Текст книги "Инновационная сложность"

Автор книги: "Правова група "Домініон" Колектив

сообщить о нарушении

Текущая страница: 30 (всего у книги 38 страниц)

Переход на наноуровень, его срединное положение между макро– и микропроцессами, порождает и новые проблемы, ранее неизвестные в классической электронике и требующие обращения за их разъяснением к неклассической физике. Созданный учеными Токийского технологического института «наноамперметр» для обнаружения единичного электрона, с одной стороны, аналогичен классическому амперметру, а с другой – сталкивается с иными закономерностями микромира. Этот прибор, по мнению его создателей, поможет «глубже изучить транспорт электронов в биологических наноструктурах» и пригодится в наноэлектронике. Интересно, что он может одновременно следить за отдельным электроном (что относится к сфере микрофизики и микроэлектроники) и в определенных пределах «измерять с высокой точностью протекающий через него ток». А это уже уровень классической физики и классическойй теории электрических цепей[353]353
  Мир материалов и технологий. Нанотехнологии. Наноматериалы. Наносистемная техника. Мировые достижения – 2008 год / Сборник под редакцией д.т.н., проф. П. П. Мальцева. М.: Техносфера, 2008. С. 112–113.


[Закрыть]. Отдельные молекулы или атомы могут образовывать кластеры, которые являются переходной единицей между макро– и наносистемами. Причем при определенных условиях кластер начинает вести себя как объемное вещество: «разные физические свойства кластеров достигают значений, характерных для объемных материалов при разных размерах кластера. Размеры кластера, при которых происходит переход к поведению объемного материала, оказывается зависящим от измеряемой характеристики»[354]354
  Пул – мл. Ч., Оуэнс Ф. Нанотехнологии. М.: Техносфера, 2006. С. 92–93.


[Закрыть].

Заключительные замечания: эволюция сложности в условиях роста технологических рисков

Увеличение сложности технических систем влечет за собой рост рисков техногенных катастроф, а попытка преодоления этих рисков в свою очередь ведет к усложнению технических систем. «Уязвимость нашей техногенной цивилизации, повсеместно окружающих и включающих нас сложных технических систем становится все более очевидной… к таким системам относятся не только чисто технические системы. Речь идет фактически о социотехнических системах. К ним относятся, например, и различные инфраструктуры, разнообразные сетевые взаимосвязи, в которые мы включены вместе с самыми современными техническими устройствами и промышленными процессами, производящими эти устройства и поддерживающими их функционирование и использование. Именно сегодня, как никогда раньше, эти системы стали весьма уязвимыми. Естественно, что с целью уменьшения этой уязвимости, общество пытается уменьшить технологические риски всякого рода неполадок, ошибок, несчастных случаев, избежать техногенных катастроф. Для этого, например, сооружают многоступенчатые системы защиты и предохранительные устройства, как это имеет место, например, в энергетике. Но это, в свою очередь, еще больше усложняет как сами эти системы, так и возможность контроля и управления ими. Несмотря на все эти меры, можно констатировать, что проблематика технологических рисков, вопросы ответственности и безопасности сложных систем не только не снимаются с повестки дня, но становятся еще более актуальными и обсуждаемыми, чем это можно было бы себе представить пару десятилетий назад»[355]355
  ЛениX. Социальная ответственность человека за надежность сложных социотехнических систем // Синергетическая парадигма: Синергетика инновационной сложности / Отв. ред. В. И. Аршинов. М: Прогресс-Традиция, 2011. С. 237–238.


[Закрыть]. В то же время стало ясно, что управление рисками, т. е. обращение с ними в современном обществе, и знания, на которых основываются решения по поводу технологических рисков, всегда остаются спорными, а изначальное стремление сделать их научно точно калькулируемыми является иллюзией.

