Например, в ранее приведённой аналогии с воронкой, если уменьшить её объём, то количество жидкости, которую она сможет преобразовать в струю, уменьшится, но суть процесса не изменится. Поэтому сказанное в абзаце выше не означает, что, к примеру, насекомые, как животные с более простой нейронной сетью, обладают только уровнем рефлекторных, неспецифических реакций. Без способности формировать реакции с учётом нюансов условий, оперировать предметами, обмениваться информацией, а также обучаться, тем самым приспосабливая поведение к конкретным особенностям среды, столь сложное поведение, как поведение мухи, муравья или пчелы, было бы невозможным. Поэтому нейронная сеть насекомых пусть и много проще, но принципиально от нейронной сети высших животных не отличается — как поэтому принципиально не отличается и их поведение.

Например, так как любая нейронная сеть способна обучаться, то обучаются даже черви с простейшей нервной системой, состоящей из нескольких сотен нейронов. Не говоря уже о насекомых, у которых сотни тысяч нейронов и мозг, уже во многом похожий на мозг человека. К примеру, в исследовании 2016 года «Altered Sensory Code Drives Juvenile-to-Adult Behavioral Maturation in Caenorhabditis elegans» показано, что молодые особи червей нематод, у которых всего 302 нейрона и около 7000 связей между ними, тратят на движение к еде больше времени, чем взрослые. Взрослые черви, почуяв запах пищи, сразу же ползли на него кратчайшим путём, в то время как молодые долго сомневались и даже не всегда отправлялись на поиски.

Тем не менее даже относительный объём приобретённого опыта у человека больше, ввиду того, что нервная система насекомых практически полностью формируется ещё до рождения, тогда как активное формирование нервной системы человека продолжается ещё длительное время после его появления на свет. В результате в этом процессе относительно больше участвует конкретная среда жизни человека, в том числе культурная, «встраиваясь» в опыт ещё на стадии формирования самой архитектуры нейронной сети мозга, а не только посредством обучения, к которому относят изменение весов связей нейронов. Другими словами, насекомые и в целом более простые, чем человек, животные рождаются в большей степени уже обладая необходимым для жизни опытом, а их выживание поэтому обеспечивается больше за счёт точного соответствия среде обитания и неприхотливости организма, чем обучения. В этом смысле часто говорят, что у человека нет инстинктов, понимая их как точно заданные врождённые программы поведения — умения, возникающие без специального обучения. Что у человека есть только задатки, в которых может пойти его развитие в случае подходящего обучения.

Теперь вспомним про обратные связи. В приведённом в начале главы описании поведение строится последовательно, движения усложняются от уровня к уровню по мере прохождения нервного возбуждения от подкорковых отделов мозга к коре. На самом деле такая картина не является полной. 

Чем сложнее нейронная сеть, чем больше в ней нейронов и связей, тем сложнее может быть поведение. И активное перемещение в среде, на которое способны животные сложнее кишечнополостных, стало возможным благодаря усложнению архитектуры нейронной сети развитыми рекуррентными связями (от лат. recurrens — возвращающийся): от нейронов ближе к выходу к нейронам ближе ко входу (в общем смысле, так как конкретная архитектура связей биологической нейронной сети чрезвычайно сложна). За счёт обратных связей возбуждение в сети начинает циркулировать, поэтому в изменении этой циркуляции рекуррентная нейронная сеть может запоминать уже не просто условия, но и динамику их изменений. При этом вход сети теперь может модифицироваться выходом, благодаря чему появляется возможность обрабатывать серии событий во времени или последовательные пространственные цепочки.

Более подробно, в рекуррентной сети происходит следующее. Как говорилось, на нижних уровнях нейронной сети распознаются общие признаки условий и формируются простые реакции, и по мере прохождения возбуждения к верхним уровням распознаются признаки всё более частные, сложные, выделяется точная цель действий, а моторика достраивается всё более тонкими элементами. Теперь же за счёт обратных связей конкретная цель действий может влиять на своё основание. Поэтому новая цель может формироваться уже не просто в соответствии с нынешними условиями и опытом, но и непосредственно с учётом уже совершающегося в данный момент действия — «продолжая» его. Тем самым возникает возможность проводить связанные общим смыслом цепочки действий, формировать алгоритмы решений задач животного. Или отвечать на стимул сразу цепочкой действий, не ожидая развития ситуации, а предвосхищая её, действуя на упреждение — и только если что-то пойдёт не так, то корректировать разворачивающуюся цепочку, переключаясь на новую. Таким образом, рекуррентная нейронная сеть может уже не просто отвечать отдельными реакциями, но и проводить последовательное целенаправленное поведение. Такая архитектура нейронной сети развита уже у насекомых.

При этом нейроны биологической нейронной сети обладают и собственной активностью, то есть периодически генерируют нервные импульсы самостоятельно, получая питательные вещества от окружающих их тканей мозга. Поэтому импульсы от рецепторов взаимодействуют с и без того активизированной нейронной сетью, а не являются единственной причиной её функционирования. В результате из-за постоянно поступающих сигналов рецепторов, наличия обратных связей и собственной активности нейронов, мышление заключается не просто в выработке сетью неких отдельных реакций в ответ на воздействия среды, а в постоянной корректировке работы всех мышц и желёз. Другими словами, в биологической нейронной сети идёт постоянный процесс формирования алгоритмов действий — стратегии и тактики поведения в общем контексте стремления к самосохранению и размножению.

Наличие обратных связей означает, что все уровни нейронной сети мозга теперь влияют друг на друга, из-за чего поведение формируется целостно, а не только и не столько в описанном выше порядке усложнения реакций от уровня к уровню. Например, исходя из того, что за распознавание частных параметров окружающего и потому за формирование конкретных целей и точных действий больше отвечает кора мозга, можно предположить, что ведущим уровнем мышления является кора — как совет директоров предприятия из ранее приведённой аналогии. Однако отношения ведомого и ведущего в нейронной сети — это отношение общего и частного, а не подчинённого и руководителя, где один всегда решает, а другой всегда подчиняется, поэтому вклад уровней в поведение может динамично меняться.

Например, чтобы увернуться от чего-то большого, неожиданно и стремительно приближающегося, важно быстро изменить позу, при этом нет времени ждать, пока кора распознает конкретные параметры приближающегося объекта. В этом случае ведущим станет один из подкорковых уровней, который сразу — «рефлекторно» — заставит пригнуться, уже после чего кора скорректирует реакцию более точным образом. В другой ситуации важно будет, наоборот, сохранять предыдущую линию поведения — и в этом случае кора своей активностью до некоторой степени ограничит реакцию подкорки. Например, распознав нечто важное, кора по обратным связям так скорректирует работу всех мышц, включая тонус, позу или мышцы глаз, что в результате важный стимул будет выделен больше других. Иными словами, работа мозга и всего организма целостно изменится «в направлении» этого важного стимула, на нём будет «сфокусировано внимание», ограничивая возможность другого поведения.

Таким образом, за счёт обратных связей все уровни мозга постоянно влияют друг на друга, в мышлении нет начала и конца, в той же степени поэтому целостно поведение или сознание. Тем не менее только этим значение обратных связей не исчерпывается.

Наличие обратных связей означает, что выход нейронной сети может влиять на вход. В результате активность коры, связанная с частными особенностями условий, может влиять на подкорковые отделы мозга, где распознаются общие признаки этих условий, концентрируется управление вегетативными функциями и моторикой общего характера. Например, распознавание корой определённых частных признаков условий — к примеру, неких скрытых действий другого животного, которые говорят, что оно может готовиться к атаке — по обратным связям приведёт к тому, что сигнал нейронов на входе сети будет дополнен соответствующим влиянием обратной связи. В результате общее направление поведения животного тоже изменится — участится сердцебиение, мышцы напрягутся, изменится поза, животное будет готово ответить на возможное нападение, а внимание сконцентрируется на вызывающих подозрение действиях.

Это значит, что за счёт обратных связей активность и, следовательно, обучение нейронов подкорковых отделов теперь непосредственно связано и с частными признаками условий — в данном случае с подготовкой другого животного к атаке. В свою очередь, это означает, что по мере повторения данной ситуации распознавание агрессивных намерений будет относительно больше перемещаться на уровень подкорки, воспринимаясь «боковым зрением», неявно. В результате время реакции будет уменьшаться, а сама реакция будет всё больше «автоматизироваться». То есть во всё большем объёме происходить ещё до осознания конкретных особенностей данной ситуации, за распознавание которых больше отвечает кора мозга, и потому происходить всё больше «автоматически» («рефлекторно», «интуитивно», «на уровне подсознания»). Тем самым опытное животное получит преимущество не только за счёт быстроты реакции, но и за счёт того, что теперь ему не нужно отвлекаться на уже известное — реакция на уже знакомые признаки агрессивного поведения будет происходить «сама собой». Поэтому внимание животного, за которое в большей степени отвечает кора, может быть направлено на другие важные в данном случае обстоятельства.

Например, по описанному выше принципу опытному боксёру не нужно следить за всеми действиями противника. Ещё до удара он «боковым зрением» замечает подготовку к нему по движению плечевого корпуса, перемещению ног и выражению лица своего оппонента, заранее «автоматически» группируясь и уклоняясь от удара. Отвечая теми самыми уже наработанными цепочками действий, предвосхищающими развитие ситуации, которые были описаны несколькими абзацами выше. Действуя на упреждение, а не ожидая каждого элемента развития ситуации. В результате, пока движения оппонента не выходят за рамки знакомых, даже в самом напряжённом поединке получая возможность переносить внимание сразу на контратаку, обдумывать тактику ответных действий, «вести» бой, а не просто реагировать на то, что непосредственно происходит.

В сказанном можно заметить и ещё одну возможность, которая появляется вследствие обратных связей, — это возможность переучиваться в широких пределах. Частные признаки условий — например, некие конкретные идеи, услышанные в дискуссии, прочитанные в книгах или не замеченные ранее обстоятельства в окружающем — могут по обратным связям влиять на опыт более общего характера. Тем самым под влиянием частного опыта может более или менее меняться восприятие мира в целом.

Обратные связи в нейронной сети не только расширяют возможности обучения, позволяют запоминать динамику событий, выделять цели и формировать порядок действий, которые помогут эти цели достичь. Ещё одно следствие обратных связей — это появление и развитие способности думать, то есть способности формировать порядок действий прежде самих действий. Например, это делает боксёр из примера выше, когда, отвлекаясь от знакомых действий оппонента, обдумывает контратаку, или любой человек, представляя что-то, размышляя. 

Когда обстоятельства не требуют пристального внимания к окружающему, обратные связи могут привести к торможению нейронов на входе сети, и нейронная сеть «уйдёт в себя», до определённой степени перестав воспринимать информацию из среды. Получая тем самым возможность больше исходить из обстоятельств прошлого опыта, чем нынешнего окружающего, в том числе исследовать эти обстоятельства до тех пор, пока ход внутренних процессов или важное событие во внешней среде не отменит торможение.

Подробности реального процесса в значительной степени неясны, но в самом общем и схематичном виде «уход в себя», то есть процесс размышления, можно описать следующим образом. Как говорилось, наличие обратных связей означает, что возбуждение в сети циркулирует, поэтому возникающее в определённом контексте среды и опыта торможение нейронов, воспринимающих сигналы рецепторов и проводящих возбуждение к мышцам в проекционных и моторных зонах мозга, приводит к тому, что возбуждение начинает циркулировать только внутри сети — «внутри опыта», не имея прямой связи с внешним миром. Как следствие, нейронная сеть получает возможность «думать», более или менее «отключаясь» от окружающей реальности, то есть получает возможность предварительно моделировать поведение, уточняя порядок будущих действий, исследуя обстоятельства, в данный момент отсутствующие в окружающем. При этом больше выделяя только те из них, которые сейчас необходимы, тем самым, по сути, «обгоняя» реальное поведение, «сжимая» реальность до только важного.

Результатом развития этого механизма в ходе эволюции становится всё более выраженная способность не просто выстраивать порядок действий в контексте опыта и условий, а проводить всё более сложную личностную стратегию, перемещая принятие решений на уровень опыта — прежде лишь собирая данные и моделируя будущее поведение, и только затем применяя полученное знание. Иначе говоря, появляется возможность планировать, вспоминать, фантазировать — обучаться «виртуально», повышая эффективность реальных действий. Поведение животных и в высшей степени человека всё больше становится активным целенаправленным процессом поиска лучших решений, где среда не руководит субъектом напрямую, а лишь содержит нужное ему.

Повторение условий приводит к более глубоким изменениям весов связей нейронов, в чём суть обучения, запоминания. Поэтому если изменение весов будет происходить слишком быстро, будет запоминаться много лишнего, и как раз способность думать позволяет обучаться нужному и при этом не воспроизводить сами условия — например, только припоминать этапы пройденного пути, а не многократно проходить его непосредственно. Говоря точнее, все условия оставляют след в нейронной сети мозга, но чтобы сохранить их в памяти полнее, условия должны или повторяться — и тогда со временем они запомнятся «сами собой», или в течении нескольких десятков минут после первого восприятия, то есть пока след достаточно выражен, произошедшее необходимо вспомнить, обдумать, и тем самым закрепить след «намеренно».

Например, благодаря способности думать можно производить вычисления в уме, но это всё равно сложно: промежуточные результаты сразу не успевают достаточно хорошо запомниться, поэтому перед переходом к следующему этапу вычислений требуется их неоднократное повторение, чтобы произошли более глубокие изменения в нейронах. Таким образом, размышление происходит одновременно как с целью уточнить поведение, так и лучше запомнить наиболее важное. 

Тема обратных связей будет продолжена в главе «Кратковременная память».


4.1.6. Сознание, подсознание, характер

Обучение подразумевает границы, которые зададут общее направление обучению. Например, помимо среды в целом, границы эволюции задают возможности химических элементов образовывать сложные соединения, конкретному организму — устройство ДНК. Нейронной сети — её общая архитектура, которая задаёт общее направление обучению, а механизм синаптической пластичности отвечает за само обучение, уточнение общего направления в условиях конкретной среды обитания животного.

При этом обучение можно представить как усложнение, «детализацию». Например, эволюция идёт от общего и простого к частному и сложному — вначале появляются одноклеточные, затем формируются многоклеточные, при этом в ходе эволюции усложняются и те и другие. Аналогичным образом формируется организм — который растёт и детализируется.

Так же происходит и обучение биологической нейронной сети — её структура тоже растёт и «детализируется» от общего к частному в контексте среды и врождённых задатков, когда в структуре сети за счёт изменения весов связей формируется всё более точная модель мира. И потому чем больше нейронов и чем разнообразнее рецепторные сигналы, тем подробнее эта модель может стать, так как в мозге может быть больше возможных вариантов возбуждения/торможения.

Наиболее интенсивные процессы обучения всегда проходят на уровне некоторого определённого опыта — нынешней цели поведения, в контексте которой выстраивается порядок действий субъекта. Как следствие наибольшей интенсивности процессов, этот уровень вносит и наибольший вклад в сознание, составляя его наиболее яркую и чёткую часть. В то же время никакие частные процессы в нейронной сети неотделимы от динамики сети в целом, и нынешняя цель поведения формируется также целостно всей нейронной сетью. В результате в сознании есть не только конкретное содержание, отражающее конкретное направление поведения, но и эмоционально-мотивирующее самоощущение, как содержание более общего характера, отражающее динамику остальной сети и общее направление поведения.

Точно о сознании можно сказать немного, это одно из самых загадочных явлений, известных человеку, тем не менее в наполнении сознания, очевидно, участвуют не какие-либо отдельные области или отделы нейронной сети, а целостно вся сеть. Разные части сети лишь вносят в содержание сознания разный вклад, сообразно своему участию в формировании поведения, а не осознаются или не осознаются, так как в нейронной сети есть только разница в уровне активности или концентрации того или иного опыта, но нет специфических «осознаваемых» или «не осознаваемых» нейронов. Поэтому «Я» — это весь наш мозг в целом, а более частные процессы, идущие в мозге, воспринимаются поэтому как будто «на фоне» Я.

Например, регуляция вегетативных функций в процессе размышления происходит как сообразно мыслям, так и условиям внутренней и внешней среды. То есть на уровне низких структур мозга, не связанных с конкретными особенностями моделируемой ситуации, «реальное» поведение никогда не прекращается, обеспечивая одновременно функционирование организма и его готовность к проведению поведения моделируемого. По тому же принципу можно одновременно размышлять и делать что-то хорошо знакомое, при этом особенно легко будет выполнять простые повторяющиеся движения, так как в их организации высшие структуры мозга, более других связанные с размышлением, участвуют минимально.

Сознание обобщает все идущие в мозге процессы, однако так как наиболее чётко воспринимаются конкретные образы, содержащие нынешнюю конкретную цель поведения, формирование которых прежде всего связано с работой высших структур мозга, то работа его низких структур и связанное с ними «реальное» поведение происходит как будто «автоматически» — но на самом деле оно просто формирует «фон» абстракций более низкого уровня. Например, знакомый путь позволяет не отвлекаться на поиск места, куда поставить ногу, и контролировать только общее направление движения; по мере обучения письму, начертание букв почти перестаёт привлекать внимание, которое всё больше переключается на уровень сути излагаемого. В результате становится возможным одновременно и писать, и контролировать смысл текста.

Поэтому чем более общий опыт и потому чем «дальше» в мозге он находится от нынешней конкретной цели поведения, тем больше он находится и за пределами конкретного содержания сознания — например, во внимании может находиться цель или траектория проводимого движения, но не управление взаимодействием отдельных мышц.

Такая особенность работы мозга может приводить к ситуации, когда желаемое поведение будет отличаться от действительного. Например, это синдром чужой руки. Разрушение мозолистого тела (сплетение нервных волокон, обеспечивающее основной объём связей между полушариями мозга), приводит к тому, что работа полушарий становится более независимой, чем в здоровом мозге. В результате человек может стремиться к одному, а делать при этом другое, так как целостность работы нейронной сети мозга нарушена. Если разрушение нейронов произойдёт в моторных областях коры на уровне построения речи, невозможно будет назвать или объяснить что-либо, в том числе самому себе, останется только некоторое общее эмоциональное понимание.

Одновременно чем более общий опыт, тем больше он связан с общей архитектурой нейронной сети, то есть относительно больше задаёт направление обучению, чем изменяется сам. Дело в том, что формирование общей архитектуры нейронной сети по большей части происходит в утробе, среда которой отличается постоянством, опосредуя конкретные особенности среды внешней, а проекционные зоны в этот период ещё не развиты. Как следствие, в формировании общего опыта относительно больший вес имеет не конкретная природная и культурная среда, а обобщённые условия жизни предков человека, то есть наследственные факторы. В результате чем более общий опыт, тем больше он связан с врождёнными особенностями потребностей и способностей субъекта, задавая общее направление — «характер» поведенческих реакций, на «подсознательном» уровне внося свой вклад во все конкретные решения.

Поэтому, например, чем более общий опыт, тем сложнее его изменить, так как изменения нейронной сети должны быть слишком значительными. Достичь чего, если и возможно, то таким же значительным изменением условий в целом, а не частными аргументами. Наоборот, частный опыт уже относительно больше связан с конкретными обстоятельствами внутренней и внешней среды и потому тем больше это личный опыт субъекта. И так как частный опыт больше связан с корой мозга, то за личный опыт, приспособление к конкретным условиям, следовательно, больше отвечает кора.



4.1.7. Другой уровень мышления

Биологические механизмы обучения подразумевают и другие составляющие. Обучение биологической нейронной сети можно представить как продолжение формирования организма, только теперь уже не детализацию его органов, а детализацию только одного органа — нейронной сети, в результате происходит и «детализация» поведения — поведение уточняется сообразно среде. В то же время принято отделять обучение нейронной сети от формирования нейронной сети как органа в целом, при этом обучение связывается с пластичностью синапсов, а формирование самой структуры сети с нейропластичностью и развитием мозга в детском возрасте. К нейропластичности, таким образом, относят рост новых связей нейронов или образование самих нейронов у взрослых, а также синаптический прунинг (англ. — прореживать) — наоборот, сокращение числа синапсов или нейронов для повышения эффективности сети.
 
Наличие нейропластичности означает, что биологическая нейронная сеть даже взрослого человека, по сути, не существует как некий привычный «статичный» объект. Наоборот, это постоянно и активно меняющаяся «живая» система, любое возможное сведение которой к жесткой «механической» схеме алгоритма неизбежно будет означать её значительное упрощение.

С обучением также связан сон. Предполагается, что в процессе быстрого проигрывания запомненного за день и смене фаз сна происходит ослабление и дифференциация сильных/слабых синапсов нейронов, то есть «снятие излишнего возбуждения» и «контрастирование» синапсов — оптимизация энергетических процессов в мозге и одновременно выделение важного и забывание не важного. Например, признаком усталости является невозможность сконцентрировать внимание, то есть отделить важное от не важного. Наоборот, вчерашние проблемы утром обычно становятся яснее — исчезает ненужное, второстепенное, остаётся «скелет» наиболее сильных связей. Процесс дифференциации одновременно касается и более раннего опыта, вероятно, поэтому сны так причудливы. Возможно, у сна есть и другие, неизвестные пока функции.

Описанные механизмы означают, что мышление имеет не только «явный», относительно более понятный уровень уже существующей нейронной сети и мыслительных процессов в бодрствующем состоянии, но и уровень «потенциальный» в виде способности биологической нейронной сети к росту, обновлению и трансформации, а также уровень интеллектуальных процессов во сне. Ещё один уровень мышления будет описан в главе «Распределённый опыт и ошибочные интерпретации».


4.1.8. Речь

Сложность мозга отражается в коммуникативных способностях животных. Многие насекомые могут производить звуки, при помощи которых обеспечивается встреча самцов и самок, поддерживаются отношения внутри популяции, происходит отпугивание или угроза. Например, с помощью особого танца пчёлы-разведчицы могут сообщать путь к найденному источнику корма; муравьи используют контактные сигналы — касание антеннами. Тем не менее в целом такая коммуникация носит очень простой характер — язык насекомых чрезвычайно бедный и имеет в значительной степени врождённый характер.

Насекомые не могут научиться сложному языку, их мозг для этого слишком прост. Обучение происходит за счёт изменения весов связей нейронов, и если сеть нейронов слишком проста, в ней слишком мало нейронов и связей, то сколько-нибудь сложная речь в такой мозг попросту «не поместится». Поэтому коммуникативные способности насекомых носят максимально простой и относительно более врождённый характер аналогично врождённому умению передвигаться. Как следствие, нельзя сказать, что насекомые общаются в привычном смысле этого слова. «Общение» насекомых — это не обдумывание и подбор знаков и сигналов, их «речь» можно сравнить с инстинктивным поведением, которое возникает «само собой».

Более сложные животные могут использовать все указанные способы коммуникации, а также значительно развить их, применительно к конкретным условиям жизни особи, то есть именно обучиться. Например, кошки и собаки во взаимодействии с человеком учатся обозначать ему свои потребности — в еде, внимании или выгуле, сочетая при этом звуки, тактильный контакт и другое специфическое поведение, а человекообразные обезьяны способны научиться языку жестов, используя в общении с человеком десятки и даже сотни понятий.

Человек, вследствие большой сложности мозга, наличия врождённых речевых задатков и длительного постнатального периода развития мозга, способен овладеть речью несравненно более сложной, чем другие животные. И далее за счёт сложности мозга, большого количества нейронов и связей между ними, гибко трансформировать её, пополняя словарный запас или изучая новые языки. Тем самым расширяя возможности коммуникации, объединения усилий и передачи опыта.

Системным основанием речи является способность нейронной сети мозга, с одной стороны, к распознаванию — нейронные сети естественным образом способны выделять признаки условий и обобщать их в абстрактные образы, с другой — рекуррентные нейронные сети, к которым относится мозг, могут формировать связанные с этими элементами опыта цепочки действий.

Ввиду меньшей сложности, нейронная сеть простых животных не способна к распознаванию сложных признаков условий. Иначе говоря, простые животные не способны к абстракциям высокого уровня и, как следствие, столь же простым является их поведение. Например, насекомые способны выделить в окружающем в основном только самые простые элементы условий — границы, поверхности, формы, различать направления, ускорения. Мозг более сложного животного способен распознавать в окружающем более сложные объекты, то есть способен обобщить смысл множества простых элементов условий в некоторый целостный образ. Такой объект уже имеет свой смысл — свою перспективу для решения задач животного. Например, животное не будет реагировать на резкое движение, если оно принадлежит объекту, который не способен причинить вред, и наоборот, активную реакцию вызовет малейшее движение объекта «опасного».

Человеку широко доступны уже и «образы образов», то есть понятия языка, абстракции более высокого уровня, чем образы конкретных объектов. К примеру, понятие «яблоко» обобщает все яблоки, которые как-либо известны человеку. Более того, человек способен выделять в условиях и уже непосредственно не наблюдаемые «образы». Например, непосредственно можно наблюдать части своего тела, но не себя; добычу, но не охоту; поступки других людей, но не политику; деревья, но не лес, страну или Вселенную. Так как этих объектов нет в непосредственно наблюдаемом мире, то их в любом случае можно «увидеть» только в виде некого символа, то есть в конечном итоге в виде понятий языка. В свою очередь, объяснить смысл такого объекта становится всё сложнее, ведь его нельзя просто показать. Точно так же нигде нет физики, искусства или теоремы Пифагора, чисел или теории множеств. В то же время, абстрагировав числа, можно оперировать точными количественными характеристиками условий и, понимая их точные параметры, полнее использовать для удовлетворения потребностей.

Таким образом, слово — это такой же образ некоторого элемента условий, как и образ «обычного» предмета или действия, но только более высокого уровня абстракции. Который более сложная нейронная сеть человека точно так же распознаёт в условиях. При этом, ввиду отсутствия прямой связи с наблюдаемым, слово способно объединять смысл сразу множества элементов, наблюдаемых в окружающем непосредственно.

Обобщая множество сложных образов, человек может выделить в окружающем объекты более абстрактного, сложного и глобального характера, чем другие животные, и, оперируя такими массивами опыта, найти ещё более сложные и глобальные взаимосвязи в элементах этих объектов или между самими объектами. Например, изучая лес как единую систему, можно понять закономерности роста деревьев точнее, чем воспринимая деревья как отдельные элементы. Обобщая найденные взаимосвязи с другими объектами, прийти к ещё более глобальным выводам — о флоре и фауне, эволюции, экологии и т. д..

В итоге, в отличие от более простых животных, поведение которых формируется «здесь и сейчас», вне сколько-нибудь ясного представления об окружающем мире, о прошлом и будущем, найденные глобальные взаимосвязи придают глобальный смысл и поведению человека, формируя тактику и стратегию его действий на совершенно иных пространственных и временных масштабах. 

Но прогресс стал бы невозможным без развития письменности, благодаря которой качественно расширилась возможность накапливать знания из поколения в поколение. Слово теперь не только жест или звук и некоторое индивидуальное мысленное представление этих объектов, но и такой объект, который может быть отдельно от человека. В результате, в отличие от остальных животных, каждое новое поколение людей живёт, учитывая опыт поколений предыдущих. Альфред Коржибски сказал о различии форм жизни так: «Растения осваивают энергию — например фотосинтез. Животные осваивают пространство — поиск пищи, раздел территорий. Человек осваивает время, как существо социальное, он связывает его в культуре и наследует свой опыт потомкам.»

Можно предположить и более высокие уровни абстракций — например, таким интеллектом могут обладать представители внеземных цивилизаций. Но объекты их уровня — образы, символы и понятия их языка — по-видимому, будут в той же степени недоступны пониманию человека, в какой объекты человека недоступны более простым животным. Поведение существ, способных обобщать в собственный образ намного больше признаков условий, чем в принципе может человек, и потому, оперируя такими объектами, проводить стратегии дальше и сложнее человека, человек будет неспособен понять в той же степени, насколько его собственное поведение не может быть понятным, например, человекообразным обезьянам. Наоборот, поведение людей будет казаться этим существам столь же простым и однообразным, как нам кажется поведение животных.


4.1.9. Устаревшие теории

Идея нейронной сети значительно отличается от прошлых представлений о мышлении, в то же время отчасти сохранившаяся от старых теорий терминология зачастую приводит к путанице, предполагая вывод, что сохранились и теории, в которых эта терминология имела прямой физиологический смысл.

Например, теория И. П. Павлова начала прошлого века об условно-рефлекторной деятельности не имеет реального физиологического наполнения и является устаревшей. Согласно Павлову, корковая проекция рецепторного возбуждения от безусловного стимула, имеющего врождённую связанную реакцию, и от сопутствующих этому стимулу условий, приводит к замыканию в коре связей между активными нейронами. Возникает условный рефлекс, и теперь условия сами по себе сигнализируют животному о наступлении безусловно важных событий, вызывая соответствующее поведение. Например, если начало кормления животного сопровождается звуковым сигналом, то со временем даже без пищи звуковой сигнал будет вызывать выделение слюны и желудочного сока. На основе одних условных рефлексов могли формироваться другие.

Однако такой простой нейрофизиологический механизм не может объяснить многие формы целенаправленного поведения и означает строгую привязку реакции к конкретным условиям, что не объясняет наблюдаемую вариативность поведения. Которая, наоборот, находит объяснение в нейронных сетях, в том числе в тех их физических особенностях, которые будут описаны в главах ниже. И наконец теория Павлова пыталась объяснить только ассоциативное обучение, помимо которого есть ещё суммация (повторение одного и того же стимула) и импринтинг.

В то же время, если не важна точность, описать обучение как образование условных рефлексов возможно, так как это верно отражает «внешнюю» суть ассоциативного обучения: прежде нейтральный раздражитель, какое-то время совмещаясь с инстинктивно понятным животному раздражителем безусловным, затем сигнализирует ему о наступлении безусловно важных событий — появляется «условный рефлекс». Термин «условный рефлекс» в этом случае имеет смысл некоторого приобретённого опыта и чаще используется в отношении животных. В целом же в современной науке понятие «рефлекс» остаётся в качестве обозначения стереотипных реакций, то есть реакций, минимально зависящих от частных особенностей условий.

Устаревшей является возникшая в 30-х годах прошлого столетия теория функциональных систем П. К. Анохина. Согласно Анохину, «функциональная система» — это динамическая организация центральных и периферических нервных образований, избирательно объединенных для выполнения определённого поведенческого акта. Так как подобная избирательность в нейронной сети возможна лишь в очень условном виде, а также по причине философичности других составляющих теории типа акцепторов или опережающего возбуждения, термин «функциональная система» потерял свой изначальный психофизиологический смысл и встречается редко. В то же время идеи П. К. Анохина уже много ближе к современным — в них делаются попытки объяснить целенаправленное поведение и прогнозирование, поэтому в своё время они стали альтернативой идеям И. П. Павлова.

