Рабочие материалы

Участники:

Владимир Георгиевич Редько — доктор физико-математических наук, ведущий научный сотрудник Института прикладной математики им. М. В. Келдыша РАН

Михаил Сергеевич Бурцев — программист-математик, аспирант Института прикладной математики им. М. В. Келдыша РАН

План дискуссии:

• Проблема применимости мышления человека в познании природы.

• Интеллектуальные изобретения биологической эволюции.

• Теория функциональных систем П. К. Анохина — концептуальная основа моделирования когнитивной эволюции.

• Задача моделирования целостного адаптивного поведения. Анимат-подход к моделированию адаптивного поведения (Animat = Animal + Robot).

• Целенаправленность адаптивного поведения.

• Модель эволюционного возникновения целенаправленного адаптивного поведения.

• Интеллектуализация аниматов или куда идти дальше.

Обзор темы:

В процессе биологической эволюции возникли чрезвычайно сложные и вместе с тем удивительно эффективно функционирующие живые организмы. Эффективность, гармоничность и согласованность работы «компонент» живых существ обеспечивается биологическими управляющими системами.

Но каковы эти управляющие системы? Как и почему они эволюционно возникли? Как животные познают внешний мир и используют это познание для управления своим поведением? Как эволюционное развитие познавательных способностей животных привело к возникновению интеллекта человека?

Можно ли научно подойти к решению этих интригующих вопросов?

Казалось бы, можно поступить достаточно понятным образом: идти по ступеням эволюции, выделять на эволюционном пути наиболее важные «изобретения» биологической эволюции, ведущие к интеллекту человека, и строить компьютерные, математические модели этих изобретений. И на основе этих моделей формировать научное представление о когнитивной эволюции, приведшей к интеллекту человека.

Но почему же ученые еще не провели такую работу? Работу, которая, по-видимому, могла бы внести радикальный вклад в современное научное миропонимание.

Конечно же, здесь сказывается сложность биологических систем и трудность налаживания междисциплинарного сотрудничества биологов и специалистов в области математического и компьютерного моделирования.

И, тем не менее, что здесь сделано и делается сейчас? Какие модели направлены на исследование «интеллектуальных изобретений» биологической эволюции? Что делается в близких направлениях исследований?

Сравнительно недавно, в начале 1990-х годов появилось направление исследований «Адаптивное поведение». Организаторами первой международной конференции по «Адаптивному поведению» (1990 г., Париж) были Жан-Аркадий Мейер и Стюарт Вильсон. Основной подход этого направления — конструирование и исследование искусственных (в виде компьютерной программы или робота) «организмов», способных приспосабливаться к внешней среде. Эти организмы называются «аниматами» (от англ. animal (животное) и robot: animal + robot = animat).

Программа-минимум направления «Адаптивное поведение» — исследовать архитектуры и принципы функционирования, которые позволяют животным или роботам жить и действовать в переменной внешней среде.

Программа-максимум этого направления — попытаться проанализировать эволюцию когнитивных способностей животных и эволюционное происхождение человеческого интеллекта.

Для иллюстрации этих работ речь пойдет об одной модели — модели эволюционного возникновения целенаправленного адаптивного поведения (модель разработана Владимиром Редько в соавторстве с Романом Гусаревым).

Одна из основных особенностей интеллектуального поведения животных — целенаправленность, стремление достичь определенной цели. Но как в принципе целенаправленное поведение могло возникнуть в процессе эволюции жизни на Земле? Попытка проанализировать эту проблему была осуществлена на компьютерной модели эволюционного возникновения целенаправленного адаптивного поведения.

В модели используется важное понятие «мотивация». Роль мотивации в поведении животных — формирование цели и поддержка целенаправленных форм поведения. Мотивация может рассматриваться как активная движущая сила, которая стимулирует нахождение такого решения, которое адекватно потребностям животного в рассматриваемой ситуации.

Исследовался возможный механизм эволюционного возникновения целенаправленного поведения, обусловленного мотивациями.

Основные предположения модели состоят в следующем:

• Имеется популяция агентов (искусственных организмов), имеющих естественные потребности: потребность энергии и потребность размножения.

• Популяция эволюционирует в простой клеточной среде, в клетках может эпизодически вырастать трава (пища агентов). Каждый агент имеет внутренний энергетический ресурс, который пополняется при съедании травы и уменьшается при выполнении каких-либо действий. Уменьшение ресурса до нуля приводит к смерти агента. Агенты могут скрещиваться, рождая новых агентов.

• Каждая потребность характеризуется количественно мотивацией. Например, если энергетический ресурс агента мал, то появляется мотивация найти пищу и пополнить энергетический ресурс.

• Поведение агента управляется его нейронной сетью, которая имеет специальные входы от мотиваций. Если имеется определенная мотивация, то поведение агента меняется с тем, чтобы удовлетворить соответствующую потребность. Такое поведение естественно называть целенаправленным (есть цель удовлетворить определенную потребность).

Управляющая нейронная сеть агента проста: она содержит всего 7 нейронов, каждый нейрон имеет 9 входов из внешней и внутренней среды агента. Нейроны определяют выходы системы управления — команды на выполнение тех или иных действий. Связи между входами и нейронами определяются 63 числами (весами синапсов нейронной сети). Эти числа составляют геном агента и модифицируются в процессе эволюции популяции агентов.

Модель была реализована в виде компьютерной программы, и исследовалось влияние мотиваций на поведение отдельного агента и популяции в целом. Для выяснения роли мотиваций сравнивались эволюционные процессы для популяций агентов а) с «работающими» мотивациями и б) с «выключенными» мотивациями.

Моделирование показало, что:

1) Целенаправленное поведение действительно возникает в ходе проанализированного нами эволюционного процесса. А именно, эволюционный процесс приводит к тому, что популяция агентов с мотивациями имеет значительные эволюционные преимущества по сравнению популяцией агентов без мотиваций. Мотивации обеспечивают эволюционное возникновение целенаправленности.

2) Переход от схемы управления агентом без мотиваций к схеме с мотивациями можно интерпретировать, как формирование нового уровня иерархии управления.

Дальнейшие исследования модели показали, что возможно эволюционное формирование достаточно сложной, но естественной иерархии целей. Цель всей популяции агентов — выживание вида. Для отдельного агента эта цель является метацелью, определяющей цели его существования — получения энергии и размножения. Но и эти цели в свою очередь могут быть разбиты на подцели, которые позволяют оптимизировать процесс достижения целей высших уровней.

Эта модель иллюстрирует один из основных выводов исследований в направлении «Адаптивное поведение»: достаточно нетривиальное поведение может быть получено в результате работы довольно простой системы управления «организмом». Система управления агентом в модели — простая нейронная сеть, работа которой полностью определяется 63 числами, задающими связи между входами и выходами нейронной сети.

Однако исследования «Адаптивное поведение» еще очень далеки от работы по программе-максимум: анализа эволюции когнитивных способностей животных в контексте эволюционного происхождения интеллекта человека. По-видимому, такие исследования займут не один десяток лет.

Материалы к программе:

Из книги Редько В. Г. Эволюционная кибернетика. (М.: Наука, 2001.)

Философские аспекты эволюционной кибернетики. На пути к теории происхождения логики. Гносеологическая проблема. Строгость доказательств, принятых в математике, служит основанием многочисленных применений математики в естественнонаучных теориях. Яркий пример, демонстрирующий мощь и красоту математической строгости — классический математический анализ. Благодаря работам О. Коши, Б. Больцано, К. Вейерштрасса и других математиков XIX века, одна из наиболее содержательных частей математики — дифференциальное и интегральное исчисление — получила столь серьезное обоснование, что невольно возникает желание распространить подобную строгость на возможно большую часть человеческих знаний. Однако, если посмотреть широко на естественные науки в целом, то может возникнуть вопрос: а насколько вообще обоснована применимость математики к познанию природы? Ведь те процессы, которые происходят в мышлении математика, совсем не похожи на те процессы, которые происходят в природе и изучаются естествоиспытателями.