Единой меры пользы и вреда в принципе не существует. Даже пересчет различного ущерба в денежных единицах ведет к произвольным и спорным результатам. Такой подход к расчету технологических рисков применим только там, где накоплен достаточный статистический материал и на основе частоты отказов отдельных компонентов сложных технических систем может быть сделан вывод о надежности системы в целом. В этом случае, например, частая поломка какой-либо детали в определенный отрезок времени экстраполируется как на всю систему в целом, так и на следующий период ее функционирования. Этот подход, однако, не применим к уникальным сложным техническим системам, где каждая новая авария является по своим причинам и следствиям уникальной. Это показали, например, сравнения аварий на атомных электростанциях. Даже если есть много общего, предыдущий опыт часто не применим к новым авариям, имеющих многочисленные новые, непредвиденные особенности. До тех пор, пока нет достаточного количества эмпирических случаев, можно дать лишь субъективную оценку, которая может выдавать желаемое за действительное, что и наблюдается, например, при авариях ядерных установок. Они всегда единичны и набирать здесь статистику не представляется возможным, а заинтересованные эксперты не могут быть объективными. Поэтому предусмотреть и прогнозировать их последствия становится в принципе невозможно. Кроме того, при оценке истинного объема причиненного вреда от техногенных аварий и катастроф огромную роль играют самые различные субъективные обстаятельства, которые часто упускаются из вида (например, страх ответственности, утрата доверия и т. п.), поскольку речь идет не о простых технических устройствах, а о сложных социотехнических системах. Это выводит проблему принятия решений в области техногенных рисков на совершенно новый уровень сложности, где возникают синергетические эффекты, которые очень трудно предусмотреть и соизмерить, поскольку они наслаиваются один на другой и создают каждый раз новые ситуации.

Необходимо принимать во внимание, что при использовании математических вычислений учитываются лишь те отношения, которые доступны математической обработке, т. е. могут быть количественно выражены или выразимы. Кроме того, определение вероятности того или иного события, которое может привести к аварии, затрудняется тем, что оно часто лежит за пределами познаваемого, а ее последствия измеряются не только в аспекте принесенного материального ущерба, как показали Чернобыльская катастрофа и авария на Фукусиме. Если раньше вопрос о рисках рассматривался лишь в рамках теории принятия решений с математическим уклоном и областью применения в сфере экономического страхования рисков, то сегодня в обсуждение этой темы включились также юристы, психологи и социологи, подчеркивающие, что технические инновации являются гипотетическими социальными структурами, создаваемыми не в лабораториях, а в рамках социотехнической деятельности, вторгающейся в профессиональную, общественную и даже частную сферы. С одной стороны, социальные структуры должны приспосабливаться к этим инновациям, а с другой – их внедрение неизбежно вызывает структурные социальные изменения.

Современное общество становится полем перманентного экспериментирования с новыми технологиями, следствия которого могут быть и являются не только позитивными, но и негатривными как для общества в целом, так и для отдельных его граждан, которые поневоле становятся подопытными кроликами. Такое изменение соотношения социальных и технологических изменений в современном обществе вызывает рост осознания технологических рисков и экологических угроз, связанных с внедрением и эксплуатацией сложных системотехнических комплексов, электростанций, производства потенциально токсичных субстанций, со стороны неконтролируемо разрастающихся масштабов новой индустрии утилизации практически всех промышленных продуктов. Иллюзия того, что рыночная экономика способна автоматически регулировать этот процесс моментально исчезнет, если вспомнить с какими техногенными катастрофами связано развитие крупных технологических комплексов в двадцатом столетии. В данном случае по сути дела речь идет о технологических рисках, природа которых социально-техническая.

Как показали аварии на Чернобыльской АЭС и недавняя на японской атомной электростанции «Фукусима», развитие технологий не делает нашу жизнь безопаснее. События последних лет показывают нам такие же проблемы в области гидроэнергетики, приводящие к затоплению жизненного пространства современного человека, крушения жлезнодорожных составов или катастрофических загрязнений огромных площадей отходами алюминиевого производства. Риски от внедрения и эксплуатации сложных технических систем перестали быть, строго говоря, техническими, а стали социотехническими. В любом случае техногенные катастрофы, связаны они с природными катастрофами или отказами техники из-за их неправильного использования или же неверного конструирования, всегда становятся социальными катастрофами, а значит должны «регулироваться» обществом.