Но без прошлых теорий не было бы настоящих. Эксперименты, поставленные в рамках прошлых представлений, и полученные в них результаты закладывают основание для теорий современных, в которых эти результаты интерпретируются по-новому и обобщаются в модели, описывающие реальность точнее и полнее, имеющие большую предсказательную силу. Например, одной из важнейших составляющих работы нейронной сети мозга является баланс торможения и возбуждения. Предположение о наличии таких процессов было высказано ещё в V веке до н. э. знаменитым древнегреческим врачом Гиппократом, а экспериментально обосновано известным русским физиологом и просветителем И. М. Сеченовым в XIX веке.

Современные представления о мышлении во многом предвосхитил знаменитый советский физиолог Н. А. Бернштейн. В начале прошлого века он пришёл к выводу, что построение движений разной сложности происходит на разных уровнях нервной системы в соответствии с её усложнением в ходе эволюции. Что движение формируется в процессе самого действия, чутко реагируя на изменяющуюся ситуацию, то есть даже после обучения в памяти хранятся не готовые штампы отдельных движений, как это следует из условно-рефлекторной теории, а лишь «логарифмы» для их целесообразного конструирования. Следовательно организм — не система со стереотипным поведением, отвечающая пассивно, а система активная и целеустремленная. Иначе говоря, процесс жизни есть не простое «уравновешивание с внешней средой», как считал Павлов, а активное преодоление этой среды.

Действительно, условия никогда не бывают похожи в точности, уже поэтому идея рефлексов сколько-нибудь сложное поведение объяснить не в состоянии. Наоборот, нейронные сети способны к обобщению: за счёт повторения выделяя в условиях общее, то есть находя некие абстрактные принципы условий, понимая логику событий, нейронная сеть затем может узнать эту логику и в незнакомом — обобщить ранее понятое на новую ситуацию. В результате построение движений происходит сообразно не ситуации как таковой, а смыслу ситуации, то есть действительно «целеустремлённо», «осмысленно», в противовес «бессмысленным» штампам «стимул — реакция» условных рефлексов. 

В 1928 году, то есть ещё за 20 лет до того, как это сделал создатель кибернетики Норберт Винер, Бернштейн сформулировал принцип сенсорных коррекций — обратной связи между мозгом и мышцами, в соответствии с которым мозг не только посылает команду мышцам, но и получает от периферийных органов чувств сигналы о достигнутых результатах и на их основании дает новые корректирующие команды.


4.2. Мышление как самоорганизация
4.2.1. Синхронизация

И активность, и молчание каждого рецептора может быть важным в любой реакции, так как и то и другое может нести важную для животного информацию. В свою очередь, на выходе нейронной сети мозга под единым контролем всегда должны находиться все мышцы и железы, так как иное будет означать хаос в их работе. Таким образом, весь комплекс неупорядоченных сигналов рецепторов, с учётом рецепторов молчащих, должен непрерывно трансформироваться в мозге в единый порядок работы всех мышц и желёз. Однако вопрос, как происходит это упорядочение, пока рассмотрен не был, в связи с чем данное в главах выше описание следует уточнить новыми обстоятельствами. Как уже понятно, эти обстоятельства тоже будут связаны с самоорганизацией.

Биологическая нейронная сеть, как часть многоклеточного организма, существует в постоянном процессе самоорганизации. При этом на уровне самой нейронной сети тоже происходят процессы самоорганизации, суть которых — нервная регуляция, формирование упорядоченной активности нейронов на выходе сети. Сигналы рецепторов в биологической нейронной сети сами собой преобразуются в точные последовательности поведенческих действий, в которых функционирование всех мышц и желёз всегда точно взаимно координировано.

Конкретно на уровне нервной регуляции процесс самоорганизации связан с синхронизацией импульсной активности нейронов. Биологический нейрон — это автоволновой осциллятор, который сам по себе хаотически генерирует нервные импульсы, то есть каждый нервный импульс — это переход через точку бифуркации. Торможение приводит к угнетению этой функции, возбуждение — к активизации, а синхронизация означает появление согласованности в активности нейронов.

Общая суть автоволн — образование упорядоченных во времени и пространстве волн концентраций химических веществ, о которых уже говорилось в третьей части в главе «Морфогенез». В свою очередь, простой аналогией синхронизации нейронов является синхронизация часов с маятниками. Заметил это явление и описал его в 1665 году изобретатель таких часов великий голландский физик Христиан Гюйгенс, один из основоположников теоретической механики и теории вероятностей. Он обнаружил, что маятники часов, спустя некоторое время после того как их повесят рядом на одну стену, начинают качаться синхронно, и наоборот, согласованность пропадала, если часы перевесить на разные стены.

Суть явления в следующем. Висящие на стене часы с маятниками — это открытая система: есть подвод энергии через движение гири часов и есть связь часов через микроколебания стены, вызываемые качанием маятников. В результате в движении маятников сама собой возникает согласованность. Вначале начинают синхронизироваться маятники, фазы колебаний которых наиболее близки или которые взаимодействуют наиболее плотно. Тем самым в хаосе неупорядоченных колебаний в какой-то момент возникает «мощный» ведущий ритм слаженных колебаний сразу нескольких маятников, который подчиняет себе колебания остальных маятников. В итоге маятники всех часов начинают качаться в такт. При этом, несмотря на то, что сами часы, в отличие от нейронов, работают по некоторому алгоритму, их синхронизация, как и любой процесс самоорганизации, происходит нелинейно, и не может быть вычислена точно, так как критически повлиять на её ход могут мельчайшие нюансы открытой системы — от часов до стены. Синхронизация, наоборот, более или менее мешает маятникам качаться так, как бы это позволял алгоритм их часового механизма без внешнего воздействия.

Так же как маятники, только взаимодействуя через свои отростки, синхронизируются и нейроны в пространстве нейронной сети. Причём за счёт значительно более интенсивного взаимодействия, пластичности и высоко неравновесного состояния синхронизация в биологической нейронной сети возникает за доли секунды, а за счёт особенностей нейронов и различной архитектуры в разных отделах сети параметры волновых процессов в них отличаются.

Синхронизированная активность в больших популяциях нейронов является главным механизмом образования так называемых ритмов в головном мозге. В общей электрической активности головного мозга выделяют 10 типов колебаний, связанных с различными областями мозга, особенностями и элементами поведения. В терминах информации упорядочение хаотической активности нейронов по разным типам ритмов означает, что мозг наполнен разной информацией, так как прирост информации равен такому же уменьшению неопределённости — уменьшению хаоса. Надо заметить, на самом деле информационная картина мозга сложнее, так как в нюансах она богаче, чем 10 ритмов, и находится в постоянной динамике.

Таким образом, обобщая сказанное, на уровне нервной регуляции в пространстве нейронной сети формируется упорядоченная динамика торможения и возбуждения нейронов. Которую возмущают постоянно поступающие сигналы рецепторов, из-за чего синхронная активность некоторых ансамблей нейронов распадается, других усиливается, постоянно формируются новые ансамбли. Что проявляет себя как появление и исчезновение информации — смена изменчивых, но всегда так или иначе упорядоченных мыслей, действий, процесс мышления в целом, так как структура нейронной сети и приток в неё энергии позволяют порядку меняться, но не дают разрушаться до полного хаоса. Возмущения запоминаются нейронной сетью посредством изменения весов связей, тем самым происходит обучение.

Целостность динамики биологической нейронной сети как самоорганизующейся системы приводит к тому, что активность всех мышц всегда взаимосвязана в едином порядке — от тонуса, перистальтики или работы сердца до предметных действий и речи. По мере накопления опыта в условиях распознаются всё более сложные взаимосвязи и в той же степени сложнее становится порядок работы мышц. В то же время, соответствуя «хаотической стороне» самоорганизующихся систем, мышление как неравновесные фазовые переходы имеет следствием импульсивность и неустойчивость, «понимание» происходит сразу, как более или менее выраженное интуитивное озарение, мысли всегда «возникают» скачком, а не «плавно» перетекают одна в другую.

Можно заметить, эти особенности мышления отражаются и в познании в целом, которое тоже связано с качественными переходами более или менее выраженного характера: от одной «целой» идеи к другой, а не «плавной трансформацией» старой идеи в новую — от целых объектов сразу к их целым элементам и наоборот; от счётных множеств, как набора отдельных «целых» элементов, к континууму как целому. Причём изменения в поведении и должны носить характер некоторого резкого перехода, так как поведение всегда должно иметь смысл — тот или иной, а не никакой.

Являясь неравновесным фазовым переходом, синхронизация нейронов происходит вследствие бифуркаций, поэтому даже самые малые события способны нелинейно отражаться в поведении. Это значит, что поведение не имеет «границ чувствительности». На выбор поведения может повлиять любое изменение какого-либо параметра мозга или сигнал любого рецептора, которых в организме человека миллионы, или даже ничтожная разница в степени их активности или времени активизации. Субъект способен заметить мельчайшее противоречие в опыте и кардинально поменять поведение, сделать выбор, учитывая самые ничтожные нюансы условий.

Синхронизация по-новому объясняет способность мозга проводить действия, вроде бы никак не связанные друг с другом — например, идти и говорить по телефону. Дело в том, что разные синхронизированные структуры нейронов можно наглядно представить как разные валы ячеек Бенара или относительно устойчивые области упорядоченной динамики, наблюдающиеся в турбулентном потоке. Которые как будто бы существуют независимо друг от друга и даже могут быть описаны через собственные аттракторы, но в то же время они являются следствием более общего процесса самоорганизации всей системы и постоянно взаимодействуют.

По тому же принципу синхронизация нейронов возникает во многих других явлениях. К примеру, это согласованно вспыхивающее свечение многих сотен тысяч светлячков, которые собираются в огромных количествах на берегах рек в Южной Азии. Синхронизация происходит в полете стай птиц и движении косяков рыб: взмахи крыльев и плавников происходят синхронно. Или в социальной системе: идущем в ногу строе солдат, хоровом пении, овациях, скандировании, других массовых действиях. Причём если в предыдущем абзаце речь, очевидно, логично вести о разных самоорганизующихся структурах одной системы — мозге — ввиду интенсивности их связи, то в этом абзаце разумнее говорить о разных системах. Но только в том случае, если не иметь в виду биосферу в целом, на уровне которой возникают в том числе значительно более широкие, глобальные и потому менее заметные связи между элементами, из-за наличия которых, рассматривая жизнь на глобальном масштабе, можно говорить о биосфере, как о единой системе.

Хаос и, как следствие, возможность его упорядочения возникает, когда фазовые траектории системы глобально ограничены и локально неустойчивы. В данном случае «глобальное ограничение» в виде общей и более стабильной структуры нейронной сети задаёт общую логику возможного порядка, а её более частные и изменчивые «локально неустойчивые» параметры определяют возможности порядка конкретного. В результате в процессе обучения общая линия поведения, заданная общей структурой нейронной сети, меняется меньше, сохраняя врождённое направление, и наоборот, частные параметры сети меняются более интенсивно, обеспечивая приспособление.

В свою очередь, неравновесное состояние сети возникает из-за активного взаимодействия нейронов со средой, которое происходит как напрямую через сигналы рецепторов, так и опосредовано — через собственную активность нейронов, связанную с поступлением в организм питательных веществ. Однако для усложнения мозга не нужно постоянного увеличения интенсивности его обмена со средой в том прямом смысле, как это необходимо, например, для усложнения ячеек Бенара. Дело в том, что долговременная синаптическая пластичность — иначе говоря, долговременная память — как «итог обучения», связана с экспрессией генов и синтезом новых белков, каковой процесс консолидирует динамику кратковременной памяти в более равновесных и потому стабильных элементах структуры нейронов. В результате, по сути, появляется новая нейронная сеть, которая точнее соответствует условиям и которая дальше снова усложняется при той же интенсивности взаимодействия со средой.

В итоге, благодаря самоорганизации и её различным проявлениям, без каких-либо специфических «организующих» механизмов обеспечивается одновременно чувствительность и упорядоченность работы сложнейшей системы, которую представляет мозг и организм в целом.


4.2.2. Внимание, Я, движение во времени

Вспомним, в первой главе говорилось, афферентных нервных волокон — непосредственно проводящих нервные импульсы в головной мозг — около 3 млн. Два из которых связаны со зрительными рецепторами, а один несёт информацию от спинного мозга, в котором происходит первичная обработка сигналов от остальных рецепторов. Но эфферентных волокон, несущих нервные импульсы от головного мозга к мышцам и железам, всего около 200 тыс.. Тем самым понятно, почему именно зрение вносит наибольший вклад в сознание. С точки зрения нынешней темы про синхронизацию понятно другое: что из-за относительно малого количества нейронов на выходе процессы синхронизации в мозге происходят активнее, множественный поток данных динамично «сжимается» в точные последовательности импульсов, управляющих мышцами.

При этом активность некоторых нейронов, синхронизированных на самой высокой частоте ритмов мозга, синхронизируется дополнительно — селективно, то есть отдельные нейроны начинают функционировать более согласованно. Например, нейроны зрительной коры, рецептивное поле которых содержит объект внимания, сильнее синхронизированы на ;-частоте (гамма-ритм, самая высокая частота активности нейронов в мозге, наиболее энергичный в организме процесс), чем нейроны, которые реагируют на объекты вне внимания.

Одно из первых наблюдений этого явления было сделано в 1989 году известным немецким нейрофизиологом Вольфом Зингером, директором франкфуртского Института мозга им. Макса Планка: в эксперименте нейроны, удаленные друг от друга и отвечающие за разные участки зрительного поля, синхронизировались, если две полоски на экране двигались как единое целое, и синхронизация не возникала, если те же полоски двигались независимо друг от друга. Вспышки нейронной синхронизации регистрируются также и в других областях коры — например, соответствующих моторным функциям, когда внимание обращено на проводимое действие.

Таким образом, на общем фоне других ритмов мозга выделяются энергичные ансамбли нейронов, синхронизированные на частоте гамма-ритма наиболее чётко. Порядок — это аттрактор, поэтому как аттрактор, эти ансамбли задают нынешнюю цель действий, притягивая фазовые траектории других систем мозга, тем самым упорядочивая работу мышц и желёз животного в направлении одной цели. В сознании это воспринимается как фокус внимания, самая чёткая и яркая составляющая сознания.

Ввиду энергичности процесса, другим следствием селективной синхронизации является дополнительное усиление связи между нейронами. Так как во внимание попадает самое важное, то усиление связей происходит между нейронами, которые несут наиболее важную для животного информацию. В результате в этой части опыта повышается скорость обработки информации, уменьшается время реакции, повышается уровень точности, чувствительности к небольшим изменениям в стимуле. В свою очередь, согласованная динамика элементов самоорганизующейся системы не зависит от расстояния, поэтому несмотря на то, что разные данные поступают одновременно и концентрируются в разных областях мозга, формируется целостная структура упорядоченной активности нейронов, в которой разнородная информация связана друг с другом, обобщая все качества стимула в целостный образ.

В том числе наиболее энергичные нейроны изменяются активнее, поэтому наиболее интенсивно обучение происходит в контексте стимулов, попавших во внимание. В связи с чем следует уточнить сделанное ранее утверждение о том, что наибольший вклад в наполнение сознания вносят наиболее активные процессы обучения. Общая суть всех процессов в организме и мозге — самоорганизация, поэтому самая яркая и чёткая часть сознания также связана с процессами самоорганизации наиболее энергичного характера, то есть с селективной синхронизацией нейронов, а она уже в том числе способствует и активизации процессов обучения.

Продолжая тему обучения, следует уточнить ещё одно прошлое утверждение. В более точном представлении, вследствие импульсной динамики нейронов биологической нейронной сети, постулат Хебба выглядит немного иначе. Если входной нервный импульс в данный синапс приходит непосредственно перед тем, как нейрон сам сгенерирует нервный импульс, то синапс усиливается. Если входной импульс в данный синапс приходит сразу после генерации импульса самим нейроном, то синапс ослабляется.

Активность рецепторов влияет на активность нейронов в мозге, что в конечном итоге приводит к скачкообразной смене ансамбля селективно синхронизированных нейронов и тем самым переключению внимания на новую цель. Как переход через точку бифуркации, выбор цели невычислим, но эта невычислимость является следствием сложности выбора, а не его действительной случайности, то есть переключение внимания происходит как результат сложного сочетания нынешних условий и предыдущей активности мозга. Поэтому в одинаковых условиях, при выборе из двух вариантов поведения, предварительно измерив активность мозга при совершении каждого выбора, можно с некоторой точностью и за небольшое время предсказать выбор субъекта до его осознания. Например, в некоторых исследованиях с вероятностью до 80% за несколько десятых долей секунды до осознания решения.

Внимание как селективная синхронизация позволяет объяснить восприятие своего движения «вперёд во времени», «управления собой», ощущение свободы воли, своего Я. Внимание постоянно переключается на новую цель, в контексте которой выстраивается дальнейшее поведение, то есть внимание всегда обращено на то, что ещё только совершается, а не совершено, в том числе совершается в ходе воспоминаний, так как в этом случае также разворачиваются события. Другими словами, внимание всегда направлено «вперёд во времени». При этом переключение внимания, как смена ансамблей селективно синхронизированных нейронов, — это неравновесный фазовый переход, то есть переход скачкообразный и необратимый, не имеющий прямой, линейной связи с прошлой динамикой мозга — «не имеющий прошлого».

В то же время, как нынешняя цель действий, внимание — это не отдельный процесс, а следствие работы всего мозга как целого, в том числе его более низких уровней, на которых распознаётся общая суть условий и формируется общее направление поведения. Тем самым, получается, что внимание, как наиболее яркая, конкретная и изменчивая составляющая сознания, перемещается как будто «на фоне» эмоционально-мотивирующего самоощущения, как абстракции более общего и низкого уровня, которая объединяет конкретные образы общим направлением действий — точно так же, как частные элементы динамики мозга объединены динамикой мозга в целом. В результате возникает ощущение, что «мы», как этот общий направляющий фон, «управляем» вниманием, вместе с которым движемся «вперёд во времени», и одновременно, через большую стабильность мозга в целом, воспринимаем связь с прошлым, понимаем «смысл» происходящего.

В свою очередь, отсутствие внимание, по сути, означает и отсутствие сознающего себя субъекта — без целей нет «движения» к ним «вперёд во времени», то есть нет того, что даёт ощущение «существования», «протяжённого бытия» себя. Поэтому несмотря на то, что мозг работает и в стадии глубокого сна, вне конкретных целей активность мышц носит самый общий характер тонуса и поддержания вегетативных функций, а субъект, как личность, в это время фактически не существует. То же можно сказать про состояние обморока или последние степени комы. Следует заметить, связь сознания с наличием внимания означает, что сознание связано не только с самоорганизацией как таковой, но и с «организацией самоорганизации», ведь и в отсутствие внимания активность нейронов тоже упорядочена, только более глобальным, простым образом.

Как говорилось ранее, для эффективной работы мозга очень важен сон. Ритмы сна и бодрствования — это те же ритмы мозга, только более глобального характера, чем автоволновые явления в отдельных нейронах или их синхронизированных ансамблях. В момент пробуждения, вследствие изменения концентрации веществ в нейронах и увеличения их активности, в нейронной сети растёт неравновесие, поэтому слишком простая волновая динамика уже не может распределить энергию по сети. В результате она распадается на некоторое множество волновых процессов, происходящих на разной частоте, то есть ритмы мозга усложняются, картина синхронизации становится сложнее — появляется внимание, образы и эмоции, «возникает» сознающий себя субъект.

Важным в работе мозга является баланс синхронизации и десинхронизации — порядка и хаоса. Например, присущее состоянию бодрствования наличие множества нейронов синхронизированных на разной частоте означает рост хаотичности в мозге в целом. Дело в том, что появление информации связано с упорядочением, поэтому чем чаще меняется картина синхронизации в мозге, тем, следовательно, чаще обновляется информация, то есть происходит активный мыслительный процесс. При этом все изменения в синхронной активности нейронов — это неравновесный фазовый переход, когда старый синхронизированный ансамбль разрушается и через короткий этап хаоса формируется новый. Но эти изменения непредсказуемые и нерегулярные, то есть, получается, хаотические. Таким образом, если в мозге мало беспорядка, то в нём мало информации, она простая, в ней нет разнообразия. Поэтому глобальная синхронизация больших популяций нейронов присуща состоянию бездействия или глубокого сна — или патологии, поскольку динамика полностью синхронизированной сети недостаточно сложна для эффективной обработки информации.

Патологические проявления имеет и чрезмерная локальная синхронизация — например, это тремор в болезни Паркинсона, эпилептические припадки, шизофрения. Аутизм, как заболевание, которое подавляет социальные и коммуникативные способности, также связано с нарушением локальной синхронизации. Больные аутизмом страдают суженным фокусом внимания и не способны достаточно хорошо интегрировать фрагменты информации в единое целое, что является следствием недостаточно эффективного взаимодействия зон мозга.

Подведём итог главам про синхронизацию. В организме животных с развитой нервной системой можно выделить четыре уровня самоорганизации и, следовательно, гомеостаза. Первый уровень — клеточный. Второй — уровень целого организма, как системы клеток (гуморальная регуляция). Третий — синхронизация нейронов в мозге, за счёт чего упорядочена работа мышц и желёз (нервная регуляция). И четвёртый — селективная синхронизация, отвечающая за внимание. Селективная синхронизация нейронов, как аттрактор — самое остриё проходящих в мозге изменений, наиболее упорядоченный и энергичный процесс — отражает нынешнюю цель поведения, притягивая фазовые траектории других нейронов мозга, тем самым упорядочивая работу мышц и желёз и через железы работу остальных систем организма в направлении этой цели.


4.2.3. Целенаправленность и последовательность

Физиологическая суть мышления — управление мышцами и железами, то есть мышление отвечает за активное перемещение в среде. Организм не может перемещаться одновременно в разные стороны, поэтому способность перемещаться подразумевает выделение в ситуации важного — цели, в контексте которой будет выстраиваться работа организма — от общего направления до конкретных действий. При этом менее активно организм будет изменяться в общем, так как условия, а значит и цели, в общем всегда схожие. И энергичнее в частном, так как условия, и потому цели, в частном всегда разные, требуя быстрого и точного ответа, что отражается в работе мозга как постоянное переключение внимания на новую цель, тем точнее выделенную, чем больше она важна.

Можно возразить, что автоматы, явно не имея внимания, тем не менее тоже действуют вполне целенаправленно. Точно так же в целом устройство автомата остаётся неизменным, задавая общее направление его работы, и так же более активнее меняется в частном, отражая конкретные действия.

Действительно, разница всего лишь в сложности этой работы — но она носит качественный характер. Сложность взаимодействия автомата со средой прямо ограничена алгоритмом его работы, то есть автомат не является открытой термодинамически неравновесной системой, не способен к самоорганизации и потому в принципе не способен к столь сложному поведению, как гомеостаз. Например, любое напряжение мышц и даже каждая мимолётная мысль так или иначе отражается в работе всего организма, так как всегда весь организм, как одно целое, работает на сохранение своих параметров, реагируя на любые отклонения. Каковой процесс при наличии нейронной сети соответствующей организации будет включать в себя «концентрацию внимания», как самое остриё происходящих в организме изменений, их нынешнюю «цель» или, точнее говоря, аттрактор, притягивающий фазовые траектории всех других систем организма. Поэтому понятие целенаправленности, целеустремлённости или внимания применимо к работе искусственных систем, включая искусственные нейронные сети, столь же ограниченно, насколько качественно гомеостаз отличается от алгоритма.

В бодрствующем состоянии поведение всегда более или менее целенаправленно, а внимание столь же сконцентрировано. Однако, например, это означает, что невозможно одновременно следить за разнонаправленными процессами. Переключение внимания всегда происходит последовательно, и при этом чем важнее действие, тем больше концентрация внимания на каждом шаге. В результате и точное решение задач возможно также, только как строгая последовательность действий, то есть как алгоритм, когда последующий шаг определяется предыдущим и ведёт к какой-либо конкретной цели.


4.2.4. Целостность

Ещё раз вспомним ячейки Бенара: несмотря на то, что в воде может быть сразу несколько валов, ни один из них, разумеется, не существует сам по себе, диссипативная система — это одно целое и её соответствующая упорядоченная организация поддерживается всей системой как целым. Так же и нейронная сеть всегда функционирует как одно целое — все процессы в нейронной сети являются взаимозависимыми, несмотря на наличие более или менее архитектурно и функционально обособленных отделов и зон, в которых преобладают локальные связи между нейронами. Даже те рефлекторные реакции, которые возникают на уровне спинного мозга и происходят слишком быстро, чтобы нервный импульс успел дойти до головного мозга и вернуться обратно (в крупных миелинизированных нервных волокнах скорость движения нервного импульса может достигать 120 м/с), не являются полностью от него независимыми за счёт постоянного тормозного или возбуждающего влияния вышележащих отделов. Например, после полного пересечения спинного мозга возникает спинальный шок и все центры ниже пересечения на некоторое время перестают организовывать присущие им рефлексы. У обезьян восстановление происходит через несколько суток, у человека через недели и месяцы. Причиной шока является как раз нарушение взаимосвязи спинного мозга с головным.

Функционируя как целое, нейронная сеть и обучается как целое. В результате полученные новые знания могут помочь решить задачу, напрямую с ними не связанную. Из-за чего иногда полезно отвлечься, чтобы затем посмотреть на задачу в новом контексте, с новым опытом. Нерешённая проблема, как определённое изменение в нейронной сети, даже не осознаваясь, всё равно влияет на поведение, внося в него неуверенность, отвлекая внимание. Наоборот, хорошие новости заставят легче воспринимать текущие дела (вспомним, удовлетворение потребностей и хорошее настроение — это и усиление когнитивных процессов).

Несмотря на то, что изменения в ходе обучения не затрагивают все нейроны сразу, за счёт целостности тем не менее происходит изменение сразу всего континуума опыта. Как уже говорилось, любой опыт более или менее распределён по всем нейронам сети, поэтому не может быть ситуации, когда некие элементы опыта изменились, а другие нет, и в результате не связанно меняющиеся элементы больше не смогут адекватно взаимодействовать. Иными словами, в процессе обучения происходит изменение структуры всего опыта сразу — в той же степени, как изменяется структура нейронной сети. Как следствие, прошлый опыт более или менее модифицируется новым опытом, поэтому в точности пережить прошлые ощущения можно только если вернуть и мозг, и окружающую обстановку в прошлое состояние.

Однако чтобы опыт не выглядел слишком «неустойчивым», следует опять вспомнить о самоорганизации. Любой опыт — это соответствующая упорядоченная динамика всей нейронной сети мозга, которая обладает собственным гомеостазом, то есть сопротивляется разрушению в целом, за счёт трансформации в частных элементах. Тем самым опыт одновременно и меняется, и при этом сохраняет свои основные параметры. Как следствие, память нас не подводит — мы сохраняем навыки и раз за разом вспоминаем одни и те же события более или менее одинаковым образом. Тем не менее в конкретных механизмах сохранения опыта в постоянно меняющейся системе понятного пока мало. Но очевидно, память имеет несколько взаимосвязанных уровней — от генетического и клеточного до динамического, связанного с работой мозга как целого.

Любая реакции нейронной сети — это функция всей сети, то есть вызывается из всего её объёма, соответственно концентрации в разных частях сети необходимого опыта. Причём реакция не только вызывается, но одновременно и создаётся. Динамика нейронной сети через сигналы рецепторов и окружающие нейроны ткани связана с внутренней средой организма и внешней средой — и связана интенсивно, более чем это возможно в какой-либо искусственной системе, так как речь идёт об открытой системе. Поэтому, с одной стороны, реакция детерминирована особенностями среды — и в этой части создаётся в нейронной сети. С другой стороны, реакция детерминирована устройством самой нейронной сети — и в этой части вызывается из опыта. Таким образом, в нейронной сети упорядочивается работа нейронов, а значит, возникает информация, которая при этом коррелирует одновременно и с устройством сети — с опытом, и со средой. И, можно сказать, эта информация уже непосредственно и определяет поведение.


4.2.5. Распределённый опыт и ошибочные интерпретации

Биологическая нейронная сеть, как и любая физическая система, стремится к минимизации энергии и равновесию, но по причине постоянного притока энергии вынуждена находится в равновесии динамическом, балансируя между возбуждением и торможением. Биологическая нейронная сеть состоит из функционально схожих элементов, исполняющих одну общую задачу — преобразование сигналов рецепторов в активность мышц и желёз. Все нейроны в сети объединены прямыми и обратными, локальными и не локальными, тормозными и возбуждающими связями, вследствие неравновесного состояния сети динамика каждого нейрона зависит от динамики всех остальных нейронов, а динамика всех от динамики каждого. Эти особенности не позволяют рассматривать части нейронной сети по отдельности, а значит, любой опыт нейронной сети «размазан» по всему её пространству. В то же время нейронная сеть неоднородна и содержит более или менее обособленные зоны и отделы, архитектура связей и морфология нейронов в которых своеобразна. Что определяет и своеобразие составляющей, вносимой этими частями нейронной сети в реакцию на её выходе, и, следовательно, функциональную специализацию этих частей.

Таким образом, получается, что разный опыт одновременно и локализован в пространстве сети — в части особенностей её зон и отделов, и не локализован — как связанный с элементами распределённой и неравновесной системы. В результате можно говорить только о большей или меньшей локализации разного опыта в пространстве нейронной сети, а не о его строгом разделении, несмотря, может быть, на странность такого утверждения.

Например, то же следует из представления о самоорганизации: самоорганизующаяся система не равна сумме своих элементов, так как у элементов самих по себе нет порядка, они не организованны. Поэтому по элементам системы нельзя достоверно судить о целой системе, то есть опыт системы нельзя свести к элементам и разложить на отдельные составляющие. Точно так же в нейронах самих по себе нет какого-либо опыта, кроме «умения» принимать и передавать возбуждение, их иное функциональное значение возникает только в контексте всех остальных нейронов и не может быть от них строго отделено. 

К примеру, если бы разный опыт имел строгую локализацию в пространстве нейронной сети, то можно было бы вычленять и вырезать даже отдельные мысли. Однако очевидно, что если работа всех нейронов в высшей степени взаимосвязана, то никакая «мысль» нигде в мозге не локализована, поэтому гипотетически вырезав какой-либо участок сети, наиболее активный в момент некоторого мыслительного процесса, вместо нейронной сети «думающей одну мысль» максимум можно получить всего лишь более простую нейронную сеть, которая будет «думать» совершенно другие и более простые мысли.

Другое противоречие можно заметить в следующем. Если предположить, что опыт в нейронной сети локализован, то потребуется ещё один мозг, который будет всё знать и подключать по необходимости части отдельного опыта, а также корректировать их обучение, чтобы даже изменяясь они тем не менее могли адекватно взаимодействовать. Однако в таком случае этот «гомункулус» должен заранее знать всё, чему только может научиться человек. Таким образом, локализация опыта неизбежно ведёт к противоречиям и не позволяет объяснить мышление. 