Итак, возникает определенное сомнение в обоснованности самой математической строгости. В более общей формулировке рассматриваемую гносеологическую проблему следует поставить так: почему логика человеческого мышления применима к познанию природы? Действительно, с одной стороны, логические процессы вывода происходят в нашем, человеческом мышлении, с другой стороны, процессы, которые мы познаем посредством логики, относятся к изучаемой нами природе. Эти два типа процессов различны. Поэтому далеко не очевидно, что мы можем использовать процессы первого типа для познания процессов второго типа.

Рассматриваемая гносеологическая проблема — фундаментальная проблема. Она касается принципиальных возможностей человеческого познания и в особенности возможностей научного познания природы. Следовательно, эта проблема заслуживает тщательного исследования.

Ниже мы делаем попытку «нащупать» подходы к решению этой проблемы на естественнонаучной основе.

Действуя упрощенно, мы, конечно, можем попытаться разрешить эти проблемы следующим образом. В процессе биологической эволюции животные приобретали способности познавать внешний мир. Эти познавательные способности помогали им приспосабливаться к окружающей среде, и приспособленности тех животных, которые приобретали «хорошие» познавательные способности, увеличивались. Животные с повышенными приспособленностями распространялись в популяциях, следовательно «хорошие» познавательные способности фиксировались эволюцией. Шаг за шагом, эволюционно возникали все более сложные и более интеллектуальные способности, что, в конечном итоге, привело к появлению человеческого мышления, логики человеческого мышления. Таким образом, строго говоря, система «чистого разума» не является априорной. Ее можно рассматривать как априорную только тогда, когда мы ограничиваем рассмотрение отдельным взрослым человеком. Если мы принимаем во внимание эволюционное возникновение человечества, мы должны заключить, что система «чистого разума» возникла в процессе эволюции, в результате многочисленных взаимодействий между «разумом» животных и природой. «Чистый разум» имеет определенные эмпирические эволюционные корни.

Но этих простых рассуждений явно недостаточно. Проблема принципиальной способности познавать природу — фундаментальная гносеологическая проблема, и она должна быть проанализирована настолько глубоко, насколько это возможно.

Логика (в общем смысле: дедуктивная и индуктивная) — наиболее четкая часть «чистого разума», так что наиболее интересная задача, которая должна быть исследована, может быть поставлена в следующей форме: как и почему в процессе биологической эволюции возникли логические системы, обеспечивающие научное познание природы? Для понимания процесса возникновения логики и осмысления того, как и почему в этом процессе появились логические формы, обеспечивающие познание природы, имеет смысл построить модельную теорию эволюционного происхождения логики. Такая теория могла бы включать математические модели наиболее важных «интеллектуальных изобретений» биологической эволюции, посредством которых животные «познают» закономерности во внешнем мире, а также модели эволюционных переходов между «интеллектуальными изобретениями» разных уровней.

Надежнее всего начать с «самого начала» — с происхождения жизни — и проследить весь путь биологической эволюции от простейших до человека, выделяя на этом пути наиболее важные эволюционные «изобретения», ведущие к логике. Чтобы представить круг вопросов, которые могут составить предмет модельной теории происхождения логики, отметим некоторые уровни «интеллектуальных изобретений», укажем соответствующие им примеры, и модели, характеризующие эти уровни.

«Интеллектуальные изобретения» биологической эволюции — путь к логике. Уровень первый — организм различает состояние 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 живой клеткой в ответ на изменение питательных веществ во внешней среде по схеме Ф. Жакоба и Ж. Моно. Например, бактерия кишечной палочки обычно питается глюкозой, но если нет глюкозы, а есть лактоза, то в бактерии включается синтез специальных ферментов, перерабатывающих глюкозу в лактозу, что и обеспечивает жизнь бактерии в лактозной среде.

Простая модель такого свойства — адаптивный сайзер. Согласно модели адаптивные сайзеры имеют селективные преимущества перед подобными им неадаптивными, однако не всегда, а только в тех случаях, когда чередование сред происходит достаточно часто. Если же среда постоянна и богата питанием, то неадаптивные сайзеры имеют селективные преимущества перед адаптивными, так как последние вынуждены постоянно расходовать свои жизненные силы на синтез веществ, отслеживающих состояние внешней среды. Описанное свойство — это фактически безусловный рефлекс на молекулярно-генетическом уровне.

Второй уровень — временное запоминание организмом состояния среды и адекватное (также временное) приспособление к среде.

Пример этого уровня — привыкание, а именно, постепенное угасание реакции раздражения на биологически нейтральный стимул. Этот простейший приобретаемый навык появляется на уровне сложных одноклеточных организмов. Охарактеризуем кратко это свойство, следуя опытам В. Кинастовского на инфузориях. В этих опытах на инфузорию воздействовали биологически нейтральным стимулом (падающая капля воды) и наблюдали реакцию инфузории. Сначала в ответ на действие стимула у инфузории возникает реакция раздражения. Но, если этот стимул повторяется многократно, то реакция раздражения постепенно угасает. Отметим, что привыкание отличается от утомления: если на инфузорию, привыкшую к падающей капле воды, подействовать другим нейтральным стимулом, то реакция раздражения восстанавливается. Согласно опытам В. Кинастовского время выработки привыкания у инфузорий составляет 10 — 30 минут, сохраняется привыкание в течение 1 — 3 часов. Память о раздражителях, выработанная в процессе привыкания у одноклеточных, по-видимому, осуществляется за счет переорганизации химических взаимодействий в цитоплазме клеток. Интересно, что свойством привыкания обладают отдельные нервные клетки.

Подчеркнем, что привыкание — простейшее свойство индивидуального приспособления. Память о состояниях внешней среды, формируемая при привыкании, кратковременная.

Модели автоматов, способных временно запоминать состояния внешней среды и использовать приобретаемый при этом опыт, уровень «интеллектуальности» которых примерно соответствует уровню привыкания, были разработаны и разносторонне исследованы М. Л. Цетлиным и его последователями. В последнее время модели привыкания строятся исследователями направления «Адаптивное поведение».

Третий уровень — запоминание устойчивых связей между событиями в окружающей организм природе.

Пример — классический условный рефлекс, в котором происходит долговременное запоминание связи между условным и безусловным стимулами. Скажем, собака запоминает связь между звуковым сигналом (условный стимул) и пищей (безусловный стимул). Формирование условного рефлекса (УР) происходит в три стадии. Первая стадия — прегенерализация, во время которой еще нет реакции на условный стимул, однако повышается электрическая активность разных областей мозга. За ней следует стадия генерализации, при которой реакция возникает как на условный стимул, так и на различные подобные ему (дифференцировочные) раздражители. Затем происходит специализация, при которой реакция на дифференцировочные стимулы постепенно ослабевает, и сохраняется только реакция на условный стимул.

Между классическим условным рефлексом и логикой лежит целый ряд промежуточных уровней познавательных свойств. Здесь мы только упомянем некоторые из них.

Инструментальный условный рефлекс отличается от классического тем, что здесь для получения поощрения животному необходимо совершить заранее неизвестное ему действие.

Цепь условных рефлексов — система реакций, формирующаяся на основе ранее хранившихся в памяти животного условных связей. Начиная с некоторого уровня, у животных возможно формирование моделей внешнего мира.

Последний из рассматриваемых уровней — логика. Пример этого уровня — системы логического вывода. Математические модели логики широко разработаны: есть исчисление высказываний, исчисление предикатов, математические теории логического вывода; активно ведутся работы по математической формализации индуктивного вывода.