Фактически современные сложные социотехнические системы должны стать самореферентными в смысле Никласа Лумана. Самореферентность системы представляет собой ее способность постоянно самоопределять отношение к самой себе и отдифференцировать их от отношений к окружающему миру, а также постоянно селектировать свои внутренние связи и элементы. Сложная социотехническая система при этом должна от наблюдения своих операций перейти к наблюдению своего наблюдения. Таким образом, она и не машина, и не организм, а особая самореферентная социотехническая система, контролирущая сама себя. Одним из центральных понятий лумановской теории систем является понятие самонаблюдения. Система только тогда существует, когда она сама себя наблюдает, т. е. самоидентифицирует себя, отделяя себя от окружающей среды. Многократное повторение процедуры дифференциации системы и окружающей среды, направленное внутрь данной системы, ведет к выделению в ней иерархии подсистем и одновременно к редукции сложности этой системы. Автопоэсис в данном контексте означает самоорганизацию, самоконституирование и саморепродукцию системы через построение подсистем. Именно в этом направлении идет процесс эволюции сложности в современных социотехнических системах.

Сложная социотехническая система конструирует окружающую среду как данную реальность и через эту процедуру утверждает и себя саму как реально существующую. Важно, чтобы при этом она становилась источником повышенных технологических рисков и не вела к социальным катастрофам, как, например, при сбросе лишней воды с плотин гидроэлетростанций или красного шлама бокситного производства. Сложность современных социотехнических систем связана в первую очередь не с техническими, а с социальными факторами. В этом и состоит особенность очередного витка эволюции сложности технических систем в условиях роста технологических рисков. Система становится настолько сложной, что не в состоянии не только управлять своей деятельностью и развитием, но и предсказывать негативные сценарии такого развития и способы их преодоления. Тогда опять перед обществом возникает старая проблема необходимости редукции сложности, которая может привести к спонтанной деградации существующей сложной системы.

Исследуя сложность: от искусственной жизни и искусственного интеллекта к киберфизическим системам[356]356
  Работа предоставлена автором для публикации в России.


[Закрыть]

К. Майнцер

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» относятся к хорошо определенным понятиям и могут быть перенесены на понимание технических систем. В первой части главы рассматриваются основания теории сложных систем и нелинейной динамики. В качестве применения изучается образование структур и паттернов сложных клеточных систем, являющихся предметом системной биологии. Во второй части этой главы речь идет о применении динамики сложных систем к эволюции мозга и познания. Эти исследования составляют предпосылку для развития социальных роботов, что является предметом рассмотрения в третьей части. Нейронные сетевые структуры ни в коей мере не ограничиваются отдельными организмами или роботами. В четвертой части речь идет о киберфизических системах, посредством которых моделируются сложные социотехнические системы, которые в значительной мере управляют сами себя. Также и здесь математическая теория сложных систем и нелинейная динамика предоставляют нам основания для понимания самоорганизации и эмерджентности. В конце главы обсуждается вопрос об этических и общественных общих условиях для технического конструирования сложных самоорганизирующихся систем.

Ключевые слова: сложные системы, нелинейная динамика, когнитивная роботика, киберфизические системы.

1. Эволюция сложных систем и нелинейная динамика

1.1 Исчислимость жизни

Вплоть до начала XX века жизненные процессы были доступны только качественному описанию и классификации в биологии. Первые подходы к их математическому моделированию появились в классической кибернетике в традиции Норберта Винера. Вначале они исходили из управления жизни (положительными и отрицательными) обратными связями, которые были известны, к примеру, в электротехнике в 1940-х годах. С возникновением новых методов биоматематики, биофизики и биоинформатики это изменилось. Они стали прибегать к математической теории сложных систем и нелинейной динамике, в которых кибернетические обратные связи являются всего лишь примерами сложных (нелинейных) взаимодействий системных элементов[357]357
  Mainzer К. Thinking in Complexity. The Computational Dynamics of Matter, Mind, and Mankind. 5. Auflage. Berlin: Springer, 2007.


