Московский международный синергетический форум
Новости
Автопоэзис
Поиск
Книги
О Форуме
Общество
Наука
Фракталы
Философия
Люди
Московский международный синергетический форум / Наука / Эволюционная биокибернетика. Почему так медленно развивается актуальная наука?


Сейчас на сайте: 7

Эволюционная биокибернетика. Почему так медленно развивается актуальная наука?

В сокращенном виде статья опубликована в "Вестнике РАН":

"Вестник РАН", 1997. Т.67.№9. С.800-803.


В.Г.Редько

Аннотация. Обсуждаются направления теоретических исследований, связанных с проблемой: как в процессе биологической эволюции возникали и развивались высокоорганизованные системы обработки информации.

Цель настоящей статьи - привлечь внимание к обширной области теоретических исследований, связанных с проблемой: как и почему в процессе биологической эволюции возникали и развивались все более сложные и более высокоорганизованные системы обработки информации и обеспечиваемые этими системами кибернетические свойства организмов? По мнению автора, такие исследования должны составлять предмет целой науки - эволюционной биокибернетики.

Гносеологическая проблема

Интересно попытаться разобраться, как в процессе биологической эволюции возникла человеческая логика? Важность исследований в этом направлении связана с глубокой гносеологической проблемой: почему человеческая логика применима к познанию природы? Кратко поясним эту проблему простым примером.

Допустим, физик, изучая динамику некоторого объекта, сумел в определенном приближении свести описание объекта к дифференциальному уравнению. Далее он интегрирует полученное уравнение согласно известным из математики правилам и получает характеристики движения объекта (в рамках используемого приближения). Переход от дифференциального уравнения к характеристикам движения дедуктивный, но, если быть предельно строгим, применимость этого перехода к физическому объекту надо обосновывать: физический объект совершенно необязательно должен подчиняться правилам человеческой логики (Рис. 1).


  

Рис 1. Почему человеческая логика применима к познанию природы? 

Для осмысления того, как и почему в процессе биологической эволюции появились логические формы, обеспечивающие познание природы, имеет смысл построить модельную теорию происхождения логики в биосфере. Такая теория могла бы содержать математические модели наиболее важных "интеллектуальных изобретений" биологической эволюции (безусловного рефлекса, привыкания, классического и инструментального условных рефлексов и т. д.), посредством которых животные "познают" закономерности природы (Рис. 2) [1], и модели эволюционных переходов между изобретениями разных уровней. Логика
Условный рефлекс
Привыкание
Безусловный рефлекс Время (лет назад)

3 Млрд.
1,5 млрд.
500 млн.
2,5 тыс.
Простейшие одноклеточные Сложные одноклеточные Моллюски Человек


Рис 2. "Интеллектуальные изобретения" биологической эволюции. "вторы изобретений" и "даты приоритетов" представлены довольно условно.

Эволюционная биокибернетика - сфера исследований

По мнению автора, теория происхождения логики должна быть важной частью эволюционной биокибернетики. Рис. 3 иллюстрирует области исследований, которые могут быть отнесены к эволюционной биокибернетике.




Рис 3. Области исследования эволюционной биокибернетики

Уже достаточно сложившаяся область - эволюционное моделирование, в котором можно выделить три направления исследований: 1) построение моделей возникновения молекулярно-генетических информационных систем, 2) моделирование общих закономерностей эволюции, 3) прикладное эволюционное моделирование. Охарактеризуем кратко эти направления.

Модели возникновения молекулярно-генетических информационных систем разрабатывались в связи проблемой происхождения жизни. Проиллюстрируем эти работы на примерах моделей квазивидов и сайзеров.

Модель квазивидов была предложена лауреатом Нобелевской премии из ФРГ М.Эйгеном [2]. В этой модели анализируется эволюция популяции последовательностей символов (информационных аналогов цепочек ДНК или РНК). В простейшем случае последовательность представляет собой двоичный код, т.е. последовательность нулей и единиц. