Часть Первая: На стыке математики и биологии
Нейросети, искусственный интеллект, обработка больших данных, изучение и моделирование сложных систем - все эти понятия (как уверены многие из нас) отражают суть современных прорывных решений в области научных исследований и технологий. Мы уже привыкли к тому, что живем в эпоху цифровизации, развивающейся сейчас под знаменем искусственного интеллекта. Всё это кажется многим из нас чем-то совершенно новым и будто бы возникшим не так давно. Однако, как мы уже убеждались неоднократно, у всего «нового» неожиданно обнаруживаются четкие следы в прошлом, когда, казалось бы, о нейросетях и искусственном интеллекте могли мечтать только писатели-фантасты.
Внимательное изучение научной периодики полувековой и даже семидесятилетней давности в очередной раз показало, что «фантастические» технологии создавались уже тогда - на переломе 1950-х и 1960-х годов. Понятие «искусственный интеллект» еще не фигурировало, однако электронные машины, способные самостоятельно обучаться, самостоятельно программироваться, анализировать данные и принимать решения, уже реально существовали в «железе». И не только за рубежом, но и в нашей стране!
Для нашей темы важно то, что такие прорывные решения возникали благодаря творческому союзу математики и… биологии. Биология, как выясняется, сыграла здесь решающую роль. Как мы знаем, вопросы кибернетики, набиравшей силу как раз в те годы, были напрямую связаны с функционированием и управлением сложных систем. Такие сложные системы существуют в живой природе. Их функционирование понималось с трудом не по причине того, что ученые не могли проникнуть в них вооруженным глазом (с этим-то проблем уже не было), а по причине их очень высокой сложности, которую было нелегко «втиснуть» в математические формулы.
Такими сложными системами являлись, например, лежащий в основе пищеварения комплекс ферментативных процессов, система регуляции кровяного давления, фотосинтез растений и т.д. Особое место здесь занимал головной мозг человека, состоящий из миллиардов нервных клеток, связанных и взаимодействующих друг с другом особым образом. Главная проблема исследования таких сложнейших систем заключалась в том, что обычный анализ не давал нужных результатов, поскольку даже скрупулезное изучение всех входящих в нее элементов еще не давало понимания функционирования всей системы в целом. Как объясняли ученые, принцип работы сложной системы нельзя просто так свести к сумме закономерностей, выявленных при исследовании отдельных ее частей.
Указанная проблема в свое время привлекла к себе пристальное внимание со стороны физиологов. В частности, этому уделял свое внимание такой известный ученый, как Иван Павлов. Он разработал ряд методов, позволявших изучать живой организм как единое целое и изучать тончайшие процессы управления и регуляции, осуществляемые нервной системой. Его теория рефлекторной деятельности произвела переворот в науке. Учение Павлова о высшей нервной деятельности продолжила свое развитие как в СССР, так и в зарубежных странах. И совершенно неожиданно новые перспективы открылись здесь в результате развития такой науки, как кибернетика.
Напомним, что кибернетика одновременно изучает как природные системы, так и искусственные. В последнем случае речь идет о вычислительных радиоэлектронных устройствах, когда-то называвшихся «кибернетическими машинами». В ходе развития кибернетики у ученых сама собой напрашивалась аналогия между работой головного мозга и работой кибернетической машины. Можно ли создать машину, функционирующую по тому же принципу, что и наша высшая нервная система? Подчеркиваем, что об этом задумывались более семидесяти лет тому назад. В то время считалось, что исследования головного мозга дают нам понимание важных закономерностей работы сложной системы управления, которые могут иметь большое значение для развития кибернетической теории. С другой стороны, достижения в области кибернетики можно было использовать для понимания физиологических процессов, лежащих в основе головного мозга.
Примерно так сформировался довольно специфический круг вопросов, связанных, подчеркнем еще раз, с изучением головного мозга. По характеру основных проблем, а также по специфике применяемых методов, данный круг вопросов значительно отличался как от проблем технической кибернетики, так и от тогдашних исследований в области физиологии. Так, по сути, родилась новая отрасль науки – нейрокибернетика.
Движение в указанном направлении, когда ученые сосредоточились на логической функции нейрона, привело к созданию теории нервной сети. Причем, произошло это еще в 1940-е годы. Было создано несколько абстрактных моделей нейронов. В данном случае мы говорим об упрощенном математическом описании подлинного нейрона. Соединяясь между собой тем или иным образом, нейроны создают нейронные сети, отличающиеся одна от другой. К ним вполне можно было применить методы математической логики, что открывало возможность изучения появляющихся там явлений и закономерностей.
В данном случае мы говорим об абстрактном методе исследования. Однако он не был исчерпывающим. Ученые считали, что изолированный путь математической логики не может привести к вскрытию физиологических механизмов работы головного мозга – точно так же, как изучение законов оптики не вело, само по себе, к пониманию физиологических механизмов деятельности органа зрения. Такой позиции, в частности, придерживались тогда советские ученые. По их мнению, теория нервной сети не учитывает данных, накопленных физиологией. Если она находится в отрыве от учения Павлова о высшей нервной деятельности, она не способна дать должного представления о существующих в мозгу нервных сетях, обеспечивающих сложное поведение живых существ.
Интересно, что сам Павлов еще в 1902 году предсказывал, что придет время, когда математический анализ, опираясь на естественнонаучный анализ, «охватит формулами уравнений все эти уравновешивания, включая в них, наконец, и самого себя». Именно в таком в таком комплексном использовании абстрактного и экспериментального методов виделся верный путь к успеху.
Надо сказать, что уже к началу 1960-х годов для ученых становилось привычным, когда машина управляла станком, делала переводы с одного языка на другой или очень быстро производила сложнейшие вычисления. Для этого необходимо было ввести соответствующую программу действий, на что тратилась масса времени и сил. Уже в то время, судя по публикациям в научной периодике, ученые перестали удовлетворяться возможностями таких машин и искали пути их совершенствования, мечтая об электронном «помощнике», способном реагировать на изменение внешних условий, учитывать эти условия и «разумно» взаимодействовать с внешней средой.
Иными словами, более шестидесяти лет назад в нашей стране уже вовсю ставился вопрос о создании самоорганизующейся кибернетической системе, способной самостоятельно составлять программу своей работы. Такая машина должна была обладать способностью отбирать нужную (и при этом – надежную) информацию и иметь определенную цель своей деятельности, которая как раз и являлась критерием отбора нужной информации. Несмотря на кажущуюся фантастичность (по тем временам) такой задачи, она была успешно реализована к началу 1960-х годов. И для ее решения огромную роль сыграли физиологические исследования, начатые когда-то академиком Павловым.
Николай Нестеров
Окончание следует
- Войдите или зарегистрируйтесь, чтобы отправлять комментарии