Концепции современного естествознания

Самоинструктирующий характер процесса отбора приводит к тому, что уменьшается диссипация, так как уменьшается разнообразие элементов-признаков. А это, в свою очередь, уменьшает устойчивость системы. Система не просто удаляется от равновесного состояния, а удаляется с возрастающей скоростью, так как в отборе побеждают более совершенные структуры, возникающие раньше других.

Одним из условий возникновения самоорганизации является реализация отбора информации, имеющей определенную меру качества (ценность). Информация обретает ценность в конкретном процессе ее использования. Для того чтобы начался процесс самоорганизации, необходимо, чтобы отбор происходил при определенных условиях, а именно: система должна быть далекой от равновесного состояния; интенсивность роста числа элементов должна быть достаточной для того, чтобы вывести систему из устойчивого состояния.

Если скорость роста числа новых элементов невелика, то независимо от начальных данных через определенное время установится стационарное состояние. Скорость роста числа новых элементов должна превышать скорость отмирания "старых" элементов. Процесс роста должен иметь "автокаталитический" характер, т.е. появление нового признака у одного элемента должно вызывать появление того же признака у других элементов. Если скорость роста будет меньше скорости отмирания, то система не будет обладать внутренней способностью к росту, которая необходима для отбора против менее эффективных признаков. Подобная система несла бы в себе всю бесполезную информацию предшествующих элементов-признаков, которая в конце концов блокировала бы дальнейшую эволюцию. Для реализации отбора необходима избыточность информации.

В самоорганизующейся системе возможный максимальный беспорядок увеличивается за счет присоединения новых элементов к системе. Но простое добавление элементов в систему еще не превращает ее в самоорганизующуюся. Во время добавления элементов к системе энтропия системы должна сохраняться постоянной. Для выполнения этого условия необходимо выделение отрицательной энтропии из окружающей среды, т.е. дополнительный ввод энергии, информации в систему, который выражается в передаче накопленной информации из внешней среды в систему.

С возрастанием ценности связано и возрастание способности биологической системы к отбору ценной информации. Эта способность велика у высших животных, органы чувств которых предназначены для такого отбора. Отбор ценной информации лежит в основе творческой деятельности человека. Такой отбор не требует дополнительных энергетических затрат - энергетическая стоимость одного бита информации не зависит от ее ценности.

Естественный отбор означает сравнительную оценку фенотипов применительно к данной экологической нише, т.е. поиск оптимальной ценности.

Источником одной интересной аналогии служат шахматы. Согласно теории Стейница, следует играть позиционно, накапливая малые преимущества. Когда они достаточны, шахматист должен искать комбинационный решительный путь к выигрышу. Нетривиальность этой теории, подробно аргументированной Э. Ласкером, заключается в следующем: если позиционные преимущества не используются в надлежащий момент - они рассеиваются. Ласкер писал: "У мастеров комбинационная и позиционная игра дополняют друг друга. При помощи комбинации шахматист стремится опровергнуть ложные ценности, а путем позиционной игры он старается закрепить и использовать истинные ценности".

Ласкер рассматривал шахматы как модель "жизненной борьбы", но ему не приходило в голову, что шахматы могут служить моделью естественного отбора, борьбы за существование: накопление малых преимуществ подобно микроэволюции, переход к комбинации подобен макроэволюции, своего рода фазовому переходу.

Теория функциональных систем, сформулированная выдающимся физиологом академиком П.К. Анохиным, утверждает, что движущий стимул поведения человека и животного - полезный приспособительный результат. Им могут быть оптимальное давление крови, достаточное содержание в ней кислорода и питательных веществ, внешние факторы, скажем, пища, вода, итоги социальной деятельности. Во имя достижения поставленных целей в организме создаются временные, "рабочие" объединения структур мозга, различных органов, систем, которые мобилизованы для выполнения отдельной функции. Эта концепция описывает общие принципы, по которым складывается физиологическая архитектура таких объединений.

Поисковая активность организма - один из важнейших факторов выживания. Она повышает интенсивность обмена информацией с внешней средой, тем самым способствует повышению используемости новых организационных структур, возникших во время стресса.

Современная теория стресса, разработанная великим ученым Гансом Селье, утверждает, что под влиянием сильного внешнего стимула после кратковременного периода перестройки, так называемой адаптации, организм вступает в состояние повышенной устойчивости. Но через более или менее длительное время при продолжении внешнего воздействия этот период внезапно и без всяких дополнительных условий сменяется фазой истощения, когда сопротивляемость резко падает. Существуют факты, противоречащие этой теории. Некоторые ученые отводят решающую роль в устойчивости организма поисковой активности.

Если поиск прекращается, а потребность в нем сохранена, то невозможность ее удовлетворения приводит к отрицательным переживаниям и понижает устойчивость организма. Если же таковая потребность ослаблена или отсутствует, то низкий уровень активности может и не сопровождаться отрицательными эмоциями, но и в этом случае субъект остается повышенно уязвимым для внешних вредных воздействий.

Поисковая активность повышает интенсивность процесса возникновения новых функциональных структур, необходимых "для достижения цели", для отражения влияния вредных факторов,

Обращаясь к вышеизложенной концептуальной модели развития, отметим, что этапу преобразующего отбора соответствует состояние неустойчивости, т.е. этап зарождения и формирования новой системы. Переход от этапа формирования к эволюции отобранного состояния можно рассматривать как скачок в развитии.

Исследования процесса самоорганизации показали, что на организованность системы, т.е. на ее энтропию, влияют в основном два параметра: интенсивность роста числа элементов в системе и интенсивность использования элементов в процессе функционирования системы. Рост числа элементов в системе может привести систему в неустойчивое состояние и создаст предпосылки дня отбора наиболее ценных для развития системы элементов. Ценность же элементов определяется в процессе их использования. Чем выше интенсивность роста числа элементов в системе, тем быстрее система стремится к неустойчивому состоянию, приближая момент скачкообразных изменений. Но переход на новый качественный уровень структурной организации произойдет лишь тогда, когда интенсивность использования, которая играет роль организатора в системе, будет достаточно велика для того, чтобы уменьшить энтропию в системе и перевести систему в новое устойчивое состояние. Таким образом, изменяя параметры системы, а именно интенсивность роста числа элементов и интенсивность их использования, мы можем инициировать процесс самоорганизации в системе, замедлять или ускорять его. При этом мы можем перевести систему на новый, более совершенный уровень развития или разрушить ее.