[Закрыть].

В системной биологии развивается исследование во взаимодействии экспериментов in vitro, in vivo и in silico[358]358
  Лат.: в пробирке, в естественных условиях и компьютерном моделировании (прим, перев.).


[Закрыть]. Обычным стало компьютерное моделирование (с программами, созданными с кремний органическими полимерами) высоко сложных взаимодействий молекул, клеток, органов и организмов, которые было бы невозможным представить без математических моделей сложной системной динамики и вычислительной техники.

Робототехника и исследования искусственного интеллекта отсылают нас еще дальше, чтобы наделить технические системы когнитивными функциями, ставшими нам известными благодаря исследованиям мозга и нейропсихологии. В одной стороны, эти исследования служат моделированию биологических и психологических процессов, а с другой стороны, они позволяют нам с техническими и коммерческими целями вступить на иные пути, отличные от биологической эволюции.

Этот прогресс стал возможным благодаря стремительному росту производительности вычислительных машин, головокружительной 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 всё более небольших и высокопроизводительных информационно-технических систем. Согласно закону Мура, каждые 18 месяцев производительность вычислительных машин удваивается при одновременной миниатюризации и удешевлении устройств[359]359
  Mainzer К. Die Berechnung der Welt. Von der Weltformel zu Big Data, München:
  С. H. Beck, 2014.


[Закрыть].

1.2. Системная биология сложных систем

Со времени расшифровки генома человека в 2001 году намечается ускорение машин, производящих последовательные вычисления, которые исчисляют и идентифицируют за все более короткие промежутки времени все большее количество генов за все меньшие деньги. Программа генома, которая с распознаванием состава человеческих генов в 2001 году достигла предварительного высшего 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: как можно из огромного потока данных об отдельных компонентах понять функционирование всей биологической системы клеток, органов и организмов? Гигантские генетические карты о всех генетических взаимодействиях и сложных сетях обмена веществ предстоит расшифровать в компьютерных моделях, чтобы понять такие сложные системные функции, как регуляцию, контроль, управление и адаптацию в процессах роста и эволюции[360]360
  BoogerdF. С. etal. (Ed.) Systems Biology. Philosophical Foundations. Amsterdam: Elsevier, 2007.


[Закрыть]. «Стеклянные» клетки со схемами переключения откроют новые возможности для понимания генетической обусловленности болезней (таких, как рак и болезней сердечно-сосудистой системы), а также позволят сделать выводы о процессе старения организма. Без компьютерных моделей сложных систем клеток, органов и организмов этот барьер не будет взят[361]361
  Kriete A., Eils R. (Ed.) Computational Systems Biology. Amsterdam: Academic Press, 2007.


[Закрыть].

Мы уже понимаем, однако, ошеломляющее различие живых организмов от технических схем соединений: в то время как соединения в силиконе несмотря на сложность и миниатюризацию до сих под в своих функциях поддавались любому доступному воспроизведению, каждый врач из своей ежедневной практики знает, насколько по-разному могут реагировать сложные человеческие организмы на одни и те же методы лечения. Это делает неимоверно сложным не только исследование опухолей, но и в принципе даже любого насморка. Эти сложности проявляются уже на уровне белков в лаборатории по системной биологии. Хотя с помощью математической теории сложных динамических систем мы в принципе уже понимаем самоорганизацию и эмерджентность новых структур, дьявол кроется в деталях отдельных случаев[362]362
  Kaneko K. Life: An Introduction to Complex Systems Biology. Berlin: Springer,
  2006.


[Закрыть].

Следующим шагом системная биология предоставляет материал для копирования синтетической биологии: тогда системная биология становится инженерной наукой[363]363
  Pfeifer R., Scheier C. Understanding Intelligence. Cambridge Mass.: MIT Press,


[Закрыть]. Когда пытаются проникнуть именно в функционирование биологических систем, таких как клетки и бактерии, тогда, как предполагают, возможно из различных биомолекул конструировать новые модули и сети со специальными свойствами.