Тем не менее в далёких от научной картины источниках зачастую можно встретить утверждения противоположного характера. К примеру, что одна часть мозга моделирует поведение в другой части мозга и, наблюдая эту модель, принимает решения о реальном поведении. Или что сознание есть некий механизм, организующий новое поведение, или что сознание — это некое отражение, наблюдая которое мозг оценивает свою работу. И так далее, различных вариаций разделения мозга на думающие и не думающие, управляющие и управляемые, сравниваемые и сравнивающие части может быть много. Подобные идеи обычно возникают в буквальной трактовке воспринимаемого в сознании, которое действительно можно интерпретировать, будто бы некое внутреннее Я наблюдает за происходящим, за мыслями, создаёт и сравнивает их.

Опровержение этих идей похоже на изложенное выше. Допустим, Я — это некая часть мозга, которая наблюдает модели поведения, построенные ей в другой части мозга, выбирая наиболее подходящую. Однако чтобы моделировать, Я должно эти модели запомнить и сравнить внутри себя, иначе одна модель для Я не будет отличаться от другой, то есть внутри себя Я тоже должно моделировать. И так до бесконечности: вначале мозг делится на первое Я и модели, которые это Я создаёт и оценивает, потом внутри первого Я возникает ещё одно Я и его модели и так далее. В конечном итоге от Я ничего не остаётся.

Можно привести другое опровержение. В таких интерпретациях мышление объясняется через взаимодействие думающей части мозга и неких подчиняющихся ей не думающих частей — автоматизмов, рефлексов, отражений, моделей и т. п.. Таким образом, мышление как таковое переносится на уровень думающей части. Но если для мышления необходимо наличие думающей и не думающей части, то и думающая часть тоже должна делиться на думающую часть и не думающую, иначе думающая часть думать не сможет. И так до бесконечности, то есть в таких «теориях» возникают бесконечные гомункулусы — думающие части бесконечно множатся внутри себя и в конце концов оказывается, что думать некому. Таким образом, идея необходимости для мышления думающих и не думающих частей ведёт к противоречиям. Поэтому первым шагом в объяснении мышления от «не думающих» частей следует отказаться. К тому же сеть нейронов ни в каких своих отделах и зонах не индивидуальна настолько, чтобы приписывать им столь разные функции.

В итоге мышление всегда функция всего мозга, мозг нельзя разделить на нечто мыслящее и нечто другое. Сказанное не означает, что нет рефлекторных реакций или мы не моделируем поведение, но говорит о том, что любое поведение — это функция всего мозга сразу. За разное поведение разные уровни и отделы нейронной сети отвечают только лишь преимущественно, но в мозге нет таких составляющих, которые бы отвечали только за какое-то конкретное поведение. В свою очередь, это означает, что сознание тоже функция всего мозга. Наше Я — это тоже весь мозг сразу, поэтому отдельные элементы сознания мы воспринимаем как будто «снаружи» Я, но на самом деле они «внутри» Я, так как они тоже часть Я.

В более общем смысле, невозможно адекватно оценить что-то, наблюдая действительно со стороны, как нечто совсем незнакомое. Поэтому прежде требуется наблюдаемое узнать, включить в свой опыт, иначе в наблюдаемом не будет никакого смысла. «Если бы я не носил мир внутри себя, я был бы слепцом со здоровыми глазами» — хорошо иллюстрирует сказанное слова В. И. Гёте. Но это значит, что Я должно обладать сразу всем опытом, который оно оценивает: одновременно моделировать и быть моделью, наблюдателем и наблюдаемым, Я должно быть всем мозгом сразу.

Например, обучаться (в более широком смысле — эволюционировать, усложняться) могут только распределённые системы, то есть системы целостные, в которых любая функция более или менее распределена по всей системе. Наоборот, в отсутствие целостности изменения будут носить характер не усложнения системы, а изменений её отдельных частей. Как следствие, совместная работа несвязанно изменяющихся частей будет порождать только хаос. Поэтому система, способная к обучению, может быть только целым, в котором более или менее условно можно выделить отдельные элементы, структуру, уровни регуляции или уровни активности системы. Разные функции могут иметь разную концентрацию в пространстве системы, но не строгие границы, вносить разный вклад, но не подключаться и отключаться, быть главными или подчинёнными, мыслить или не мыслить, все процессы в самоорганизующихся системах взаимосвязаны и переходят друг в друга. Проще говоря, в центре управления уже не может быть других центров управления, иначе в конечном итоге окажется, что управлять некому.

В скобках можно заметить, нелокальность опыта означает, что такие процессы как «сравнение» на самом деле не так очевидны, как может казаться, потому что сравнивающий и сравниваемое, оценщик и оцениваемое представляют в мозге одно целое. И действительно, в мозге происходит последовательная смена состояний, но никакие части мозга друг с другом не «сравниваются». «Сравнение» — это некоторый алгоритм поведенческих действий, способствующий наблюдению сходства и отличий в чём-то. Но в самом мозге только лишь циркулирует возбуждение, то есть сам мозг, как нейронная сеть с обратными связями, занимается исключительно распознаванием условий и формированием последовательностей нервных импульсов, управляющих мышцами и железами. Например, можно заметить, что в ходе решения любой задачи в сознании всегда находится только один объект внимания, мысли всегда последовательно, как кадры фильма, сменяют друг друга. В то же время в последовательном переводе взгляда с особенностей одного объекта на те же особенности другого происходит последовательное запоминание этих особенностей и формируется поведение, которое учитывает вначале особенности первого объекта — например, возникает фраза «этот автомобиль красивый», а затем обоих объектов вместе — «а этот ещё лучше». И возможно это как раз потому, что весь опыт в мозге представляет собой одно целое, потому что без обобщения выявить сходства и отличия ни у чего нельзя.

Ранее в главе «Другой уровень мышления» были описаны мыслительные процессы более общего характера, по сравнению с функцией нейронов по передаче импульсов. Однако, отражая целостность работы мозга как самоорганизующейся и, таким образом, распределённой системы, есть ещё один уровень мышления — связанный с окружающими нейроны тканями.

По современным представлениям в биологических нейронных сетях в информационном взаимодействии участвуют не только сами нейроны, но и окружающие нейроны ткани мозга: глия — клеток которой не меньше, чем самих нейронов, а также внеклеточный матрикс. Электрохимические процессы в нейронах и их отростках приводят к попаданию биологически активных веществ в межклеточное пространство. Распространяясь по которому эти вещества влияют на соседние нейроны и клетки глии, последняя, в свою очередь, также влияет на нейроны. Внесинаптическая передача не является случайной и имеет свои механизмы.

Прежде всего внесинаптическая передача связана с нейропептидами, которые, в отличие от типичных нейромедиаторов, существуют в организме часами. Это позволяет им достигать достаточно удаленных синапсов и длительное время оказывать на них своё действие. При этом нередко на одну и ту же мишень действуют сразу несколько нейропептидов, а один и тот же нейропептид — сразу на несколько мишеней. Благодаря этому могут создаваться различные комбинации модуляторов и клеток мишеней, увеличивая пластичность сети. Каждой комбинации соответствует определенное функциональное состояние нервной системы и организма в целом.

В силу многочисленности нейропептидов, все эти состояния образуют так называемый функциональный континуум, где одно состояние плавно переходит в другое. Например, вазопрессин способствует формированию долговременной памяти, а окситоцин препятствует этому. Другие нейропептиды стимулируют эмоции, облегчают стрессовые состояния, оказывают обезболивающий или снотворный эффект, увеличивают моторную активность, вызывают беспокойство и конфликтное поведение, активизируют врождённый иммунитет и т. д.. Тем самым плюс к давно известным функциям, таким как питание нейронов, пространственная поддержка, гематоэнцефалический барьер, или миелинизация, окружающие нейроны ткани, образуя вокруг нейронов функциональное пространство, способствуют появлению нового уровня взаимодействия нейронов — «объёмной» передачи сигналов между ними.

Также окружающие нейроны ткани участвуют в образовании новых связей нейронов и несут некоторые другие функции. Например, перинейрональные сети (упорядоченные структуры молекул внеклеточного матрикса, находящиеся снаружи нейронов и по строению отдаленно напоминающие хрящи) играют важную роль для хранения информации в долговременной памяти. Перинейрональные сети содержат соединения, известные как хондроитинсульфаты. Некоторые из них способствуют нейропластичности, другие — подавляют ее, ограничивая синаптическую пластичность в сформировавшемся мозге, а также имеют ключевое значение в его развитии и нейропластичности в постнатальный период и у взрослых. 

Таким образом, мышление в мозге не локализовано строго в сети нейронов, фактически это многокомпонентная активная среда, сеть нейронов находится внутри неё, как её наиболее активная часть, «течение» внутри океана. Что ещё больше усложняет понимание работы мозга.

Как к самоорганизующейся системе, нелокальность функций относится не только к мозгу, но и ко всему организму. Однако значительно более выраженное морфологическое различие органов организма и, наоборот, их менее выраженная связанность друг с другом позволяет рассматривать органы по отдельности с меньшим ущербом для точности выводов, чем попытка изучать по отдельности части нейронной сети. Собственно и сам человек, как открытая система, является элементом других, более глобальных самоорганизующихся систем — например социума или биосферы, поэтому границы самого субъекта, как «точки отсчёта» своих решений, тоже не очерчены строго.

Из-за нелокальности опыта, нейронные сети повторяют ту особенность голограмм, когда любая часть изображения содержит всё изображение с уменьшающейся детализацией, в зависимости от величины фрагмента. Ввиду того, что любой опыт принадлежит всей структуре нейронной сети сразу, различаясь только концентрацией в разных областях, то при разрушении оставшаяся часть нейронной сети всё равно сохраняет особенности опыта исходной, только в меньшем объёме. И потому при сохранении у нейронной сети достаточного количества нейронов и связей утраченное качество опыта может быть потом быстро восстановлено. В большей степени это относится к коре мозга, так как структурные отличия подкорковых отделов более выражены. К тому же если разрушение затронуло подкорковые области, то нарушены будут общие функции интеллекта, или не будет поступать афферентное возбуждение, если разрушены первичные проекционные поля.

Следствием нелокальности опыта также является синестезия, когда раздражение одного органа чувств может вызывать ощущения, соответствующие и другому органу чувств, из-за индивидуальных особенностей иррадиации возбуждения с нервных структур одной сенсорной системы на другую. Например, это цветовые ощущения, вызванные звуками, или когда окрашенными воспринимаются буквы и цифры. Причём синестетом отчасти является каждый человек — например, всем понятно, что такое «сочный цвет», «острый вкус» или «лёгкая музыка», а метафора, образующая связи между образами и понятиями разной природы, является важнейшим свойством искусства.

Обобщая вышесказанное, любая самоорганизующаяся система, как одно целое, делает всегда одно и то же — поддерживает гомеостаз. Поэтому усложнение системы — это всегда усложнение гомеостаза, то есть появление у системы всё более сложно-координированного поведения, а не неких отдельных от гомеостаза элементов. Как результат, упрощение или разрушение системы будет приводить не к утрате отдельных элементов опыта, а к упрощению всего поведения сразу. Что может быть больше заметно в одних реакциях, меньше в других, тем не менее упрощаться будет поведение системы в целом, так как фактически будет упрощаться только одна функция — гомеостаз. При этом общее направление реакций на самосохранение и размножение всегда будет оставаться неизменным, так как это суть гомеостаза биологических систем, изменить это направление невозможно, вырождение гомеостаза приведёт к разрушению системы, но не изменению сути её поведения.

Гомеостаз, как общий принцип поведения, означает также, что элементарными являются эмоции «хорошо — плохо», как отражающие приближение системы к равновесию или отклонение от него. По мере усложнения поведения богаче становится и палитра эмоций, в основании которые тем не менее всегда имеют оттенок удовлетворения или не удовлетворения.


4.2.6. Кратковременная память

Подкорковые области мозга — это уровень нейронной сети, на котором распознаются общие взаимосвязи в условиях и формируются простые движения, то есть это уровень общего опыта, общих функций мышления, поэтому разрушение подкорковых структур будет сказываться на всех элементах частного опыта сразу.

Например, разрушение мозжечка приводит к нарушению точной координации движений. Движения становятся слишком сильными и неточными, ухудшается почерк, возникают проблемы с поддержанием равновесия. Известная пальценосовая проба, когда пальцем требуется дотронуться до кончика носа, рассчитана как раз на тестирование мозжечка.

В том числе подкорковой структурой является гиппокамп, функции которого в этой главе рассмотрим подробнее.

Гиппокамп — это парная структура в составе лимбической системы, которая расположена между корой и стволом головного мозга, последний, в свою очередь, примыкает к спинному. Люди с двусторонним удалением гиппокампа способны вспомнить или то, что было до его удаления, или произошедшее не более 1 — 2 мин. назад, то есть после удаления гиппокампа возможность «намеренно» запоминать что-либо на больший срок практически теряется. Фиксационная амнезия, когда человек забывает недавние события, также лежит в основе известного синдрома Корсакова, который возникает при поражении гиппокампа вследствие, например, большого количества выпитого алкоголя.

Рис. 8. Красным выделен гиппокамп.

Эти нарушения есть следствие того, что помимо других функций — например, участия в обработке пространственной информации, гиппокамп активно вовлечён в процессы селективной синхронизации, связанные с вниманием.

Как уже говорилось, возбуждение в мозге циркулирует. Причём после переключения внимания на другие стимулы ранее синхронизированные нейронные ансамбли ещё порядка 20 — 30 мин. продолжают сохранять определённый уровень постепенно затухающей циркулирующей активности, завязанной на нейроны гиппокампа, в некотором смысле представляя дополнительный основной циркуляции возбуждения процесс. Постоянная активизация ведёт к изменениям в нейронах, тем самым происходит их обучение, хотя и менее интенсивное, чем в ходе селективной синхронизации. Поэтому по истечении указанного времени, когда циркуляция окончательно прекращается, по большей части память теряется. И наоборот, если эти ансамбли нейронов снова попадут во внимание, то есть человек припомнит произошедшее, то следы памяти будут усиливаться, активно переходя уже в память долговременную. И во время сна происходит окончательная консолидация памяти, в чём гиппокамп также активно задействован.

Таким способом при активном участии гиппокампа недавние события сохраняются в так называемой кратковременной (оперативной, рабочей) памяти. Например, слова произносятся последовательно, но представляют из себя некоторое смысловое целое, и кратковременная память позволяет прежде «поместить» в мозг все слова фразы, после чего построить ответ согласно смыслу фразы как целого, а не её отдельных слов. То же относится ко всем другим последовательно происходящим событиям, к примеру, запоминанию пути или построению маршрута.

Несмотря на то, что в работе кратковременной памяти, как и вообще в работе мозга, много неясного, по всей видимости, невозможность запоминать события на долгий срок связана с тем, что без активности нейронов гиппокампа изменения в нейронах коры не получают достаточной глубины, в результате попавшее во внимание не может перейти в долговременную память. Образно говоря, гиппокамп — это оживлённый перекрёсток, который не только распределяет потоки нервного возбуждения наиболее оптимальным образом, но и тормозит или подгоняет их. Тем не менее так как опыт в нейронной сети не локализован строго и работа кратковременной памяти в той или иной степени тоже есть функция всего мозга, то на означенные выше 1 — 2 мин. кратковременная память всё-таки возможна. Также в простых случаях обучение возможно как «привыкание» (суммация), когда опыт появляется «сам собой», то есть в результате непосредственного повторения обстоятельств в окружающем, а не путём их «целенаправленного» припоминания и обдумывания.

В ходе эволюции более или менее взаимосвязанно с ростом объёма и сложности мозга объём кратковременной памяти тоже увеличивается, и чем он больше, тем большим объёмом опыта животное может оперировать непосредственно и более сложную тактику действий сформировать.

По некоторым оценкам, объём кратковременной памяти у человека в три раза превышает её объём у человекообразных обезьян. Например, шимпанзе Канзи, известный тем, что научился общаться с людьми при помощи специально разработанной системы знаков-слов, использовал фразы из двух слов примерно в 10 раз реже, чем одиночные слова, из трех — в единичных случаях. Дети, напротив, уже в возрасте двух лет используют фразы из двух слов чаще, чем односложные высказывания. Канзи этого уровня так и не достиг. Такое же экспоненциальное убывание частоты событий наблюдается для манипуляций с объектами. Например, в естественных условиях все шимпанзе способны научиться колоть орехи, используя в качестве молотка камень, а в качестве наковальни элементы рельефа, которыми не требуется манипулировать, — плоский выход скальных пород или корень дерева. Но только отдельные особи могут научиться использовать в качестве наковальни камень, который нужно выбрать и правильно установить. К аналогичным выводам можно прийти и на основе наблюдений за другими видами орудийной деятельности человекообразных обезьян. Манипуляция двумя объектами в контексте решения некоторой задачи встречается постоянно, с тремя — редко, с четырьмя — никогда.


4.2.7. Воля

Нейронная сеть как самоорганизующаяся система находится в динамическом равновесии, балансируя между возбуждением и торможением, этот процесс называется гомеостазом. Гомеостаз нейронной сети взаимосвязан с гомеостазом организма в целом. Новые фазовые траектории гомеостаза, возникающие в контексте возмущающего воздействия сигналов рецепторов и собственной активности нейронов, запоминаются сетью через изменения весов связей нейронов, и потому после обучения гомеостаз происходит уже в контексте нового опыта. Таким образом, в нейронной сети любое поведение — это одна из фазовых траекторий её гомеостаза. Поэтому, например, какие-либо «добровольные» неудобства, то есть, казалось бы, «волевое» отклонение поведения от гомеостаза — к примеру, встать, когда ещё хочется спать, на самом деле не более чем такая же траектория гомеостаза в контексте опыта и воздействий среды по принципу «через неудобство в тактике к выигрышу в стратегии». Что соответствует естественной сути гомеостаза — через неустойчивость в частных параметрах системы происходит поддержание постоянства параметров системы в целом. 

Физиологическим основанием ощущения «волевого усилия», по-видимому, является процесс значительной и энергичной корректировки частным опытом побуждений более общего характера: преодоление страха, усталости, устоявшихся привычек, сдерживание излишней активности, эмоций и т. п.. Что всегда связано с резким изменением направления регуляции организма, которое со стороны мозга означает интенсивное изменение картины активности нейронов и потому, вероятно, воспринимается нами как «усилие». Следовательно чем меньше у животного объём опыта и потому меньше может быть разница между опытом общим и частным, врождённым и приобретённым, тем меньше будет выражена и такая корректировка. Чем проще животное, тем больше его поведение подразумевает следование «инстинктам», «рефлексам», а не обдумывание вариантов действий — и в результате, возможно, «волевое» изменение линии поведения в соответствии с некоторой личной стратегией.

Первая «эмоциональная», «автоматическая», «инстинктивная», «рефлекторная», то есть «не сдержанная» предварительным размышлением реакция, возникает на более низких уровнях нейронной сети, на которых распознаются общие признаки условий и потому это уровень общего опыта, настолько схожего у всех животных одного вида, насколько в своих общих параметрах похожи условия их жизни. Наоборот, кора мозга — это в большей степени уровень личного опыта, так как частные признаки условий, которые распознаются и запоминаются корой, в большей степени отражают условия жизни конкретного животного. И если общие признаки возникшей ситуации не сигнализируют о том, что нужен немедленный ответ, то можно и важно подумать, исследовать ситуацию получше, в её конкретных особенностях и в свете последних данных, чтобы ответ был более точным. Поэтому чем больше у животного личного опыта, тем потенциально больше животное способно «проявлять волю», «контролировать эмоции», спектр которых при этом становится всё богаче, а их переживание ярче.

Одновременно богатство личного опыта делает животное всё более «личностью», так как чем больше объём личного опыта, тем больше поведение подчиняется всё более сложным личным стратегиям. Точность следования которым требует волевых усилий, самоконтроля. И наоборот, по мере упрощения мозга и уменьшения объёма личного опыта, наряду с волей все остальные эмоции тоже будут вырождаться, поведение будет упрощаться.


4.2.8. Схема мышления, интроспекция

Мышление как самоорганизация означает, что осознание происходит «сразу», внимание переключается сразу на нечто «завершённое», так или иначе понятное. Неравновесный фазовый переход — это не последовательный процесс, идущий от элемента к элементу, от нейрона к нейрону. Перестройка начинается со всех сторон системы, поэтому смена динамики происходит всегда скачкообразно, а не плавно. Вызывая такие же более или менее заметные скачкообразные изменения и в поведении субъекта, импульсивность, «мысли» возникают сразу, а не постепенно формируются.

Подкорковые отделы мозга больше отвечают за поведения общего характера, связанного с общими параметрами ситуации: частоту сердечных сокращений, дыхание, перистальтику, тонус мышц, изменение позы, циклические движения, поддержание равновесия, движения пространственного поля. Таким образом, подкорковые отделы в большей степени формируют общую, неспецифическую реакцию на ситуацию, которая в целом воспринимается эмоционально — как общее возбуждение или торможение, эмоциональный всплеск, понимание смысла, смена настроения, побуждения, мотива — то есть задающей общее направление более конкретным действиям.

В этом общем контексте порядок перестраивается в коре мозга — уровне нейронной сети, где распознаются частные признаки условий — например социальные в префронтальной (лобной) части коры. Поэтому кора — это уровень организации движений, отвечающих за точную «подгонку» поведения к нюансам ситуации: предметные и интеллектуальные движения, в том числе речь, письмо. В этом процессе восприятие конкретизируется и усложняется, проявляются детали происходящего, ранее вызванное поведение корректируется.

Например, внутренние и внешние условия в целом могут диктовать сон, но некоторые отдельные элементы в них — звонок будильника — внесут свои частные коррективы. Новая ситуация повлияет на общий эмоциональный контекст, который станет уже не таким «сонным», тем самым вызвав конкретные мысли о необходимости вставать. В свою очередь, по обратным связям эти мысли уточнят эмоциональный контекст ещё больше — и так далее до достаточной нейрогуморальной перестройки организма, чтобы попытаться встать. В данном случае процесс будет восприниматься как «волевая» борьба со сном, так как он связан с выраженным «конфликтом» общего и частного опыта, значительным и активным изменением работы всех систем организма.

По тому же принципу происходит внутренняя речь, воспоминания и т. д.. Распознавая общие признаки условий, подкорковые отделы задают общее направление распознаванию в коре. Уточняя его до конкретных фраз и образов, в том числе интроспективных — обозначающих себя, кора по обратным связям повлияет на подкорковые отделы, внеся в их работу соответствующие словам изменения, что воспринимается как некоторое новое эмоциональное состояние. Одновременно подкорковые отделы задают новое общее направление распознаванию в коре, которое приводит к новым конкретным фразам и образам. В итоге субъект и эмоционально понимает себя, и соответственно этому пониманию в его сознании возникают новые слова и образы. И так размышление продолжается, пока опыт и условия не приведут к смене поведения.

Чем проще животное, тем меньше размер коры по отношению к подкорковым структурам. Уменьшение относительных размеров коры приводит к тому, что опыт животного относительно больше концентрируется в подкорковых отделах. Поэтому повреждение коры сказывается на поведении более простых животных гораздо меньше, чем на поведении человека. Удаление коры у человека приведёт практически к полной утрате им опыта, связанного с каким-либо конкретным поведением, останутся только общие вегетативные функции. Причём исчезнут даже те функции, которые присущи подкорковым отделам в здоровом мозге, так как они критически зависят от постоянного взаимодействия с корой посредством обратных связей, идущих от неё. В то же время собака после удаления больших полушарий способна передвигаться, совершая достаточно точно координированные движения, но при этом она не различает запахов, зрительные и слуховые восприятия в значительной степени утрачены.

В заключение главы можно обратить внимание на следующее. Зачастую интроспекцию (саморефлексию, самоотчёт, самонаблюдение) представляют некой загадочной функцией мышления, принципиально отличающей человека от искусственных систем. Однако её схематическая суть всего лишь в обратных связях нейронной сети. Поэтому теоретически в той или иной степени упрощения интроспекция может быть реализована, например, в искусственных нейронных сетях рекуррентной архитектуры. Верхние уровни нейронной сети конвергируют сигналы нижних уровней в сигналы логически более конкретного характера, после чего их обратное влияние на нижние уровни будет приводить к новой конвергенции и так далее — аналогично разговору с самим собой, описанному выше. Смысл этой конвергенции может, к примеру, отражать «плохое» или «хорошее» состояние системы, управляющим элементом которой является нейронная сеть. В результате, распознавая это состояние, нейронная сеть будет как будто «ощущать» плохое или хорошее «настроение», соответствующим образом реагировать и менять его аналогично тому, как мы можем изменить своё настроение, вспоминая что-то хорошее или плохое. Естественно, что само наличие этой способности не означает появление у такой нейронной сети какого-либо сознания.


4.3. Выводы

Подводя итог главам про мышление, понятно, почему именно принципы самоорганизации лежат и в основании мышления. Мышцами и железами необходимо управлять одновременно и взаимосвязанно, то есть по единой программе, которая должна и обучаться как единое целое. В ином случае не избежать рассогласования отдельных программ — и потому всё равно нужен будет общий центр, корректирующий ошибки. В природе такой «единой программой» стала самоорганизация, динамика которой естественным образом целостна и направлена на поддержание упорядоченного состояния системы. В результате правильно подобранная эволюцией архитектура нейронной сети мозга позволяет обобщать сигналы рецепторов в активность мышц и желёз и при этом сохранять упорядоченность реакций, а синаптическая пластичность и нейропластичность позволяет сети изменяться, тем самым уточняя инстинктивные стремления под конкретные условия среды. 

Мышление как самоорганизация означает, что поступки субъекта неотделимо сочетают врождённое и приобретённое, так как самоорганизация неотделима от среды. Поведение «на границе хаоса и порядка» — что поступки и случайны, и предопределены опытом одновременно. Неравновесность и нелинейность — что к открытию может привести мельчайшее противоречие в опыте, а незначительное событие — стать толчком к изменению мировоззрения. Являясь самоорганизацией, мышление по своей сути не отличается от биологической эволюции, поэтому смысл эволюции имеет и процесс познания, то есть процесс выдвижения и опровержения гипотез. С тем отличием, перефразируя, что «выдвижение и опровержение» вариантов генетического кода — это эволюция на уровне более общем, «естественный отбор» гипотез — на более частном.

В следующей части речь пойдёт о сознании — как особенности процесса самоорганизации и конкретно мышления отражаются в особенностях сознания, а также о других обстоятельствах, связанных с сознанием.



5. Сознание
5.1. Сложность и системные свойства

Со времён Аристотеля известно, что свойства целого не равны простой сумме свойств частей. У целого возникает новое качество — эмерджентные свойства, то есть свойства системные, отличные от свойств частей самих по себе, возникающие за счёт их связей и определяющие возможности системы как целого.

Например, в отличие от просто шестерёнок, часы отсчитывают равные промежутки времени, в отличие от своих деталей по отдельности, самолёт летает и перевозит пассажиров, а компьютер выполняет программы. В то же время эти новые качества не требуют постоянной взаимной координации всех элементов системы, так как фактически по некоторой схеме взаимодействуют лишь целые детали системы. Другими словами, связи искусственных систем относительно немногочисленны и просты, тем самым определяя и возможность их формального описания, и относительную простоту самих системных свойств.

Качественно иная ситуация возникает в диссипативных системах. Коротко вспомним их важные особенности, учитывая, что диссипативными системами является в том числе всё живое на всех уровнях — от клетки или многоклеточных организмов до социума и биосферы.

Постоянный интенсивный обмен веществом/энергией со средой необходим диссипативным системам для самоорганизации и поддержания упорядоченного состояния. Поэтому уменьшение интенсивности обмена приведёт к «обрушению» системы — быстрой и необратимой деградации системы к отдельным элементам, состоянию равновесия и беспорядка. К примеру, отсутствие кислорода через короткое время станет для животного смертельным. Обратной стороной интенсивного обмена со средой является постоянное возмущение системы, стремящееся вернуть её обратно к хаосу, разрушить её упорядоченную структуру. Однако чувствительность и целостность неравновесного состояния позволяет диссипативным системам им замечать мельчайшие нюансы условий и активно подавлять возмущения согласованной динамикой всех элементов.

Столь высока координация была бы невозможной без взаимодействия в системе «всего со всем», массового наличия положительных и отрицательных обратных связей, чем сама собой достигается согласованность работы неисчислимого множества элементов системы и способность диссипативных систем усложняться. Такая координация была бы невозможной в том числе без высочайшей пластичности системы, что отражается в её способности оперативно перестраиваться, тонко менять тактику, реализуя стратегию гомеостаза, то есть стратегию самосохранения.

Неравновесное состояние системы означает также, что к качественному изменению поведения может привести событие сколь угодно ничтожного характера. В принципиальном смысле из этого обстоятельства следует, что алгоритм диссипативной системы потребует описания системы на элементарном уровне материи. И так как даже сколько-нибудь близкое приближение к столь точному представлению о системе невозможно, то на практике попытка формализовать поведение диссипативной системы, то есть выделить в работе системы некоторую принципиальную схему и написать формулу, которой подчиняется работа система, будет качественно упрощать реально происходящее.

По этим причинам диссипативные системы, наоборот, несводимы к каким-либо отдельным взаимодействующим частям, деталям и элементам, по сути, представляя «континуум» связей, а не «схему». В отличие от механизмов или компьютеров, такую систему невозможно разобрать на детали и собрать обратно — в целостной системе есть одно «целое», но нет отдельных деталей. Как результат, без взаимного координирующего влияния, упорядоченная структура разделённых частей необратимо изменится или разрушится. Но, например, компьютер можно без последствий и отключить от электропитания, и даже разобрать на детали и собрать обратно. Другими словами, «алгоритм» диссипативной системы фактически растворён на всех уровнях её материи, отличаясь только «концентрацией» в её разных областях, не имея точного деления на шаги и этапы. Причём высокая интенсивность обмена со средой означает такую же качественную, по сравнению с равновесными системами, неотделимость диссипативных систем от среды. В итоге сколько-нибудь точно выразить поведение диссипативной системы алгоритмом невозможно.

При прочих равных показателем интенсивности взаимодействия диссипативной системы со средой является сложность её упорядоченной структуры. В свою очередь, структура определяет общую логику реакций системы, так как это её аттрактор, то есть то состояние, которое система стремится сохранить. И далее уже высочайшая сложность самого гомеостаза как континуума реакций самосохранения выражает всю реальную сложность поведения системы.