Можно отметить, что математическая логика дает ответы на вопросы: «Каковы правила логики человеческого мышления?» и «Как использовать правила логики?» Рассматриваемая здесь пока чисто умозрительно теория происхождения логики могла бы дать ответы на более глубокие вопросы: «Почему правила логики человеческого мышления таковы, каковы они есть?» и «Почему правила логики могут корректно использоваться?»

Итак, можно выделить несколько ключевых «изобретений» и расположить их в последовательный ряд эволюционных достижений. В этом ряду происходит постепенное усовершенствование «познания» закономерностей в окружающей среде.

Что же сделано в области теоретического моделирования эволюции «интеллектуальных» изобретений и осмысления того, как в процессе биологической эволюции возникали и развивались познавательные свойства биологических организмов? Общая ситуация примерно такова. Есть множество математических и компьютерных моделей, характеризующих «интеллектуальные» изобретения: модель возникновения безусловного рефлекса на молекулярно-генетическом уровне, модели привыкания, большое количество моделей условных рефлексов. Однако эти модели очень фрагментарны, слабо разработаны и не формируют общую картину эволюционного происхождения логики.

Таким образом, работы по созданию потенциальной теории происхождения логики только начинаются. Но, хотя сейчас модели «интеллектуальных изобретений» биологической эволюции разработаны слабо, ряд исследователей думает о разработке таких моделей. Например, дальняя цель исследований направления «Адаптивное поведение» — анализ эволюции когнитивных способностей живых организмов и процесса возникновения человеческого интеллекта — очень близка к задачам построения теории происхождения логики.

На основе этого материла можно охарактеризовать, — конечно, только очень предварительно — некоторые перспективы создания теории происхождения логики.

По-видимому, одно из важных понятий, которое могло бы играть большую роль в такой теории — это понятие моделей. А именно, моделей внешнего мира, тех моделей, которые формируются в «базе знаний» животных, и которые адекватно используются животными для принятия решений в постоянно меняющемся внешнем мире. Смысловое содержание моделей может быть охарактеризовано термином «семантическая сеть», которую можно определить как сеть внутренних понятий, сформированных в памяти животного и объединенных в структуры посредством смысловых связей между этими понятиями.

Строя модели внешнего мира, животные «познают» закономерности природы и адекватно используют свои «знания». Более того, они делают определенные «умозаключения» относительно объектов внешнего мира. Например, после того как в результате выработки условного рефлекса в семантической сети животного сформируется связь между условным стимулом А и безусловным стимулом В (животное уже знает, что за А последует В), животное приобретает способность делать определенный «логический вывод». А именно, если наступает событие А, то животное зная, что за А последует В, «выводит», что надо ожидать события В. Этот вывод аналогичен применению классического правила логики modus ponens: если из А следует В и имеет место А, то имеет место В.

Следовательно, можно проводить аналогии между «умозаключениями», которые делают при адаптивном поведении животные и логикой человеческого мышления, той логикой, которую мы используем в научном познании. Конечно, наша логика довольно формализована, она может быть выражена в виде высказываний, предложений, в формировании нашей логики огромную роль играло возникновение речи, возможность использования речи для передачи знаний друг другу. Тем не менее, понятно, что предпосылки для возникновения логики возникли в результате длительной эволюции жизни на Земле. И исследование эволюционных корней логики человеческого мышления вполне возможно и очень интересно.

Итак, мы можем использовать понятие «модель» для характеристики моделей ситуаций и общей модели внешнего мира, которые существуют в «базе знаний» животного. Эти модели используются животными для прогнозирования ситуаций, результатов действий, для адекватного управления своим поведением.

Человек, естественно, тоже имеет свои модели ситуаций и модели, характеризующие его общие представления о внешнем мире. Более того, общая научная картина мира — создаваемая всем международным научным сообществом — также может рассматриваться как совокупность моделей. Наиболее четкие и общие из этих моделей мы называем законами природы, — например закон всемирного тяготения или законы электродинамики, описываемые уравнения Максвелла. Часто эти модели настолько абстрактны, что они трудно воспринимаются нашей интуицией, — например модели квантовой механики.