Искусственная жизнь была известна доныне только как программное обеспечение (Software) в информатике. Уже в конце 1950-х годов американский ученый Джон фон Нейман, пионер в компьютерной науке, математически доказал, что клеточные автоматы могут репродуцировать себя в шахматном порядке. Джон Конвей разработал этот подход в форме игры жизни (Game of Life), после чего дарвиновские правила эволюции удалось смоделировать в виде некой компьютерной программы[364]364
  Mainzer, К, Chua L О. The Universe as Automaton. From Simplicity and Symmetry to Complexity. Berlin: Springer, 2011.


[Закрыть]. В синтетической биологии программное обеспечение (Software) превращается во «влажное обеспечение» („Wetware"), т. е. в новую органическую жизнь. Крейг Вентер, пионер в разработке программы Геном человека-2001, верит в конструирование бактерий, которые продуцируют водород и тем самым способны помочь решить энергетическую проблему человечества. Тем не менее Национальная академия наук (Leopoldina) высказала общую точку зрения, разделяемую Немецким исследовательским обществом (DFG) и Академией технических наук (acatech), что синтетическая биология «открывает большой потенциал для разработки новых вакцин и лекарств, а также новых видов топлива и материалов».

1.3. Основания сложных динамических систем

Биомолекулы, клетки, организмы и популяции являются высоко сложными динамическими системами, в которых взаимодействует множество элементов. Исследование сложности занимается вопросом, который перешагивает границы отдельных дисциплин (физики, химии, биологии и экологии): как из взаимодействий многих элементов сложной динамической системы (например, атомов в материалах, биомолекул в клетках, клеток в организмах, организмов в популяциях) могут возникнуть порядок и структуры, а также хаос и распад?

Вообще говоря, изменение состояний во времени в динамических системах описывается уравнениями. Состояние движение отдельного небесного тела может быть точно вычислено и предсказано еще по законам классической физики. Для миллионов и миллиардов молекул, от которых зависит состояние одной клетки, нужно прибегнуть к помощи высокопроизводительного компьютера, который дает приближения в имитационных моделях. Сложные динамические системы, перешагивая пределы отдельных дисциплин – физики, химии, биологии или экологии, подчиняются тем же самым или подобным математическим законам.

Универсальные законы сложных динамических систем расширяют рамки для дальнейших исследований[365]365
  Mainzer К. Symmetry and Complexity. The Spirit and Beauty of Nonlinear Science. Singapore: World Scientific, 2005.


[Закрыть]. Главная идея всегда одна и та же: только сложные взаимодействия многих элементов порождают новые свойства всей системы, которые не сводимы к свойствам отдельных элементов. Так, отдельная молекула воды не является «влажной», таковой является жидкость, образованная взаимодействием многих элементов этого рода. Отдельные молекулы не «живут», но живет клетка, построенная на их взаимодействиях. Системная биология открывает возможность описания сложных химических реакций множества отдельных молекул, составляющих базис для обмена веществ и регуляции всей белковой системы и функционирования клеток в человеческом теле. В сложных динамических системах мы различаем поэтому микроуровень отдельных элементов и макроуровень их системных свойств. Эта эмерджентность или самоорганизация новых системных свойств исчислима в системной биологии и доступна для моделирования посредством компьютерных моделей[366]366
  Mainzer K. Leben als Maschine? Von der Systembiologie zur Robotik und Künstlichen Intelligenz. Paderborn: Mentis, 2010.


[Закрыть]. В этом смысле системная биология является ключом к пониманию сложности жизни.