Гибель системы может произойти в двух случаях. Во-первых, когда случайные флуктуации во внешней среде приводят к гибели отдельных элементов системы, к разрушению взаимосвязи между ними, в результате чего система уже не способна выполнять заданные функции. Во-вторых, когда нет использования информации о тех или иных свойствах элементов системы в процессе функционирования во внешней среде. Нет использования, а следовательно, и накопления информации во внешней среде, в результате чего нарушается прямая связь системы с внешней средой. Нарушается работа регулирующих механизмов, что приводит к дезорганизации системы и, как следствие, к ее гибели.

Рассмотренная модель процесса самоорганизации системы позволяет сформулировать основные требования к математической модели.

Прежде чем приступить к анализу процесса развития системы, нужно определить те признаки элементов, которые являются инвариантами для исследуемой группы элементов. И уже для этих выбранных элементов-признаков рассматривать степень упорядоченности, рассматривать рост и отмирание именно этих признаков.

Модель должна связывать динамические характеристики системы (интенсивность роста и использования элементов-признаков) с функцией состояния системы, которая характеризует изменение ее упорядоченности, т.е. с энтропией. Модель должна быть нелинейной, так как она должна отражать и количественные и качественные изменения в системе. В модели должен быть отражен механизм обратной связи системы со средой.

Глава 6. ЭВОЛЮЦИЯ И СОТВОРЕНИЕ МИРА

Разница между учением Библии и естественнонаучным взглядом на возникновение мира и жизни на Земле состоит вовсе не в противопоставлении мгновенного возникновения и длительного развития. Согласно Книге Бытия Бог последовательно сотворил свет, твердь небесную, сушу и растительность, светила, рыб и птиц, животных и человека. Ему потребовалось на это шесть дней, и мы не знаем, как измерить длительность этих дней в известных нам масштабах, ведь и само время было сотворено за эти же дни. Порядок творения вполне соответствует представлениям современной космологии (Ю.А. Шрейдер).

Здравомыслящий ученый, не ищущий в Библии буквального описания деталей естественноисторического процесса, не обнаружит в священной книге иудеев и христиан никаких серьезных разночтений с данными современного естествознания. Правда, Библия учит, что мир не существовал вечно и не возник сам по себе, он был сотворен. Но ведь вечность мира - это философская аксиома, которая отнюдь не вытекает из научных фактов, ибо наука в состоянии изучать только имеющуюся в наличии действительность, но не в состоянии исследовать, как эта действительность возникла (иногда это, с определенными оговорками, возможно).

И языческие мифы, и материалистическое мировоззрение исходят из предположения, что в природе есть материал для развития и соответствующие потенции, позволяющие ей организоваться в хорошо устроенный космос. Такая логическая возможность заранее не может быть исключена: почему бы природе не создать самое себя, в том числе собственные законы самоорганизации? Библия отвергает эту возможность, утверждая, что Бог сотворил бытие из небытия. Строго говоря. Бог есть источник всяческого бытия, но не само бытие. Он сотворил не только "все видимое", то есть материальные объекты, но и "все невидимое", то есть законы движения и развития материи.

По тем же соображениям трудно представить себе естественное возникновение живого из неживого. Равно как и появление сознания, нелегко объяснить постепенным усложнением интеллектуальных способностей приматов к моменту генезиса человека, поскольку оно направлено на осознание себя и своего места в мире. По Библии, сознание даровано человеку Богом в момент, когда он "вдунул в лице его дыхание жизни".

6.1 ОТРИЦАЕТ ЛИ АКТ ТВОРЕНИЯ ЭВОЛЮЦИЮ?

Казалось бы, творение или эволюция - это жесткая бескомпромиссная альтернатива. Но так ли это? Если Бог сотворил Адама, то остальные люди - его потомки - рождались естественным путем. Библейский рассказ о творении Адама символически выражает то, что человеческая плоть состоит из материала, который уже был сотворен. В нем вовсе не описывается технология возникновения человека.

Бог мог сотворить "архетип человека" как венец творения и подготовить его реализацию среди уже возникших человекообразных приматов. Эту точку зрения высказывали многие христианские мыслители (П. Тейяр де Шарден, Г. Честертон). Конечно, сотворение всех живых существ не означает, что точно так же творилась каждая последующая особь, или каждый вид, или каждый биологический таксон.

В Библии на сей счет сказано буквально следующее: "И сказал Бог: да произведет вода пресмыкающихся, душу живую; и птицы да полетят над землею, по тверди небесной... И сотворил Бог рыб больших и всякую душу животных пресмыкающихся, которых произвела вода... И сказал Бог: да произведет земля душу живую по роду ее, скотов, и гадов, и зверей земных по роду их". Сотворение жизни Богом вполне совмещается с тем, что рыб, птиц и зверей произвели вода и земля. Тем самым акт творения ничуть не противоречит эволюционному процессу, с помощью которого вода и земля произвели все живое.

При этом ниоткуда не следует, что механизм эволюции должен быть только таким, каким представлял его себе Дарвин и последующие дарвинисты. Скорее наоборот, идея творения сближает нас с моделью целенаправленной эволюции (типа номогенеза по Л.С. Бергу или концепции закономерности многообразия форм живого по А.А. Любищеву).