Таким образом, используя понятие «модель» и анализируя способы формирования моделей и методы использования моделей, мы можем попытаться проследить эволюцию познавательных способностей на разных ступенях эволюции: от условного рефлекса до процессов научного познания.

Концептуальные теории эволюционной кибернетики. Следует отметить, что одного моделирования явно недостаточно для охвата всей многогранности эволюции познавательных свойств биологических организмов. Поэтому целесообразно сочетание построения математических и компьютерных моделей «интеллектуальных изобретений» с развитием общих схем и концепций эволюционной кибернетики.

К таким концепциям можно отнести теорию функциональных систем П. К. Анохина, теорию метасистемных переходов В. Ф. Турчина, теорию концептуальной рефлекторной дуги Е. Н. Соколова, анализ эволюции биологических информационных систем В. И. Корогодина, синтетическую схему эволюции нейронных сетей, управляющих динамикой «организмов-тележек» В. Брайтенберга, концептуальный анализ эволюции высшей нервной деятельности А. Н. Леонтьева и Л. Г. Воронина, анализ моделей поведения (животных и роботов), проведенный М.Г. Гаазе-Рапопортом и Д. А. Поспеловым.

Далее рассмотрим две концептуальные теории, которые могут быть положены в основу исследований эволюции «интеллектуальных изобретений». Первая из этих теорий — теория функциональных систем, разработанная советским нейрофизиологом П. К. Анохиным в 1930 -1970-х годах.

Функциональная система по П. К. Анохину — общая схема адаптивного поведения. Функциональная система по П. К. Анохину — кибернетическая схема управления организмом, нацеленного на достижение полезных для организма результатов. Опишем наиболее общие особенности функциональной системы в виде схемы управления поведением животного, характеризуя основные ее свойства и переводя — там, где это естественно — биологические представления на кибернетический язык.

Функциональная система характеризует следующие свойства схемы управления поведением животного:

• целенаправленность, связанную с необходимостью удовлетворения потребностей животного;

• мотивацию, задающую предпосылки (например, обусловленные потребностями) для формирования цели;

• доминанту по А. А. Ухтомскому, обеспечивающую мобилизацию ресурсов животного на достижение приоритетной цели, в том числе мобилизацию интеллектуальных ресурсов (концентрацию внимания);

• распознавание ситуации;

• «планирование» действий;

• принятие решения;

• прогноз результата действия;

• выполнение самого целенаправленного действия;

• оценку результата действия;

• сопоставление прогноза и результата;

• поиск нужного решения и корректировку базы знаний (в случае

рассогласования прогноза и результата) — обучение.

Распознавание, планирование, принятие решения основываются на использовании базы знаний, которая пополняется при обучении.

Важное понятие функциональной системы — мотивация. Роль мотивации состоит в формировании цели и поддержке целенаправленных форм поведения. Мотивация может рассматриваться как активная движущая сила, которая стимулирует нахождение такого решения, которое адекватно потребностям животного в рассматриваемой ситуации. Мотивация тесно связана с понятием доминанты, введенным А. А. Ухтомским. Доминанта мобилизует ресурсы животного на достижение заданной цели. В частности, мобилизуются нервные ресурсы, так что внимание животного концентрируется на приоритетной цели. Отметим интересные модели доминанты, которые разрабатывал В. И. Крюков.

Здесь необходимо отметить, что перечисленные свойства функциональной системы практически совпадают со свойствами аниматов, исследуемыми в направлении «Адаптивное поведение». Т.е. функциональная система по П. К. Анохину может рассматриваться как определенная концептуальная основа исследований этого направления.