Относительно организма наибольшей интенсивностью взаимодействия со средой и потому наиболее сложной структурой обладает сеть нейронов. К примеру, известно, что мозг человека в пересчете на единицу массы потребляет в 16 раз больше энергии, чем мышечная ткань; составляя приблизительно 2% от массы тела, потребление кислорода центральной нервной системой составляет более 20% от общего потребления кислорода организмом и около 50% от всей глюкозы, вырабатываемой печенью и поступающей в кровь. Взаимодействие биологической нейронной сети со средой происходит как непосредственно через рецепторы на входе нейронной сети, так и через вещества, поступающие от окружающих нейроны клеток, и всех других факторов, включая наследственные. Которые тоже есть своего рода «рецепторные данные», на своём уровне дополняющие сигналы рецепторов, внося свои коррективы в мыслительный процесс, усложняя поведение животного.

Таким образом, сложность мозга является качественно более высокой по сравнению с любыми алгоритмами, которыми его работу только можно описать, и элементами, которые только можно выделить. Эта сложность выражена в интенсивности взаимодействия мозга со средой, сложности его структуры, пластичности, чувствительности и вместе с тем упорядоченности его работы. Всё это приводит к столь же качественно высокой сложности и системных свойств мозга, по сравнению с искусственными системами. Например, таким свойством является способность мозга вырабатывать сами алгоритмы, в том числе сложнейшего уровня, то есть, по сути, человек может летать, построив самолёт, или выполнять программы, создав компьютер.

В то же время, очевидно, что сами самолёты и компьютеры — это просто объекты, у них нет отдельных от них «свойств». Иными словами, «системное свойство» самолёта перевозить пассажиров или свойство компьютера выполнять программы становится реальностью только в нашем мозге в виде фраз, образов и смыслов самолёта или компьютера. Следовательно, чтобы физически «быть», само сознание уже не может быть просто «системным свойством». Оно должно быть производным уже не только от организации связей элементов мозга, но и от их физических свойств. У кубика льда нет отдельной от его материи «формы куба», но эта форма есть в нашей голове, и она, чтобы «быть», тоже не может быть отдельной от материи, только теперь от материи мозга. Иначе говоря, для появления внутри системы ярких и точных образов, палитры цветов, света, тепла, любви или удивления одной только «правильной» организации связей системы недостаточно. Чтобы всё это могло существовать, в самой материи тоже должно быть что-то такое, какое-то физическое свойство, что сделало бы появление сознания возможным в том случае, если её элементы «правильно» организованы. Поэтому яркий многомодальный континуум сознания человека — это, вероятно, не просто «системное свойство» сети нейронов, а некое физическое проявление сложности мозга, процесс мышления «изнутри», со стороны материи самого мозга.

 
5.2. Мышление изнутри

Когда-то человек не подозревал о наличии у него сознания, полагая, что в голове всё то же, что и в природе вокруг, а его Я — это, наверное, проявление души. Со временем, по мере развития идеи, что всё должно иметь рациональное объяснение, наблюдая мозг и изучая его, он обратил внимание, что в тканях мозга в любом доступном приближении незаметно ни синего цвета, ни красного, ни вообще палитры цветов, не говоря уже об эмоциях или образах. Но почему тогда всё это есть в его голове? Примерно так люди начали задумываться, что воспринимаемый мир — это, по-видимому, особый «субъективный» мир, «сознание», чрезвычайно странное явление. 

Сознание (квалиа, психика, психические феномены), вероятно, одно из самых знакомых и одновременно самых непонятных явлений. Мы — это наше сознание, любой доступный нам мир прежде всего мир сознания. Более того, наличие себя, наше Я — это единственное, что абсолютно точно есть, в отличие всего остального мира, который на самом деле может быть сном или фантазией. Тем не менее физическая сущность сознания неизвестна, определённого про сознание можно сказать очень немного. И возможно даже, что это естественное положение вещей: если мир дан нам в ощущениях, то насколько непонятен мир, столько же непонятного будет оставаться и в ощущениях.

В результате, учитывая то немногое, что о нём известно, вероятно, единственное рациональное предположение, которое можно сейчас сделать в отношении сознания, — это приведённое в предыдущей главе. Оно заключается в том, что сознание — это то, как «выглядит» процесс мышления «изнутри» материи самого мозга.

Такое представление соответствует идее панпсихизма, наиболее популярной сейчас концепции сознания. Панпсихизм имеет много направлений, но в целом идею панпсихизма можно пояснить словами Бертрана Рассела, известного британского математика, философа и общественного деятеля, который уже упоминался в главе «Абсолютная истина», как автор парадокса Рассела, названного его именем. В книге «Анализ материи», изданной в 1927 году, Рассел высказал мысль, что все наши понятия о свойствах материи определяются через отношения, поэтому весь физический мир предстаёт для нас как система отношений. При этом у нас нет представления о том, что является носителем этих отношений. Но это что-то должно существовать, то есть у материи должны быть не только внешние, относительные, но и какие-то внутренние свойства. Однако кроме ментальных свойств нам неизвестно никаких внутренних свойств чего-либо. И Рассел допускал, что внутренние свойства материи имеют ментальный характер.

Как мышление изнутри, сознание, его «вид», следовательно, должно коррелировать с происходящим в нейронной сети мозга, как основным элементом мышления, тем самым отражая особенности этого процесса.

Например, как любая нейронная сеть, нейронная сеть мозга распознаёт условия от общих и простых признаков к частным и сложным. Поэтому на нижних уровнях нейронной сети, формируется общее направление поведения, которое в коре уточняется до конкретной цели. Что, очевидно, определяет наличие такого же «общего и простого» самоощущения — нашего внутреннего Я, в виде эмоционального контекста, как «фона», на котором разворачиваются более конкретные абстракции сознания. И самих конкретных абстракций — «частных и сложных» образов, отражающих нынешнюю цель поведения. Например, как процесс формирования общего направления поведения, эмоциональный контекст, очевидно, тоже должен быть «направляющим». И действительно, именно так самоощущение и воспринимается — как нечто переживающее и мотивирующее, управляющее конкретными действиями, мыслями.

И чем сложнее нейронная сеть животного, тем сложнее и ярче будут элементы сознания, полнее самоощущение. У человека к этому добавляется ещё и выраженная вербализация происходящего. Изначально направленная на общение, но, с другой стороны, обуславливая и более чёткое выделение себя, как «самостоятельной» личности, субъекта, из-за необходимости сообщать о своих намерениях: я хочу, я могу, я делаю. Таким образом, можно предположить, что общий «вид» сознания, то есть наличие в нём самоощущения, эмоций и образов, связан с общими особенностями архитектуры нейронной сети.

В то же время физически процесс мышления — это процесс самоорганизации, в ходе чего упорядочивается активность нейронов, задавая такую же упорядоченную работу мышц и желёз. Следовательно на уровне более точном сознание должно отражать особенности процессов самоорганизации в нейронной сети мозга.

Нейронную сеть активизируют импульсы от рецепторов, а также у нейронов есть собственная хаотическая активность. В результате такого притока энергии в динамике нейронной сети возникает неустойчивость, что приводит к её упорядочению. В свою очередь, возникший порядок — это, по сути, появление из хаоса качественно новой структуры, некоторого упорядоченного «целого», подчиняющего себе динамику своих элементов посредством скоординированных собой, как целым, реакций. При этом «целое» — это континуум, а «порядок» — абстрактен. Именно таким и предстаёт сознание — как континуум абстракций разного уровня.

Таким образом, качественное отличие целого и порядка от каких-либо элементов нейронной сети — это, вероятно, и есть общая суть психического восприятия. Отчасти подтверждают эту гипотезу эксперименты, из которых следует, что с усилением синхронизации нейронов связано восприятие объектов, находящихся во внимании. В контексте других теорий упорядочение, уменьшение энтропии — это появление в системе информации, что тоже можно связать с сознанием.

Все нейроны в нейронной сети мозга объединены в целое множественными прямыми и обратными, локальными и нелокальными, тормозными и возбуждающими связями. Столь же целостной является работа нейронной сети, так как возбуждение одних нейронов взаимосвязано с торможением других. И наконец целостность нейронной сети мозга — это целостность неравновесной системы, то есть это целостность реальная, физическая, когда система начинает вести себя действительно как одно целое.

Отражая эту целостность, сознание — это тоже не какие-либо конкретные элементы сети. Сами по себе никаких конкретных «частей эмоций» или «деталей образов» нейроны заранее не содержат, поэтому их нельзя там найти и исследовать. Конкретное содержание сознания возникает как конкретная динамика всего мозга, от менее упорядоченной и простой динамики нижележащих уровней и активности нейронной сети мозга в целом, к более упорядоченной динамике коры и селективной синхронизации, связанной со вниманием. От низкого уровня абстракций к высокому, от общего направления к конкретной цели, от смысла к точному знанию, от самоощущения к чётким образам.

Поэтому подобно тому как в высшей степени связанной является работа всех частей нейронной сети мозга, так же и любой конкретный образ, и всё содержание сознания не привязаны строго к её конкретным частям, а более или менее распределены по всей нейронной сети. И можно утверждать только, что за различное содержимое сознания больше отвечают её разные уровни, отделы и зоны, относительно сконцентрированного в них опыта и его необходимости в нынешней реакции.

При этом неравновесное состояние и неустойчивость означает восприимчивость системы к воздействиям среды и внутренним процессам. Поэтому порядок в активности нейронов постоянно перестраивается, состояния равновесия, когда все потребности удовлетворены, всё строго «в норме», не существует. Как следствие, и сознание, и поведение тоже находится в постоянной динамике.

В свою очередь, интенсивное взаимодействие мозга как открытой системы со средой означает, что работа мозга в высшей степени связана со средой — так, как это недостижимо ни в каких искусственных системах. Что и наблюдается в сознании, абстракции которого имеют как субъективную составляющую, связанную с устройством нейронной сети, то есть с опытом субъекта, так и объективную, связанную со средой. К примеру, в объективной реальности есть электромагнитное излучение разной частоты, но не палитра цветов, свет, темнота, тепло или холод, есть вещества в воздухе и колебания среды, но не запахи или звуки. В то же время частота электромагнитных волн коррелирует с воспринимаемой цветовой палитрой, ощущением тепла или холода, а запахи или звуки с содержанием веществ в воздухе или его колебаниями. Точно так же в объективной реальности нет удивления, страха, грусти или радости, а есть лишь условия, которые могут вызвать эти чувства при наличии соответствующего устройства мозга.

Причём так как субъективная реальность связана с устройством мозга, то в силу его отличия у разных людей, то есть в силу отличий в опыте, каждый человек воспринимает мир по-своему. Но, например, зелёный цвет для всех людей всё равно будет одинаков с цветом травы, листьев, и потому как бы разные люди не воспринимали эту часть спектра электромагнитного излучения, глядя на нижний сигнал светофора все сойдутся во мнении, что это именно цвет травы и листьев — «зелёный» цвет, с соответствующим к нему отношением. Точно так же более или менее похож, но не совпадает в точности и весь остальной опыт людей.

В главе «Внимание, Я, движение во времени» говорилось о том, что внимание связано с селективной синхронизацией нейронов. При этом невозможно представить себя без более или менее сконцентрированного внимания, так как без внимания не может быть восприятия своего «движения во времени», то есть своего «протяжённого» существования, процесса «наблюдения» чего-либо. Другими словами, сознание без внимания не существует, несмотря на то, что процессы синхронизации, пусть и менее интенсивные, в работающем мозге не прекращаются и в отсутствие внимания — например, в состоянии глубокого сна или коме.

Следовательно синхронизация и в целом самоорганизация как таковая, вероятно, только создаёт физическую основу для появления сознания, квалиа, физическую возможность какого-либо восприятия вообще. Но чтобы сознание было «протяжённым», то есть, по сути, просто «было», должно быть выполнено ещё несколько условий.

Самоорганизующаяся система должна быть организована по типу нейронной сети с обратными связями. Обратные связи обеспечат целостность системы и одновременно определят само наличие внимания как нейросетевого элемента целенаправленного поведения. А также необходима определённая разность в интенсивности процессов самоорганизации в системе. Это позволит помимо логического выделения цели, за что отвечает архитектура нейронной сети, выделить цель ещё и интенсивностью процессов самоорганизации. В результате обуславливая восприятие цели как абстракции более яркой и контрастной, возникающей «на фоне» направляющего контекста абстракций более низкого уровня. Тем самым по принципу описанному в главе «Внимание, Я, движение во времени», наполнив сознание восприятием своего стремления к цели и, следовательно, протяжённым движением вперёд во времени.

Из сказанного следует, что сознание, по своему «виду» значительно отличающееся от человеческого, по-видимому, невозможно. Любое сознание должно быть связано с восприятием движущегося во времени «себя», наличием образов, как конкретных целей, и эмоционально-мотивирующего самоощущения, как «фона» общего направления действий. Разница может быть только в частных особенностях сознания — яркости, сложности и модальности его внутренних элементов. В свою очередь, это означает, что сама по себе жизнь ещё не равно сознание. Нет оснований приписывать сознание клетке или, например, биосфере. Как и мозг, это тоже диссипативные системы, но их архитектура имеет мало общего с нейронной сетью мозга.

Далее вспомним об информации и внесём некоторые коррективы в сказанное о ней в главе «Информация».

Физической основой сознания является самоорганизация, упорядочение хаоса в диссипативных системах. Поэтому если само по себе упорядочение хаоса можно связать с появлением информации, то информация тогда — это ещё не обязательно сознание, потому что, как говорилось выше, упорядочение хаоса само по себе ещё не сознание. Однако, наоборот, информация — это именно сознание. Дело в том, что если подходить строго, то согласно Международной организации по стандартизации (ISO/IEC/IEEE 24765:2010), информация — это именно интерпретация, значение, смысл данных — чего, естественно, вне сознания нет.

Причём на практике информация может быть связана только с сознанием человека. Например, животные, как и человек, тоже осмысливают окружающее и обмениваются сигналами, но нам неизвестно, что они при этом думают. Поэтому любая информация, которая «возникает у них», — это на самом деле информация, которая возникает у нас, когда мы пытаемся посмотреть на что-то с их точки зрения. Причём, чтобы стать информацией, знание должно обрести форму некого конкретного сообщения, данных, — чтобы его можно было передавать. Поэтому животные, чтобы обладать информацией, должны, во-первых, иметь нечто конкретное, что они хотят сообщить, и во-вторых, уметь облекать это в некие конкретные символы и сигналы конкретного характера. Это ещё дальше уводит информацию от того, к чему в принципе могут иметь отношение животные, ввиду очевидной неразвитости их языка.

И наконец сама по себе самоорганизация — это тоже появление информации не в самоорганизующейся системе, а в нашей голове, когда мы наблюдаем, как самоорганизующаяся система приобретает некоторое конкретное упорядоченное состояние по сравнению с «неопределённым» хаосом.

Поэтому, понимая в дальнейшем границы обобщения — что физической основой информации, как и физической основной сознания, является самоорганизация, но строго говоря информацией является только знания человека, их смысл — информацию можно обратно объединить с самоорганизацией.


5.3. Непознаваемость

В предыдущих главах показано, что ввиду неравновесного состояния, нет способа наблюдать процесс мышления сколько-нибудь глубоко, практически достижимая точность описания мышления сильно ограничена. Однако если наблюдение процесса мышления ограничено, в той же степени, следовательно, невозможно установить и сущность сознания, так как одно, очевидно, неотделимо от другого.

Например, если сознание — это не функция отдельных элементов системы, а упорядоченной динамики системы как целого, то чем эта динамика сложнее, тем «больше» должно быть в системе сознания. Но тем интенсивнее обмен системы со средой, что уменьшает возможность её исследования. В результате, получается, чем больше должно быть сознания «внутри» системы, тем меньше возможность его найти, исследуя систему «снаружи», и наоборот.

Другими словами, если наблюдение процесса мышления ограничено, то в той же степени это ограничение распространяется и на сознание. Разница только в том, что, изучая работу мозга, мы наблюдаем процесс мышления «снаружи», но делаем это слишком поверхностно, чтобы найти в мозге сознание, а являясь самим мозгом, воспринимаем процесс мышления «изнутри», но «находимся» при этом слишком глубоко — на том уровне материи, который непознаваем.

Однако если явление в принципе нельзя наблюдать в той глубине, чтобы обнаружить в нём сознание, то обобщение элементов объективной и субъективной реальности в одной теории невозможно. Физические теории, описывающие объективную реальность, по-видимому, никогда не подойдут для описания реальности субъективной, «сущность» сознания в принципе не может быть выражена в какой-либо физической теории. Подтверждает этот вывод и то обстоятельство, что квалиа невозможно описать никаким мыслимым языком — а значит, и нельзя выразить и формулой какой-либо теории.

Непознаваемость сознания означает, что в любой достижимой точности описания работа мозга никогда не будет иметь ничего общего с сознаваемым как таковым. Наблюдая апельсин никогда не получится найти в мозге непосредственно «оранжевые» или «шарообразные» процессы. Тем не менее активность нейронов кодирует сигналы рецепторов в реакции мышц и желёз, и чем точнее кодирует, тем точнее апельсин будет отражён в наших поведенческих реакциях и сознании соответственно.

Если сказанное верно, то можно лишь предполагать, что абстрактность и континуальность сознания — это следствие самоорганизации в мозге. Более того, гипотетическая возможность выразить сознание только через самоорганизацию не просто сомнительна, а наоборот, очевидно скорее то, что самоорганизации самой по себе для объяснения сознания недостаточно, потому что самоорганизация никак не объясняет многомодальность сознания. Порядок, возникающий из хаоса — больше его или меньше, сильнее он выражен или слабее, так он организован или этак — отчасти объясняет континуальность сознания или его абстрактность, но никак не объясняет многомодальность этих абстракций — наличие палитры цветов, оттенков эмоций и т. д.. Поэтому как ни логично выглядит идея сознания как самоорганизации изнутри, она всё равно не является очевидной. Давая ответы на одни вопросы, она никак не отвечает на главный — о физической сущности сознания. Непонятно как конкретно обобщить «порядок», многомодальность и представление о «материи изнутри». Нет совершенно никакого представления о том, как «в нейронах» может возникать мир, который мы наблюдаем.

Филипп Гофф, профессор философии, исследующий вопросы сознания в Центрально-Европейском университете в Будапеште, по этому поводу сказал: «Физика не так хорошо помогает понять природу вещества, как принято считать. Эддингтон (английский ученый, экспериментально доказавший общую теорию относительности Эйнштейна в начале 20-го века) утверждал, что в нашем понимании Вселенной есть пробел. Мы знаем, как вещество себя ведет, но не чем оно является. В этот пробел мы можем поместить сознание».

По мнению Дэвида Чалмерса, одного из ведущих философов сознания нынешнего времени, возможный ответ на вопрос, почему, помимо физических процессов в мозге, существует ещё и внутренний опыт, заключается в том, что без него не было бы и мозга как физической реальности, фундаментом которой и являются квалиа. Тем не менее, как считает Чалмерс, сознание нельзя свести к физическим фактам и объяснить при помощи стандартных методов естественных наук.

Поэтому, обобщая, можно сказать следующее. Чтобы понять суть явления, его прежде необходимо выделить из всего, отделить от других явлений — но всё нельзя выделить из всего, суть всего всегда равна всему и не имеет смысла. Как мы выяснили, работа мозга связана с элементарным уровнем материи, а значит, связана именно со всем. В результате, будучи в высшей степени связанным со всем, и себя — своё сознание — тоже невозможно сколько-нибудь точно выделить из всего, чтобы понять свою настоящую суть — описать мышление и установить сущность сознания.

Мы для самих себя — это всё, так как любой мир для нас — это мир нашего сознания. Поэтому мы не можем сколько-нибудь точно оценить себя, так как на всё, то есть на себя, невозможно посмотреть со стороны даже мысленно, объект «всё» не имеет смысла. Но если всего не существует, то «изнутри» всего мы можем наблюдать только отдельные явления, которые мы делим на физические и психические. Но не можем объединить их в единой теории, потому что это как раз и будет не имеющая смысла теория всего, которая опишет мир на элементарном уровне материи и даст ответ на все вопросы — что такое сознание, что такое мы и «чем вещество является».

Не все теории можно проверить в прямом эксперименте, который может быть слишком сложен. Но даже в этом случае теорию можно проверить по наличию у неё предсказательной силы — способности теории предсказывать неизвестные или незамеченные ранее события. Однако это не работает в отношении теорий, которые не имеют смысла, так как отсутствие смысла говорит о том, что отсутствует сам предмет теории — он не имеет смысла, непознаваем. Поэтому отсутствие у теории всего смысла говорит о том, что гипотезы в отношении неё не просто не могут быть как-либо проверены, но они даже не могут быть непротиворечиво сформулированы. Представление об истинных основаниях мира и, таким образом, представление о материи сознания всегда будет в той или иной степени противоречивым и неполным.

В итоге сознание качественно отличается от любых познаваемых физических явлений, не позволяя установить насколько качественно это отличие, понять какова реальность «на самом деле», где кончается субъективный мир и начинается объективный.


5.4. Сознание и квантовая механика

Согласно выводам глав выше, сознание возникает в диссипативной системе, если её архитектура удовлетворяет определённым условиям. Этим условиям удовлетворяет мозг. Поэтому если бы можно было работу мозга с достаточной точностью описать, то и сознание возникло бы в этом описании само собой, просто как следствие точности описания явления. Однако изучение природы на квантовом уровне открывает новые обстоятельства, в свете которых сознание, возможно, предстаёт в новом и ещё более загадочном виде.

Чтобы необычность ситуации стала понятной, рассмотрим некоторые основные положения квантовой механики.

Как следует из квантово-механической теории (КМ), хорошо проверенной экспериментально и способной на чрезвычайно точные предсказания, до измерения есть только вероятность найти квантовую частицу в той или иной области пространства, а ещё не сама частица. Например, траекторию движения электрона указать невозможно — электрон не находится ни в какой конкретной точке и не перемещается с места на место, как маленький шарик. С той или иной вероятностью он уже есть везде, и можно лишь выяснить, какова вероятность обнаружить электрон в том или ином месте, в частности, определить, где он окажется с наибольшей вероятностью.

Вероятность найти частицу распределена по всему пространству Вселенной, где-то концентрируясь, а где-то почти сходя на нет. Иначе говоря, распределение вероятности в пространстве имеет характер волны некоторого поля вероятности, простирающегося на весь объём Вселенной. Волны вероятности называют волнами де Бройля по имени лауреата Нобелевской премии французского физика Луи де Бройля, который в 1924 году высказал гипотезу о том, что установленный ранее для фотонов корпускулярно-волновой дуализм («дуализм» в том, что до измерения есть только волна вероятности, а в момент измерения возникает конкретная частица — «корпускула») имеет универсальный характер и присущ всем частицам — электронам, протонам, атомам и т. д.. 

Физический смысл волны де Бройля таков: квадрат модуля амплитуды волны де Бройля в данной точке является мерой вероятности того, что частица обнаружится в этой точке, если будет проведено измерение. Это отношение называется правилом Борна, оно связывает волну вероятности с результатами измерения и является одним из ключевых принципов КМ.

Таким образом, если в классической физике для описания движения частицы использовали точки, лежащие на одной линии, то теперь это все точки пространства. При этом каждой точке соответствует свой «вес», то есть квадрат модуля амплитуды волны де Бройля. Чем больше амплитуда волны вероятности в каком-то месте, тем выше вероятность найти в этом месте частицу.

Идея волн де Бройля полезна для приблизительных выводов о масштабах проявления волновых свойств частиц, поэтому в основе математического описания квантовой механики лежит более строго определённый объект с тем же смыслом — волновая функция. Волновая функция — это сумма волн (волновой пакет), имеющих разные волновые векторы, соответствующих всем возможным состояниям частицы. Поэтому более наглядно движение частицы в пространстве можно представить не как перемещение волны, а как перемещение «облака» плотности вероятности обнаружить частицу. Границы облака не резкие, поэтому за его пределами тоже есть вероятность обнаружить частицу, но она может быть очень мала. С помощью волновой функции можно рассчитать не только положение частицы в пространстве, но и все измеряемые физические характеристики квантовой системы.

Волновая функция эволюционирует во времени как суперпозиция всех возможных состояний системы. Например, электрон характеризуется суперпозицией различных местоположений в пространстве, импульсов и ориентаций спина, то есть все возможные состояния электрона с некоторой вероятностью реализованы сразу в каждой точке Вселенной. Но реализованы только потенциально, так как ни одно из этих состояний не существует реально — заранее. Вне измерения любой объект — это описываемое волновой функцией протяжённое на всё пространство распределение вероятности найти объект, а ещё не сам объект.

Описывает эволюцию волновой функции уравнение Шрёдингера. Предсказываемая уравнением эволюция является гладкой и детерминированной, то есть лишена случайностей (причём в предсказании эволюции волновой функции КМ чрезвычайно точна). Однако данная математическая модель находится в противоречии с тем, что видит человек, когда проводит измерение квантовой системы.

В момент измерения происходит мгновенная редукция (коллапс, схлопывание) волновой функции в одно состояние, и фактически «из ничего» — из волны вероятности — возникает конкретная частица с конкретными параметрами. Таким образом, измерение нарушает гладкую эволюцию волновой функции и формирует разрыв, полностью исключая из реальности все остальные возможные состояния системы, кроме одного возникшего, а любая последующая эволюция волновой функции основывается на состоянии, в котором система была обнаружена при измерении. Акт измерения прерывает непрерывный квантовый процесс, формируя новое начальное состояние физической системы, с которого берет старт новый квантовый процесс, происходящий независимо от предыдущего. Аналогично в запутанных состояниях в момент измерения первой частицы — когда у неё возникает конкретное состояние — одновременно возникает конкретное состояние и у второй частицы, причём это происходит независимо от расстояния между частицами. Это значит, что редукция общей волновой функции запутанных частиц, так же как и редукция волновой функции одной частицы, происходит мгновенно во всём пространстве.

Ещё раз подчеркнём, в случае волн вероятности речь идёт не о том, что частица где-то находится, но мы просто не знаем, где конкретно. Квантовая механика отличается от теории вероятностей. Например, в случае альтернативных событий складываются амплитуды волн вероятности, а не сами вероятности, переход к самим вероятностям осуществляется согласно правилу Борна.

Например, если бы речь шла только о вероятностях в смысле теории вероятностей, то ничего странного в коллапсе не было — не считая того, что слово «коллапс» пришлось бы ставить в кавычки.

Представим человека, про которого известно, что он собрался посетить несколько мест в городе. Мы можем построить распределение вероятностей обнаружить его в течение дня в одном месте или в другом. Которое как будто тоже «коллапсирует» к одному значению, когда мы обнаружим в его в каком-то конкретном месте, и тоже снова начнёт «расплываться», когда мы с ним расстанемся. В свою очередь, происходящее с запутанными частицами «иллюстрирует» пример с ботинками. Представим, что ботинки из пары отправили разным людям. Тогда, открыв посылку и обнаружив там левый ботинок, адресат сразу узнает, что у другого адресата правый ботинок.

Как понятно, все эти примеры не имеют отношения к КМ, так как в них речь идёт только о незнании — где конкретно в данный момент находится путешествующий по городу человек или какой ботинок кому из адресатов был отправлен. В КМ до измерения есть только вероятность найти частицу с теми или иными параметрами, а конкретная частица возникает только в момент измерения. Квантовый человек не путешествует по городу до того, как мы его встретим, — с некоторой вероятностью он есть сразу везде, а левым квантовый ботинок будет или правым определяется только в момент открытия посылки.

Очевидно, что появление частиц «из вероятности», то есть фактически «из ничего», выглядит очень странно. Ситуация становится ещё более странной, если учесть, что наблюдаемый мир тоже состоит из частиц, то есть, получается, «из вероятностей». Но как тогда возникает конкретное состояние у мира в целом? Что представляют из себя сами частицы? Тем не менее пока только обратим внимание на эти странные обстоятельства квантовой механики и вернёмся к ним позже, после того как рассмотрим другие положения КМ, в том числе с этими обстоятельствами напрямую связанные.

Когда измерение прекращается, частица опять становится волной вероятности, распределённой на всё пространство Вселенной. При этом область пространства с наибольшей вероятностью найти частицу (с наибольшей амплитудой волны де Бройля, наибольшим значением волновой функции) будет постепенно увеличиваться со скоростью, которая зависит от массы/энергии частицы. Например, масса покоя электрона очень мала и равна 9,1·10-28 г, поэтому в случае свободного электрона область наибольшей вероятности его обнаружить спустя одну секунду расплывётся до размеров, сравнимых с размером Луны. Но если взять пылинку массой в 1 мкг (10-6 г) и размером 0,1 мм, то всего лишь удвоение ее области наибольшей вероятности произойдет за 3 млрд лет. Отсюда ясно, что при повторном измерении, проведённом через некоторое время, будет очень мало шансов обнаружить свободный электрон на старом месте, и наоборот, пылинка неизменно будет находиться практически там же, где была обнаружена в первый раз.

Таким образом, квантовые эффекты существенны только для микрочастиц и на макроуровне незаметны. Конечно, если не считать того, что мы всегда наблюдаем конкретные объекты, а не их «вероятности» быть в каком-то месте, пусть и высокие.

Одним из важнейших следствий двойственной корпускулярно-волновой природы частиц является принцип неопределённости Гейзенберга — фундаментальное соотношение  квантовой механики (соотношение неопределённостей). Согласно которому, чем точнее известен один параметр квантовой системы, тем более неопределённым становится другой. Например, это такие пары сопряжённых параметров, как импульс и положение частицы в пространстве, продолжительность времени процесса и его энергия и ещё некоторые другие пары. Рассмотрим, откуда возникают эти пары и что из этого следует.

Как говорилось, до измерения частица — это волна де Бройля. Импульс — это мера движения, он имеет направление и зависит от скорости и массы тела. Так как частица — это волна, то скорость и направление частицы — это скорость и направление распространения фронта волны де Бройля: фронт волны перемещается с некоторой скоростью и в некотором направлении, как бегущая океанская волна. В свою очередь, масса эквивалентна энергии согласно знаменитой формуле E = mc2, а энергия — это частота колебаний волны де Бройля: чем выше частота, тем волна более «энергичная». Таким образом, в волновом представлении энергия частицы — это частота колебаний волны де Бройля и импульс частицы тоже связан с этой волной — её направлением, скоростью и частотой.

Поэтому наглядно принцип неопределённости можно объяснить следующим образом. Представим волнистую линию. Это абстрактная волна, она имеет некоторую частоту, длину, амплитуду. Поставим на линии точку. Очевидно, глядя только на эту точку, о волне сказать нельзя будет абсолютно ничего, все её параметры будут совершенно неизвестны. Точка — это абстрактное абсолютно точное измерение местоположения частицы, при котором об импульсе частицы нельзя будет сказать абсолютно ничего, то есть он будет полностью неопределённым. Расширяя точку до круга всё большего радиуса, мы будем наблюдать всё больше волны, поэтому импульс будет понятен всё точнее — но зато станет увеличиваться неопределённость местоположения частицы, так как мы заменяем наблюдение точки наблюдением сразу некоторой области пространства. Причём так как нигде в пространстве волна де Бройля не равна нулю, то точное измерение импульса частицы будет равносильно наблюдению всей Вселенной, то есть полной неопределённости местоположения.