Вполне правомерно было бы признать, что сотворена была лишь "стрела" эволюционного процесса, или исходный набор архетипов живого, закодированный в генофонде. В последнем случае генотип правомерно рассматривать как фрагмент Божественного слова, воплотившегося в данный биологический вид. Но при этом реализацию Божественного слова еще вполне допустимо трактовать как эволюционный процесс происхождения видов, в котором это слово переписывается и трансформируется (правда, этот процесс будет уже происходить не по модели Дарвина). Нужно ясно сформулировать, что из наблюдаемых объектов и явлений наука признает как сотворенное или, по крайней мере, необъяснимое известными науке механизмами и моделями, а что рассматривает как предмет или результат эволюционного процесса.

6.2 ВОЗМОЖНЫЕ АЛЬТЕРНАТИВЫ ДАРВИНИЗМУ

Дарвинизм оказался привлекательным для материалистически ориентированной научной общественности XIX века тем, что эта концепция эволюции якобы устраняет сверхъестественные представления о происхождении живого. За эту иллюзию теории Дарвина прощали очень многие ее дефекты и по той же причине проделали огромную работу для того, чтобы совместить дарвинизм с реальными достижениями генетики. Справедливости ради следует сказать, что сам Дарвин достаточно четко очертил требования к собственной концепции, ограничив их происхождением видов. Дарвинизм не пытается объяснить не только происхождение жизни, но даже происхождения достаточно крупных биологических таксонов. Тем более в рамках дарвинизма отсутствуют представления, помогающие хотя бы гипотетически представить, как возникло сознание.

Привлекательность дарвинизма заключается в том, что он использует чисто механистические объяснения эволюционного процесса, разрешая апелляцию к понятию случайности. Важно то, что сущности, лежащие в основе объясняемых феноменов, вполне отвечают представлениям обыденного здравого смысла. В основе модели эволюции Дарвина лежат случайные изменения отдельных материальных элементов живого организма при переходе от поколения к поколению. Те изменения, которые имеют приспособительный характер (облегчают выживание), сохраняются и передаются потомству. Особи, не имеющие соответствующих приспособлений, погибают, не оставив потомства. Поэтому в результате естественного отбора возникает популяция из приспособленных особей, которая может стать основой нового вида.

Теорию дарвинизма компрометирует отсутствие прогнозов, невозможность предсказать новые факты. Впрочем, этот упрек разделяют с ним все остальные эволюционные теории, которые успешно объясняют многие из существующих фактов, но практически не ставят вопроса о новых. Следовательно, здесь неприменим лучший критерий теоретической силы той или иной концепции. Вспомним, что закон гомологических рядов Н.И.Вавилова позволил предугадать новые находки растений - родственников культурных сортов. По-видимому, о возможности подобных предсказаний думал А.А. Любищев. Некоторые палеоботанические прогнозы удавались С.В. Мейену.

Идея естественного отбора возникла из аналогии с искусственным отбором, с помощью которого человек выводит нужные ему породы животных или сорта растений. Однако у селекционера все особи, лишенные полезных признаков, не участвуют дальше в формировании популяции. Отсутствие нужного признака равносильно в данном случае летальному исходу, ибо с точки зрения популяции соответствующая особь просто гибнет. Аналогия с естественным отбором была бы возможна, если бы особи, не имеющие достаточно развитого приспособления, автоматически погибали или оказывались бесплодными.

Но все это значило бы, что природа действует столь же целенаправленно, как и селекционер, то есть сама себе ставит разумные цели. Без такого предположения уподобление естественного отбора искусственному неполно и не дает оснований считать, что естественный отбор способен обеспечить формирование видов. Впрочем, и в искусственном отборе, как будто, не удавалось получать новые виды, но лишь породы и сорта.

Процесс видообразования на основе случайных мутаций должен был бы занять несуразно много времени. Кроме того, он не объясняет явной системности в многообразии возникающих форм типа закона гомологичных рядов Н.И. Вавилова. Поэтому Л.С. Берг предложил очень интересную концепцию номогенеза - закономерной или направленной эволюции живого. В этой концепции предполагается, что филогенез имеет определенное направление и смена форм задается неким вектором. Идеи номогенеза глубоко разработал и развил А.А. Любищев, высказавший гипотезу о математических закономерностях, которые определяют многообразие живых форм. Концепция номогенеза предполагает гораздо более сложный акт творения, когда возник замысел всего многообразия живых организмов, в котором заранее приуготовлено место для появления человека. Повеление земле произвести душу живую как бы содержало в себе этот замысел. В указанном смысле номогенетические концепции эволюции теснее связаны с идеей творения, чем дарвинизм, ибо оставляют гораздо больше на долю акта творения.

Наконец, еще одна концепция - П. Тейяра де Шардена - рассматривает эволюцию биосферы в целом, в свете создания на ее основе ноосферы и целенаправленного движения этой целостности к финальной точке Омега. Характерные черты этого эволюционного процесса: первоначальная концентрация активной зоны, постепенное распространение формообразования на всю планету и цефализация (систематическое повышение относительной доли головного мозга и усложнение его организации). Тейяр рассматривает Христогенез как ключевой момент эволюционного процесса, входящий в первоначальный замысел Творца.

Эволюционная концепция Тейяра может быть усовершенствована, в том числе и самым радикальным образом. В предопределенности оптимистического финала как бы и не остается места свободе воли, исчезает трагизм проявления в мире зла. Наконец, сам механизм эволюции описывается здесь не столько на биологическом, сколько на натурфилософском уровне. Возможно, это связано с тем, что как палеонтолог Тейяр де Шарден занимался происхождением человека, а это не лучшая область для выявления конкретных эволюционных факторов. Здесь акценты ставятся не на том, как и почему произошел человек, но на уточнении момента, когда он произошел и от кого.

