Исследуя сложность: от искусственной жизни и искусственного интеллекта к киберфизическим системам
Майнцер Клаус (Германия) - доктор философии, профессор, заведующий кафедрой. Кафедра философии и теории науки, Технический университет Мюнхена. Германия, г. Мюнхен
Классическая кибернетика в традиции Норберта Винера является сегодня составной частью математической теории сложных систем и нелинейной динамики. Только в этих рамках может быть объяснено возникновение структур и образцов в природе и технике и построены компьютерные модели. Понятия «самоорганизация» и «эмерджентность» имеют четкие определения и могут использоваться для объяснения развития технических систем. В первой части статьи рассматриваются основания теории сложных систем и нелинейной динамики и применение этих теорий для изучения образования структур и паттернов сложных клеточных систем, являющихся предметом системной биологии. Во второй части речь идет о применении динамики сложных систем для описания эволюции мозга и познания. Эти исследования составляют предпосылку для развития социальных роботов, которым посвящена третья часть статьи. Нейронные сетевые структуры представлены не только отдельными организмами или роботами - в четвертой части речь идет о киберфизических системах, позволяющих моделировать сложные социотехнические системы, которые в значительной мере сами собой управляют. В последней области математическая теория сложных систем и нелинейная динамика также предоставляют нам основания для понимания самоорганизации и эмерджентности. В заключительной части обсуждается вопрос об этических и общесоциальных условиях, необходимых для технического конструирования сложных самоорганизирующихся систем.
Ключевые слова: сложные системы, нелинейная динамика, когнитивная роботика, ки- берфизические системы
Exploring Complexity: from Artificial Life and Artificial Intelligence to Cyberphysical Systems
Klaus Mainzer
Ph.D. in Philosophy, Professor, Chairman. Chair of Philosophy and Theory of Science. Technical University Munich. Arcis Munich, Germany
The classical cybernetics in the Norbert Wiener's tradition is nowadays a part of the mathematical theory of complex systems and nonlinear dynamics. Only in these frameworks, building of structures and patterns in nature and technics can be explained and in computer models simulated. Self-organization and emergence became well-defined concepts and can be transferred to technical systems. In the first part of the article, the foundations of complex systems and of nonlinear dynamics are under review. As an application, the building of structures and patterns in complex cell systems, which are subject of system biology, is considered. In the second part, the application of complex system dynamics to evolution of brain and cognition is explored. The research gives us a prerequisite for development of cognitive and social robots, what the topic of the third part is. Neural network structures are not at all limited to individual organisms and robots. In the fourth part, the cyberphysical systems, by means of which complex self-controlling sociotechnical systems are modeled, are studied. The mathematical theory of complex systems and nonlinear dynamics provides us with foundation for understanding of self-organization and emergence in this field. Finally, the question of ethical and social general conditions for technical constructing of complex self-organizing systems are stated and discussed.
Keywords: complex systems, nonlinear dynamics, cognitive robotics, cyberphysical systems
С возникновением новых методов биоматематики, биофизики и биоинформатики принципы моделирования изменились. Оно стало опираться на математическую теорию сложных систем и нелинейную динамику, в которых кибернетические обратные связи являются всего лишь примерами сложных (нелинейных) взаимодействий системных элементов1.
В системной биологии исследование развивается путем сочетания экспериментов invitro, invivoи insilico Mainzer K.ThinkinginComplexity. The Computational Dynamics of Matter, Mind, and Mankind.
5. Auflage. Berlin, 2007. Лат.: в пробирке, в естественных условиях и компьютерном моделировании (прим. перев.). Mainzer K. Die Berechnung der Welt. Von der Weltformel zu Big Data. Mьnchen, 2014..Обычным стало компьютерное моделирование (с программами, созданными с кремнийорганическими полимерами) высокосложных взаимодействий молекул, клеток, органов и организмов, которое было бы невозможным без математических моделей сложной системной динамики и вычислительной техники.
Робототехника и исследования искусственного интеллекта позволяют продвинуться еще дальше и наделить технические системы когнитивными функциями, зафиксированными благодаря исследованиям мозга и нейропсихологии. С одной стороны, эти исследования служат моделированию биологических и психологических процессов, с другой - открывают возможность создавать, руководствуясь техническими и коммерческими целями, альтернативные тем, что возникли в ходе биологической эволюции, биологические и интеллектуальные системы.