Аналогично точку на волнистой линии можно представить абстрактным абсолютно точным измерением времени процесса. Но тогда ничего нельзя будет сказать об его энергии, ведь энергия — это частота колебаний волны де Бройля. Расширение точки на некоторую область волны в данном случае будет увеличением времени наблюдения, то есть чтобы наблюдать больше волны, требуется время. В результате всё точнее станет понятна средняя энергия явления, но неопределённость того, какая конкретно энергия была в каждый конкретный момент времени, наоборот, будет увеличиваться, то есть будет расти неопределённость времени. Если мы станем сокращать время измерения, то, наоборот, станет расти неопределённость энергии, ведь частота — это меняющийся во времени процесс. Также это означает, что при проведении серии измерений одного и того же процесса значения измеренной энергии будут флуктуировать — тем больше, чем короче наблюдаемый промежуток времени. При этом среднее значение энергии всё равно будет определяться законом сохранения энергии. В итоге полная определённость времени — измерение энергии в абсолютно коротком моменте — сделает энергию измеряемого явления полностью неопределённой, а полностью определённая энергия, соответствующая вечному измерению, сделает полностью неопределённым время.

Принцип неопределённости можно объяснить на примере звуковых волн. Очевидно, бессмысленно говорить о тоне (частоте) звука в момент времени. Поэтому чем точнее требуется определить тон звука, тем дольше его нужно слушать, теряя тем самым точность фиксации местоположения звука. И наоборот, если уменьшать время измерения, тон будет стремиться к полностью неопределённому. Чем точнее становится один параметр, тем более неопределённым становится другой, а одновременно оба параметра могут быть установлены только с некоторой погрешностью.

И наконец измерение происходит тоже волной, то есть волной мы измеряем волну. Поэтому увеличение частоты измеряющей волны (то есть увеличение энергии измеряющей частицы) позволит точнее определить местоположение измеряемой частицы или исследовать более мелкие масштабы. Но при этом чем более мелкий масштаб материи исследуется, тем более высокие энергии нужны, стремясь к бесконечности.

Из принципа неопределённости следует запрет клонирования. Чтобы создать клон какого-нибудь объекта, нужно точно знать и импульс, и координаты его частиц. Но это запрещает принцип неопределённости.

Из принципа неопределённости следует, что не может быть нулевой энергии. Нулевая энергия равносильна точному значению времени и энергии процесса — например, что в данной точке пространства в данное время энергия равна нулю. Но это невозможно. Нулевой энергии не может быть нигде — ни в какой точке пространства — и по той причине, что в каждой точке пространства с некоторой вероятностью есть все частицы сразу — ведь волны де Бройля всех частиц распространяются на всю вселенную, а энергия — это частота колебаний волны де Бройля.

С «корпускулярной» точки зрения нулевая энергия равносильно полному обездвиживанию частицы, то есть одновременно точному значению её импульса и положения в пространстве, что запрещает принцип неопределённости. В свою очередь, «невозможность обездвиживания» означает, что чем меньше исследуемые масштабы материи, тем большей энергией должны обладать элементарные частицы — чтобы сопротивляться «обездвиживанию», частица будет всё более энергично метаться в ограниченном пространстве. Более строго, чем меньше становятся размеры волнового пакета, тем больше в нём различаются волновые векторы. Таким образом, и с корпускулярной точки зрения тоже следует, что, чем меньше масштаб материи, тем выше требуется энергия для его исследования.

Теперь вспомним недавний вывод — сокращение времени измерения приводит к росту неопределённости энергии. «Неопределённость» энергии — это её флуктуации. Вспомним вывод предыдущего абзаца — чем меньше исследуемые масштабы материи, тем всё более энергично будет метаться частица. И это тоже суть флуктуации энергии, только теперь связанные не с временным масштабом, а с пространственным. Таким образом, обобщая: чем меньше масштаб пространства-времени, тем больше на этом масштабе должна флуктуировать энергия. Стремясь к бесконечности по мере уменьшения масштаба, так как чем больше мы пытаемся зафиксировать частицу, тем энергичнее она мечется. Точно так же уменьшение временного масштаба измерения — это тоже стремление к полной неопределённости энергии процесса.

Другое известное следствие волновых свойств материи — квантовый эффект Зенона, за необычность часто называемый парадоксом.

До измерения частица существует как волна вероятности, поэтому с некоторой вероятностью частица есть везде и со всеми возможными параметрами сразу, а в момент измерения, наоборот, возникает частица с конкретными параметрами, которая есть только в месте обнаружения. Другими словами, измерение, вызывая редукцию волной функции, приводит ранее, по сути, не существующий в каком-либо привычном смысле объект к некоторому конкретному «классическому» состоянию. При этом известно, что атомы радиоактивных элементов распадаются с некоторой вероятностью, и чем дольше сохраняется стабильное состояние, тем выше вероятность распада. Следовательно измерение, вызывая редукцию и вероятности распада тоже, должно возвращать атом в стабильное состояние, а в предельном случае частого наблюдения атом вообще не сможет распасться. Эффект Зенона иногда более образно называют эффектом незакипающего чайника, подразумевая, что пристальное наблюдение за ним не позволит воде закипеть.

Эффект был предсказан в 1954 году уже неоднократно упоминавшимся в книге Аланом Тьюрингом и действительно впоследствии был обнаружен экспериментально. Эффект назван по имени древнегреческого философа Зенона Элейского, знаменитого своими апориями о противоречивости концепций движения и пространства, до сих пор не имеющих решения. Например, в апории о стреле, к которой восходит название эффекта, Зенон рассуждал: если движение требует времени, за которое стрела пролетает какое-то расстояние, то в каждый момент времени стрела покоится, ведь сам по себе момент времени ещё не обладает временной протяжённостью, а поскольку в каждый момент времени стрела покоится, то она покоится и во все моменты времени, то есть не существует такого времени, в котором стрела совершает движение.

Ещё один известный пример — туннельный эффект, суть которого в том, что частица может преодолеть потенциальный барьер, даже если её энергии для этого недостаточно. Проще говоря, суть эффекта в том, что объект может переместиться сквозь стену любой толщины, так как с некоторой вероятностью он уже есть везде. Причём согласно эффекту Хартмана, время туннелирования частиц сквозь барьер не зависит от его толщины. Хартман обнаружил, что когда частица туннелирует, она тратит на перемещение меньше времени, чем если бы барьер отсутствовал. Это значит, что при достаточной толщине барьера скорость перехода будет выше скорости света. Однако вероятность такого перехода тем ниже, чем больше масса объекта, и для макрообъектов она практически равна нулю. Иными словами, на практике туннельный эффект — явление только квантовой природы, фактически противоречащее классической механике. Тем не менее на микроуровне такие события вполне обычное дело. Например, посредством туннелирования обеспечивается электрическая проводимость в месте скрутки проводов, так как оксидная плёнка, покрывающая металл проводов, сама по себе не позволяет электронам перетекать с одного провод на другой.

И наконец самый известный пример волновых свойств материи — опыт Юнга. Знаменитый американский физик, лауреат Нобелевской премии Ричард Фейнман утверждал, что всю квантовую механику можно получить из обдумывания последствий этого единственного эксперимента. Опыта Юнга заключается в следующем. Источник испускает одиночные фотоны в направлении экрана с двумя близко расположенными щелями, за которым расположен детектор — фотопластинка. Разумно предположить, что если фотон попадёт в фотопластинку, то перед этим он пролетит или сквозь одну, или сквозь другую щель. Однако по мере испускания фотонов из точек их попадания на фотопластинке будет постепенно образовываться волновая (интерференционная) картина. Это означает, что фотон перемещался в пространстве как волна и, как волна, проходил сквозь две щели одновременно, интерферируя сам с собой. И только в момент измерения — в момент взаимодействия с фотопластинкой — каким-то образом стал частицей, оставив точечный след, размеры которого ограничены зернистостью фотопластинки. При этом установка в щелях измеряющей аппаратуры приводит к тому, что фотон обнаруживается пролетающим только через одну или через другую щель, а волновая картина на фотопластинке исчезает и становится такой, как если бы фотон изначально был частицей, а не волной. Таким образом, опыт подтверждает, что вне измерения фотон ведёт себя как волна вероятности, а в момент измерения становится частицей. Тот же опыт и с тем же результатом был поставлен и с другими частицами, например электронами.

На полях можно заметить, отсутствие у частиц как у волн какой-либо определённой траектории, привело к новой и чрезвычайно плодотворной формулировке расчётов квантовой механики — через интеграл по траекториям, развитой Фейнманом в 1948 году. Где частица предстаёт двигающейся по всем траекториям сразу — летит прямо, быстрее света, на другой конец Вселенной, петляет и т. д., но все траектории взаимно сокращаются и остаются только траектории, близкие к классическим. Можно обратить внимание, что в формулировке Фейнмана частица до измерения выглядит столь же парадоксальным и невозможным в реальности объектом, что и в формулировке через волновую функцию, а континуум всех путей частицы, по сути, то же состояние суперпозиции всех возможных вариантов местоположения и импульса частицы.

Формулировка Фейнмана помогает наглядно понять необычное поведение света в неоднородной среде (и другие экстремальные принципы). Если в однородной среде кратчайшим оптическим путем является прямая линия, то в неоднородной среде таким путем может оказаться некоторая кривая линия, вдоль которой показатель преломления меньше, чем вдоль геометрической прямой. Это принцип Ферма, который гласит, что луч света движется из начальной точки в конечную по такой траектории, которая минимизирует затраченное время. Принцип Ферма объясняет явление преломления света и искривление световых лучей в неоднородной среде — явление рефракции. Однако откуда свет знает, какой путь самый быстрый, ведь пока все пути не испробованы, определить самый быстрый нельзя? Телеологию (объяснение развития, как движения к заранее известной цели) можно преодолеть, если рассматривать классическое описание в изложенном в абзаце выше ключе, то есть через интеграл по траекториям, когда классический путь света получается в результате интерференции на всех возможных путях.

Формулировка на основе волновой функции имеет наибольшее хождение, поэтому далее будем исходить из терминологии этого подхода. Помимо волновой функции и формулировки Фейнмана, существует ещё несколько формулировок квантовой механики, каждая из которых может быть удобна в разных обстоятельствах и для разных систем. Тем не менее, несмотря на то, что разные формулировки сильно отличаются в математическом и концептуальном отношении, все они дают идентичные предсказания для всех экспериментальных результатов. То же касается парадоксов КМ — формулировки могут видоизменять эти странности, но не могут устранить их.

Поэтому вернёмся к парадоксам. Пусть на привычных масштабах это и незаметно, но природа вне измерения существующая не в виде некой конкретной «осязаемой» материи, а только лишь как вероятность стать такой материей — это более чем странная ситуация, которая требует объяснения. С этой целью можно предположить, что это физическая структура самих частиц размазана в пространстве и флуктуирует, подчиняясь неким скрытым причинам, а в момент измерения частица каким-то образом концентрируется в одном месте с некоторыми конкретными параметрами, то есть из всего потока флуктуирующих состояний, как стоп-кадр, измерение выхватывает одно значение. Следовательно существуют некие неизвестные пока скрытые параметры, которые предопределяют всё происходящее с частицами в каждый момент времени. Правда, в этом ключе сложно объяснить принцип Ферма, эффект Зенона, туннелирование и множество других квантовых явлений, однако у идеи физичности волной функции, как оказалось, есть и более серьёзные проблемы.

Дело в том, что в различных экспериментах по проверке неравенств Белла (объяснить которые коротко не представляется возможным) фактически однозначно установлено, что конкретное состояние частицы возникает только в момент измерения и до измерения не существует. Вернее сказать, из всех вариантов скрытых параметров, способных вернуть реализм (наличие какого-либо конкретного состояния у частицы ещё до акта измерения, то есть строгий детерминизм, предопределённость), возможность которых проведённые эксперименты не опровергли, фактически остались только слишком неправдоподобные и попросту бессмысленные, с помощью которых можно объяснить что угодно. Например, так называемый супердетерминизм — предопределённость невероятного характера типа фантастической ситуации, когда при подбрасывании монеты орёл выпадает всегда, у всех и на любых монетах просто потому, что в момент рождения Вселенной сложились такие начальные условия. В результате жители такой Вселенной подозревают, что между монетами есть некая прямая физическая связь, хотя на самом деле её нет.

И наконец редукция волновой функции происходит мгновенно во всём пространстве, поэтому например, если есть две запутанные частицы, то вторая запутанная частица приобретает конкретное состояние одновременно с измерением первой, независимо от расстояния между ними. Но это значит, что нет не только реализма, но и не соблюдается принцип локальности (близкодействия). Согласно которому, на объект можно влиять только через его непосредственное окружение, поэтому этот процесс не может происходить быстрее скорости света, как предельной скорости движения частиц и распространения взаимодействий.

Здесь сделаем большое отступление и рассмотрим, почему нельзя двигаться быстрее скорости света и другие сопутствующие обстоятельства.

Согласно теории относительности Эйнштейна (ТО), проверенной экспериментально не меньше квантовой механики, пространство и время — это единая структура, поэтому скорость движения в пространстве взаимосвязана со скоростью движения во времени. Что это означает?

Если в мире, где есть три пространственных измерения, двигаться строго вверх с постоянной скоростью, то скорость движения вбок, очевидно, будет равна нулю. Если отклониться от вертикали, то скорость движения вверх уменьшится, так как появится некоторая скорость перемещение и вбок тоже. И наконец скорость движения вверх станет равна нулю, если двигаться только вбок. Если же к трём пространственным измерениям добавить связанное с ними измерение временное, то движение объекта в пространстве, очевидно, станет как-то связанным с его движением во времени. При этом из реальных наблюдений, проведённых в нашем мире, известно, что удаляется источник света или приближается, регистрируемая величина скорости света всегда одна и та же (около 1 млрд км/ч) — что, естественно, чрезвычайно необычно.

На всякий случай коротко скажем, что такое свет. В волновом представлении свет — это электромагнитная волна, электромагнитное излучение, в корпускулярном — это фотоны. Электромагнитная волна, электромагнитное поле — это обобщение волн поля вероятности де Бройля для фотонов. Такое объяснение света упрощает ситуацию, но сейчас это несущественно, более точное определение возникает в квантовой теории поля, которую рассмотрим позже.

Исходя из факта постоянства скорости света, Эйнштейн предположил, что связь между движением в пространстве и движением во времени действительно есть — она была нужна, чтобы объяснить наблюдаемое постоянство скорости света. Характер связи в этом случае следовал такой: чем быстрее объект движется в пространстве, тем медленнее он движется во времени; движение со скоростью света означает остановку движения во времени, и превышение скорости света означает начало движения во времени назад. Другие особенности этой связи — сокращение длин и расстояний. Например, для наблюдателя движущийся мимо него объект будет выглядеть тем короче, чем ближе скорость объекта к скорости света. Точно так же будет становиться всё короче путь для самого наблюдателя, чем быстрее он сам движется. Например, поэтому для фотонов не существует времени и расстояний.

Превышение скорости света и, таким образом, начало движения во времени назад означает возможность влиять на события ещё до того, как они произошли. Но это нарушает принцип причинности — эмпирически установленный принцип, справедливость которого на сегодняшний день неопровержима. Одновременно из теории Эйнштейна следовало, что объекты, не имеющие массы, всегда двигаются со скоростью света. И наоборот, ускорение до скорости света объектов, имеющих массу, невозможно, так как это потребует бесконечной энергии. К примеру, отчасти похожим образом пуля не сможет разогнаться до скорости сгорания толкающих её пороховых газов (1200-2000 м/с), сколько бы пороха не использовать, так как эту скорость имеют только сами пороховые газы, ничем дополнительно не отягощённые.

В результате сейчас считается, что скорость, равную скорости света в вакууме, превысить нельзя. Скорость, равная скорости света, таким образом, является предельной скоростью движения частиц и распространения взаимодействий. В свою очередь, связь скорости перемещения в пространстве со скоростью перемещения во времени говорит о том, что время и пространство — это один объект пространство-время. Поэтому характеризует эта связь уже не просто отдельные тела или поля, а геометрию пространства-времени.

В скобках надо заметить, что само по себе движение быстрее скорости света современные теории не запрещают, однако в этом случае объект должен всегда двигаться только назад во времени. Частица, которая так себя ведёт, называется тахион. Есть ли тахионы в действительности, неизвестно.

Взаимосвязь движения в пространстве и во времени приводит к многочисленным парадоксам ТО. Например, затормозив, водитель вернётся во время пешехода будучи моложе, чем если бы постоянно шёл пешком. Или ускорившись до скорости, близкой к световой, можно будет перемещаться по Вселенной практически не старея, так как время будет течь медленнее, а преодолеваемые расстояния сократятся — но на Земле за это время пройдут миллиарды лет. Правда, учитывая, что по мере приближения объекта, имеющего массу, к скорости света его масса начинает стремиться к бесконечности и, как следствие, к бесконечности стремится требуемая для его ускорения энергия, то такое путешествие в любом случае довольно гипотетическая перспектива.

Как мы выяснили, чем быстрее движется объект, тем медленнее течёт его время. Однако масса — это в некотором смысле тоже «движение». Масса — это мера энергии покоя тела, только выраженная в единицах массы, то есть масса и энергия эквивалентны согласно знаменитой формуле E = mc2. В свою очередь, с фундаментальной точки зрения, энергия представляет собой интеграл движения. Таким образом, и энергия, и масса связаны с движением. Например, если массу превратить в электромагнитное излучение (это отчасти происходит во время ядерного взрыва), то фотоны как раз перемещаются со скоростью света. Собственно, недавно уже говорилось, что энергия связана с частотой колебания волны де Бройля, а масса по приведённой выше формуле эквивалентна энергии. Как следствие, точно так же как для движущихся объектов, время течёт тем медленнее, чем больше масса объекта или его энергия. 

Другие примеры эквивалентности массы, энергии и движения. Например, при нагревании тела составляющие его частицы начинают двигаться активнее, поэтому увеличивается его внутренняя энергия, а значит, возрастает и масса; в столкновениях частиц могут рождаться новые частицы, массы которых существенно больше, чем у исходных, — «источником» массы таких частиц является кинетическая энергия их столкновения. Для таких столкновений и исследования возникающих в них короткоживущих тяжёлых частиц, которые быстро распадаются на более лёгкие, строят ускорители частиц, например Большой адронный коллайдер.

Изменение хода времени — это деформация пространства-времени. В более привычной формулировке эта деформация связана не с движением, а с присутствием массы-энергии. Другим проявлением деформации пространства-времени является упомянутое ранее сокращение длин и расстояний, то есть масса-энергия искривляет не только время, но и пространство. Пространство-время искривляется плавно — в известной иллюстрации массивный шар как будто продавливает упругую поверхность (только в реальности пространство-время продавливается «внутрь себя», а не куда-либо «наружу»). Тем самым возникает тяготение, так как траектории движения объектов, находящихся в поле тяготения массивных тел, естественным образом тоже искривляются в сторону образовавшейся в пространстве-времени «воронки». А также всё медленнее течёт время этих объектов, так как чем ближе объект приближается к массивному телу, тем искривление пространства-времени проявляется сильнее.

В абзаце выше была описана гравитационная масса. Гравитационная масса показывает, с какой силой тело притягивается и притягивает само. Другими словами, с каким ускорением тело «падает» в «углубление» пространства-времени из аналогии выше или какой глубины тело само создаёт такое «углубление». Но есть ещё масса инертная, она проявляется в том, как тело сопротивляется ускорению.

Инертность телам придаёт взаимодействие составляющих их частиц с полем Хиггса. Особенность поля Хиггса такова, что оно не препятствует движению частиц по инерции, но препятствует их ускорению, то есть препятствует любому изменению скорости движения. Например, фотоны не взаимодействуют с полем Хиггса, поэтому фотоны не имеют массы покоя и всегда движутся со скоростью света. Но здесь следует уточнить, что если поместить фотоны в закрытую коробку с зеркальными стенками, то её масса возрастёт. Фотоны будут отражаться от стенок коробки, из-за чего не смогут её покинуть. В результате в коробке будет «сконцентрировано» больше движения (больше энергии), поэтому коробка станет «продавливать» пространство-время глубже.

Несмотря на то, что масса проявляется двумя качественно разными способами, экспериментально установлена эквивалентность гравитационной и инертной масс, поэтому принято оперировать термином «масса» без пояснений. Эквивалентность можно объяснить на следующем примере. Находясь на Земле мы чувствуем свой вес — как будто какая-то сила прижимает нас к поверхности Земли. И мы будем испытывать ровно те же ощущения, если в межзвёздном пространстве, в отсутствие каких-либо массивных тел, будем ускоряться в ракете с соответствующим ускорением. В фантастических фильмах можно увидеть, как тяготение Земли заменяется вращением космической станции. В обоих случаях тяготение неразличимо подменит ускорение. Однако априори ниоткуда не следует, что гравитационная и инертная масса должны быть пропорциональными друг другу. Данное обстоятельство является нетривиальным экспериментальным фактом.

Также стоит сказать о проблемах, которые возникают в объединении квантовой теории с общей теорией относительности Эйнштейна. Но прежде уточним, что в зависимости от контекста термин теория относительности» подразумевает или только специальную теорию относительности (СТО), или общую теорию относительности (ОТО). СТО применима для изучения движения тел с любыми скоростями, в отсутствие сильных гравитационных полей. ОТО применима для изучения движения тел с любыми скоростями в гравитационных полях любой интенсивности, если квантовыми эффектами можно пренебречь.

Итак, ОТО — а именно о ней речь шла выше — это геометрическая теория тяготения, развивающая специальную теорию относительности для сильных гравитационных полей. ОТО предложена Альбертом Эйнштейном в 1915—1916 годах (СТО в 1905). Согласно ОТО, гравитационные эффекты обусловлены не силовым взаимодействием тел и полей, находящихся в пространстве-времени, а деформацией самого пространства-времени, которая связана, в частности, с присутствием массы-энергии.

Например, согласно теории Ньютона, яблоко падает, потому что Земля оказывает на него силу — то, что называется «силой тяжести». Согласно теории Эйнштейна, Земля не оказывает никакого влияния на яблоко, в то же время за счёт своей массы Земля искривляет пространство-время (как уже говорилось, продавливает его «внутрь себя»), тем самым искривляя траектории всех тел в своей окрестности. В чём суть тяготения и из-за чего яблоко движется к Земле, в сторону её центра.

Идея ОТО основана на том факте, что все тела в поле тяготения получают одинаковое ускорение, причём оно ощущается как движение по инерции. Вспомним, несмотря на то, что в свободном падении происходит движение с ускорением в сторону центра Земли, тем не менее ощущается не ускорение, а наоборот, возникает невесомость. Если так, то движение в поле тяготения можно связать не с какой-либо силой, действующей между телами, а с искривлением самого пространства-времени. В этом случае все тела в поле тяготения движутся по инерции и по прямой — поэтому ускорение не ощущается и поле Хиггса себя не проявляет — но искривляется само пространство-время, оно вдавливается в направлении массивного объекта, из-за чего происходит ускорение падающих тел. Пространство-время при таком подходе приобретает физические атрибуты, которые влияют на физические объекты и сами зависят от них. Сейчас ОТО самая успешная теория гравитации, повседневно используемая в астрономии или системах спутниковой навигации.

Однако представление о пространстве и времени в ОТО является существенно макроскопическим, то есть пространство-время в ОТО «гладкое», и не может быть описано с точки зрения квантовой теории. Вспомним уточнение выше: ОТО применима для изучения движения тел с любыми скоростями в гравитационных полях любой интенсивности, но только если квантовыми эффектами можно пренебречь. Почему есть это уточнение?

Квантовая механика описывает квантовые объекты на фоне внешнего пространства-времени. В ОТО внешнего пространства-времени нет — теория как раз и описывает пространство-время. Причём описывает так, что динамика пространства-времени связана с характеристиками находящихся в нём объектов (массой-энергией). Однако все эти объекты согласно квантовой механике квантовые. В результате общность квантовых объектов и пространства-времени требует квантового описания и самого пространства-времени тоже, ведь пространство-время фактически и «состоит» из квантовых объектов, является ими. Иначе говоря, требуется построения квантовой теории гравитации, в которой гравитация будет объединена с остальными тремя фундаментальными взаимодействиями (сильное, слабое и электромагнитное), которые квантовое описание уже имеют. Однако физический смысл такого описания абсолютно неясен и на данное время сколь-либо успешная попытка его проведения отсутствует. Поэтому ОТО и применима, только если квантовыми эффектами можно пренебречь.

Непосредственно проблемы, которые возникают в попытке объединения ОТО и квантовой теории, заключаются в следующем.

Ранее говорилось, что согласно принципу неопределённости не может быть нулевой энергии, поэтому даже межзвёздный вакуум в некотором смысле не является пустым. Из сказанного также следовало, что чем меньше рассматриваемый масштаб пространства-времени, тем интенсивнее там должна флуктуировать энергия, а на ультрамикроскопических масштабах её хаотические скачки должны происходить в огромных, стремящихся к бесконечности пределах. Например, по этой причине вакуум — это только наинизшее по энергии состояние, но формально суммарная энергия флуктуаций любого конечного объёма физического вакуума бесконечна. Говоря более точно, флуктуации вакуума — это квантовые флуктуации заполняющих его полей (нулевые колебания), которые происходят посредством рождения пар виртуальных частиц и античастиц, которые практически мгновенно аннигилируют. Это явление называется поляризацией вакуума.

Виртуальные частицы возникают на очень короткий срок, поэтому они принципиально ненаблюдаемы — можно сказать, что виртуальные частицы «спрятаны» внутри соотношения неопределённостей. Дело в том, что процесс измерения должен иметь некоторую длительность, из-за чего можно установить только некоторое среднее значение энергии за время измерения. Поэтому какими бы сильными ни были скачки энергии, но если их длительность будет мала, они будут незаметны. По этой же причине рождение виртуальных частиц не нарушает закон сохранения энергии: виртуальные частицы сразу же аннигилируют и оказывается, что в среднем по результатам серии измерений на любых доступных наблюдению масштабах закон сохранения энергии выполняется.

Учитывая принципиальную ненаблюдаемость виртуальных частиц, можно ли считать их реальностью или это только удобный математический метод её описания, единого мнения нет. Исходя из слов И. Канта — «В каждой естественной науке заключено столько истины, сколько в ней математики», даже сама постановка вопроса может считаться некорректной. И действительно, главное — чтобы теория имела предсказательную силу, а не описывала реальность «как она есть на самом деле», так как это всё равно невозможно. Поэтому как бы там ни было «на самом деле», научные теории в ходе познания позволяют делать всё более точные предсказания, которые можно проверить экспериментально. Экспериментально подтверждены и эффекты, которые можно хорошо объяснить с помощью идеи виртуальных частиц.

Например, виртуальные частицы объясняют эффекта Казимира, когда притягиваются две металлические пластины, поставленные близко друг напротив друга. Дело в том, что электромагнитные волны в металл не проходят, из-за чего между пластинами помещаются только такие электромагнитные волны, у которых в промежуток между пластинами укладывается целое число полуволн. При этом длины волн, разрешенных к существованию, ничем не ограничены. Они могут быть и километровыми (радиоволны), и со всю Вселенную, и очень короткие. В результате нулевых колебаний между пластинами происходит меньше, поэтому давление виртуальных фотонов снаружи пластин получается больше, что и заставляет пластины сближаться. Похожим образом, вследствие более спокойной воды между ними, сближаются корабли, пришвартованные бортами рядом друг с другом.

Заметим, важность предсказательной силы, то есть только некого «итога» теории, означает, что в основу теории может быть положена совершенно разная математика, лишь бы теория «работала» — давала верные предсказания течения явлений, в зависимости от начальных условий. И действительно, как оказалось, можно дать математическое описание абсолютно не похожего на наш мира — плоского и без тяготения, тем не менее оно будет нашему миру математически полностью эквивалентно и даже будет более простым. Другими словами, изнутри эти миры будут неотличимы, понять в каком из них мы действительно живём, можно только в случае если взглянуть на всё со стороны — но это невозможно. Поэтому, что считать «нашим миром», может целиком зависеть от выбора удобной математики.

Выражением этих идей стали работы учёных Леонарда Сасскинда, Хуана Малдасены и других. Выяснилось, что общая сумма информации в любой области трехмерного пространства пропорциональна площади ее двухмерной границы. Сасскинд назвал эту идею голографическим принципом, поскольку именно так бывает с голограммами, когда на двухмерной пленке содержится вся информация, необходимая для воссоздания трехмерного изображения. Голографический принцип сопоставляет одни физические законы, которые действуют в объеме, с другими, справедливыми на поверхности, его ограничивающей. При этом физика на поверхности и физика в объеме полностью эквивалентны, несмотря на совершенно различные способы описания.

Значение голографического принципа рассмотрим позже, а пока возвратимся к проблеме объединения ОТО и квантовой теории.

Как говорилось, согласно ОТО кривизна пространства-времени зависит от присутствия массы-энергии. Поэтому огромных квантовых флуктуаций энергии, которые согласно КМ должны происходить на малых пространственно-временных масштабах, достаточно, чтобы вызвать значительные отклонения пространства-времени на этих масштабах от гладкого и придать ему «пенистый» характер. В результате ткань пространства-времени на малых масштабах должна быть похожа на кипящую массу червоточин и крошечных виртуальных черных дыр.

Иначе говоря, усиливающиеся с уменьшением пространственно-временного масштаба флуктуации энергии приводят к тому, что на ультрамикроскопических масштабах порядка планковского 1,6;10-35 м пространство-время должно представлять так называемую квантовую пену (также называемую пространственно-временной пеной), а понятие направления в пространстве и времени теряют смысл. Например, по этой причине современные описания эволюции Вселенной начинаются, только когда Вселенная была размером 1,6;10-35 м. Малость этой величины можно проиллюстрировать следующим примером: соотношение планковской длины и размера ядра атома приблизительно такое же, как соотношение роста человека и диаметра нашей галактики.

Тем не менее существование квантовой пены вряд ли возможно и само по себе, а на практике попытка совместить ОТО и квантовую физику ведёт к проблеме расходимости — появлению в расчётах бесконечных результатов для наблюдаемых в эксперименте «обыкновенных» конечных величин и говорит о том, что квантовая теория и общая теория относительности несовместимы.