6.3 ЛОЖНАЯ АЛЬТЕРНАТИВА ЭВОЛЮЦИОНИЗМУ

Критика недостатков дарвинизма привела некоторых исследователей к отрицанию самого феномена эволюции. Это направление мысли, опирающейся на естественнонаучные данные, получило название креационизма. В США возник даже исследовательский институт креационизма, ставящий целью показать ошибочность самого понятия биологической эволюции. Креационизм как научная концепция (а не просто как религиозная точка зрения, принимающая истинность откровения о сотворении мира) обоснован гораздо слабее, чем эволюционные концепции. Собственно научная аргументация креационизма сводится к коллекционированию ошибок и прямых фальсификаций в палеонтологических реконструкциях (типа "пильтдаунского черепа") и попыткам интерпретировать биологические данные как свидетельство против исторического развития живых форм. Но такая аргументация нисколько не лучше, чем использование в антирелигиозной пропаганде данных о фальсификации чудес или недостойном поведении конкретных священнослужителей.

Претензии дарвинизма явно неправомерны, но сторонники креационистской концепции происхождения живого косвенно подтверждают эти претензии, когда рассматривают дарвинизм как единственную альтернативу своим взглядам. Тем самым они признают притязания дарвинистов на исключительные полномочия выступать от имени эволюционизма, игнорируя гораздо более глубокие эволюционные концепции Ж.-Б. Ламарка, П. Тейяра, К.Э. Бэра, Л.С. Берга, А.А. Любищева, С.В. Мейена и других.

Глава 7. МЫШЛЕНИЕ. МОЗГ И КОМПЬЮТЕР

Отличительное свойство мышления заключено, наверное, в способности достигать определенной цели, то есть находить нужный вариант среди других, в принципе допустимых, но не приводящих к требуемому результату. Например, если у обезьяны в клетке есть куча различных предметов, но достать банан она может, лишь выбрав из кучи ящик, чтобы встать на него, и палку, чтобы сбить банан, то мы судим об интеллекте обезьяны по тому, как она справляется с выбором.

Допустимые варианты - это комбинации некоторых элементов: действий в практических вопросах, умозаключений в доказательствах, красок и звуков в искусстве. Может быть, чтобы получить искомое сочетание, надо просто перебирать варианты один за другим и отбрасывать все негодные?

Бесплодность такого подхода следует из простого факта, называемого в кибернетике комбинаторным взрывом. Дело в том, что если элементы могут свободно группироваться друг с другом, то общий набор сочетаний растет (с увеличением числа элементов в наборе) крайне быстро, экспоненциально. Так, при алфавите всего из десяти символов можно составить 10100 текстов длиной по сто букв!

Машине, просматривающей даже миллиард миллиардов таких стобуквенных слов в секунду (конечно, это фантастическая скорость), для полного обозрения их понадобится около 1074 лет. Для сравнения, время, прошедшее после космологического Большого взрыва - "всего лишь" 1010. Поэтому испытать все варианты не под силу ни "медлительному" человеческому уму, ни сколь угодно совершенному компьютеру.

И все же каким-то образом возникают уникальные тексты из многих сотен и тысяч знаков (в музыке Моцарта нельзя тронуть ни одну ноту). В поиске таких новых и незаменимых комбинаций состоит суть творчества. "Но ведь где-то есть он в конце концов, тот - единственный, необъяснимый, тот - гениальный порядок звучащих нот, гениальный порядок обычных слов!" (Р. Рождественский).

Значит, должны существовать способы отыскания "иголки" нужного без полного перебора "стога сена" возможного. Концепция Л.И. Верховского позволяет определить подходы для формализации такого процесса.

7.1 ПИРАМИДА ЯЗЫКОВ

Ясно, что построение искомой комбинации было бы невозможно, если б оно сразу начиналось на уровне тех элементов, на котором оно окончательно должно быть выражено - назовем этот уровень языком реализации. Ведь для сочинения романа недостаточно знания букв, а для того, чтобы добраться до нужного адреса, - правил уличного движения.

Поэтому мы всегда используем не один язык, а целый их набор. С помощью этого набора пытаемся решить проблему в общем, то есть свести ее к ряду подпроблем, те - к еще более мелким, и так до тех пор, пока каждая из них не будет настолько проста, что сможет быть выражена на языке реализации. Фактически мы одну сложную задачу последовательно разбиваем на все большее число все более легких. Как если бы при прокладке маршрута пользовались бы комплектом карт разного масштаба.

В самом деле, определяя путь, мы начинаем с самой грубой карты, охватывающей весь маршрут. От нее переходим к небольшому набору более подробных, от каждой из них - к нескольким еще более детальным. И всякий раз мы без труда находим нужное, так как каждая более общая карта уже по смыслу резко ограничивает дальнейший перебор. Таким образом, в иерархии языков заключено противоядие против комбинаторного взрыва.

Понятно, что успех всей многоступенчатой процедуры будет зависеть от того, насколько полон имеющийся набор "карт", нет ли там пропусков целых ярусов или отдельных экземпляров. Но такая завершенность возможна только в хорошо изученной области. Наиболее характерна именно нехватка знаний, требующая усилий для расширения и реорганизации языковых средств.

Чтобы разобраться в развитии таких средств, удобно обратиться к языкам программирования.

7.2 ПРОГРАММИСТСКИЕ АНАЛОГИИ

В схеме обычной современной ЭВМ воплощен язык машинных команд, состоящий из простейших арифметических и логических операций. Примитивность этого языка - плата за универсальность: предполагается, что машина будет использована для разных целей, а из маленьких кирпичей как раз и можно строить дома самой витиеватой формы, чего не скажешь о крупных блоках.

Однако каждый конкретный пользователь решает только свой узкий круг задач, и универсальность ему не нужна. Напротив, он хотел бы ворочать большими блоками, что позволило бы ему уменьшить перебор. Иными словами, он желал бы иметь язык, ориентированный именно на его проблемы. Как же его получить?

При составлении нескольких самых простых программ некоторые сочетания команд все время повторяются, они как бы слипаются между собой. Такой комбинации можно присвоить имя, ввести ее в память, и оператор языка более высокого уровня готов. (Это аналогично выработке условного рефлекса - повторяющиеся стимулы и реакции становятся единым целым.) Такой вариант действий можно назвать путем "снизу".

