home   |   А-Я   |   A-Z   |   меню


Компьютерная метафора

Родни БРУКС

Почетный профессор робототехники стипендии Panasonic, Массачусетский технологический институт; основатель, председатель и технический директор Rethink Robotics. Автор книги Flesh and Machines («Плоть и машины»).

На протяжении всей своей истории мы использовали технические метафоры для описания работы тела и мозга человека. Гидротехника древних греков привела к теории о четырех жидкостях-гуморах в человеческом теле, которые должны находиться в равновесии. К XVIII веку часовые механизмы и законы течения жидкостей использовались в качестве метафор при описании мозговой деятельности. В первой половине XX столетия мозг часто сравнивали с телефонным коммутатором: формулы, разработанные для распространения сигнала в телеграфных и телефонных проводах, использовались для моделирования потенциального действия аксонов. К 1960-м годам кибернетики использовали модели отрицательной обратной связи, в свое время разработанные для парового двигателя, а затем значительно усовершенствованные во время Второй мировой, когда они применялись для управления артиллерийским огнем. Но их пара, если можно так выразиться, надолго не хватило – вскоре эти модели были вытеснены представлениями о мозге как о цифровом компьютере. Мозг стали сравнивать с компьютерным «железом», а разум – с программным обеспечением, что не помогло нам лучше понять ни первое, ни второе. На протяжении оставшихся десятилетий XX века мозг превратился в мощнейший массово-параллельный суперкомпьютер, и сейчас то и дело попадаются аналогии между мозгом и интернетом, причем отдельные сайты по своим функциям схожи с нейронами, а гиперссылки, устанавливающие между ними связи, – с синапсами.

Это говорит о том, что на каждом витке развития технологий будут появляться новые метафоры – мозг будет соотноситься с самой сложной технологией, доступной в тот или иной момент. Но влияет ли злободневная метафора на актуальную науку? Я утверждаю, что да и что аналогия с вычислительной техникой ставит ученых перед вопросами, которые в один прекрасный день покажутся как минимум странными.

Сила вычислений и вычислительного мышления велика, и их возможный вклад в науку еще только предстоит по-настоящему оценить. Но путать вычислительные приближения с вычислительными теориями природных явлений – занятие не всегда полезное.

Возьмем, к примеру, классическую модель: планета вращается вокруг звезды. Это гравитационная модель, и поведение двух тел может быть объяснено решением простого дифференциального уравнения, описывающего силы, ускорения и отношения между ними. Такое уравнение можно расширить, чтобы учесть относительность и вариант с несколькими планетами, и это могло бы дать возможность описать происходящее в системе с точки зрения физика.

К сожалению, к этому моменту уравнение становится нерешаемым, и лучшее, что мы можем сделать, чтобы понять поведение системы – это прибегнуть к помощи вычислений, позволяющих разбить время на отрезки, и использовать числовое приближение для моделирования долгосрочного поведения системы. Тем не менее лишь самый упертый приверженец компьютерной модели (а таковые и в самом деле существуют) будет настаивать, что планеты сами «вычисляют», что им делать в каждый момент времени, – мы-то знаем, что гораздо более продуктивна точка зрения, согласно которой планеты перемещаются под действием силы тяжести.

Но когда дело доходит до объяснений деятельности мозга и более простых нейронных систем, тут полностью правят бал компьютерные метафоры. Мы постоянно слышим разговоры о «нейронном кодировании». Так что же такое закодировано в пакетах импульсов, пробегающих по аксону?

Древние нейроны эволюционировали для лучшей синхронизации мышечной активности. Например, медузы плавают намного лучше, если все их плавательные мышцы активированы одновременно, – это позволяет им точнее держать направление, а не болтаться в воде. Для других видов эволюция предусмотрела самые разнообразные решения: от быстрого распространения импульса до плавного, тщательно настроенного затухания сигнала запускающего аксона и замедления в мышечных волокнах в зависимости от силы импульса. Кроме того, у многих видов медуз есть сразу несколько нейронных систем, основанных на разных химических схемах распространения сигнала в зависимости от типа поведения или даже от режима плавания. Так же, как описание поведения планеты в терминах вычислительных систем не помогает понять поведение небесных тел, так и представление нейронов в этих простых системах в качестве машин, отправляющих «сообщения» друг другу, – не лучший способ описания поведения этих систем в их естественной среде.

Вычислительная модель нейронной сети, существующая на протяжении последних 60 лет, исключала из рассмотрения роль глиальных клеток в мозговой деятельности; диффузию мелких молекул, влияющую на соседние нейроны; гормональные факторы взаимовлияния различных частей нервной системы; непрерывный процесс образования новых нейронов; и бесчисленное множество других вещей, о которых мы еще не знаем. Так как все эти явления не вписываются в рамки вычислительной метафоры, то для нас они как бы и вовсе не существуют.

Ранее неизвестные механизмы, которые мы сейчас обнаруживаем за пределами вычислительной модели, накладываются на эту последнюю, создавая чрезвычайно громоздкую конструкцию. Хуже того – исследователи, увлеченно соревнующиеся друг с другом в поиске новых, достойных публикации открытий, не замечают этой громоздкости.

Подозреваю, что мы будем по-настоящему готовы к новым открытиям только тогда, когда вычислительную метафору сменят другие, лучше помогающие понять роль мозга как части системы нашего поведения в мире. Я не имею ни малейшего понятия, что за метафоры это будут, но история науки показывает, что они в конце концов придут на смену старым.


Картезианская гидравлическая модель Роберт Курцбан | Эта идея должна умереть. Научные теории, которые блокируют прогресс | Левополушарность / правополушарность Сара-Джейн Блэкмор



Loading...