1.4. Локальная активность как источник возникновения сложных структур

В общем случае мы представляем себе пространственную систему из идентичных элементов («клеток»), которые могут взаимодействовать друг с другом различным образом (например, физически, химически или биологически) (Рис. 1). Такая система называется сложной, если она из гомогенных начальных компонентов может производить негомогенные («сложные») образцы и структуры. Возникновение этих образцов и структур вызывается

локальной активностью элементов. Это имеет силу не только для стволовых клеток при развитии эмбриона, но и для транзисторов в электронной сети. Мы называем транзистор локально активным, если он может усиливать небольшой входящий сигнал из батареи как источника энергии в больший выходящий сигнал и тем самым произвести негомогенный («сложный») образец напряжения в подключенной сети.

Ни одно радио, телевизор или компьютер не были бы работоспособными без локальной активности таких единиц. Крупные ученые, такие, как Нобелевский лауреат Илья Пригожин (химия) и Эрвин Шрёдингер (физика) утверждали, что для образования структур и образцов (паттернов) достаточны нелинейность системы и наличие источника энергии. Однако уже пример транзисторов показывает, что батареи и нелинейные элементы схемы сами по себе не могут создать сложные паттерны, если элемент не является локально активным в смысле описанной функции усиления.

Принцип локальной активности имеет основополагающее значение для формирования образцов поведения сложной системы и до сих пор практически не был признан. Его нам удалось определить в общем математическом виде, не приводя специальные примеры из физики, химии, биологии или техники[367]367
  Mainzer К, Chua L О. The Universe as Automaton. From Simplicity and Symmetry to Complexity. Berlin: Springer, 2011.


[Закрыть]. При этом мы ссылаемся на нелинейные дифференциальные уравнения, которые известны как уравнения для описания процессов реакции-диффузии (но ни в коем случае не на жидкие среды, процессы в которых ограничены химической диффузией). Для наглядности представим себе пространственную решетку, узловыми точками которой являются клетки, которые локально взаимодействуют между собой (Рис. 1). Каждая клетка (например, белок в клетке, нейрон в мозге, транзистор в компьютере) рассматривается с математической точки зрения как динамическая система с входом и выходом. Состояние клетки изменяется локально согласно динамическим законам в зависимости от распределения состояний соседних клеток. В целом динамические законы определяются через уравнения изменения состояний изолированных клеток и правила их связи. Кроме того, при описании динамики принимаются во внимание начальные условия и дополнительные условия.

Рис. 1. Сложные клеточные системы с локальными активными клетками и локальными сферами влияния (Mainzer & Chua 2013)

В общем случае клетка называется локально активной, если в момент равновесия клетки существует малый локальный входящий сигнал, который с помощью внешнего источника энергии усиливается в большой выходящий сигнал. Существование входящего сигнала, который запускает локальную активность, может систематически контролироваться посредством определенных математически тестовых критериев. Клетка называется локально пассивной, если не существует момента равновесия с локальной активностью. Фундаментально новым в этом подходе является аргумент, что системы без локально активных элементов принципиально не могут произвести никаких сложных структур.

1.5. Формирование структур в природе и технике

Формирование структур в природе и технике можно систематически классифицировать, поскольку области применения благодаря уравнениям реакции-диффузии моделируются по только что описанным образцам. Так, например, исследованы соответствующие дифференциальные уравнения для возникновения паттернов в химии (например, возникновение паттернов в гомогенных химических средах), в процессах морфогенеза (например, возникновение паттернов в створках раковины, мехе, оперении в живых организмах), в исследованиях мозга (образцы соединений в мозге) и в электронной сетевой технике (например, образцы соединений в компьютерах).

Возникновение структур математически соответствует неоднородным решениям рассматриваемых дифференциальных уравнений, которые зависят от различных контрольных параметров (например, концентраций химических веществ, АТП-энергии в клетках, нейрохимических рассылающих сигналы тканей нейронов). Для рассматриваемых примеров дифференциальных уравнений мы можем систематически определить пространство параметров, точки которого репрезентируют все возможные величины контрольных параметров соответствующей системы. В этом пространстве параметров можно точно определить с помощью упомянутых тестовых критериев области локальной активности и локальной пассивности, которые или дают возможность формирования структур или являются с математической точки зрения «смертельными». С помощью моделирования на компьютере в принципе можно для каждой точки в пространстве параметров вызвать формирование возможных структур и возможных паттернов (Рис. 2). В рамках такого математического моделирования можно полностью определить и предсказать формирование структур и их образцов (паттернов).

