Богатство идей или сила математических методов
Синергетика имеет вполне сложившийся и определенный математический инструментарий (см. статьи Ю.А. Данилова [22] и Ю.А. Данилова и Б.Б.Кадомцева [23] на этой странице): качественные методы анализа нелинейных дифференциальных уравнений, методы исследования диссипативных структур, автоволновых процессов, теория странных аттракторов, теория фракталей и т.п. Сила математических методов синергетики во многом обусловлена их непосредственной связью с хорошо разработанными методами математической физики.
В этом отношении эволюционной кибернетике "не повезло": биологические знания довольно далеки от физики, и математические приемы нужно изобретать заново. Конечно, и здесь возможно применение отдельных математических моделей, разработанных в физике. Например, в эволюционном моделировании [24] и в теории нейронных сетей [25] используется физическая модель спиновых стекол [26] (описывающая систему большого числа случайно попарно взаимодействующих между собой элементов - спинов). Однако такое использование (конечно, весьма полезное) не определяющее, а скорее эпизодическое.
Потенциал эволюционной кибернетики составляет огромный накопленный биологами экспериментальный материал. Для осмысления этого материала полезна общая культура научного мышления, накопленная физиками. Как говорил Р.Фейнман "Нужны светлые головы, умеющие осмысливать эксперимент". Определенная сложность заключается в том, что точки зрения биологов часто сильно различаются. Например, автор, беседуя с биологами одной кафедры, в двух соседних комнатах сталкивался с совершенно разными подходами (причем, каждый из подходов вполне разумно обосновывался). Мышление биологов зачастую образное, художественное. Тем не менее, многие биологи ощущают необходимость использования математических, кибернетических моделей в осмыслении экспериментального материала.
Каков же задел эволюционной кибернетики? От чего целесообразно отталкиваться, куда двигаться дальше?
Во-первых, имеются определенные обобщающие концепции эволюции кибернетических свойств, разрабатываемые как биологами [15, 27-30], так и биофизиками [31] и кибернетиками [8], [32].
Во-вторых, известен ряд интересных кибернетических моделей (некоторые из них уже были отмечены выше, раздел 2). В нашей стране такие модели активно разрабатывались в 60-70-х годах. В качестве примеров можно привести: 1) математические модели автоматов М.Л.Цетлина, способных адекватно приспосабливаться к простым изменениям внешней среды [33] , 2) компьютерную модель "Животное", демонстрирующую адаптивное поведение кибернетического объекта с несколькими потребностями в искусственной (плоскость, разбитая на клетки) среде, разработанную под руководством талантливого кибернетика М.М.Бонгарда [34]. Популярный обзор кибернетических моделей 50-70-х годов содержится в [32].
К заделу можно отнести также интенсивные исследования последних лет по теории нейронных сетей. Однако, насколько известно автору, нейросетевые модели еще практически не использовались для интерпретации наиболее интересных, "интеллектуальных" свойств.
Где же можно ожидать наибольшую результативность биокибернетического моделирования? По-видимому, наиболее интересно было бы промоделировать процесс формирования новых знаний при адаптивном поведении животных. Сформулируем общие требования к достаточно универсальной модели поведения, формализуя общие особенности функциональной системы по П.К.Анохину [27]. Для определенности будем считать, что рассматривается животное с развитой нервной системой, скажем, млекопитающее.
Модель поведения могла бы характеризовать следующие свойства системы управления поведением животных:
- целенаправленность, связанную с необходимостью удовлетворения потребностей животного;
- мотивацию, задающую предпосылки (например, обусловленные потребностями) для формирования цели;
- доминантность [15], обеспечивающую мобилизацию ресурсов животного на достижение приоритетной цели, в том числе мобилизацию интеллектуальных ресурсов (концентрацию внимания);
- распознавание ситуации;
- "планирование" действий;
- прогноз результата действия (с использованием "базы знаний", содержащейся в памяти животного);
- моделирование самого целенаправленного действия;
- оценку результата действия;
- сопоставление прогноза и результата;
- поиск нужного решения и корректировку базы знаний (в случае рассогласования прогноза и результата).
Максимально упрощая модель, перечисленные свойства нетрудно реализовать в виде компьютерной программы. Например, в программе "Животное" [32,34] можно выявить практически все перечисленные особенности данной модели. Однако очерченная модель поведения имеет большой потенциал для серьезного развития. Наметим вопросы, задающие направления развития:
1) Какова могла бы быть иерархия памяти в базе знаний? Естественно предположить существование постоянной (генетической, передаваемой по наследству) памяти (памяти инстинктов), долговременной памяти, в которую записывались бы надежно выработанные приобретенные навыки, и кратковременной памяти, в которую записывались бы промежуточные результаты, формируемые в процессе выработки приобретаемых навыков. Каковы приоритеты использования того или иного вида памяти? В каком виде могут записываться данные в память? Как производится сжатие информации при записи в память?
2) Какова детальная структура данных в базе знаний, как в нее включаются категории, понятия и отдельные образы? Можно ли ее рассматривать, как семантическую сеть, включающую образы объектов, объединенные в сеть смысловыми связями (аналогичную семантическим сетям в разработках искусственного интеллекта [36])? Можно ли ввести "синтаксис", характеризующий структуру базы данных?
3) Каковы программы поведения, основанные на базе знаний? Как они формируются в процессе обучения? Какова степень параллелизма обработки информационных данных в процессе формирования программ [37]? Какова информационная роль инстинктов при организации программ целенаправленного поведения [38]?
4) Как видоизменяется целенаправленное поведение в процессе взросления животного? Какова роль любопытства, игр в процессе пополнения баз знаний? Какова роль родителей животного, передающих потомкам накопленный опыт поколений.
5) И самый нетривиальный, самый интересный вопрос: Какова "логика умозаключений", используемая животными при планировании, прогнозе, построении их собственных "моделей" ситуаций, коррекции и пополнении базы знаний? Каковы особенности этой "логики умозаключений" (степень нечеткости, параллелизма, степень эмоциональной окраски)? До какой степени "логику умозаключений" животных можно сопоставить с человеческой логикой (повседневной и научной)? Каковы эволюционные корни "логики умозаключений" животных и человеческой логики?
Одного моделирования явно недостаточно для охвата всей многогранности эволюции биокибернетических систем. Поэтому целесообразно именно сочетание 1) построения базовых математических моделей (интерпретирующих наиболее яркие кибернетические свойства) с 2) развитием общих концепций эволюционной кибернетики. При моделировании, по-видимому, основное внимание следует уделять четкости, идейной содержательности модели; роль специального математического инструментария здесь (в отличие от синергетики), скорее всего, должна быть второстепенной.