Теория метасистемных переходов В. Ф. Турчина. Концепция функциональных систем П. К. Анохина характеризует общую схему целенаправленного поведения. Другой яркий пример, иллюстрирующий разработку эволюционных концепций, — книга В. Ф. Турчина «Феномен науки. Кибернетический подход к эволюции». Книга была написана в нашей стране в 1970 г., однако из-за политической деятельности ее автора впервые была издана только в США в 1977 г.

Турчин рассматривает биологическую эволюцию с кибернетической точки зрения, а эволюцию научного познания — как продолжение биокибернетической эволюции. В книге последовательно проанализированы ступени биологической эволюции, а также этапы возникновения и развития математического знания. Книга написана исключительно четко, с хорошо обоснованной внутренней логикой. Хотя книга написана уже около 30 лет назад, идеи, изложенные в книге, очень интересны и сейчас.

Предмет исследования книги близок к нашему анализу уровней эволюции. Здесь мы не будем подробно пересказывать содержание «Феномена науки», а подчеркнем те идеи, которые дополняют сделанный выше анализ.

Особенность книги — попытка мысленно представить механизмы эволюционного прогресса биологических кибернетических систем.

В качестве основы исследования В. Ф. Турчин использует предложенную им «теорию метасистемных переходов».

Общая схема метасистемного перехода. Кратко суть теории метасистемных переходов сводится к следующему: переход от нижних уровней системной иерархии к верхним происходит путем метасистемных переходов. Каждый метасистемный переход можно рассматривать как объединение ряда подсистем Si нижнего уровня и появление дополнительного механизма управления C объединенными подсистемами. В результате метасистемного перехода формируется система S’ нового уровня (S’ = C + S i Si), которая может быть включена как подсистема в следующий метасистемный переход.

Турчин рассматривает метасистемный переход как некий кибернетический аналог физического фазового перехода. Он уделяет особое внимание количественному накоплению «потенциала развития» в подсистемах Si перед метасистемным переходом на качественно новый уровень иерархии, а также процессу размножения и развития подсистем предпоследнего уровня иерархии после метасистемного перехода.

Отметим, что понятие метасистемного перехода хорошо соответствует интуитивному представлению об эволюционном прогрессе кибернетических систем. Действительно, если есть некая кибернетическая система (скажем, блок генов, блок нервной системы, блок компьютерной программы) S1, то несложно представить процесс дублирования такой системы. В результате дублирования возможно возникновение множества сходных систем: S1 --> {S1 , S2 , … , Sn }. Системы Si могут быть сходными, но не идентичными, так как они сами могут модифицироваться за счет случайных процессов, скажем, мутаций. Далее, можно представить, что в процессе развития таких систем возникает возможность появления управления поведением всего множества {S1 , S2 , … , Sn }. Этот переход {Si } --> S’ значительно сложнее, чем дубликация, именно он и есть «революционный» переход с нижнего уровня иерархии на верхний. После такого метасистемного перехода естественно возникают дополнительные возможности развития систем Si .

Турчин характеризует биологическую эволюцию следующими метасистемными переходами:

• управление положением = движение

• управление движением = раздражимость (простой рефлекс)

• управление раздражимостью = (сложный) рефлекс

• управление рефлексами = ассоциации (условный рефлекс)

• управление ассоциациями = человеческое мышление

• управление человеческим мышлением = культура

Этапы эволюции по В. Ф. Турчину. Турчин выделяет следующие этапы эволюции:

• Химические формы «жизни»

• Движение

• Раздражимость (простой рефлекс)

• Нервная сеть (сложный рефлекс)

• Ассоциирование (условный рефлекс)

• Мышление

• Социальная интеграция, культура

Эти этапы Турчин относит к трем эрам (химической, кибернетической и эре разума).

1. Химические формы «жизни» — это «жизнь» на уровне макромолекулярных систем. Макромолекулярные системы могут реплицироваться в результате копирования матриц и химического синтеза. Биосинтез требует энергии. Основная форма энергии биосинтеза — солнечная. Часть примитивных организмов приобретает свойство непосредственно использовать энергию Солнца в процессе фотосинтеза, другая часть приобретает способность использовать энергию продуктов распада фотосинтезирующих организмов. Возникает разделение на растительный и животный миры.

