Научные предпосылки

И прошлое, и настоящее, и будущее существует одновременно, в сегодняшнем дне. Важно только увидеть будущее и поддержать его.
С.П. Курдюмов

За десятилетия до создания компьютеров принципиальные проблемы построения вычисляющих машин были поставлены и решены выдающимся математиками – Тьюрингом, Постом, Черчем, Нейманом [ 12 ]. Универсальная вычислительная машина Тьюринга, теория алгоритмически неразрешимых задач, концепция Неймана самовоспроизводящихся автоматов стали и теоретической основой, и практической предпосылкой будущих успехов компьютерных наук и технологий. Они предопределили траекторию развития компьютерной индустрии, по крайней мере, на 60 лет вперед, которые сейчас позади, и, может быть, на много лет, которые ещё впереди. Итак, упрощая историю компьютерных наук, можно сказать: «Вначале была математика…».

На наш взгляд, когнитивные исследования, как в свое время компьютерные, уже прошли эту стадию своего развития. В их основе сегодня лежит теория самоорганизации или синергетика. Этот междисциплинарный подход родился в 1970-х годах в связи с необходимостью исследовать нелинейные процессы и явления, осмысливать результаты компьютерного моделирования. Специалисты по прикладной математике любят повторять, что целью вычислений являются не числа, а понимание. Однако в 1970-х годах в связи с задачами физики плазмы и теории взрыва, исследованием мировой динамики и экологических систем стало понятно, что понимание неустойчивостей таких объектов требует своих понятий, концепций, моделей. Именно поэтому часто говорят, что синергетика представляет собой теорию неустойчивостей, теорию саморазвивающихся систем, что она говорит на языке прикладной математики.

Проведенные исследования показали, что во множестве физических, химических, биологических систем происходит самоорганизация – в процессе эволюции выделяется небольшое число ведущих переменных (мод, степеней свободы), к которым подстраиваются остальные характеристики системы. Следуя физической аналогии, эти ведущие переменные стали называть параметрами порядка. Именно выделение в ходе самоорганизации таких параметров позволяет многие сложные системы описывать просто, но вполне адекватно.

При описании сложных явлений или систем обычно строится иерархия упрощенных моделей. В такой иерархии модели более низкого уровня являются более простым частным случаем или более грубым приближением для процессов, описываемых моделями более высокого уровня. Однако более простые модели нагляднее, прозрачнее, понятнее, чем сложные. Замечательным свойством нашей реальности является то, что модели, возникающие на нижних уровнях иерархии, для многих сложных явлений и процессов совпадают или близки. Это позволяет исследовать и использовать универсальные свойства многих нелинейных систем.

Оглядываясь назад, можно сказать, что синергетика выполняла ещё один социальный заказ, связанный с управлением, с которым не справилась кибернетика. Если управлять системой во всей её полноте, то управляющая система должна быть сравнимой по сложности с управляемым объектом, что во множестве случаев и невозможно, и не нужно.

Решение подобных проблем подсказывает физиология. Тело человека имеет более 400 механических степеней свободы. Управление всеми в режиме реального времени – сложнейшая задача, требующая суперкомпьютерных возможностей. Выход из этого положения, который нашла природа состоит в том, что в ходе развития возникают устойчивые связи между различными степенями свободы (называемые синергиями). Обучаясь ходить, плавать, бегать человек фиксирует эти связи, вырабатывает те параметры порядка, которыми он и будет в дальнейшем управлять.

Та же схема реализуется и в организационном управлении. В корпоративных системах создается иерархическая структура и осуществляется «управление разнообразием». Каждый иерархический уровень должен агрегировать информацию, говорить на своем языке, выявлять наиболее важное и представлять следующему уровню только то, что необходимо, и то, чем он может управлять.

Иными словами, начиная с некоторой степени сложности системы, детальная, четкая, полномасштабная организация не работает. Приходится создавать и использовать механизмы самоорганизации, агрегации, уменьшения разнообразия.

В начале развития синергетики самоорганизация изучалась в тех объектах, которыми занимаются естественные науки. При этом спонтанное возникновение упорядоченности, появление структур или автоколебаний связывали с диссипативными процессами, обеспечивающими рассеяние энергии – трением, вязкостью, диффузией, теплопроводностью (иногда при этом говорят об объективной самоорганизации). Синергетика быстро завоевала популярность. Индикатор этого – десятки международных научных журналов, тысячи проведенных конференций, около сотни книг серии «Шпрингеровская серия по синергетике» (редактор серии профессор Герман Хакен), издаваемая с 2002 года в России серия «Синергетика: от прошлого к будущему» (редактор серии профессор Г.Г. Малинецкий), в которой вышло около 50 книг.

Прорыв последнего десятилетия связан с осознанием ключевой роли самоорганизации в процессах обучения, принятия решений, распознавания образов. И с этой точки зрения многие решенные задачи предстали в новом обличье. Подобно тому, как герой классического произведения с удивлением обнаружил, что говорит прозой, оказалось, что многие проблемы связаны с выявлением параметров порядка в пространстве образов, решающих правил, стратегий. В других же задачах усилия направлялись на синтез систем, в которой желаемое решение возникало в ходе самоорганизации.