Но есть и другой путь - "сверху". Анализируют все множество решаемых задач и ищут набор как можно более крупных частей, из которых складывался бы любой нужный алгоритм. Проводя опять-таки параллель со строительством, можно сказать, что определяют комплект блоков, из которых удастся возвести все здания оговоренного типа.

Здесь человек использует свое преимущество перед машиной в разноплановости своих представлений о мире. Для компьютера этот крупноблочный язык совершенно непонятен, и ему надо перевести каждый блок в набор кирпичей - машинных команд. Для этого сочиняется программа-транслятор (опять же путем иерархического разбиения). В разных случаях будут свои наборы блоков; так возникают сотни алгоритмических языков - каждый из них по-своему членит мир.

В этих соотношениях проявляется общий принцип мышления - работать на верхних этажах языковой иерархии. Если в нашем распоряжении нет языка высокого уровня - то его надо создать. Главная цель при этом - избежать больших переборов вариантов.

Окончательный результат, например, обоснование какого-то утверждения, должен быть приведен к чему-то хорошо понятному: аксиомам в формальной теории, атомно-молекулярным представлениям в химии (это - язык реализации). Значит, задача состоит в том, чтобы спуститься до этого уровня, а затем идти в обратную сторону (снизу вверх), осуществляя логический вывод, строгую дедукцию.

7.3 ДВЕ ЛОГИКИ

Еще в школе на уроках геометрии мы хорошо усваиваем сущность строгой логической системы: если удалось протянуть цепочку умозаключений от исходных постулатов до требуемого утверждения, то не остается никаких сомнений в его истинности (пока кто-нибудь, подобно Лобачевскому, не усомнится в самих основах). Но если цепочка вывода достаточно длинна, то, зная одни аксиомы, построить доказательство без большого перебора нельзя.

Поэтому здесь тоже нужны целые блоки умозаключений. Для этого решаем сначала совсем простые задачи (цепочки коротки), а каждую уже решенную запоминаем - они и становятся понятиями более высокого уровня (это то, что мы называем путем "снизу"). Наиболее важные, то есть отражающие общие свойства всего круга задач утверждения, именуют теоремами - их-то нужно помнить обязательно.

Теперь, столкнувшись с более трудной задачей, уже не придется сводить ее к постулатам, а лишь представить как комбинацию уже известных задач и доказанных теорем (от них путь вниз уже проделан). Решить задачу - значит, "выложить, как пол комнаты паркетом, задачу - аксиомами". Нахождение такой укладки отражает построение доказательства, то есть состава и порядка умозаключений. Понятно, что если задача достаточно велика, то сразу с нею не справиться (все тот же большой перебор). Поэтому следует для начала расширить набор правильных утверждении. Возьмемся за более простые задачи. Легко заполняем их аксиомами. Теперь, держа в уме эти блоки, можно снова вернуться к трудной задаче. Понятно, что она сводится к уже решенным.

Именно так строятся занятия по учебнику или с хорошим учителем, когда специально подобранный ряд все усложняющихся задач позволяет постепенно наращивать знания ученика. А что делать в новой, неисследованной области?

Если там есть сколько-то установленных фактов, то с них все и начинается. Внимательно изучаем их строение, стараемся обнаружить скрытую закономерность, некоторый общий принцип. Выявляем сходные контуры и мотивы - определяем для себя эвристики, которые позволят резко сузить число приемлемых гипотез. Дальше просеиваем правдоподобные варианты.

Наконец, после долгих размышлений и неудачных проб, находим - эврика! - что все факты представимы как сочетания нескольких гипотез. Переживаем то редкое и надолго запоминающееся мгновение, которое называют озарением, инсайтом.

Понятно, что введение элементов-гипотез - это уже знакомый нам путь "сверху". Загвоздка в том, что сами эти элементы могут оказаться слишком большими, слишком далекими от обыденных представлений, чтобы сразу быть выраженными на языке общеизвестного. Часто это просто смутные ощущения, когда сам автор догадки уже уверен в ее правильности, но еще не может убедить других. Как говорил Карл Гаусс: "... я знаю свои результаты, я только не знаю, как я к ним приду".

И все же, несмотря на образовавшуюся логическую пропасть, возникновение таких неясных образов - ключевой этап. Он соответствует интуитивному решению, постановке новых задач, определяющих все дальнейшее: формулировку и обоснование гипотезы, а затем превращение ее в теорию. Каждый интуитивный образ - "замок в облаках" - должен быть закреплен (дальнейшим подразбиением) на твердой почве аксиом и теорем. Ясно, что интуиция - это не что-то мистическое, а итог движения мысли "вширь", вынашивания своего особого взгляда, упрощающего всю картину.

Итак, получаются две основные стадии создания теории: сначала угадывание языка максимально высокого уровня для описания имеющихся фактов, а потом - строгое обоснование.

7.4 КАК ИСЧИСЛЯТЬ ИДЕИ?

В свое время великий Г.Лейбниц выдвинул программу "универсальной характеристики" - языка, символы которого отражали бы их смысл, то есть отношения к другим понятиям, - "его знаки сочетались бы в зависимости от порядка и связи вещей". Все мышление, по его идее, должно свестись просто к вычислениям на этом языке по определенным правилам. Пока этот проект удалось воплотить лишь наполовину - формализовать дедуктивный вывод (его делает и ЭВМ), а логику изобретения, логику воображения - нет.

Быть может, здесь окажется полезной комбинаторная геометрия (а наша модель относится к ней), цель которой - находить оптимальное сочетание некоторых элементов-фигур (подобный подход использовал ранее Эдвард де Боно). Модель хорошо отражает различные ситуации, например, наличие конкурирующих теорий - нескольких систем фигур, в которые укладывается данное множество фактов. Или появление факта, который не удается сложить из известных блоков. Тут приходится строить новую теорию - разбивать привычные фигуры на части и компоновать их по-новому (производить, соответственно, анализ и синтез).