Проблему нулевых колебаний можно сформулировать по-другому. Их наличие говорит о том, что энергия вакуума очень высока — по сути, бесконечна. Однако наблюдения, наоборот, показывают, что энергия вакуума в нашей Вселенной очень мала — составляет те самые «обыкновенные» величины из абзаца выше. Энергия вакуума — это та энергия, которая называется темной энергией, она отвечает за ускоренное расширение Вселенной. В результате возникает проблема космологической постоянной: куда девается огромная вакуумная энергия? И какова тогда природа темной энергии?

Устранить противоречия между КМ и ОТО призвана известная теория струн (и другие менее известные теории), одним из создателей которой был упоминавшийся выше Леонард Сасскинд. Сохраняя основные положения КМ, теория струн сочетает в себе идеи квантовой механики и теории относительности, поэтому на её основе, возможно, будет построена будущая теория квантовой гравитации. В частности, теория струн позволяет сохранить гладкость пространства-времени. Квантовые струны — это  бесконечно тонкие одномерные объекты длиной порядка планковской, колебания которых воспроизводят массу и все другие свойства квантовых частиц, а взаимодействие между различными видами материи и сил происходит из того, как струны разделяются и соединяются. Таким образом, не будучи точечными, квантовые струны «сглаживают» пространство на планковских масштабах, ограничивая масштаб возможных флуктуаций и тем самым устраняя квантовую пену. Другим известным предсказанием теории струн является многомерность Вселенной на микроскопических масштабах — в разных вариантах теории от 10 до 26 компактно свёрнутых измерений (как степени свободы, дополнительные измерения необходимы для объяснения многообразия колебаний квантовых струн и, как следствие, многообразия частиц).

Однако на данное время теория струн носит слишком общий характер, её соответствие реальности непонятно. Например, известный мем 10500 или 100500, обозначающий очень большое количество чего-либо, произошёл от числа 10500 — количества способов, которыми можно свести многомерные струнные теории к варианту 4-мерного мира со своими законами физики. Причём возможно, что этих способов-миров и вовсе бесконечное количество. Другими словами, из теории струн в её нынешнем состоянии одинаково следует любой мир, в том числе наш, проще говоря, следует что угодно. Поэтому требуется либо развитие самой теории, то есть методов расчёта и получения выводов, которые позволят однозначно сопоставить выводы теории с наблюдаемой природой и сделать проверяемые предсказания в отношении ещё непонятных сейчас её сторон. Либо развитие экспериментальной науки для исследования недоступного сейчас уровня материи, чтобы собрать недостающие для теории данные непосредственно.

Последнему мешает, например, то, что характерный масштаб теории струн близок к планковскому (1,6;10-35 м), поэтому энергии этой теории на много порядков превышает энергию, которая доступна человечеству для экспериментального изучения в настоящее время. Причём по результатам последних экспериментов выяснилось, что зернистость пространства не проявляется вплоть до размеров 10;48 м, что в 1014 раз меньше планковской длины. Этот результат, по всей видимости, заставит пересмотреть внешние параметры струнных теорий.

Сейчас минимально доступные наблюдению длины имеют порядок около 1;10-15 метра (1 фе;рми, 1 фемтометр). Несколько ферми — это характерные размеры ядра атома, например, размер протона около 0,83 фемтометра. Уменьшению масштаба наблюдений мешает невозможность прямыми методами получить изображение объекта, меньшего по размерам, чем длина волны частиц, которыми обстреливают измеряемый объект. Поэтому чем выше требуется разрешение, тем короче должна быть длина волны измеряющих частиц. Но чем короче волна, тем выше энергия. Например, для получения энергии, необходимой для исследования пространственных масштабов приближающихся к планковскому, потребуется ускоритель элементарных частиц размером с галактику. Причём на практике проблемы будут возникать не только в привлечении энергии. Высокая энергия исследования приведёт к тому, что будут возникать новые такие же частицы (вспомним, что говорилось о рождении частиц в ускорителях), которые вследствие принципа тождественности частиц невозможно будет отличить от исследуемой. В этом же смысле во второй главе говорилось о пределе Бекенштейна — слишком высокая энергия приведёт к гравитационному коллапсу и измеряемый объект превратится в чёрную дыру.

Теперь вспомним голографический принцип, о котором недавно говорилось. Как оказалось, квантовая теория гравитации внутри пространства-времени полностью эквивалентна обычной квантовой теории, но на границе пространства-времени. Причём если физика на границе пространства-времени может быть представлена только квантовой теорией, то законы внутри пространства-времени требуют сложнейшей теории струн, включающей тяготение, квантовать которое не получается. Проще говоря, голографический принцип предполагает, что гравитация внутри пространства-времени — это просто то, как квантовая теория выглядит в другой геометрии на границе пространства-времени. Поэтому можно использовать относительно понятную и простую квантовую теорию, чтобы создать до сих пор неясную квантовую теорию гравитации. Однако проблема возникает в том, что в отличие от нашей деситтеровской Вселенной, которая расширяется, антидеситтеровское пространство, к которому применим голографический принцип, всегда одинаковое. Интересно, что антидесситеровская Вселенная не просто не расширяющаяся — её геометрия такова, что в ней возможно прохождение светового луча вдаль на бесконечное расстояние и обратно за конечное время. В итоге пока неясно, как определить голографическую теорию для нашей Вселенной, если в ней нет подходящего места для голограммы.

Ещё одним выражением противоречий между ОТО и квантовой механикой является проблема исчезновения информации в чёрной дыре. Согласно ОТО в чёрных дырах вещество должно сжиматься в бесконечно малую точку — сингулярность. Естественно, что какое-либо отличие между тем, что попало в чёрную дыру при этом исчезает — всё становится точкой, не имеющей ни состава, ни размера. Например поэтому, согласно теореме об «отсутствии волос», помимо массы, момента импульса и определённых зарядов, у чёрной дыры никаких других характеристик быть не может (в том числе, как понятно, и радиуса). Однако в физике исходят из того, что информация никогда не теряется — в том смысле, что начальное состояние всегда может быть восстановлено по конечному состоянию, даже если конечное состояние сильно перемешивается относительно начального. Это принципиальное положение квантовой механики, которое, таким образом, тоже противоречит ОТО. Решение данной проблемы есть в упомянутом выше голографическом принципе, но, опять же, непонятно, как его применить к нашей Вселенной.

Итак, немного разобравшись со скоростью света и другими сопутствующими обстоятельствами, вернёмся к квантовой механике и её парадоксам. Мы остановились на том, что согласно КМ, получается, что процессы быстрее света есть, так как частицы «концентрируются» в месте их обнаружения мгновенно, и связь быстрее света есть, так как запутанные частицы тоже коррелируют мгновенно. Но всё это не может быть связано с движением какой-либо известной материи (в том числе гипотетических тахионов), так как согласно ТО скорость света превысить нельзя.

В связи с чем пришлось уточнить принцип причинности, который устанавливает допустимые пределы влияния событий друг на друга: что невозможна не вообще связь быстрее скорости света, а только лишь передача информации (сообщений) быстрее скорости света — ведь если ничего материальное никуда не перемещается, то и информацию передать нечему. Другими словами, квантовые эффекты невозможно использовать для сверхсветовой передачи взаимодействия — и, таким образом, для передачи сообщений — потому что они не позволяют установить прямую однозначную связь между объектами, которая так и остаётся ограниченной скоростью света. В итоге принцип причинности не нарушается, так как в отсутствие чёткой связи всё равно нельзя повлиять на прошлое. 

И действительно, передать информацию быстрее света через корреляцию запутанных частиц мешает как раз указанное ранее отсутствие реализма. Если состояние частицы возникает только в момент измерения и случайным образом, а не существует как реальность заранее, то ничего закодировать невозможно. Проще говоря, если выпадение орла или решки принципиально случайно, то мгновенная корреляция подбрасываемой монеты с другой монетой, находящейся у получателя информации, всё равно ничего осмысленного передать не позволит. 

Можно возразить, что есть ещё эффект Хартмана. Как говорилось ранее, согласно этому эффекту при достаточно большой длине барьера скорость туннелирования частицы сквозь него будет выше скорости света. И так как в данном случае речь идёт не о запутанных частицах, состояние которых до измерения неизвестно, а о конкретных частицах в том числе, то можно предположить, что в этом случае информацию со скоростью выше скорости света передать будет можно. Однако вероятность прохождения частицы через барьер достаточной длинны становится исчезающе малой, поскольку вероятность перехода является экспоненциально убывающей функцией от длины барьера. В результате по факту передать информацию опять становится невозможно.

Таким образом, несмотря на то, что на макроуровне это незаметно и принцип причинности не нарушается, на квантовом уровне локальность и реализм природе, по-видимому, не свойственны.

Однако если волновая функция описывает не эволюцию какой-либо физической структуры, которая однозначно предопределяет состояние частицы в каждый момент времени, то волновая функция описывает не скрыто детерминированный, а реально вероятностный процесс, который никаких скрытых параметров, управляющих состоянием частицы, не содержит. Просто «такова реальность» — не строго детерминированная, а вероятностная. Что само по себе, может быть, не так необычно, как кажется на первый взгляд. Например, строгий детерминизм, по-видимому, означает, что у всего есть свои непосредственные причины — но что было причиной всего? С другой стороны, кажется, что возможность случайности тоже должна быть предусмотрена заранее.

Эрвин Шрёдингер, лауреат Нобелевской премии по физике, один из основоположников КМ, первоначально также считал, что волновые свойства связаны именно со структурой частицы. Но в дальнейшем он согласился со статистической интерпретацией волновой функции — с тем, что нельзя сопоставить частице физической реальности до измерения, а только определённую статистику найти её в том или ином месте с теми или иными параметрами. В 1950 году в статье «Что такое элементарная частица» Шрёдингер писал: «Волны, о которых мы говорили, не должны считаться реальными волнами. Верно, что они порождают интерференционные явления, которые в случае света, где они уже давно известны, считались решающим доказательством, устранившим любые сомнения в реальности световых волн. Тем не менее мы теперь говорим, что все волны, включая световые, лучше рассматривать как «волны вероятности». Они являются лишь математическим построением для вычисления вероятности нахождения частицы.»

Первоначальную позицию Шрёдингера в своё время комментировал Макс Борн: «Он (Шрёдингер) рассматривал электрон не как частицу, но как некоторое распределение плотности ... Он считал, что следует полностью отказаться от идеи частиц и квантовых скачков, и никогда не сомневался в правильности этого убеждения. Я, напротив, имел возможность каждодневно убеждаться в плодотворности концепции частиц, наблюдая за блестящими опытами Франка по атомным и молекулярным столкновениям, и был убеждён, что частицы не могут быть упразднены. Следовало найти путь к объединению частиц и волн. Я видел связующее звено в идее вероятности…». В 1954 году Макс Борн был удостоен Нобелевской премии по физике с формулировкой «За фундаментальное исследование в области квантовой механики, особенно за статистическую интерпретацию волновой функции».

Итак, повторим ещё раз, вне измерения все возможные состояния частиц находятся в состоянии суперпозиции, а измерение, уничтожая другие, оставляет одно состояние, которое и становится реальностью. Получается, в КМ существуют два разных мира — классический и квантовый, и классический возникает в результате выбора случайного варианта из бесконечного множества, предлагаемых квантовым миром.

Но кто или что делает выбор? Очевидно, выбор не может делать измеряющий прибор или в целом какая-либо известная материя. Например, если исходить из того, что взаимодействие с классическим прибором разрушает состояние суперпозиции измеряемых частиц, то есть происходит декогеренция — измеряемые частицы взаимодействуют с классическим частицами прибора и неким образом тоже приобретают классические черты, то как тогда появились классические черты у прибора? Любой прибор вместе со всей Вселенной, должен находиться в суперпозиции всех потенциальных путей истории — и ничего, кроме эволюции этого состояния в пространстве и времени, быть не должно, так как для редукции волновой функции и появления конкретного наблюдаемого мира неизвестно никаких причин. Следовательно необходим именно наблюдатель и его сознание — по крайней мере именно субъект наблюдает природу, частью которой является прибор, а сознание субъекта — это, вероятно, единственное, что отличает наблюдателя от прибора.

Тогда если мир не имеет конкретного состояния, но наблюдается именно оно, то именно взаимодействие с наблюдателем приводит к редукции волновой функции и появлению у наблюдаемой природы конкретного — «классического» состояния. Поэтому выбор связан не с измерением как таковым, а именно с наблюдением. Другими словами, конкретный результат измерения возникает не в момент взаимодействия измеряемой микросистемы и прибора, когда микросистема запутывается с прибором, а в момент наблюдения прибора и осознания его показаний субъектом.

В то же время ситуация, когда мир в его конкретном виде существует только благодаря тому, что его наблюдает субъект, выглядит и слишком необычной, и не менее противоречивой, так как отвечая на одни вопросы, ведёт к появлению множества других, касающихся как природы сознания, так и реальности в целом. «Неужели Луна существует только потому, что на нее смотрит мышь?» — выражал аналогичное сомнение Эйнштейн. Поэтому возможно, что действительные причины парадоксов КМ носят всё же более приземлённый, то есть детерминированный, «классический» характер. С другой стороны, какие-либо решения в этом направлении отвергают эксперименты по проверке неравенств Белла.

Поль Дирак — английский физик-теоретик, один из создателей квантовой механики, лауреат Нобелевской премии по физике 1933 года — в книге «Принципы квантовой механики» (1930), рассуждая о возможности описания квантовых явлений законами классической физики, высказал следующую точку зрения: «Волны и частицы должны рассматриваться как две абстракции, полезные при описании одной и той же физической реальности. Не следует думать, что в реальном физическом мире существуют и волны, и частицы и что можно построить механизм, действующий в согласии с классическими законами, который описал бы правильно связь между частицами и волнами и объяснил движение частиц. Всякая попытка построить такой механизм противоречила бы тем принципам, на которых основаны успехи современной физики. Квантовая механика стремится только формулировать свои законы таким образом, чтобы из них можно было заключить совершенно однозначно, что именно должно случиться при тех или иных заданных экспериментальных условиях. Было бы бесполезно и бессмысленно стремиться проникнуть в отношения между частицами и волнами глубже, чем требуется ДЛЯ достижения этой цели.»

Если пояснить слова Дирака на примере описанного ранее опыта Юнга, то, обстреливая мишень частицами, мы видим на ней их точечные следы, постепенно образующие волновую интерференционную картину. Однако при попытке проследить траекторию частицы, чтобы выяснить, как конкретно эта картина возникает, она исчезает. Таким образом, вне наблюдения с частицами происходит что-то странное, но проблема в том, что это происходит вне наблюдения.

Описанная ситуация с неожиданно парадоксальной ролью в измерении наблюдателя носит название проблемы измерения. Волновая функция системы эволюционирует вполне детерминировано, но, как выясняется, не как сколько-нибудь представимый физический объект, а как суперпозиция разных состояний этой системы, каждое из которых может осуществиться с некоторой вероятностью. При этом реальные измерения всегда находят физическую систему в определённом состоянии. Любая последующая эволюция волновой функции основывается на том состоянии, в котором система была обнаружена при измерении, то есть измерение «сделало что-то» в отношении системы, что явно не является последствием эволюции волновой функции. Что есть это «что-то»? Каким образом суперпозиция множества возможных значений становится единым измеренным значением? Что представляет собой «измерение», которое заставляет волновую функцию коллапсировать в определённое состояние?

Проблема измерения может быть сформулирована через принцип соответствия. Принцип соответствия — это утверждение, что любая новая научная теория должна включать старую теорию и её результаты как частный случай. О чём уже говорилось во второй части книги, принцип соответствия понятен — новая теория может по-новому интерпретировать прошлые наблюдения, но не может их игнорировать. С точки зрения принципа соответствия проблема измерения выглядит так: Каким образом можно установить соответствие между квантовой и классической реальностью? Как конкретно квантовое описание реальности, которое включает в себя такие элементы, как квантовая суперпозиция состояний, коллапс волновой функции или декогеренция, приводит к реальности, которую мы видим? Почему в квантовой механике не удаётся интерпретировать измерение как раскрывающее некоторые ранее существовавшие свойства системы?

В скобках можно заметить, что принцип соответствия, в свою очередь, можно выразить более узко — через квантовый хаос, что близко к одной из тем этой книги. Согласно принципу соответствия классическая механика является классической границей квантовой механики. Если так, то в квантовой механике должно быть что-то, что могло бы вызвать классический хаос. Вспомним, важной характеристикой хаоса является чувствительность к начальным условиям. Суть чувствительности в том, что близкие траектории в фазовом пространстве отдаляются друг от друга с экспоненциальной скоростью или, проще говоря, бесконечно малое изменение начальных условий приводит к сколь угодно большому расхождению поведения систем с течением времени. Однако так как в квантовой механике отсутствует экспоненциальная чувствительность к начальным условиям, то как такая чувствительность может возникнуть в классической физике, которая должна быть предельным случаем квантовой механики?

Отсутствие в КМ решения проблемы измерения породило различные интерпретации квантовой механики. Все они объясняют проблему измерения по-своему, исходя из уже известных наблюдений, но ни одно из этих объяснений по крайней мере на данное время не может быть проверено экспериментально и не признано предпочтительным. Коротко рассмотрим две самые известные интерпретации.

Прежде всего это самая популярная копенгагенская интерпретация (КИ), которая утверждает, что в квантовой механике результат измерения принципиально недетерминирован, поэтому вероятностный характер предсказаний принципиально неустраним. Именно процесс измерения случайно выбирает в точности одну из возможностей, допустимых волновой функцией данного состояния, а волновая функция мгновенно изменяется, чтобы отразить этот выбор. Как конкретно это происходит, неизвестно. Парадоксы в КИ устраняются искусственно, посредством формального отделения микромира от макромира. Первый описывается с помощью квантовой механики, второй с помощью классической физики. КИ возникла вместе с самой КМ и фактически стала общепринятой, ввиду, таким образом, отсутствия в КИ утверждений о не наблюдаемых процессах и при этом способной исчерпывающе описывать имеющиеся на сегодня экспериментальные факты. Но, как понятно, КИ никак не объясняет проблему измерения, которая, наоборот, требует не разделения, а объединения классического макромира и квантового микромира, то есть возможности последовательного вывода первого из второго.

Помимо нескольких вариантов самой КИ, есть другие интерпретации, в которых, наоборот, делаются попытки объяснить эксперименты в ключе детерминизма. Наиболее известная из них — многомировая интерпретация (ММИ), или интерпретация Эверетта (так как исходная формулировка ММИ принадлежит математику Хью Эверетту, 1957 год). Согласно ММИ, все возможные пути истории сосуществуют в состоянии суперпозиции, и лишь в сознании наблюдателя возникает единственная классическая картина мира. Сознание постоянно расщепляется по всем возможным траекториям будущего, связанным с каждым возможным исходом наблюдений, но каждый вариант помнит только своё прошлое. Процесс разветвления волновой функции происходит в том числе и независимо от присутствия человека, то есть волновая функция разветвляется при каждом взаимодействии двух физических систем.

На первый взгляд ММИ более простая и логичная: по сути, её единственный постулат в том, что вся Вселенная описывается одной волновой функцией, которую не прерывает процесс измерения — она лишь каждый раз ветвится, включая в себя все возможные варианты путей истории. Нет «классического» мира, нет коллапса, нет отдельных объектов измерения, приборов и наблюдателей — все это является эволюцией одной волновой функции всей Вселенной.

С другой стороны, в этой интерпретации возникает сознание, обладающее некой способностью расщепляться и «наблюдать» только один путь истории, при этом на вопрос, почему результаты измерения выбираются именно так, как это предсказывает вероятностная квантовая механика (то есть согласно правилу Борна), ММИ ответа не даёт. В результате если КИ ничего не объясняет и, по сути, просто фиксирует наблюдаемое, то ММИ как будто предлагает объяснение, но такое, которое тоже ничего не объясняет. Причём проверить утверждения ММИ экспериментально, по-видимому, невозможно. В итоге насколько однозначно из экспериментов следует отсутствие детерминизма, но возникает проблема измерения и парадоксальная роль субъекта, настолько искусственными получаются попытки детерминизм вернуть, причём парадоксальность субъекта от этого меньше как будто не становится.

Представляя ещё один критический взгляд на ММИ — по сути тот же, который был высказан в первой главе этой книги (и заключался в том, что субъект, как наблюдатель, не может быть обычной частью физического описания мира) или тот, о котором речь шла в цитате Дирака выше, — известный физик Дэвид Мермин (автор популярной шуточной интерпретации квантовой механики «заткнись и считай») настаивал, что в интерпретации Эверетта волновая функция является частью объективно реального мира, а он видит в ней лишь математический инструмент. «Волновая функция — это творение человека, — говорит Мермин. — Ее назначение — дать нам возможность осмысливать результаты наших макроскопических наблюдений. Моя точка зрения прямо противоположна многомировой интерпретации. Квантовая механика — это средство, позволяющее нам делать наши наблюдения понятными, а говорить, что мы находимся внутри квантовой механики и что квантовая механика должна быть применима к нашему восприятию, — нелогично».

В современной физике квантовая механика рассматривается как частный случай квантовой теории поля (КТП) при скоростях, много меньших скорости света. Приближает ли решение проблемы измерения эта более общая теория?

Физической основой квантовой механики является корпускулярно-волновой дуализм, согласно которому любому объекту присущи как волновые, так и корпускулярные свойства, то есть с каждой частицей в КМ связана волна вероятности этой частицы, распределённая по всему объёму Вселенной. Можно сказать, что дебройлевская волна — это распределённое во всём пространстве Вселенной поле вероятности частицы, амплитуда возмущения которого связана с вероятностью обнаружения частицы.

В основе квантовой теории поля лежит идея, что все частицы одного сорта являются квантами — возбуждением своего поля. Например, все фотоны являются квантами электромагнитного поля, электроны и их античастицы позитроны — электрон-позитронного. Поэтому отличие КТП от КМ в том, что если в КМ всегда есть только что-то одно — или волна вероятности, или частица, то в КТП частица возникает из общего для всех частиц одного сорта поля вероятности, а поле при этом не исчезает. Говоря по-другому, квантовое поле — это суперпозиция различных сценариев, связанных с каждой частицей. Сочетание всех сценариев описывает реальное изменение физической системы. Например, суммируя все вероятности двух электронов, мы увидим, что они всё больше и больше удаляются друг от друга. Это электромагнитное взаимодействие — электроны испытывают отталкивающую их силу. И наоборот, если бы речь шла об электроне и позитроне, заряды которых противоположны, амплитуды различных сценариев были бы другими, что в результате суммарно вылилось бы в силу притяжения.

Таким образом, на смену принципиально разным объектам — полям и частицам, КТП предлагает единые физические объекты — квантовые поля по одному для каждого сорта частиц. Квантовое поле можно представить некоторой воображаемой сплошной средой, заполняющей всё пространство Вселенной и обладающей бесконечным числом степеней свободы. Вместо частиц в КТП векторы, описывающие всевозможные возбуждения квантового поля. Аналогом квантовомеханической волновой функции в КТП выступает полевой оператор, который действует на такие векторы и порождает одночастичные возбуждения квантового поля, в том числе соответствующие античастицам.

Квантовое поле считается наиболее фундаментальной и универсальной формой материи, лежащей в основании всех её проявлений (в свою очередь, с точки зрения теории струн квантовые поля — это наблюдаемое проявление ещё более глубокой структуры материи). Гравитационное поле проявляется в искривлении пространства-времени, а другие квантовые поля — это следствие его «расслоения», которое происходит во время инфляционного расширения Вселенной в первые мгновения её жизни (до примерно 10-35с). В это время из ранее единого целого в виде инфлатонного поля, возникают фундаментальные фермионные поля — поля частиц вещества, и связывающие их фундаментальные бозонные поля — поля частиц переносчиков взаимодействий.

Представление о квантовом поле возникло в 30-х годах прошлого века. К этому времени стало понятно, что волновые функции отдельных фотонов в совокупности ведут себя как одна волна — что в точности соответствовало классической теории света, открытой в XIX веке Джеймсом Максвеллом. Новый подход обобщал представления классической электродинамики Максвелла и более современные представления корпускулярно-волнового дуализма. Классическое электромагнитное поле теперь можно было «квантовать», то есть ограничить его так, чтобы оно могло колебаться только в дискретных количествах, соответствующих частицам — фотонам, которые теперь становились квантами электромагнитного поля. Помимо фотонов эту идею, как оказалось, можно экстраполировать на всё остальное, поэтому согласно КТП, любые частицы — это возбуждения своих квантовых полей, заполняющих все пространство.

Говоря о квантовых полях и взаимодействиях, чтобы картина не была слишком неполной, следует уточнить ранее сказанное про виртуальные частицы. Во-первых, все «обычные» частицы в квантовой теории поля — это возбуждение над нулевыми колебаниями. Но более интересно, что виртуальные частицы проявляют себя не только в поляризации вакуума. Все известные в физике фундаментальные взаимодействия — электромагнитное, сильное и слабое протекают как раз в форме обмена виртуальными частицами, которые как будто переносят «сообщение» о том, что надо делать частице реальной — удаляться или приближаться. Например, разлетающиеся электроны удаляются друг от друга, потому что обмениваются виртуальными фотонами, в чем непосредственно реализуется «сила» отталкивания одноимённых зарядов. Так же возникает притяжение электрона и позитрона. Четвёртым известным фундаментальным взаимодействием является гравитационное, но по причинам, которые мы ранее выяснили, квантовая теория гравитационного взаимодействия не разработана, гравитон пока существует только в виде гипотезы.

Однако, сделав этот краткий экскурс в квантовую теорию поля, становится очевидно, что каких-либо новых оснований для решения проблемы измерения КТП не даёт. Несмотря на то, что волны вероятности после обобщения в квантовое поле приобретают как будто большую физическую реальность — как некая «материя», проявляющая себя в возмущениях, понятно, что поле не «плотнее» и не «реальнее» волновой функции, а появление конкретных частиц из полей не имеет объяснения в том же смысле, как и появление частиц в результате коллапса волновой функции. Проблема измерения остаётся нерешённой.

Тем не менее, как кажется, в любом случае проблема измерения — это или недостаток знаний, и тогда можно ожидать её решения, или это особенность природы. Однако возможно, что проблема измерения носит не физический, а в некотором смысле ещё более фундаментальный — метафизический характер, связанный с особенностями познания нашего в целом. Напомним, эта возможность уже рассматривалась в первой главе. Сейчас отчасти вернёмся к тому, что там говорилось, а также приведём новые аргументы.

Например, не имея способности к счёту, невозможно представить число 10 и совершать манипуляции с ним, даже если иметь перед собой десять одинаковых предметов и хорошего учителя. Такой человек всегда будет воспринимать эти предметы или как только отдельные объекты, или как бесформенную кучу. Но не сможет обобщить их в новое целое более высокого уровня абстракции — число 10. Аналогично, не умея способности обобщить деревья в лес, отдельных людей в нацию, дома в город, животных в виды, многие сейчас очевидные выводы об этих объектах станут невозможными.

Другими словами, познание зависит не только от данных наблюдений самих по себе, то есть от сигналов рецепторов, но и от сложности нашего мозга, в частности выраженной в способности нейронной сети мозга к индукции — обобщению непосредственно воспринимаемого в некоторый целостный образ. В обобщении простых образов возникают новые образы, более высокого уровня абстракции — например, отдельные черты лица, особенности фигуры и характера обобщаются в образ знакомого человека. Который представляет из себя уже не просто сумму упомянутых свойств, а нечто целое — образ, впечатление. И в конечном итоге результатом сложности мозга возникают слова языка, в том числе формального, как образы наиболее абстрактного характера — например, слово человек обобщает сразу всех людей. Чем сложнее мозг, тем более высокого уровня абстракций можно достичь, из-за чего, например сложная речь доступна только человеку. Как следствие, манипулируя такими огромными объёмами опыта, который обобщают в своём образе слова языка, можно прийти к столь же сложным и глобальным выводам.

Тем не менее возможности мозга не безграничны, и основное ограничение в том, что язык, как только некоторый итог работы мозга, не может выразить его работу полностью — ведь он всегда итог. Как следствие, мы сами, как наше сознание, всегда остаёмся «за кадром» физических теорий — за рамками научного познания. Например, мы «наблюдаем» многомодальный континуум собственного сознания, но описать можем только качественно более простые множества счётные и несчётные. То есть фактически те самые точки и «обычный» континуум, которые мы кладём и в основание физических моделей — частиц, волн, полей, пространств. Возможно также, что именно по этой причине, не воспринимая происходящее во всей сложности, мы имеем и парадоксы КМ в том числе — невероятные скачки от одного «понятного» нам ракурса материи к другому, а не последовательный переход.

Но есть ли строгие основания считать, что парадоксы КМ действительно имеют основание именно в ограниченности нашего интеллекта? Может быть, дальнейшие исследования помогут точнее понять происходящее в процессе измерения и роль в измерении субъекта? Сегодня проблема кажется неразрешимой, но, возможно, всё изменится завтра?

Утверждать, что этого не будет, действительно нельзя, тем не менее даже если парадоксы КМ найдут чёткое однозначное разрешение, то они всё равно возникнут вновь на этапе более глубокого познания материи и в конечном итоге окажутся уже неразрешимыми.

Другими словами, субъект — сознание — должен быть исключён из физической теории в любом случае. Поэтому нынешние парадоксы КМ не обязательно так и останутся парадоксами, но они обязательно возникнут снова, так как странные и неоднозначные модели происходящего и их необъяснимая связь с наблюдением — это закономерный итог познания в любом случае, то есть это то, чем окончится фундаментальное познание на практике, по факту.

Как показано в первой части, каков мир на самом деле неизвестно и не может быть известно, поэтому в любом случае нет оснований считать, что мир именно таков, каким его предсказывает КМ. КМ — это только очередной этап приближения человека к пониманию элементарного уровня материи, но в целом это приближение бесконечно, а также оно имеет свои особенности.

Дело в том, что элементарный уровень материи — это основание всех других её уровней, поэтому теория, которая опишет элементарный уровень материи, будет теорией всего. Но этот итог не существует, теория всего не имеет смысла. Как приближение к бессмысленному и несуществующему итогу, фундаментальные теории, всё более глубоко описывающие материю, тоже должны становиться всё более «бессмысленными» — построение новых теорий должно становиться всё более интеллектуально и энергетически затратным, всё сложнее должен становиться язык формул, всё более странными по отношению к непосредственно наблюдаемому миру интерпретации этих формул. И в конечном итоге фундаментальное познание станет полностью невозможным.

Одновременно мир, следующий из теорий, должен всё больше отличаться от свойств сознания. Однако в свете ранее изложенного и в этом тоже нет ничего загадочного. Сознание невозможно описать никаким языком, то есть сознание принципиально непознаваемо, но только элементарный уровень материи является принципиально непознаваемым. Следовательно, как было подробнее показано в первой части, сознание прямо связано с элементарным уровнем материи, то есть «теория сознания» равносильна теории всего, которая не имеет смысла.

Поэтому точно так же можно сказать, что бессмысленным итогом познания является представление о физической сущности сознания, а значит, именно по отношению к свойствам сознания, как к свойствам элементарного уровня материи, и растёт бессмысленность фундаментальных теорий. По мере того, как теории описывают материю всё более глубоко, мир, который из этих теорий следует, должен представать не только всё более необычным, по отношению к миру наблюдаемому непосредственно, но и всё более отличным от свойств сознания — его континуальности и многомодальности. Таким образом, с одной стороны, точность предсказаний растёт, но с другой — модели теорий будут становиться всё менее адекватны свойствам мира реального.

И действительно, чем более глубокий уровень материи исследуется, чем точнее становятся предсказания и как будто всё больше мир теорий должен становиться похожим на свойства сознания, тем, наоборот, мир теорий от свойств сознания всё больше отличается. В результате всё более чётко проявляется то обстоятельство, что мир физических теорий — это тот мир, где субъект невозможен, где его не может быть. И чем глубже в материю заглядывают теории, тем тенденция на исключение субъекта из теории усиливается.

Однако важность включения его в теорию, наоборот, растёт, потому что если в поверхностном описании многое можно упростить и не учитывать, то чем описание глубже, тем точность важнее. В конечном итоге нарастающее «исключение важного» плюс общее направление на «бессмысленность» приводит к тому, что мир теорий начинает отличаться от субъекта всё более разительно и при этом становится всё более странным и сложным.

Как следствие, явным образом возникает ситуация, что пока в исследуемой системе «нет субъекта» её эволюция, возможно, странная, но никаких парадоксов в ней не возникает. Именно так — как странный объект, но без парадоксов — эволюционирует волновая функция. Но в измерении системы субъект явным образом появляется — именно он наблюдает результат измерения. Поэтому именно в этот момент возникает необходимость «совместить несовместимое» — перевести принципиально вычислимый и бесплотный математический мир теории в принципиально невычислимый и реальный мир субъекта, обладающий плотностью, классическими траекториями и модальностью. Естественно, учитывая растущую неадекватность мира теории, это возможно только скачком, и естественно, что этот переход должен быть связан с наблюдением субъектом.

Причём конкретные обстоятельства этого перехода должны быть неясны, то есть переход не должен быть частью теоретической модели, которая описывает эволюцию системы до наблюдения. Потому что растущая ясность в этом отношении, наоборот, равносильна растущему пониманию связи сознания и теории, приближению к возможности вывести одно из другого. Но это принципиально невозможно, движение может идти только в противоположную сторону: сознание и та материя, которая следует из теорий, должны друг от друга всё больше отличаться.

Всем указанным особенностям отвечает коллапс волновой функции, когда «из ничего» — из абстрактной волновой функции, необъяснимым скачком возникает «что-то» — частица, как элемент менее абстрактного и более близкого к непосредственно наблюдаемой реальности характера. При этом частица возникает не только «как-то», но и «когда-то» — между взаимодействия измеряемой системы с прибором и осознанием результата измерения субъектом, так как мы наблюдаем результат — след от частицы на детекторе, но не сам коллапс.

В заключение главы вспомним известное уравнение Уилера — Де Витта, написанное им в 1967-м году, в рамках одной из первых попыток объединить ОТО и квантовую механику. Это основное уравнение квантовой геометродинамики, которая представляет собой направление квантовой теории гравитации. В нём сформулирована универсальная волновая функция, удовлетворяющая квантовой теории гравитации. Проще говоря, это волновая функция «всего» — всей Вселенной, она содержит всю информацию о геометрии и материи Вселенной. Несмотря на то, что некоторые учёные полагают, что это уравнение ещё имеет потенциал для понимания квантовой гравитации, сейчас развиваются другие подходы, например такие, как упоминавшаяся теория струн. Однако в данном случае это уравнение интересно с другой точки зрения: в нём тоже становятся заметны рассмотренные выше закономерности познания — субъект не может обычной частью описания мира, из-за чего непротиворечивое описание мира может быть только неполным.

Прежде всего вспомним, что полная энергия замкнутой Вселенной равна нулю, потому что отрицательная энергия гравитации в точности равна положительной энергии вещества. Как это возможно, рассмотрим на таком примере. Графически мы представляем электрический заряд в виде точки, а «силовые линии» заряда, исходящими радиально от неё — как лучи от Солнца на детском рисунке. Число силовых линий пропорционально заряду, а направление силовых линий ориентировано в разные стороны от заряда для зарядов положительных и с разных сторон к заряду для зарядов отрицательных. В замкнутой Вселенной силовые линии, связанные с положительным зарядом, будут распространяться во все стороны, но в конце концов так же, как линии долготы на карте Земли собираются вместе на Северном и Южном полюсах, силовые линии от положительного заряда соберутся на противоположной стороне Вселенной. По мере того как они будут теперь уже сходиться, поле будет становиться все сильнее и сильнее, пока не будет достаточно энергии для создания уже отрицательного заряда, который поглотит силовые линии в этой антиподной точке Вселенной. Очень похожий аргумент, но связанный не с «потоком» силовых линий, а с «потоком» энергии в замкнутой Вселенной, говорит, что общая положительная энергия, в том числе связанная с массой покоя частицы, должна точно компенсироваться отрицательной гравитационной энергией, так что полная энергия в точности равна нулю.

Согласно ОТО, это означает, что вся Вселенная, всё пространство-время, может появиться из сингулярности, то есть из бесконечно малой точки. По крайней мере закон сохранения энергии при этом не нарушается — полная энергия закрытой Вселенной как была равна нулю, так и осталась. Правда, если Вселенная не существовала вечно в бесконечных циклах расширения и сжатия, то, по-видимому, всё равно нужна какая-то причина для появления из абсолютного ничего «чего-то» — самой этой бесконечно малой точки.

Модель вечной расширяющейся и сжимающейся Вселенной тоже сталкивается с принципиальными проблемами, связанными с тем, что от цикла к циклу должна расти энтропия, что опять требует у таких циклов начала, когда энтропия была равна нулю. Таким образом, появление Вселенной всегда требует наличия чего-то за рамками теории, которая объясняет её появление. Проще говоря, для появления Вселенной нужна причина, для появления которой тоже нужна причина и т. д.. И наконец в любом случае сингулярности противоречат КМ.

В уравнении Уилера — Де Витта противоречия между ОТО и КМ устраняются, появление Вселенной объясняется флуктуацией некоторой области инфлатонного поля (или деситтеровского вакуума), имеющей не бесконечно малый размер. Но сейчас эти подробности не важны. Главное состоит в том, что согласно уравнению Уилера — Де Витта следствием нулевой полной энергии Вселенной является то, что производная по времени от волновой функции всей Вселенной тоже будет равна нулю. Учитывая, что волновая функция описывает вероятность событий, её нулевая производная по времени означает, что времени не существует, во Вселенной ничего не должно происходить, никакой эволюции. Естественно, это противоречит наблюдаемому — события происходят, время течёт из прошлого в будущее. Предложенное Де Виттом объяснение парадокса заключается в том, что понятие эволюции неприменимо ко всей Вселенной, так как вне Вселенной не может быть наблюдателя, с точки зрения которого могло бы что-то происходить.

Этот вывод соответствует выводам первой части книги и указывает не на особенности природы, а на противоречивость теории: всё не существует как некий построимый объект, поэтому описание всего равносильно полной утрате всего — и материи, и времени.

Например, согласно КМ, пока нет субъекта, то есть до измерения, каждая частица находится в состоянии суперпозиции — есть везде и со всеми возможными параметрами сразу. Но это значит, что в квантовом мире все возможные события сосуществуют одновременно. Поэтому в таком мире не может быть понятий «раньше» или «позже», в этом мире всё уже произошло и никогда не происходило, он есть и нет, ещё только рождается и уже прекратил своё существование, потому что в мире, где есть всё сразу, ничего последовательно «происходить» не может. Другими словами, в уравнении Уилера — Де Витта возникает проблема, сопутствующая всем попыткам описания Вселенной в целом при помощи квантовых представлений — время в чисто «квантовом» мире не течет. Но без времени существование чего-либо не имеет смысла.

Если принять волновую функцию как реальность — закон, которому подчиняется всё, включая субъекта — то, естественно, субъект исчезнет, так как он станет обычной частью описания всего. Но тогда вместе с субъектом исчезнет и время, так как в самой квантовой механике нет причин для коллапса волновой функции и «овеществления» одной конкретной реальности. Про эту причину известно только то, что она странным образом выглядит связанной с измерением, из которого не удаётся исключить субъекта.

У всего нет «снаружи», поэтому наблюдатель может быть только частью всего. Но тогда он не может непротиворечиво описать всё, есть только отдельные явления — и, соответственно, только отдельные теории, которые невозможно непротиворечиво совместить в одну теорию всего. Иное будет равносильно выходу за всё — за время и пространство, так как описание всего равносильно возможности наблюдать всё в любое время. Но выйти за всё — это утратить со всем какую-либо общность, а значит, возможность наблюдать всё тоже исчезнет. Поэтому суждения обо всём не имеют смысла, всё — это объект только противоречивый, ни в каком другом смысле он существовать не может. Для всего нет времени — время может быть только внутри всего, нет самого объекта «всё» — пространство тоже может быть только внутри всего, и не может быть причин для появления всего — что-либо, включая все причины и следствия, существует только внутри всего.

В том числе внутри всего может появиться наблюдатель, который происходящее внутри всего «увидит», но при этом он не сможет описать всё и тем самым стать обычной частью описания Вселенной. Потому что «природа плюс субъект» — это как раз и будет бессмысленное «всё», в котором всё исчезает, следовательно субъект из описания природы должен быть исключён.

В итоге, не имея возможности описать всё, физические теории должны иметь границы применимости, то есть границы их расширения на время и пространство, за которыми они свой смысл теряют. И за этими границами всегда остаётся сам субъект, его сознание, как связанное с элементарным уровнем материи.

В случае уравнения Уилера — Де Витта и волновой функции всей Вселенной квантовая гравитация, наоборот, предлагается теорией, границ применимости фактически не имеющей, так как описывает всю вселенную, все объекты внутри неё, поэтому она оказывается теорией противоречивой. В уравнении Уилера — Де Витта противоречивость проявилась в исчезновении времени, в другой теории, которая попробует описать всё, проявится в чём-то ещё — может быть, в бесконечности вариантов и невозможности уточнить идею до статуса проверяемой гипотезы, каковые проблемы на данный момент имеет теория струн, или неприменимости к нашему миру голографического принципа.

Теперь вспомним ещё раз про интерпретации квантовой механики. Если парадоксы КМ неустранимы, то очевидно, что разумнее всего будет копенгагенская интерпретация, так как она и не пытается их разрешить. В то же время никогда заранее неизвестно, где конец познания, поэтому заранее нельзя утверждать и неразрешимость парадоксов КМ. Однако утверждать можно другое. Что по мере познания, когда теоретические модели всё более теряют смысл, становясь всё более необычными, парадоксальными, предполагающими множественные интерпретации и дискуссии, а предсказательная сила теорий при этом, наоборот, растёт — всё более разумной становится другая «интерпретация» КМ, до сих пор считающаяся шуточной, — «заткнись и считай». В этой интерпретации нет теоретических моделей, есть только формулы, которые позволяют предсказывать течение явлений. Что они описывают, неясно — но ведь это действительно неясно, поэтому на самом деле, смотря в перспективу, интерпретация «заткнись и считай» описывает мир ещё более адекватно, чем копенгагенская.

Когда-то, в прошлые эпохи, внутренний мир казался прямым продолжением мира внешнего, а ошибка была в том, что он казался продолжением слишком прямым, ведь сознание не является простым отражением внешнего мира. Однако с тех пор сознание понятнее не стало. Вследствие фундаментального направления познания в сторону бессмысленной полноты знания, вместо как будто естественного всё более глубокого понимания связи сознания и материи, наоборот, всё больше увеличивается разница между сознанием и той материей, которая следует из физических теорий. В ходе познания мир естественным образом становится всё более «механистическим» — вычислимым и предсказуемым, потому что возможность предсказывать явления — это и есть суть «понимания», а значит, и суть познания. Но, как выясняется, одновременно теории становятся всё менее адекватными элементарному уровню материи, а значит и всё менее адекватными физической сущности сознания, потому что никакой мыслимый язык элементарный уровень материи выразить не способен. В итоге чем сложнее становится язык формул и как будто точнее понимание природы, тем глубже оказывается пропасть между сознанием и миром физических теорий, не позволяя полностью понять ни мир, ни субъекта.


5.5. Выводы

Термодинамика возникла в XIX веке. В то время изучали лишь наиболее простые, замкнутые системы, при этом в центре внимания находилась конечная стадия термодинамических процессов, когда система пребывает в состоянии, близком к равновесию. На неравновесные процессы смотрели как на исключения, не заслуживающие специального исследования. С другой стороны, равновесные процессы не позволяли объяснить жизнь.

Со временем ситуация изменилась, сейчас открытые системы и процессы самоорганизации находят на всех масштабах природы, а замкнутые системы, наоборот, рассматривают как сравнительно редкие исключения из правила. Жизнь получила объяснение и вместе с ней, пусть на самом общем и гипотетическом уровне, самоорганизация позволяет сделать выводы и в отношении сознания.

Возможная суть которого, то есть уровень, на котором «находится» субъект, — это уровень самой глубинной сущности материи, где есть возможности, но не элементы, имеет значение порядок, а не состав. Причём одни самоорганизующиеся системы являются элементами других, например, как клетки являются элементами организма и биосферы, а также, очевидно, можно говорить и о системах космологических масштабов. Поэтому, возможно, что в своём основании мир на всех масштабах наполнен сознанием, квалиа, информацией, состоит из неё и начинается в ней.

Но имеет ли это какое-либо практическое значение, если сознание есть синоним принципиально непознаваемого, не имеющего смысла, ведь сам смысл уже не может иметь смысла? Вспомним один из выводов первой части: знание о явлении не может быть самим этим явлением, и потому знание знания тоже не может быть знанием. Сознание в принципе нельзя описать в терминах какого-либо языка, выразить в виде формулы, написать его алгоритм, так как никакой формализм, никакой порядок действий сам по себе не может выразить ни истину, ни ложь, ни палитру цветов, ни эмоции. Это значит, что сознание находится на уровне материи принципиально непознаваемом, лежащим далеко за гранью человеческих возможностей, поэтому никакая формула никакой теории не сможет сколько-нибудь точно описать уровень, на котором формулы сами возникают.

С другой стороны, чем глубже понимание природы, тем необычнее становятся теории и сложнее их язык. Например, возможно, что парадоксальность и сложность квантовой механики — это проявление именно этой зависимости. Иначе говоря, познание, как и сама природа, нелинейны, нынешние знания не позволяют сделать сколько-нибудь далёкие выводы в отношении знаний будущих, будущее наверняка окажется другим, непохожим ни на какие предсказания — сложнее, интереснее, необычнее, относительно того, каким его можно представить сейчас.

Но одновременно нелинейность познания подразумевает и то, что кажущееся невозможным сейчас может стать обычным завтра — и потому, может быть, значительный прогресс произойдёт и в понимании сознания. По крайней мере не существует строгой границы между тем, что можно понять и что нельзя, следовательно возможность прогресса нельзя отрицать и в самых сложных задачах.

Тогда, если субъект, парадоксы КМ и «наполненный информацией» мир действительно взаимосвязаны, может быть, эту взаимосвязь удастся установить и обобщить в единой теории, в которой прежде отдельные явления получат новое и более точное совместное определение. Возможно также, что новое представление о взаимосвязи субъективного и объективного мира, как и в прошлые эпохи, станет основанием для развития новой метафизической парадигмы и появления новой формы познания, способствующей росту качества жизни иначе, чем нынешние.

Поэтому закончить тему сознания можно словами А. Д. Линде, советско-американского физика, профессора Стэнфордского университета, одного из авторов теории инфляционного расширения Вселенной: «Возможно ли, что сознание, подобно пространству-времени, имеет свои внутренние степени свободы, пренебрежение которыми ведет к фундаментально неполному описанию Вселенной? Что, если наши ощущения так же реальны (или, быть может, даже более реальны), чем материальные объекты? Что, если мое красное и синее, моя боль — реально существующие объекты, а не просто отражения реального мира? Возможно ли ввести «пространство элементов сознания» и предположить, что сознание может существовать само по себе, даже при отсутствии материи, подобно гравитационным волнам, существующим при отсутствии протонов и электронов? Заметим, что гравитационные волны обычно настолько слабы и так слабо взаимодействуют с веществом, что мы до сих пор их впрямую не обнаружили [обнаружены в 2015 году. — прим. авт.]. Однако их существование предельно важно для самосогласованности нашей теории, как и для понимания некоторых астрофизических явлений. Не может ли оказаться, что сознание — настолько же важная часть согласованной картины нашего мира, несмотря на то, что до сих пор мы могли совершенно пренебрегать им при описании известных нам физических явлений? Не окажется ли при дальнейшем развитии науки, что изучение Вселенной и сознания неразрывно связаны, и существенный прогресс в одном направлении невозможен без прогресса в другом?» (Лекция «Инфляция, квантовая космология и антропный принцип». 2001 год).



6. Искусственные нейронные сети

В этой части вернёмся к искусственному интеллекту и дополним сказанное ранее в главе «Искусственная нейронная сеть».


6.1. Общее

Существует два принципиально разных подхода к обработке информации — это последовательная обработка символов и параллельное распознавание образов. Различие между символами и образами количественное, однако информационная емкость образа может на многие порядки превышать число бит, которыми описывается символ. В результате из количественного отличия вырастает качественное, так как описать образ символами становится нереальным — задача приобретает экспоненциальную и сверхэкспоненциальную сложность. Что легко представить, если попробовать описать словами обстановку в комнате со всеми деталями, которые удалось разглядеть, — это невозможно, количество нюансов деталей и оттенков цвета будет неисчислимым.

Рост временной сложности алгоритма по мере увеличения размерности данных называется комбинаторным взрывом. Например, для вычислительной машины, способной просчитать миллион шахматных игровых комбинаций в секунду с отсевом заведомо ложных ветвей, на просчёт 6 ходов вперёд потребуется 1 секунда, на 12 ходов — 11 дней, а на 18 ходов — около 32 000 лет. Или в поле 2 на 2 пикселя, где каждый пиксель может быть только чёрным или белым, может быть 16 вариантов изображений, а в поле 100 на 100 пикселей уже ~ 103000 (3000 знаков в числе). Поэтому то, что программа может найти решение в принципе, ещё не означает, что программа действительно содержит все механизмы, позволяющие найти решение на практике. И тогда нужна аппроксимация, то есть упрощение — например, замена кривой на ломаную прямую, нелинейной системы на линейную и т. п..

Нейронные сети являются универсальными аппроксиматорами, то есть нейронная сеть «сама» может вычислить любой процесс с любой точностью. Поэтому во всех этих случаях можно применить метод параллельного распознавания образов искусственной нейронной сетью. Например, несмотря на то, что мы не можем описать обстановку в комнате со всеми нюансами, мы легко эти нюансы замечаем — распознаём их, то есть мы «понимаем» гораздо больше, чем можем описать словами. Поэтому пусть и на качественно более простом уровне, создание нейронной сети — это фактически способ создать сразу «понимающую» систему, распознающую важные элементы условий, минуя этап предварительной формализации всех её решений человеком.

Другими словами, в случае применения нейронной сети задача уже не требует предварительного написания прямого алгоритма её решения, так как задачу будет решать сама сеть, а от человека понадобится только создать её такую общую конфигурацию, которая потенциально содержит путь к решению, и обучить сеть. В чём искусственные нейронные сети противоположны традиционным детерминированным алгоритмам, где человек в явном виде задаёт поведение во всех мыслимых ситуациях.

Ядром представлений о нейронных сетях является идея, что нейроны можно моделировать относительно простыми автоматами, а вся сложность мозга, гибкость функционирования и другие его важнейшие качества определяются связями между нейронами. Каждая связь представляется как совсем простой элемент, служащий для передачи сигнала. В результате система связей должна быть достаточно богата по своим возможностям и достаточно избыточна, чтобы компенсировать простоту элементов, а также их ненадежность в случае разрушения части сети. Предельным выражением этой точки зрения может служить лозунг: «структура связей — все, свойства элементов — ничто».

Таким образом, искусственные нейронные сети являются вычислительной системой параллельно функционирующих простых процессоров с множеством связей между ними (рис. 1, стр. 18). Несмотря на целый ряд допущений и принципиальных упрощений, отличающих их от биологических аналогов, искусственные нейронные сети демонстрируют множество свойств, присущих мышлению. Это обучение, извлечение эффективных данных, а также способность обобщать полученный опыт на задачи, отсутствующие при обучении. Как и биологические, искусственные нейронные сети устойчивы к отклонениям входных данных, что позволяет им узнавать образ, содержащий помехи и искажения.

В итоге различие между последовательными и параллельными вычислениями гораздо глубже, чем просто большая или меньшая продолжительность вычислений: если традиционные алгоритмы моделируют конкретику шагов последовательного поведения, последовательный ход суждений, то есть, по сути, только некоторый итог мышления, то нейронные сети моделируют само мышление. Из-за чего применение нейронных сетей означает совершенно другие методологии, способы постановки и решения задач.

Выделяются две базовые архитектуры нейронных сетей — слоистые и полносвязные сети. К первым относятся наиболее изученные и относительно простые нейронные сети прямого распространения сигнала. Нейроны в них расположены слоями и имеют однонаправленные связи от входа к выходу сети — такая сеть схематично изображена на стр. 18. Сети прямого распространения являются статическими в том смысле, что на заданный вход они вырабатывают одну совокупность выходных значений, не зависящих от предыдущего состояния сети. Например, такие сети используются для распознавания изображений, на данное время они могут иметь десятки слоёв и миллионы нейронов.

Но потенциально более близки к биологическим нейронным сетям полносвязные архитектуры. Например, это рекуррентные нейронные сети, в которых добавлены обратные связи по направлению от выходных нейронов к входным, за счёт чего в сети возникает циркуляция возбуждения. Рекуррентные сети являются динамическими: в силу обратных связей входы нейронов могут модифицироваться сигналами, циркулирующими внутри системы, поэтому реакция сети на последующий стимул начинает зависеть от предыдущего. В результате появляется возможность обрабатывать серии событий во времени или последовательные пространственные цепочки, то есть рекуррентные сети способны учитывать динамику наблюдаемых процессов. Тем самым они могут уже не только распознавать условия, но и формировать алгоритмы ответных действий, последовательности шагов решения задач — чем, по сути, и занимается мышление.

Рекуррентные нейронные сети применяются, в частности, для перевода речи (разновидность архитектуры — «долгая краткосрочная память»). Ввиду того, что слова произносятся последовательно, а смысл фразы зависит от порядка всех слов, то сеть должна запомнить всю последовательность, обобщая вновь поступающие слова фразы с предыдущими, в ходе чего формируется перевод. И чем сложнее сеть, тем сложнее фразы она сможет перевести. Такие сети, например, использует Google Translate и другие ведущие технологические компании. Тем не менее в целом рекуррентные архитектуры меньше изучены в связи с большим количеством вариантов и сложностью их анализа. Даже простейшие нейронные сети занимают много памяти и потребляют большое количество энергии, поэтому они обычно работают на серверах в облаке, где получают данные с настольных и мобильных устройств и отправляют обратно результаты анализа.
 
Разрабатываются осцилляторные нейронные сети, которые также относятся к полносвязным, ещё более приближенные к происходящему в мозге. В таких сетях моделируется состояние динамического равновесия и условия образования синхронизированных нейронных ансамблей. Однако ввиду высокой сложности описания такой динамики, в отношении осцилляторных сетей пока есть только общие представления о принципах их работы и направлении дальнейших исследований. Число прикладных задач, в которых осцилляторные нейронные сети могли бы успешно конкурировать с традиционными нейронными сетями, поэтому очень не велико.

Качественное сравнение сложности искусственного и естественного интеллекта было сделано в предыдущих главах. Исходя из известного сейчас о мозге, можно попробовать выразить разницу в сложности «количественно».

Например, нервная система червей нематод, имеющих длину менее миллиметра и известных тем, что их коннектом полностью описан, содержит 302 нейрона и около 7000 соединений между ними. У мух около 350 тыс. нейронов и около 850 тыс. у пчёл. Таким образом, по количеству нейронов современные искусственные нейронные сети уже не уступают насекомым. Однако такое прямое сравнение очень условное, что подтверждают другие цифры.

В рамках проекта Blue Brain в 2015 году была приближённо реконструирована работа участка соматосенсорной коры мозга мыши размером всего 0,29 мм3, в котором содержится 31 тыс. нейронов и порядка 8 млн межнейронных связей, состоящих из 37 млн синапсов, на что понадобились десять лет и вычислительная мощность суперкомпьютера Blue Gene, разработанного компанией IBM специально для этого проекта. В целом, согласно исследованию «Toward large-scale connectome reconstructions» 2014 года, на современном уровне развития технологий компьютерная реконструкция мозга мухи, учитывающая большинство связей между нейронами, займёт 4,7 тыс. лет, мозг мыши потребует 4,5 млн лет, а человека около 14 млрд лет. Причём речь идёт о только некоторой статистически похожей модели работы мозга, без учёта тех подробностей внутри и снаружи нейронов, которые сейчас малопонятны.

Тем не менее, несмотря на сравнительную простоту, в отдельных задачах нынешние искусственные нейронные сети могут превосходить и человека — например, это известная в недавнем прошлом система AlphaGo, играющая в го и способная обыгрывать чемпионов по этой игре. Превосходство над человеком столь простой по сравнению с мышлением системы возможно потому, что для AlphaGo игра — это весь доступный ей мир, а обучение — процесс адаптации к этому миру. Однако человек адаптируется совсем к другому миру, поэтому несравнимо более простая система может превосходить человека в способности адаптироваться к некоторым частным составляющим его мира. Иными словами, за счёт качественно более высокой сложности и богатого опыта человек способен наблюдать всю ситуацию со стороны и потому создать и игру, и AlphaGo. Которая затем сможет выявить в игре некоторые частные закономерности, не замеченные человеком, и в результате сможет обыграть человека, оставаясь при этом много его проще — а сам человек сможет понять, что его обыграли, ведь для AlphaGo таких понятий не существует.


6.2. Обучение

Как мы выяснили во второй части первой главы, интеллект — это способность ставить и решать задачи. Для того, чтобы именно «ставить» и «решать», то есть находить то, что ещё не поставлено и не решено, необходимо обучение. Поэтому интеллект — это ещё и способность обучаться. Обучение — это изменение в системе, приводящее к улучшению решения задачи при её повторном предъявлении.

Задачи, иначе говоря, цели или потребности, не существуют сами по себе, а возникают одновременно с опытом, способностями. Системы, в которых можно найти потребности и способности, то есть очевидную «целенаправленность» поведения, — это диссипативные системы, у которых потребностью и способностью является гомеостаз — активное поведение, направленное на поддержание неизменными своих внутренних параметров. Можно сказать, что гомеостаз — это одновременно и задача, и её решение. Однако для усложнения гомеостаза, то есть появления в системе более сложного порядка, что можно связать с обучением, необходимо постоянное увеличение интенсивности взаимодействия диссипативной системы со средой, а возможности усложнения по той же причине очень ограничены.

По-другому дело обстоит в биологической нейронной сети. Которая в ходе эволюции получила способность упорядоченно отвечать на воздействия среды и усложняться, при этом не требуя постоянного увеличения притока поступающей энергии, так как в ходе перехода в долговременную память интенсивные процессы кратковременной памяти консолидируются в более стабильной составляющей структуры нейронов. В результате взаимодействуя со средой, мозг интенсивно изменяется от некоторого менее определённого к некоторому более организованному, сложному состоянию.

Как моделей биологических, обучение искусственных нейронных сетей тоже более или менее похоже на происходящее в биологических нейронных сетях, то есть искусственные нейронные сети тоже обучаются за счёт долговременной модификации свой структуры в ответ на воздействия среды.

Обучение ИНС относится к методам машинного обучения. В том числе к машинному обучению относится популярное с недавних пор глубокое обучение (то есть глубокие нейронных сети — со множеством внутренних слоёв). В отличие от дедуктивного обучения, которое предполагает простой перенос уже готовых знаний в память компьютера, машинное обучение — это индуктивное обучение или обучение по прецедентам, суть которого в выявлении закономерностей в данных.

Некоторые подробности обучения искусственных нейронных сетей уже были описаны в первой части в главе «Искусственная нейронная сеть». Вкратце, общее, что есть в предъявляемых нейронной сети примерах, за счёт повторения вносит наибольший вклад в изменение синаптических весов. Тем самым нейронная сеть выявляет в предъявленных примерах некие объединяющие их признаки. При этом похожий опыт в пространстве сети всё больше сближается, а отличающийся разделяется, то есть сеть обучается — на выходе сети на каждый класс примеров формируется всё более чёткая разница в активности выходных нейронов. В результате после обучения сеть может распознать уже известные ей признаки в новых условиях, отнеся наблюдаемое к тому или иному классу, то есть обобщить полученный опыт на незнакомые условия. Например, выявив в предъявляемых изображениях кошек и собак признаки, по которым, как «кажется» нейронной сети, одни изображения похожи на другие, затем отличать кошек от собак и на других картинках.

Существует три основных вида обучения искусственных нейронных сетей. Первый — это биологически правдоподобное обучение «без учителя», когда сеть сама обучается на предъявляемых ей примерах. Второй — метод обучения «с учителем», который возможен, если известен правильный ответ в обучающих примерах. Этот вид обучения наиболее распространён и подразумевает непосредственное вмешательство в работу сети, что позволяет больше контролировать процесс. И третий вид — это также биологически правдоподобное «обучение с подкреплением», когда правильное направление реакций нейронной сети «подкрепляется» откликом среды, развивающим верную тенденцию. После обучения синаптические веса фиксируются для дальнейшего применения сети, а обучение новым задачам может полностью стирать старый опыт. Последнее обстоятельство может быть проблемой, которая носит название проблемы пластичности/стабильности.


6.3. Достоинства и недостатки

Привычно считать, что, изучив явление, можно написать его формулу — содержащую абстрактную суть явления, его алгоритм. И применив эту формулу, заранее «компактно» рассчитать ход явления в требуемых условиях, после чего, ориентируясь на полученный результат, воспроизводить явление непосредственно и применять его.

Однако нейронная сеть уже и есть формула — преобразования значений на входе в значения на выходе. В результате, чтобы проверить пригодность сети для решения задачи, необходимо воспроизводить работу сети всегда в полном объёме. И так как, ввиду сложности сети, мысленно это сделать невозможно, то приходится вначале создать нейронную сеть — наугад, на основании общих соображений о сути работы сетей и предыдущему опыту решения ими схожих задач, и уже затем можно проверить правильно ли был сделан выбор. Другими словами, нейронные сети «непонятны» принципиально, их можно создавать только целиком и только наугад.