Подобный прогресс стал возможным благодаря бурному росту производительности вычислительных машин, прогрессирующей миниатюризации конструктивных элементов компьютеров (от трубок и транзисторов до наноэлектроники и сенсорной технологии), стремительной глобализации информационных систем и шагающей быстрыми темпами автоматизации общества при одновременном удешевлении небольших по размеру и высокопроизводительных информационно-технических систем. Согласно закону Мура, каждые 18 месяцев производительность вычислительных машин удваивается при одновременной миниатюризации и удешевлении устройств3.
кибернетика сложная система
Системная биология сложных систем
Со времени расшифровки генома человека в 2001 г. производительность машин, выполняющих последовательные вычисления, неуклонно растет, что обеспечивает исчисление и идентификацию все большего количества генов за все более короткие промежутки времени и за все меньшие деньги. Программа по распознаванию состава человеческих генов, достигшая в 2001 г. промежуточного высокого результата, представляла собой редукционистский исследовательский подход, в рамках которого со все большей вычислительной производительностью расшифровывались все более мелкие структурные элементы жизни.
Теперь в системной биологии перед нами встает несравненно более сложная задача: из огромного потока данных об отдельных компонентах понять функционирование всей биологической системы клеток, органов и организмов. Чтобы понять сложные системные функции, такие как регуляция, контроль, управление и адаптация в процессах роста и эволюции, предстоит расшифровать посредством компьютерных моделей гигантские генетические карты всех генетических взаимодействий и сложных сетей обмена веществ4. «Стеклянные» клетки со схемами переключения откроют новые возможности для понимания генетической обусловленности болезней (рак, болезни сердечнососудистой системы и т. д.), а также позволят сделать выводы о процессе старения организма. Без компьютерных моделей сложных систем клеток, органов и организмов этот барьер не будет взят5.
Вместе с тем становится ясным, каким ошеломляющим является различие живых организмов и технических схем соединений. Соединения в силиконе, несмотря на сложность и миниатюризацию, до сих пор функционально поддавались любому доступному воспроизведению, в то время как каждый врач из своей ежедневной практики знает, насколько по-разному могут реагировать сложные человеческие организмы на одни и те же условия. Поэтому неимоверно сложным становится исследование не только опухолей, но и, вообще говоря, простого насморка. Трудности проявляются на уровне системнобиологического изучения белков в лаборатории. Хотя с помощью математической теории сложных динамических систем мы имеем общее представление о самоорганизации и эмерджентности новых структур, дьявол кроется в деталях, присущих каждому отдельному случаю6.
На следующем этапе своего развития системная биология предоставляет материал для копирования синтетической биологии - тогда системная биология становится инженерной наукой1. Именно на пути изучения функционирования биологических систем, таких как клетки и бактерии, возникают предположения о возможности конструировать из различных биомолекул новые модули и сети со специальными свойствами.4 BoogerdF.C. et al.(Hrsg.) Systems Biology. Philosophical Foundations. Amsterdam, 2007.
5 KrieteA., EilsR. (Hrsg.) Computational Systems Biology. Amsterdam, 2007.
6 Kaneko K.Life: An Introduction to Complex Systems Biology. Berlin, 2006.
7 Pfeifer R., Scheier C.Understanding Intelligence. Cambridge (ЫА), 2001.
8 Mainzer K., Chua L.O.The Universe as Automaton. From Simplicity and Symmetry to Complexity.
Berlin, 2011.
Искусственная жизнь была известна до наших дней только как программное обеспечение (software) в информатике. В конце 1950-х гг. американский ученый Джон фон Нейман, один из основоположников компьютерной науки, математически доказал, что клеточные автоматы могут репродуцировать себя в шахматном порядке. Джон Конвей разработал этот подход в форме игры жизни (GameofLife),после чего дарвиновские правила эволюции удалось смоделировать в виде компьютерной программы8. В синтетической биологии программное обеспечение (software) превращается во «влажное обеспечение» («wetware»), т. е. в новую органическую жизнь. Крейг Вентер, инициатор разработки программы расшифровки генома человека к 2001 г., верит в возможность конструирования бактерий, продуцирующих водород и тем самым способных помочь решить проблему энергетического обеспечения. Тем не менее
Национальная академия наук Германии (Leopoldina) высказала точку зрения, разделяемую Немецким исследовательским обществом (DFG) и Академией технических наук (Acatech), что синтетическая биология «открывает большой потенциал для прогресса в деле создания новых вакцин и лекарств, а также новых видов топлива и материалов».