Кроме чисто комбинаторных трудностей, препона тут еще и в том, что при долгом употреблении каждый образ начинает восприниматься как неделимое целое, с чем связаны догматизм в мышлении и бюрократизм в его многообразных проявлениях. Как правило, здесь нужен свежий взгляд, которым нередко обладает "человек со стороны".

Конечно, "игра в кубики" - лишь иллюстрация некоторых способов мышления, и говорить об универсальном подходе еще нельзя. И все же такая игра в некоторой степени проясняет, что мог иметь в виду Лейбниц, когда писал, что существует исчисление более важное, чем выкладки арифметики и геометрии, - исчисление идей.

В мозгу, вероятно, неясным пока способом создаются связи и отношения между образами - энграммами памяти, а сам мыслительный процесс сводится к перестройкам этой структуры. При этом действует и минимизация - мы ведь всегда ищем самое короткое представление совокупности фактов; раньше это называли принципом экономии мышления.

Вообще, потребность в развитии какой-то "новой математики и логики" назрела. Как указывали отцы кибернетики и теории систем Джон фон Нейман и Людвиг фон Берталанфи, "логика будет вынуждена претерпеть метаморфозу и превратиться в неврологию в гораздо большей степени, чем неврология - в раздел логики", и "уже давно предпринимаются попытки создать "гештальт-математику", в основе которой лежало бы не количество, а отношения, то есть форма и порядок".

7.5 МОЗГ И КОМПЬЮТЕР

ЭВМ может хранить в памяти любое количество сведений (даже абсолютно бессмысленных) и производить с ними миллионы действий в секунду. Сперва надеялись, что эти достоинства уже гарантируют высокий интеллектуальный потенциал, но вскоре выяснилось, что во многой осведомленности не обязательно таится мудрость. Ведь, как мы видели, ум - способность не отбрасывать плохие варианты, а находить хорошие, чего примитивным перебором не достигнешь.

Человек не запомнит большой объем неорганизованной информации (вроде телефонного справочника), но зато знания у него в голове хорошо структурированы и взаимосвязаны. Они в наибольшей мере отражают существенные стороны реальности: наборы маршрутных "карт" увязаны между собой по вертикали и горизонтали, каждое понятие окружено его "ассоциативной аурой" (Д.С.Лихачев). Это богатство связей позволяет извлекать только относящиеся к делу сведения, а из них уже конструировать нужное решение.

Знаниями о мире, моделью мира необходимо наделить и компьютер. Для этого в него сейчас вводят набор "сценариев". Сценарий - это общий каркас, стереотип, который каждый раз должен наполняться конкретным содержанием. Распознав ситуацию, машина отыскивает соответствующий сценарий, после чего сама ставит вопросы и уточняет для себя недостающие детали.

Это нелегко сделать, если учесть, что запас таких шаблонов у человека поистине колоссален - в них кристаллизуется опыт всей предшествующей жизни. Каждое явление мы представляем во многих срезах и ракурсах, а некоторые вещи, например, пространственные соотношения, усваиваются бессознательно в раннем детстве.

Но самое главное отличие здесь в том, что мозг оперирует непосредственно теми емкими образами, которые в нем возникли, то есть ему не нужно каждый раз опускаться до простейших операций. Судя по всему, образное мышление не отделено от памяти, где эти образы как-то запечатлены, и одновременно с перестройкой памяти самоорганизуется, настраивается на вновь созданный язык и "процессор".

Это очень трудно воспроизвести, прежде всего потому, что физические принципы нейрологической памяти не раскрыты. Сейчас популярна аналогия между оптическими голограммами и энграммами памяти (распределенность по носителю, огромная емкость, ассоциативность). На этом сходстве пытаются основывать думающие машины необычного типа - оптоэлектронные, в которых храниться и обрабатываться будут не числовые коды всех понятий, а образы - голограммы.

Другое направление - создание как бы аналога нейронной сети из большого массива простых ЭВМ. Хотя каждая из них выполняет несложную функцию, все вместе они манипулируют целыми комплексами состояний. Опять получается нечто похожее на образное мышление.

Так или иначе, но компьютеры должны научиться, выражаясь словами еще одного патриарха кибернетики, Клода Шеннона, "выполнять естественные операции с образами, понятиями и смутными аналогиями, а не последовательные операции с десятиразрядными числами".

Работа мысли направляется определенными целевыми установками, мотивацией. Сама цель становится тем вершинным образом, который направляет поиск средств для ее достижения. В нас заложена потребность получить новые впечатления (чувство информационного голода), а также сжать их, охватить одним взглядом. Вероятно, эти установки надо внести в машину, чтобы сделать ее активно познающей.

Наступит день, когда интуитивное мышление, связанное с неизвестными пока механизмами памяти, тоже будет реализовано в виде электронных или каких-то других схем. Постепенно искусственный интеллект начнет догонять, а затем и превосходить своего создателя в решении различных задач, игре в шахматы и тому подобное.

И будет становиться все более очевидным, что главное различие - не в свойствах мышления как такового, а в том, что человек наделен личностными свойствами, в первую очередь, сознанием. "Человек знает, что знает".

Сможет ли машина преодолеть и этот рубеж? Когда она научится сама образовывать новые понятия, то рано или поздно придет к понятию "компьютер". А после - эффект зеркала: зная, что такое зеркало и видя в нем свое отражение, она придет к пониманию своего "Я".

7.6 БИОКОМПЬЮТЕР

Если оглянуться и окинуть непредвзятым взглядом историю мирового компьютинга, неминуемо обнаруживаешь: огромный корабль компьютерного приборостроения находится в движении. Он медленно, но верно разворачивается от чисто счетной техники, через машины с массовым параллелизмом к так называемому биокомпьютеру - машине, которая должна вобрать в себя все лучшее, присущее "счетному железу" и живому человеческому мозгу. И если раньше биологические, эволюционные вопросы были для профессионального компьютерщика интересны не более, чем экологические, политические и прочие чисто человеческие проблемы, то теперь все изменилось. Как в процессе биологической эволюции возникали и развивались биологические системы обработки информации? Как совершенствовались обеспечиваемые этими системами кибернетические свойства организмов? Все это ныне - профессиональные компьютерные вопросы. А посему не грех и обозреть сегодня, что мы, люди, сумели сделать и чего не сумели еще в силу разных причин на длинной извилистой дорожке, в конце которой написано: "биокомпьютер".

