Турчин Фёдорович - Феномен науки. Кибернетический подход к эволюции

Однако централизация централизации рознь. Если связать все нейроны в один бессмысленно запутанный клубок, то, несмотря на крайнюю «централизованность» такой системы, она вряд ли будет иметь шансы выжить в борьбе за существование. Централизация ставит следующую проблему: как из всех мыслимых способов соединения многих рецепторов с многими эффекторами (с помощью промежуточных нейронов, если потребуется) выбрать такой способ, который будет каждой ситуации сопоставлять правильное, т. е. полезное для выживания и размножения, действие? Ведь подавляющее большинство способов соединения не обладает этим свойством.

Мы знаем, что каждый новый шаг на пути усложнения живых структур природа делает по методу проб и ошибок. Посмотрим, что дает непосредственное применение метода проб и ошибок к нашей проблеме. Рассмотрим для примера небольшую систему из ста рецепторов и ста эффекторов. Допустим, что в нашем распоряжении сколько угодно нейронов для создания промежуточной нервной сети и что мы умеем легко определять, дает ли данный способ соединения нейронов правильную реакцию на каждую ситуацию. Будем перебирать все мыслимые способы, пока не натолкнемся на нужный. При n = 100 число функционально различных нервных сетей между n рецепторами и n эффекторами есть

2 (2 n ) n ≈ 10 (10 32).

Число это невообразимо велико. Перебор такого числа вариантов недоступен не только нам, но и нашей матушке-природе. Если бы каждый атом во всей видимой нами части Вселенной занимался просмотром вариантов и перебирал бы их со скоростью миллиард штук в секунду, то и за миллиард миллиардов лет (а наша Земля существует не более десяти миллиардов лет) не была бы просмотрена и миллиардная доля общего числа вариантов.

Между тем как-то ведь происходит формирование эффективно работающей нервной сети! Причем число рецепторов и эффекторов у высших животных исчисляется не сотнями и не тысячами, а миллионами.

Разгадка кроется в иерархическом строении нервной системы.

Здесь нам снова необходим экскурс в область общекибернетических понятий. Четвертый этап эволюции мы назовем этапом сложного рефлекса , но дать определение этому понятию сможем лишь после того, как познакомимся с некоторыми фактами об иерархически устроенных нервных сетях.

1 Мы следуем в основном докладу С. Э. Шноля « Сущность жизни. Инвариантность общего направления биологической эволюции » (Диалектика и современное естествознание: Матер. семинара. Дубна, 1967)

Рассмотрим такую нервную сеть, которая на входе имеет много рецепторов, а на выходе — всего один эффектор, так что нервная сеть делит множество всех ситуаций на два подмножества: ситуации, вызывающие возбуждение эффектора, и ситуации, оставляющие его в покое. Задачу, решаемую в этом случае нервной сетью, называют задачей распознавания (имеется в виду распознавание принадлежности ситуации к тому или иному множеству). Животному в борьбе за существование приходится сплошь и рядом решать задачу распознавания, например: отличить ситуацию, опасную для жизни, от неопасной, отличить съедобные предметы от несъедобных и т. п. Это только наиболее яркие примеры, детальный анализ поведения животного приводит к выводу, что для выполнения сколь-нибудь сложного действия оно должно непрерывно решать множество «мелких» задач распознавания.

Множество ситуаций в кибернетике называют понятием 1 . Чтобы лучше уяснить, как кибернетическое понимание слова «понятие» связано с его обычным пониманием, допустим, что рецепторы рассматриваемой нами нервной сети — это светочувствительные нервные окончания сетчатки глаза или же вообще какие-то светочувствительные точки на экране, подающем информацию в нервную сеть. Рецепторы возбуждаются тогда, когда соответствующий участок экрана освещен (точнее, когда его освещенность больше некоторой пороговой величины), и остаются в состоянии покоя — в противном случае. Если на месте каждого возбужденного рецептора представить себе светлую точку, а на месте каждого невозбужденного — темную, то получится картина, которая отличается от изображения, падающего на экран, лишь своей дискретностью (т. е. тем, что она распадается на отдельные точки) и отсутствием полутонов. Будем считать, что точек (рецепторов) на экране достаточно много, а изображения, которые могут оказаться на экране, — их мы будем называть «картинками» — предельно контрастны, т. е. состоят лишь из белого и черного цвета. Тогда каждая ситуация соответствует определенной картинке.

Рис 2.1. Картинки, представляющие различные понятия

Согласно традиционной (аристотелевской) логике, когда мы думаем или говорим о какой-то определенной картинке (например, о той, которая находится в левом верхнем углу на рис. 2.1), то мы имеем дело с единичным понятием. Кроме единичных понятий, есть еще общие , или абстрактные , понятия. Например, мы можем думать о пятне вообще — не о каком-либо конкретном пятне (допустим, из числа изображенных в верхнем ряду на рис. 2.1), а о пятне как таковом. Точно так же мы можем обладать абстрактным понятием прямой линии, контура, четырехугольника, квадрата и т. д. 2

Однако что значит «обладать абстрактным понятием»? Как можно проверить, обладает ли кто-то данным абстрактным понятием, например понятием «пятно»? Очевидно, только одним способом: предложить испытуемому серию картинок и попросить, чтобы он о каждой из них сказал, пятно это или нет. Если окажется, что он называет пятном только те и все те картинки, на которых «изображено пятно» (это уже с точки зрения испытующего), то, значит, понятием пятна он обладает. Иначе говоря, мы должны проверить его способность распознавать принадлежность любой предъявленной картинки к множеству картинок, которые мы описываем словом «пятно». Итак, абстрактное понятие в обычном смысле слова — во всяком случае когда речь идет о чувственно воспринимаемых образах — совпадает с введенным нами кибернетическим понятием понятия как множества ситуаций. Поэтому задачу распознавания называют также, желая сделать термин более конкретным, задачей распознавания образов (имеется в виду «обобщенных» образов) или задачей распознавания понятий (имеется в виду распознавание частных случаев понятий).

Множеству, состоящему из одной ситуации (картинки), соответствует в традиционной логике конкретное понятие «данная картинка». Отношения между множествами имеют свои непосредственные аналоги в отношениях между понятиями. Если большими буквами обозначить понятия, а маленькими — соответствующие множества, то дополнение множества a , т. е. множество всех мыслимых ситуаций, не входящих в a , соответствует понятию «не A ». Пересечение множеств a и b , т. е. множество ситуаций, которые входят и в a , и в b , соответствует понятию « A и B одновременно». Например, если A — понятие «прямоугольник», а B — понятие «ромб», то « A и B одновременно» — понятие «квадрат». Объединение множеств a и b , т. е. множество ситуаций, которые входят хотя бы в одно из множеств a и b , соответствует понятию «либо A , либо B, либо A и B ». Если множество a включает в себя множество b , т. е. каждый элемент множества b входит в множество a , но не наоборот, то понятие B есть частный случай понятия A . При этом говорят, что понятие A более общее (абстрактное), чем понятие B , а понятие B более конкретное, чем A . Например, квадрат есть частный случай прямоугольника. Наконец, если множества a и b совпадают, то понятия A и B по существу тождественны и отличаются, быть может, лишь внешней формой их описания — способом распознавания. Встав на точку зрения кибернетики, т. е. отождествив понятие с множеством ситуаций, мы должны рассматривать перечисленные соответствия не как определение новых терминов, а просто как указание на наличие в нашем языке нескольких пар синонимов.