Это не исключает анализ — например, анализ обучения сетей, особенностей архитектуры, моделей нейронов и т. д., но ограничивает его возможности. Теории могут описывать отдельные аспекты нейронных сетей, но не формализовать явление в целом — формула всех формул», «сеть сетей» не имеет смысла. В результате применение нейронных сетей на практике всегда больше экспериментальное исследование, чем решение хорошо изученной инженерной задачи.

С другой стороны, нейронная сеть и не нужна в задачах, где есть возможность написать прямой алгоритм решения. Нейронная сеть используется, когда неизвестен точный вид связей между входами и выходами — если бы он был известен, то связь можно было бы моделировать непосредственно. Однако для многих областей важно ещё и объяснение того, как получен результат. Например, в финансовой сфере непонимание того, как нейронная сеть принимает решения, приводит к невозможности корректно оценить риски торговых стратегий, в медицине невозможно определить обоснованность назначенного сетью курса лечения.

Кардинально исправить эту ситуацию невозможно: опыт не имеет точного адреса в пространстве сети и вызывается по содержанию, а не по адресу, то есть любой опыт — это конкретная конфигурация активности всех нейронов сети. Поэтому внутреннее представление результатов столь сложной системы, в которой надо всегда знать всё её состояние, на практике может быть проанализировано с достаточной точностью только в простейших случаях.

Таким образом, нейронная сеть имеет смысл в обстоятельствах, когда из-за сложности или невозможности написать алгоритм прямого решения можно, используя нейронную сеть, пожертвовать проверяемым ответом. Но если от решений сети зависит нечто важное, то возможная неадекватность её работы, заранее невычислимая и незаметная при обучении, может иметь опасные последствия.

Например, как говорилось выше, нейронная сеть отличает кошек от собак по некоторым только ей самой известным признакам, однако это значит, что в очевидной для человека ситуации — к примеру, когда на картинке явно изображена кошка, сеть может указать на собаку просто потому, что некие незаметные человеку особенности картинки привели сеть к неверному ответу. Может возникнуть ситуация, когда сеть обнаружит объект там, где его нет, в бессмысленном для человека шуме. И даже если в каждом конкретном случае причину ошибки удастся найти и затем учесть её при обучении, заранее непонятно, что может обмануть сеть в следующий раз. Сочетание непонимания происходящего в сети и ошибок в формировании обучающей выборки могут привести к ситуации, когда сеть обучится не тому, что предполагалось. Например, если изображения кошек по недосмотру имеют одни особенности фона, а собак другие, то сеть может научиться больше распознавать фон, а не отличать кошек от собак. В результате в реальном применении работа сети будет неадекватной.

Другой пример. Предлагая музыку на музыкальных стриминговых сервисах, нейронная сеть учитывает предпочтения слушателя и в дальнейшем предлагает музыку, похожую на ту, которую слушатель выбрал и занёс в свой плейлист. Но нельзя предложить всё сразу, песни предлагаются последовательно и каждое новое предложение учитывает уже выбранные слушателем песни. Однако первые песни могут быть совсем не самыми интересными слушателю, ведь изначально выбор сети в большей степени случаен. Как следствие, слушатель будет вынужден выбирать музыку из той, которую предложила нейронная сеть, по принципу «лучшее из того, что было предложено». Но сеть этого не знает, поэтому выбранная песня становится равноправной основой для нового предложения. И в итоге слушатель вообще теряет возможность услышать то, что ему действительно нравится, потому что даже самостоятельно внесённые в плейлист отдельные песни уже не перевесят множество малоинтересных. В реальных сервисах есть другие способы повлиять на выбор сети, например, чёрные списки, выбор настроения или жанра, но в данном случае мы рассматриваем проблему в принципиальном смысле.

В этих примерах заметно, что решения сети зависят не только от самой сети, но и от данных, от среды. Сеть выявляет в данных закономерности и потому какие будут данные, такие будут и закономерности. Но нет способа точно определить необходимые параметры обучения.

В этой связи можно вспомнить метод Бюффона, описанный в главе «Недетерминированные алгоритмы»: чем больше бросков иглы, тем точнее значение числа Пи. Причём неверных бросков нет — броски, отклоняющие результат в одну сторону от оптимального, будут компенсироваться бросками, отклоняющими результат в другую сторону, и в конечном счёте именно за счёт взаимного влияния бросков результат будет становиться всё точнее. То же и в обучении нейронных сетей — частные особенности разных обучающих примеров будут по своему трансформировать сеть, но более всего изменять сеть будет общность в них, так как она есть во всех примерах, в результате сеть обучается выделять в примерах именно закономерности, а не просто изменяется.

Поэтому, например, чем больше разных изображений кошек и собак было в обучающей выборке, тем точнее сеть будет отличать одних от других, более сложные закономерности сможет выявить. Обучающие выборки могут включать миллионы примеров, однако если важный признак в них будет встречаться редко — иначе говоря, выборка не будет достаточно репрезентативной, то сеть может не научиться выделять признак на должном уровне. При этом нужного количества примеров с таким признаком может не быть. Или, если обучение происходит в реальной среде, некоторые события за время обучения могут просто не произойти — например, различные аварийные ситуации. Теоретически компенсировать проблемы можно устройством сети — задав ей необходимые «врождённые способности». Однако нейронную сеть нельзя вычислить точно под задачу — в конце концов если заранее знать степень важности всех признаков, то не нужна и нейронная сеть. И чем сложнее задачи, тем сложнее становится определить и параметры обучения.

Таким образом, создавая нейронную сеть и подбирая правильное обучение, человек, по сути, тоже решает задачу сам, но просто в два непрямых этапа — создание сети и её обучение. Поэтому чем сложнее становятся задачи, тем сложнее становится и их непрямое решение тоже, время решения в любом случае растёт.

Тем не менее всё равно получается, что в применении недетерминированных алгоритмов человек не ограничен только точными знаниями. Если за детерминированный алгоритм полностью мыслит человек, то в случае нейронных сетей мышление человека касается лишь общих параметров сети и общих параметров обучения, которое так же лишь приблизительно направляет работу сети в сторону ответа, а не содержит его. В результате, несмотря на то, что приходится тратить время на исследования, создание и обучение нейронных сетей, в некоторых задачах выгода всё равно ощутима.

Например, нелинейность нейронных сетей, то есть их способность к аппроксимации, или, проще говоря, способность масштабировать важное и нивелировать не важное, позволяет сетям решать задачи не поддающиеся формализации, к примеру, управлять поведением нелинейных систем. Можно заметить, что биологическая нейронная сеть так же распознаёт и преобразует нелинейные зависимости в условиях в активность мышц и желёз.

Как и биологические, искусственные нейронные сети воспринимают данные одновременно, то есть «видят» детали в контексте целого, а целое в контексте деталей, и всё это в контексте своего опыта, причём рекуррентные сети могут учитывать ещё и динамику событий. В результате нейронные сети способны различать контекст ситуации, её смысл, перспективу, и потому выделять только важные в этом контексте элементы. Поэтому нейронной сети не составляет принципиального труда узнать знакомое в шуме, выявить общности и отличия, построить прогноз.

Или «понять» значение слов в вопросе и подобрать ответ. Конечно, при этом нейронная сеть лишь распознаёт закономерности расстановки слов, исходя из множества фраз обучающей выборки, а не «понимает» смысл заданного вопроса, как на это способен человек с его качественно более богатым опытом и качественно более сложным мышлением. В результате способность искусственных нейронных сетей к переводу, общению или написанию текстов, основанная только на закономерностях построения слов и фраз, выявленных в обучающих примерах, всегда будет ограничена, по сравнению с теми же способностями человека.

Обратной стороной достоинств искусственных нейронных сетей возникают их недостатки. Как говорилось, нейронная сеть является универсальным аппроксиматором. Это означает, что в процессе обучения сеть обобщает все предъявленные ей примеры в некоторую целевую функцию — то есть нейронная сеть старается «угодить всем сразу». Но на практике угодить всем — это никому в точности. В результате выходные данные нейронной сети всегда содержат ошибку, величина которой никогда заранее не известна и лишь возможно, что в процессе обучения она будет уменьшена до некоторого приемлемого уровня. Подобным образом и в естественном мышлении любое знание — это тоже некоторая обобщающая воспринимаемую реальность абстракция. Причём излишне точное соответствие решений искусственной нейронной сети конкретному набору обучающих примеров может означать переобучение сети, при котором сеть теряет способность к обобщению — иначе говоря, имея ограниченный набор точно «вызубренных» примеров, сеть в дальнейшем действует шаблонно.

С другой стороны, если неправильное обучение может испортить удачную сеть, то правильное, наоборот, может исправить неудачную, то есть сеть не должна «в точности» соответствовать задаче, сетевые решения допускают варианты. Также нельзя гарантировать идентичное поведение изначально одинаковых нейронных сетей, так как особенности поведения могут зависеть от нюансов обучения сети, которые может быть невозможно точно проконтролировать, и чем сложнее сеть, тем больше это может быть заметно. Почему к сетям нельзя применять общих решений типа установки новых программ или обновлений, так как заранее нельзя предсказать, как добавленный или изменённый элемент повлияет на реакции сети. Но индивидуализация является достоинством, если речь идёт об адаптации. Для хранения знаний нейронная сеть также мало подходит — и попросту даже непонятно, какие конкретно знания есть у сети. Можно сказать, что назначение нейронной сети — больше производить знания, чем хранить их.

Тем не менее, несмотря на указанные проблемы, нейронная сеть делает то, что сам человек, не вооружённый нейронной сетью, по тем или иным причинам сделать не смог, и это важное достоинство нейронных сетей. Но так ли это достоинство необычно и насколько тогда нейронные сети смогут заменить человека?


6.4. Пределы сложности

Итак, понятно, что как и естественное мышление, искусственные нейронные сети не универсальны. С другой стороны, ИНС можно интегрировать с традиционными компьютерными системами, отчасти нивелируя недостатки и тех и других. Однако независимо от принципов, реализаций и сочетаний, максимальная практически достижимая сложность любого искусственного интеллекта, по-видимому, имеет предел и он находится много ниже сложности мышления человека. О границах сложности любых систем, создаваемых человеком, говорилось в первой части книги, сейчас же, в качестве итога этой части, схематично вспомним некоторые из приведённых там аргументов.

Поведение равновесных систем можно предсказывать, ограничившись некоторым уровнем точности и полноты описания природы, так как иные подробности не оказывают на ход процессов значимого влияния. В отличие от них, ввиду неравновесного состояния, в поведении самоорганизующихся систем решающее значение могут иметь обстоятельства самого ничтожного характера. В результате грань между средой и системой стирается, поэтому поведение таких систем в высшей степени неотделимо от среды — а значит, требует для описания знания всей среды, то есть требует знания всех законов физики, не позволяя ограничиться знанием каких-либо отдельных явлений или уровней материи. В то же время полнота знания не имеет смысла, поэтому задолго до приближения к полноте познание столкнётся со стремительно растущими сложностями. Как следствие, поведение самоорганизующихся систем принципиально характеризуется высокой неопределённостью, и чем сложнее порядок системы, тем более это заметно.

Например, простой порядок ячеек Бенара означает непредсказуемость поведения системы в частных параметрах, но простую динамику в целом, много более сложная структура клетки или структура мозга человека, которая сложна и сама по себе и при этом состоит из сложных клеток, помимо непредсказуемости в частных реакциях, означает такое же увеличение непредсказуемости поведения в целом. В результате понять работу мозга можно только на некотором общем и простом уровне, не позволяя перенести всю сложность мышления в искусственные системы или предсказывать поведение субъекта сверх того же общего уровня точности или коротких промежутков времени.

Поэтому остаётся только попытаться «изобрести» искусственный интеллект, исходя из того, что понять в работе мозга всё-таки удалось. Иначе говоря, попробовать заменить качественный недостаток знаний в отношении естественного интеллекта количеством уже понятого. Однако и создание, и последующий отбор адекватных систем искусственного интеллекта исходит из опыта человека, поэтому сложность создаваемой системы в любом случае будет ограничена этим опытом, как принципиально недостижимым пределом сложности. В результате по мере усложнения систем и приближения их к сложности мышления всё быстрее будет расти количество вариантов систем, при том что возможность оценить их поведение будет всё быстрее уменьшаться. На практике это означает, что задолго до приближения к сложности мышления человека время, необходимое для каждого нового усложнения искусственного интеллекта, будет стремительно расти, не позволяя приблизиться к сложности мышления сколько-нибудь близко.

В более общем смысле биологическая эволюция, как и мышление, тоже является процессом самоорганизации, то есть мышление и биологическая эволюция — это одинаковые по своему принципу процессы, взаимозависимые и «вложенные» один в другой. Отличия в том, что в нейронной сети появляются знания, а в ходе эволюции появляются новые виды животных, в том числе сам человек. Таким образом, создание всё более сложных интеллектуальных систем по своей сути равносильно воспроизведению хода эволюции усилиями человека. Иначе говоря, много более простая система должна воспроизвести много более сложную, так как вся биосфера много сложнее мышления человека, вмещая в себя не только людей, но и весь растительный и животный мир в целом. Причём воспроизвести эволюцию необходимо на порядки быстрее, так как срок решения задачи, хотя бы сколько-нибудь сравнимый со временем эволюции, не имеет никакого смысла. Однако простая система может выразить сложную систему только в меру своей собственной сложности. Поэтому аналогично выводам выше, максимальная достижимая на практике сложность искусственного интеллекта находится по крайней мере на том же уровне, насколько сам человек проще эволюции, то есть на уровне много проще интеллекта человека.

Тем не менее, как и любой системе, присущие естественному интеллекту функциональные особенности и взаимосвязанные ограничения, означают, что даже качественно менее сложные искусственные системы смогут его за этими рамками превзойти и решать отдельные задачи человека лучше самого человека. Например, за счёт более точного соответствия устройства системы задаче или за счёт объёма или скорости выполняемой системой более простой работы. Таким образом, ни один искусственный интеллект не решит весь комплекс задач человека лучше самого человека, но может быть лучше человека во множестве отдельных задач.



7. Заключение

Как рычаг поможет поднять груз, так же нейронная сеть поможет решить задачу. И в том и в другом случае можно сказать, что человек решает только часть задачи — создаёт рычаг или искусственную нейронную сеть, или что рычаг поднимает грузы лучше человека, а искусственная нейронная сеть лучше решает задачи. Но на самом деле человек всего лишь использует разные приспособления в контексте своих интеллектуальных возможностей. Поэтому никакая программа, механизм, искусственная нейронная сеть или любая другая система, создаваемая человеком, всю сложность мышления, в котором она сама возникает, не выразит. Искусственный интеллект, действуя только на уровне частных задач, поставленных человеком, никогда не сможет лучше человека обобщать отдельные решения в глобальные стратегии, всегда оставаясь тактическим средством интеллекта человеческого.

***





8. Дополнительные материалы и ссылки

В этой части приведено краткое описание физических принципов, лежащих в основании жизни, обобщающее соответствующие главы книги. Текст снабжён ссылками и имеет в том числе самостоятельный характер.

Учитывая, что научные теории, на которых основано описание, известны давно и являются общепринятыми, но, скорее всего, не знакомы широкому кругу читателей, ссылки даны на энциклопедии, тематические обзоры и научно-популярные материалы. В необходимых случаях названия конкретных научных работ были указаны в самом тексте книги.

1. Жизнь как физическая система
Интенсивный обмен открытых систем[1] веществом/энергией со средой может привести к их самоорганизации[2], когда без какого-либо специфического организующего воздействия извне в прежде хаотическом поведении элементов системы спонтанно появляется согласованность, наблюдаемая на масштабах всей системы. Такие открытые системы называются диссипативными системами[3]. Физический смысл диссипативной самоорганизации — неравновесный фазовый переход[4]. К диссипативным системам относится всё живое от клетки до биосферы.

Диссипативная система (или диссипативная структура) — это устойчивое состояние открытой системы, оперирующей вдали от термодинамического равновесия. Процесс поддержания диссипативной системой своего упорядоченного состояния называется гомеостазом[5]. Гомеостаз — это саморегуляция, способность открытой системы сохранять постоянство своих внутренних параметров посредством скоординированных реакций. Физическая суть гомеостаза — динамическое равновесие. Интенсивно взаимодействуя с непостоянной средой,  система флуктуирует на грани хаоса и порядка[6] — то приближается к равновесию, то отдаляется от него.

Рост интенсивности обмена со средой может довести неравновесие до критического и произойдёт новый неравновесный фазовый переход. Неравновесный фазовый переход — это переход через точку бифуркации[7][8], когда через короткий этап разрушения старого порядка и хаоса[9] система скачком переходит к новой более сложной организации. Способность усложняться также является элементом гомеостаза, так как рост интенсивности взаимодействия со средой не разрушает систему, а приводит к её усложнению, система продолжает активно противостоять разрушению на новом уровне сложности.

Диссипативной системой является любой живой организм, поэтому гомеостаз — это физическое основание стремления живого к самосохранению. В свою очередь, способность диссипативных систем усложняться — это основание способности живого эволюционировать или обучаться, так как обучение — это тоже усложнение.

Поведение диссипативных систем связано с неравновесными состояниями и бифуркациями, то есть с чувствительностью и непредсказуемыми изменениями режима работы. По этим причинам поведение диссипативных систем характеризуется высокой неопределённостью. По тем же причинам высокой неопределённостью характеризуется и поведение живых существ.

2. Эволюция и морфогенез
Самоорганизующимися структурами являются липосомы[10] — пузырьки, способные проходить циклы роста и деления, восстанавливаться после повреждений и обладающие селективной проницаемостью для разных веществ, появление которых было возможным в том числе в пребиотических условиях. Тогда же, считается, проходил синтез молекул РНК, способных к самокопированию. Около 4 млрд лет назад происходит объединение[11] липосом и молекул РНК, как элементов, способных выполнять функцию клеточной мембраны, и элементов, способных нести наследственную информацию. В результате возникают первые клетки[12] и начинается жизнь.

В отличие от диссипативной самоорганизации синтез липосом и молекул РНК относится к консервативной[2] самоорганизации или самосборке, которая проходит в условиях близких к равновесным и как минимум выраженного процесса гомеостаза не подразумевает. Например, простым типом консервативной самоорганизации является кристаллизация. Тем не менее так как все элементы клеток формируются в процессе самоорганизации, то усложнение клеток в ходе эволюции — это усложнение самоорганизации за счёт развития диссипативной составляющей с активным гомеостазом. И потому способных формировать чрезвычайно сложную внутреннюю структуру, в которой более равновесные и стабильные элементы определяют общую логику процессов, неравновесные и изменчивые их частные особенности. В результате поведение организмов также характеризует стабильность в целом, но активность, нелинейность[13] и непредсказуемость[1][5][7][8][9][14] во всех частных проявлениях.

В дальнейшем ходе эволюции возникает современная ДНК-РНК-белковая жизнь, где РНК сохранилась как посредник между ДНК, которая содержит информацию о структуре белков, и белками, из которых состоят клетки организма.

В объединении клеток возникают самоорганизующиеся системы нового уровня — колонии клеток, многоклеточные организмы, популяции организмов, социум, биосфера в целом. На масштабах этих систем размножение становится способом самосохранения, то есть способом самоорганизации таких макросистем, — способом их гомеостаза, противостояния среде, обновления и развития, посредством появления новых организмов и избавления от старых. Тем самым размножение, стремление воспроизводить себя, как будто противоречащее задаче самосохранения, так как требует ресурсов и создаёт конкурентов в борьбе за них, на самом деле обобщает задачи отдельного организма с задачами макросистем, элементом которых он является, и жизни в целом.

Являясь объединением самоорганизации и самокопирования, общей сутью жизни также становится самоорганизация и самокопирование — самосохранение и размножение, а дальнейшая эволюция заключается уже фактически только в усложнении этих функций. Причём даже такое разделение функций не является принципиальным, так как размножение тоже элемент гомеостаза — только на уровне макросистем.   

Самоорганизация многоклеточного организма, то есть развитие организма из одной клетки (морфогенез), происходит по общему принципу, описанному А. Тьюрингом. Согласно этому принципу, для организации системы, необязательно иметь её план, а можно ограничиться исключительно заданием правил близкого взаимодействия образующих систему элементов[15][16]. В том числе этот принцип может быть распространён на любые указанные ранее макросистемы.

Непосредственно морфогенез связан с так называемой диффузионной неустойчивостью или неустойчивостью Тьюринга, когда при наличии диффузии в системе возникает неоднородное распределение концентрации веществ, то есть некоторая пространственно-упорядоченная структура. В организме такую пространственно-упорядоченную структуру формируют вещества-морфогены, выделяемые клетками зародыша. В свою очередь, возникающие в межклеточном пространстве упорядоченные градиенты концентрации веществ, как разметка будущего органа, определяет соответствующую дифференцировку клеток, выделение ими новых веществ и новый этап упорядочения. В результате происходит постепенное, от общего к частному, развитие организма. Образование подобных структур тоже является неравновесным фазовым переходом[4], то есть происходит в неравновесной среде и вследствие бифуркаций, внося присущую таким процессам неопределённость и затрудняя исследования.

3. Нервная система
Регуляция организмов без нервной системы происходит гуморальным способом[17], когда реакцию организма определяет разница в концентрации химических веществ. В дальнейшем ходе эволюции возникает новый уровень регуляции — нервная регуляция, за которую отвечает нервная система.

В ходе эволюции эпителиальные клетки внешнего покрова животных дают начало одновременно нервным и мышечным клеткам, из которых возникает связанные нервная и мышечная системы. Нервная система[18] состоит из нервных клеток, или нейронов, и клеток нейроглии. Нейроны являются основным элементом нервной системы, они образуют в организме единую сеть, которая на входе связана с рецепторами внутренней и внешней среды, на выходе с мышцами и железами. Нейроны способны генерировать и передавать электрические импульсы, делая процесс передачи сигналов быстрым и точным, что особенно важно в многоклеточном организме.

Сеть нейронов образует определённую логическую схему — нейронную сеть, которая определяет порядок перевода сигналов рецепторов в активность мышц и желёз. В самом общем особенность организации связей в нейронной сети заключается в том, что рецепторных входов у нейронной сети больше, чем выходов к мышцам и железам. В результате по мере прохождения от входа к выходу сигналы рецепторов необходимым образом перемешиваются (в сети происходят множественные процессы дивергенции и конвергенции нервных импульсов) и «сжимаются» до активности нейронов на выходе сети, то есть до конкретных управляющих мышцами и железами импульсов. Проще говоря, за счёт множества входов воспринимая всю ситуацию целиком, за счёт малого количества выходов нейронная сеть выделяет и оставляет на выходе только необходимое для управления мышцами и железами.

Уровень нервной регуляции — это и уровень мышления. Таким образом, физиологическая суть мышления — преобразование сигналов рецепторов в активность мышц и желёз. Нервная система организует работу мышц и посредством желёз координирует с работой мышц работу остального организма. Обучение нейронной сети и тем самым накопление животным опыта связано с изменением силы синапсов[19] и в целом со свойством нейропластичности[20].

Поведение животных сложнее кишечнополостных связано с активным целенаправленным перемещением в среде. Поэтому нервная система более сложных животных должна уметь не просто реагировать на стимулы одиночными реакциями, как, например, это делают медузы, которые отвечают на воздействия генерализованным сокращением сразу всего тела, но и распознавать динамику событий и формировать последовательности ответных действий, выделять цели, обладать вниманием. Это могут рекуррентные искусственные нейронные сети[21][22], в которых добавлены обратные связи от нейронов ближе к выходу к нейронам ближе ко входу. К каковым по общему признаку рекуррентности можно отнести нейронные сети животных, способных к активному перемещению в пространстве.

В то же время конкретная архитектура связей биологической нейронной сети чрезвычайно сложна, её разные области, зоны и отделы имеют собственные архитектурные и морфологические особенности. Чем определяется разный вклад, вносимый ими в активность нейронов на выходе нейронной сети, то есть в разных областях нейронной сети мозга «концентрируется» разный опыт.

За счёт перемещения биологически активных веществ, в том числе и в пространстве между нейронами, мыслит сразу весь объём мозга, а не только сеть самих нейронов. Электрохимические процессы в нейронах и их отростках приводят к попаданию биологически активных веществ в межклеточное пространство[23]. Распространяясь по которому эти вещества влияют на соседние нейроны и клетки глии, последняя, в свою очередь, также влияет на нейроны. Внесинаптическая передача не является случайной и имеет свои механизмы, пока плохо изученные. Также окружающие нейроны ткани участвуют в образовании новых связей нейронов и несут некоторые другие функции[24].

В отличие от искусственных нейронов, сам по себе биологический нейрон является автоволновым осциллятором[25], то есть хаотически генерирует нервные импульсы, получая энергию через питательные вещества от окружающих тканей мозга. При этом за счёт обратных и нелокальных связей нейроны в мозге образуют целостную сетевую структуру. Как следствие, интенсивный приток энергии приводит её в неравновесное состояние, в результате становится возможной самоорганизация — синхронизация[26] хаотической активности нейронов.

Таким образом, продолжая уровень клеток, каждая из которых является самостоятельной самоорганизующейся системой, и уровень самоорганизации целого организма как системы клеток, нервная регуляция — это новый, третий уровень самоорганизации в организме, связанный с синхронизацией активности нейронов. Синхронизация нейронов, как появление порядка в их активности, отражается во всегда взаимно согласованной работе всех мышц и желёз, а логика организации связей нейронов — в обусловленности это работы средой и задачами животного.

Синхронизированная активность в больших популяциях нейронов является главным механизмом образования так называемых ритмов в головном мозге. В общей электрической активности головного мозга выделят 10 типов колебаний, связанных с различными областями мозга, особенностями и элементами поведения.

В этом процессе внимание связано с селективной синхронизацией нейронов, которые реагируют на объект внимания. В результате селективной синхронизации в отношении находящегося во внимании стимула повышается скорость обработки информации, уменьшается время реакции, повышается уровень точности, чувствительности к небольшим изменениям в стимуле и восприятие контраста[27].

Селективная синхронизация возникает на самой высокой частоте ритмов мозга (гамма-ритме) и может быть представлена как ещё один — четвёртый — уровень самоорганизации. Таким образом, в общем контексте распознавания условий и построения действий, направленных на самосохранение и размножение (который задаёт структура нейронной сети в целом, собственная активность нейронов и нынешние сигналы рецепторов), в мозге формируются постоянно меняющиеся структуры нейронов, селективно синхронизированных на самой высокой частоте. Эти структуры, как аттракторы — наиболее энергичный и упорядоченный процесс в организме — притягивают к себе фазовые траектории всех остальных нейронов мозга и через них всех систем организма. Тем самым задавая нынешнюю цель поведения, упорядочивая работу мышц и желёз и через железы работу остального организма в направлении этой цели.

Как неравновесные фазовые переходы, процессы самоорганизации в ходе морфогенеза или синхронизации нейронов происходят в результате бифуркаций[4], связаны с неустойчивостью и потому чувствительностью. Из-за чего самые малые изменения[8] во внутренней и внешней среде способны нелинейно отражаться в поведении. На выбор субъекта может повлиять любая флуктуация параметров мозга или сигнал любого рецептора, которых в организме человека миллионы, или даже самая ничтожная разница в степени их активности или времени активизации. Иными словами, поведение не имеет «границ чувствительности», поэтому не может быть сколько-нибудь точно отделено от среды и, следовательно, всей сложности среды.
 
В итоге, благодаря самоорганизации и её различным проявлениям, без каких-либо специфических «организующих» механизмов обеспечивается одновременно активность, упорядоченность, чувствительность, пластичность и целенаправленность работы сложнейшей системы, которую представляет мозг и организм человека в целом.

Ссылки
1. Открытая система (физика) — Википедия.
2. Самоорганизация — Википедия.
3. Диссипативная система — Википедия.
4. Неравновесные фазовые переходы — Физическая энциклопедия. Про морфогенез и синхронизацию нейронов говорится во втором абзаце.
5. Гомеостаз — Википедия.
6. Грань хаоса — Википедия.
7. Точка бифуркации — Википедия.
8. Теория бифуркаций — Википедия. Бифуркация — это качественное изменение поведения динамической системы при бесконечно малом изменении её параметров.
9. Динамический хаос — Википедия. В науке хаос — это явление, при котором поведение системы выглядит случайным, несмотря на то, что оно определяется детерминистическими законами.
10. Липосомы — Соросовский образовательный журнал.
11. Эволюция клеток — Википедия.
12. Гипотеза мира РНК — Википедия. Наиболее известная теория появления жизни.
13. Пространственно-временное моделирование в биологии. Рассматриваются отличительные особенности биологических систем.
14. Нерешаемые проблемы биологии: нельзя создать два одинаковых организма, нельзя победить рак, нельзя картировать организм на геном. Описаны различные проявления непредсказуемости биологических систем.
15. Как клетки понимают, что одни должны стать волосами, другие костями, третьи мозгами и т. п.? И из какого центра подается команда? Развитие организма из клетки упрощённо (не описана диффузионная неустойчивость).
16. Дай пять: как математика управляет развитием пальцев. Конкретный пример формирования системы организма.
17. Гуморальная регуляция — Википедия.
18. Нервная система — Википедия.
19. Синаптическая пластичность — Википедия. Основной механизм обучения.
20. Нейропластичность — Википедия. Свойство мозга, заключающееся в возможности изменяться под действием опыта, в том числе увеличивать или сокращать количество нейронов и их связей.
21. Азбука ИИ: «Рекуррентные нейросети». Популярное описание, примеры применения, реализация внимания.
22. Рекуррентная нейронная сеть — Википедия.
23. Нейропептиды — Действие — Википедия. Биологически активные вещества образуют в мозге функциональный континуум.
24. Перинейрональная сеть — Википедия. В мышлении участвуют не только нейроны.
25. Синхронизация в нейронных ансамблях, стр 368. Нормальная активность одиночного нейрона представляет собой динамический хаос.
26. Синхронизация (нейробиология) — Википедия.
27. Внимание — Википедия. Селективная синхронизация и её значение.

Дополнительно
1. Blue brain project: связи и хаос. Пример моделирования работы биологической нейронной сети. Стоит обратить внимание на правый нижний угол последней таблицы, причём речь не идёт о моделировании мышления во всей его сложности.
2. Парадокс Моравека — Википедия. Как ни странно, проще всего моделировать высокоуровневые когнитивные процессы.
3. За хранение воспоминаний могут отвечать сети молекул вне клеток. Перинейрональные сети популярно.
4. Другая часть мозга. Одна из самых известных популярных работ на тему связи мышления с окружающими нейроны тканями.
5. Сон: забыть, чтобы лучше помнить. Во время сна в мозге происходит ослабление связей между нервными клетками.

***