Некоторые системные свойства согласованы с соответствующим окружением системы и пропитаны им, другие разрушаются и снова отбираются. Эта взаимная игра случая и отбора при возникновении новых структур впервые была описана Чарльзом Дарвином на примере биологической эволюции видов. Речь идет здесь, однако, об универсальных свойствах сложных динамических систем, которые могут найти применение и в технических системах. Мы говорим там, к примеру, о генетических и эволюционных алгоритмах.

2. Эволюция тела и мозга

2.1 Мозг как сложная система

Анатомия мозга показывает коренное отличие от строения обычного компьютера. Человеческий мозг является опять-таки примером сложной динамической системы, в которой взаимодействуют миллиарды нейронов. Через многократно передаваемые электрические импульсы возникают образцы соединений, которые определяют возникновение таких когнитивных состояний, как мышление, чувства, восприятие или действия. Возникновение (эмерджентность) этих ментальных состояний является еще одним типичным примером самоорганизации сложной системы: отдельный нейрон является в некотором роде «глупым» и не может ни думать, ни чувствовать, ни воспринимать. Только их коллективные взаимодействия и случайные соединения при надлежащих условиях порождают когнитивные состояния.

Рис. 2: Формирование структур и образцов в процессах, описываемых уравнением реакция-диффузия (Mainzer & Chua 2013)

В нейронных сетях мозга имеет место нейрохимическая динамика между нейронами. 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»). Как и во всякой сложной динамической системе, и в мозге мы проводим различие между микросостояниями элементов (то есть цифровыми состояниями «вспыхивания» и «не-вспыхивания» 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[368]368
  Mainzer K. Gehirn, Computer, Komplexität. Berlin: Springer, 1997.


[Закрыть].

Нынешние средства моделирования на компьютерах позволяют наблюдать возникновение образцов («формирование паттернов» – «pattem 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, к примеру, видит или говорит, можно наблюдать формирование того или иного образца в мозге. Между тем при «чтении мозга» («brain reading») формирование отдельных образцов может быть настолько определено, что в этих образцах соединений могут быть расшифрованы соответствующие зрительные и слуховые восприятия с соответствующими алгоритмами. Эта техника, разумеется, делает лишь первые шаги в своем развитии.

2.2 Сверху-вниз и снизу-вверх стратегии исследования мозга и его когнитивных функций

Применяя стратегию сверху-вниз (top-down), нейрофизиология и когнитивные исследования изучают такие ментальные и когнитивные способности, как восприятие, мышление, чувства и сознание, и пытаются связать их с соответствующими областями мозга и характерными для них образцами соединений. Применяя стратегию снизу-вверх (bottom-up), нейрохимия и исследования мозга изучают молекулярные и клеточные процессы динамики мозга и отсюда объясняют нейронные образцы соединений в мозге, которые опять-таки коррелируют с ментальными и когнитивными состояниями[369]369
  Banerjee, R., Chakrabarti B. K. Models of Brain and Mind. Physical, Computational, and Psychological Approaches. Progress in Brain Research. Amsterdam: Elsevier, 2008.


[Закрыть].

Оба метода настоятельно предлагают сравнение с компьютером, в котором при использовании стратегии снизу-вверх из «машинного языка» состояний в битах, например, в транзисторах, делаются заключения о смыслах для более высокого пользователя языка – для человека, тогда как при использовании стратегии сверху-вниз, напротив, более высокие языки пользователей через различные промежуточные ступени (например, компьютер и интерпретатор) переводятся на машинный язык. В то время как, однако, в информатике отдельные технические и языковые слои точно идентифицируются от уровня соединений через машинный язык, компилятор, интерпретатор и т. д. до уровня пользователя и могут быть описаны в их взаимном влиянии, речь идет до сих пор только об исследовательской программе в изучении мозга в когнитивных науках.