Отметим, что уже после написания книги стали активно развиваться теоретические исследования по предбиологической эволюции, моделирующие «жизнь» на уровне макромолекулярных систем.

2. Движение. Растения и животные принципиально различаются по способу получения энергии. Для получения энергии растениям важна в первую очередь площадь фотосинтезирующей поверхности, а не их движение в пространстве. Для животных ситуация принципиально другая. Животные должны находить и захватывать пищу. Для этого им надо двигаться в пространстве (хотя бы хаотическим способом). Возникает движение как самих организмов, так и их частей (щупалец, ресничек, усиков и т.п.).

3. Раздражимость (простой рефлекс). На этом этапе движение животных становится направленным и возникает нервная система, передающая сигналы от рецепторов к эффекторам и управляющая движением. Рецепторы (органы чувств) воспринимают ситуацию во внешней среде, эффекторы (моторные элементы) реализуют движения. Простой рефлекс состоит в распознавании ситуации и адекватном действии в соответствии с ситуацией. В этом простейшем случае нервная система не имеет сети как таковой: рецепторы напрямую связаны с эффекторами.

4. Сложные рефлексы. Сеть волокон, формирующая прямые соединения между рецепторами и эффекторами и реализующая простой рефлекс, вполне могла возникнуть в процессе эволюции естественным путем, в результате проб и ошибок, так как число различных вариантов сети здесь сравнительно невелико. Но совсем другая ситуация возникает, если мы хотим построить сеть, реализующую общую схему связи между рецепторами и эффекторами, — число возможных вариантов сети неограниченно возрастает, и найти «нужную» сеть методом проб и ошибок практически невозможно.

Турчин аргументирует, что такие сложные нейронные сети в процессе эволюции могли бы формироваться в результате дублирования блоков и возникновения иерархии сетевых модулей. В иерархических нейронных сетях возможна группировка сигналов от рецепторов и формирование обобщенных признаков объектов. Иерархические нейронные сети могут обеспечивать достаточно сложное поведение, состоящее из нескольких согласованных между собой действий в соответствии с целями поведения и планом действий.

С учетом перечисленных особенностей, Турчин определяет сложный рефлекс как процесс, вызываемый стимулами от внешней среды (получаемыми от рецепторов): в этом процессе нейронная сеть формирует план действий, который сразу же выполняется.

Характеризуя более «интеллектуальные» уровни, Турчин обращает особое внимание на следующие особенности поведения животных:

• целенаправленность поведения,

• прогнозирование событий путем моделирования,

• формирование понятий,

• иерархичность систем управления.

Библиография:

Гаазе-Раппопорт М.Г., Поспелов Д. А. От амебы до робота: Модели поведения. М., 1987.

Меркулов И. П. Когнитивная эволюция. М., 1999.

Проблемы интеллектуального управления — общесистемные, эволюционные и нейросетевые аспекты: Материалы Круглого стола на Всероссийской конференции «Нейроинформатика-2002» /http://www.keldysh.ru/pages/BioCyber/RT/Papers.htm, http://www.dgap.mipt.ru/cgi-bin/artema/ai/board.pl, http://www.keldysh.ru/pages/BioCyber/Letters/Letters.htm.

Редько В. Г. Эволюционная кибернетика. М., 2001.

Редько В. Г. Проблемы адаптивного поведения и подходы к моделированию мышления: Вступ. статья к Рабочему совещанию Всероссийской конференции «Нейроинформатика-2003»/http://wsni2003.narod.ru

Турчин В. Ф. Феномен науки. Кибернетический подход к эволюции. М., 1993 (1-е изд.); М., 2000 (2-е изд.).

Чернавский Д. С. Синергетика и информация. М., 2001.