Эволюция тела и мозга
Мозг как сложная система
Анатомия мозга показывает коренное отличие от строения обычного компьютера. Человеческий мозг опять-таки является примером сложной динамической системы, в которой взаимодействуют миллиарды нейронов. Через многократно передаваемые электрические импульсы возникают образцы соединений, которые связаны с такими когнитивными состояниями, как мышление, чувства, восприятие или действия. Возникновение (эмерджентность) этих ментальных состояний представляет собой еще один типичный пример самоорганизации сложной системы: отдельный нейрон, можно сказать, «глуп»: он не может ни думать, ни чувствовать, ни воспринимать. Только коллективные взаимодействия нейронов и случайные соединения при наличии определенных благоприятных условий порождают когнитивные состояния.
В нейронных сетях мозга между нейронами имеет место нейрохимическая динамика. Вещественная основа для передачи химических сигналов воздействует на изменения нейронных состояний посредством прямых и опосредованных механизмов передачи с высокой пластичностью. Различные состояния сети сохраняются в синаптических связях клеточных образцов соединений («клеточных ансамблях»). Здесь, как во всякой сложной динамической системе, можно провести различие между микросостояниями элементов (т. е. цифровыми состояниями «вспыхивания» и «невспыхивания» при разрядке и спокойном состоянии нейронов) и макросостояниями формирования образцов (т. е. образцами соединения совместно активированных нейронов в нейронной сети). Способы компьютерной визуализации (например, снимки при позитронно-эмиссионной томографии) показывают, что различные макроскопические образцы соединений коррелируют с различными ментальными и когнитивными состояниями, такими как восприятие, мышление, чувства и сознание. В этом смысле когнитивные и ментальные состояния могут быть представлены как эмерджентные свойства нейронной активности мозга: отдельные нейроны не могут ни видеть, ни чувствовать, ни думать, а мозг связан с органами чувств организма.
Современные возможности компьютерного моделирования позволяют наблюдать возникновение образцов («формирование паттернов» - «pattern formation»)в мозге, при этом локальную активность нейронов и вызванные ею потенциалы действия мы сводим к нелинейной системной динамике. Их корреляции с ментальными и когнитивными состояниями раскрываются на основе психологических наблюдений и измерений: всякий раз, когда человек, скажем, видит или говорит, можно наблюдать формирование того или иного образца в мозге. Между тем при «чтении мозга» («brainreading»)формирование отдельных образцов можно зафиксировать настолько детально, что в этих образцах соединений удастся расшифровать соответствующие зрительные и слуховые восприятия с подходящими им алгоритмами. Данная техника, разумеется, делает лишь первые шаги в своем развитии.
Математические законы динамики мозга
В исследованиях мозга синаптическое взаимодействие нейронов в мозге возможно описать с помощью системы дифференциальных уравнений. Уравнения Ходжкина-Хаксли являются примером нелинейных уравнений реакции- диффузии, позволяющих смоделировать передачу нервных импульсов. Они были найдены путем эмпирических измерений Нобелевскими лауреатами по медицине Аланом Л. Ходжкином и Эндрю Ф. Хаксли. Предложенные уравнения дают хорошо подтвержденную математическую модель динамики нейронов в мозге, что не исключает возможности улучшения или изменения этих уравнений в ходе дальнейших исследований.
С помощью таких дифференциальных уравнений могут быть точно определены пространства параметров динамической системы с локально активными и локально пассивными областями. В случае уравнений Ходжкина- Хаксли мы получаем пространство параметров мозга с точно измененными областями локальной активности и локальной пассивности. Только в области локальной активности могут возникать потенциалы действия нейронов, которые влекут образование в мозге соединений по определенным образцам. Моделирование на компьютере позволяет систематически исследовать и предсказывать образцы соединений для различных значений параметров, как показано в нашей книге9. В отдельных случаях образцы уже могут быть расшифрованы посредством технологии «чтения мозга». Тем самым строятся первые мосты к смысловому уровню познания.
Программа «чтения мозга» зависит от математической модели Ходжкина-Хаксли. Проект «Человеческий мозг» («HumanBrainProject»),осуществляемый Европейским союзом, нацелен на точное эмпирическое моделирование человеческого мозга во всех нейрологических деталях. Тем самым мы получаем возможность эмпирического тестирования математической модели Ходжкина-Хаксли, посредством которого могут быть проверены предсказания о формировании образцов в мозге и их когнитивных значениях.
Отелесненный разум
Мозг является сложной системой органических соединений. Наши ментальные и когнитивные способности, как показывает психология развития, также в значительной степени сформированы через тело, которое возникло в процессе эволюции. Так, грудные дети и дети младшего возраста могут различать объекты (например, игрушки, еду и питье), хватая их руками, воспринимая на слух и посредством зрения, слизывая и чувствуя их вкус, еще до того, как они научаются называть их словами. Мы имеем наглядные представления Mainzer K., Chua L.O. The Universe as Automaton. From Simplicity and Symmetry to Complexity.