7.6.1 ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ

Все работы в этой области можно свести к трем группам. В первой окажутся модели происхождения молекулярно-генетических систем обработки информации, во второй - модели, характеризующие общие закономерности эволюционных процессов, а в третьем - анализ моделей искусственной "эволюции" с целью применения метода эволюционного поиска к практическим задачам оптимизации.

В начале 70-х годов лауреат Нобелевской премии М. Эйген предпринял впечатляющую попытку построения моделей возникновения в ранней биосфере Земли молекулярно-генетических систем обработки информации. Наиболее известная из них - модель "квазивидов", описывающая простую эволюцию полинуклеотидных (информационных) последовательностей. Вслед за Эйгеном в 1980-м новосибирскими учеными В. Ратнером и В.Шаминым была предложена модель "сайзеров".

В модели квазивидов рассматривается поэтапная эволюция популяции информационных последовательностей (векторов), компоненты которых принимают небольшое число дискретных значений. Модельно заданы приспособленности "особей" как функции векторов. На каждом этапе происходит отбор особей в популяцию следующего поколения с вероятностями, пропорциональными их приспособленностям, а также мутации особей - случайные равновероятные замены компонент векторов.

Модель сайзеров в простейшем случае рассматривает систему из трех типов макромолекул: полинуклеотидной матрицы и ферментов трансляции и репликации, кодируемых этой матрицей. Полинуклеотидная матрица - это как бы запоминающее устройство, в котором хранится информация о функциональных единицах сайзера - ферментах. Фермент трансляции обеспечивает "изготовление" произвольного фермента по записанной в матрице информации. Фермент репликации обеспечивает копирование полинуклеотидной матрицы. Сайзер достаточен для самовоспроизведения. Включая в схему сайзера дополнительные ферменты, кодируемые полинуклеотидной матрицей, можно обеспечить сайзер какими-либо свойствами, например свойством регулирования синтеза определенных ферментов и адаптации к изменениям внешней среды.

К началу 50-х годов в науке сформировалась синтетическая теория эволюции, основанная на объединении генетики и дарвиновского учения о естественном отборе. Математические модели этой теории хорошо разработаны, однако они практически не касаются анализа эволюции информационных систем биологических организмов. Однако в последующие десятилетия появились модели, исследующие молекулярно-генетические аспекты эволюции.

Японский ученый М. Кимура, например, разработал теорию нейтральности, согласно которой на молекулярном уровне большинство мутаций оказываются нейтральными а один из наиболее важных механизмов появления новой генетической информации состоит в дубликации уже имеющихся генов и последующей модификации одного из дублированных участков. В работах московских ученых Д. и Н. Чернавских сделана оценка вероятности случайного формирования нового биологически значимого белка (кодируемого ДНК) с учетом того, что в белке есть активный центр, в котором замены аминокислот практически недопустимы, и участки, свойства которых не сильно меняются при многих аминокислотных заменах. Полученная оценка указывает на то, что случайное формирование белка было вполне вероятно в процессе эволюции.

В чрезвычайно интересных работах С. Кауфмана с сотрудниками из Пенсильванского университета исследуется эволюция автоматов, состоящих из соединенных между собой логических элементов. Отдельный автомат можно рассматривать как модель молекулярно-генетической системы управления живой клетки, причем каждый логический элемент интерпретируется как регулятор синтеза определенного фермента. Модели Кауфмана позволяют сделать ряд предсказаний относительно "программ" жизнедеятельности клетки. В частности, продемонстрировано, что для одновременного обеспечения устойчивости и гибкости программы число входов логических элементов должно быть ограничено определенным интервалом, а именно составлять величину примерно равную 2-3.

Согласованность и эффективность работы элементов биологических организмов наводит на мысль: а можно ли использовать принципы биологической эволюции для оптимизации практически важных для человека систем? Одна из первых схем эволюционной оптимизации была предложена в 60-е годы П. Фогелем, А. Оуэнсом и М. Уолшем; эффективность этой схемы на практике была продемонстрирована И.Букатовой из Москвы. Также в последнее время проявляется большой интерес к исследованию и использованию генетического алгоритма, предложенного Дж. Холландом из Мичиганского университета. Этот генетический алгоритм предназначен для решения задач комбинаторной оптимизации, то есть оптимизации структур, задаваемых векторами, компоненты которых принимают дискретные значения. Схема генетического алгоритма практически совпадает с таковой в модели квазивидов, за исключением того, что в генетическом алгоритме механизм изменчивости помимо точечных мутаций включает в себя кроссинговер - скрещивание структур. Генетический алгоритм естественно "вписывается" в параллельную многопроцессорную вычислительную архитектуру: каждой "особи" популяции можно поставить в соответствие отдельный процессор, поэтому возможно построение специализированных компьютеров, эффективно реализующих генетический алгоритм.

7.6.2 НЕЙРОННЫЕ СЕТИ И НЕЙРОКОМПЬЮТЕР

В последнее время активно ведутся также работы по построению моделей обработки информации в нервной системе. Большинство моделей основывается на схеме формального нейрона У. МакКаллока и У. Питтса, согласно которой нейрон представляет собой пороговый элемент, на входах которого имеются возбуждающие и тормозящие синапсы; в этом нейроне определяется взвешенная сумма входных сигналов (с учетом весов синапсов), а при превышении этой суммой порога нейрона вырабатывается выходной сигнал.