Основная идея удивительно проста и заимствована из нейробиологии. Каждая клетка мозга – нейрон – хорошо изучена и ведет себя в ответ на внешние воздействия достаточно простым предсказуемым образом. Откуда же берется огромная сложность мозга и феномен сознания? Ответ состоит в огромном количестве и разнообразии связей между нейронами, которые возникают в ходе самоорганизации при решении задач, с которыми он сталкивается. Простейшая схематическая формализация этих представлений на уровне математических моделей, компьютерных программ и архитектур привела ко множеству эффективных алгоритмов и систем в задачах управления, распознавания образов, адаптации и обучения [ 13 ]. Перефразируя Станислава Лема, можно сказать, что мы сегодня не очень хорошо представляем, что такое естественный интеллект, и поэтому испытываем трудности с построением искусственного интеллекта, но нейронные сети позволили смоделировать «искусственный инстинкт». И во множестве задач этого оказалось достаточно.

Другой важнейший блок когнитивных проблем, идей и достижений связан с компьютерным анализом задач медицинской диагностики. В самом деле, работа с медиками показывает, что диагностика состояния больного, судя по медицинским руководствам, требует определения от 400 до 1000 параметров. При этом разные области медицины «говорят на разных языках», вкладывая в одни и те же термины разный смысл. Однако врач в состоянии оперировать в пространстве характеристик и признаков, размерности, не превышающей 5-7. Какие же это признаки? Очевидно, опытный диагност, в отличие от начинающего, среди всего пространства параметров выделяет «главные», «нужные», «подходящие». Собственно, умение выделять подобные «параметры порядка» для разных заболеваний и состояний организма и является результатом профессиональной деятельности. В ходе работы происходит самоорганизация в информационном пространстве врача, позволяющая отделять главное от второстепенного. Динамика этого процесса плохо понята и изучена, поэтому и не удается учить врачей быстро и хорошо. В США интервал между временем, когда будущий кардиохирург переступает порог университета, и моментом, когда он начнет самостоятельно делать операции на сердце, занимает 15 лет – огромная часть активной, творческой жизни.

Каковы же «параметры порядка» у опытных, успешных врачей? К сожалению, сплошь и рядом сами они не могут ответить на этот вопрос. Они либо цитируют полузабытые институтские лекции, либо фантазируют. Практическая деятельность, диагностика, принятие решений в огромной степени опирается на интуицию (в основе которой профессиональный опыт). Рефлексия, описание, анализ этой работы плохо сочетаются с самой работой.

В ИПМ, в научной школе академика И.М. Гельфанда, была развита техника «диагностических игр», позволяющая выявлять «параметры порядка» и «решающие правила» для данного эксперта [ 14, 15 ]. Для ряда редких заболеваний (где экспертов немного и статистика невелика) это позволило получить очень хорошие результаты, позволяющие сократить для некоторых патологий смертность втрое. И действительно, оказывается, что опытный диагност оценивает не более 3-4-х параметров из огромной совокупности (на разных стадиях болезни, как правило, свои переменные. Их выделение – творческий процесс, требующий высокой квалификации и профессионального опыта). И математики позволяют выяснить, каковы же эти параметры. Уникальный профессиональный опыт одного позволяют сделать достоянием многих. Интуитивное индивидуальное достижение талантливого врача переводится в сферу рационального знания, тиражируется, позволяет спасать жизни многих людей.

В таких работах очень важным является сотрудничество, своеобразный симбиоз – «не вместо человека, а вместе с человеком» часто говорят специалисты, работающие в этом научном направлении.

Идеи синергетики, концепция параметров порядка, вновь и вновь возникают при моделировании интеллектуальной деятельности. Один из нынешних алгоритмов распознавания зрительных образов, созданный в ИПМ, получил название КЧП («К черту подробности!»). По-видимому, ключевая способность человека, позволившая опередить остальные виды – удивительная способность быстро выявлять параметры порядка в разных ситуациях (естественно, отбрасывая лишнее), следить за ними, а также быстро менять поведенческие стратегии в зависимости от них.

Ещё один важный шаг, сблизивший когнитивные процессы и теорию самоорганизации, был сделан в динамической теории информации. В этой теории информация рассматривается как случайный запомненный выбор. Вводится понятие ценной информации – того выбора, который помогает обладателю такой информации выжить и передать её дальше. Если назвать единицу ценной информации «мемом», то, по аналогии с образом Ричарда Докинза – «эгоистичным геном», возникает «эгоистичный мем». В теории рассматривается, как меняются распределения носителей разных видов ценной информации в пространстве и во времени [ 16 ]. Что же может быть той «ценной информацией» (типично когнитивным понятием), распространение которой для нас важно? Очень и очень многое. Языки, религиозные убеждения, предпочтения определенной валюты, наличие соперничающих стран на данной территории, смыслы и ценности, цивилизационные проекты. Динамическая теория информации стала одной из основ математической истории – междисциплинарного направления, позволяющего анализировать альтернативные исторические траектории и давать исторический прогноз [ 2, 4, 17 ]. Этика, мораль, в и дение будущего, патриотизм – традиционные объекты гуманитарных наук вполне успешно моделируется уже существующими компьютерными инструментами.

Конечно, можно в дополнение привести множество примеров успехов, достигнутых в области искусственного интеллекта, прогнозирования, «раскопок данных» (data mining), математической психологии. Однако и сказанного достаточно, чтобы представить огромный массив научного знания, укладывающегося в некоторую концептуальную рамку, связанную с синергетикой, который может стать основой для когнитивного прорыва.