В моделях уже построены нейронные сети, выполняющие различные алгоритмы обработки информации: ассоциативная память, категоризация (разбиение множества образов на кластеры, состоящие из подобных друг другу образов), топологически корректное отображение одного пространства переменных в другое, распознавание зрительных образов, инвариантное относительно деформаций и сдвигов в пространстве решение задач комбинаторной оптимизации. Подавляющее число работ относится к исследованию алгоритмов нейросетей с прагматическими целями.

Предполагается, что практические задачи будут решаться нейрокомпьютерами - искусственными нейроподобными сетями, созданными на основе микроэлектронных вычислительных систем. Спектр задач для разрабатываемых нейрокомпьютеров достаточно широк: распознавание зрительных и звуковых образов, создание экспертных систем и их аналогов, управление роботами, создание нейропротезов для людей, потерявших слух или зрение. Достоинства нейрокомпьютеров - параллельная обработка информации и способность к обучению.

Несмотря на чрезвычайную активность исследований по нейронным сетям и нейрокомпьютерам, многое в этих исследованиях настораживает. Ведь изучаемые алгоритмы выглядят как бы "вырванным куском" из общего осмысления работы нервной системы. Часто исследуются те алгоритмы, для которых удается построить хорошие модели, а не те, что наиболее важны для понимания свойств мышления, работы мозга и для создания систем искусственного интеллекта. Задачи, решаемые этими алгоритмами, оторваны от эволюционного контекста, в них практически не рассматривается, каким образом и почему возникли те или иные системы обработки информации. Настораживает также чрезмерная упрощенность понимания работы нейронных сетей, при котором нейроны осмыслены лишь как суммирующие пороговые элементы, а обучение сети происходит путем модификации синапсов. Ряд исследователей, правда, рассматривает нейрон как значительно более сложную систему обработки информации, предполагая, что основную роль в обучении играют молекулярные механизмы внутри нейрона. Все это указывает на необходимость максимально полного понимания работы биологических систем обработки информации и свойств организмов, обеспечиваемых этими системами. Одним из важных направлений исследований, способствующих такому пониманию, наверное, может быть анализ того, как в процессе биологической эволюции возникали "интеллектуальные" свойства биологических организмов.

7.6.3 "ИНТЕЛЛЕКТУАЛЬНЫЕ ИЗОБРЕТЕНИЯ" БИОЛОГИЧЕСКОЙ ЭВОЛЮЦИИ

Интересно разобраться, как в процессе биологической эволюции возникла человеческая логика. Анализ связан с глубокой гносеологической проблемой: почему человеческая логика применима к познанию природы? Кратко поясним проблему простым примером. Допустим физик, изучая динамику некоторого объекта, сумел в определенном приближении свести описание его к дифференциальному уравнению. Далее он, разумеется, интегрирует полученное уравнение согласно известным из математики правилам и получает характеристики движения объекта. Переход от дифференциального уравнения к характеристикам движения носит дедуктивный характер но, если быть предельно строгим, сей переход надо обосновывать: ведь физический объект совершенно необязательно должен подчиняться правилам человеческой логики!

Для понимания процесса возникновения логики предпринимаются попытки построить модельную теорию происхождения логики в биосфере. Такая теория могла бы содержать математические модели ключевых "интеллектуальных изобретений" биологической эволюции, акцентирующие внимание на биологическом значении и причинах возникновения этих изобретений, а также модели, характеризующие переходы между изобретениями разных уровней. Надежнее всего, видимо, начать с "самого начала" - с происхождения жизни и проследить весь путь биологической эволюции от простейших организмов до человека, выделяя на этом пути наиболее важные эволюционные открытия, ведущие к логике. Чтобы представить круг вопросов, которые составляют предмет модельной теории происхождения логики, отметим некоторые важные уровни "интеллектуальных изобретений".

Уровень первый - организм различает состояния вешней среды, память об этих состояниях записана в геноме и передается по наследству, организм адекватно использует различие сред, меняя свое поведение с изменением среды. Пример этого уровня - свойство регулирования синтеза белков в бактериях в ответ на изменение питательных веществ во внешней среде по схеме Ф. Жакоба и Ж. Моно. Данное свойство можно назвать элементарной сенсорикой.

Второй уровень - временное запоминание организмом состояния среды и адекватное, также временное, приспособление к ней. Пример этого уровня - привыкание, а именно постепенное угасание реакции раздражения на биологически нейтральный стимул.

Третий уровень - запоминание устойчивых связей между событиями в окружающей организм природе. Хороший пример - исследованный И.Павловым классический условный рефлекс, в котором происходит долговременное запоминание связи между условным и безусловным стимулами и подготовка к жизненно важным событиям во внешнем мире.

Между классическим условным рефлексом и логикой лежит еще целый ряд промежуточных уровней. Например, инструментальный условный рефлекс отличается от классического тем, что в нем для получения поощрения животному необходимо совершить заранее неизвестное ему действие. Цепь условных рефлексов - это система реакций, сформированная на основе ранее хранившихся в памяти животного условных связей.

Рассмотрение моделей "интеллектуальных изобретений" биологической эволюции показывает их чрезвычайную фрагментарность и слабую разработанность. Совершенно нет моделей переходов между "изобретениями" разных уровней. Сейчас можно только предварительно указать на некоторые аналогии. Например, выработку условного рефлекса можно рассматривать как происходящий в нервной системе животного элементарный вывод - "если за условным стимулом следует безусловный, а безусловный стимул вызывает определенную реакцию, то условный стимул также вызывает эту реакцию" - дальний предшественник формул дедуктивной логики.

Построение модельной теории возникновения логики может быть общей научной основой при создании искусственных интеллектуальных систем на бионических принципах. В рамках таких работ предстоит модельно сопоставить дарвиновскую (нет передачи по наследству приобретенных навыков) и ламарковскую (есть наследование приобретенных навыков) концепции эволюции и выяснить классы задач, для которых применима та или иная стратегия. Появляются возможности модельно проанализировать процесс возникновения нервной системы как специально предназначенной для быстрой и надежной обработки информации части управляющей системы.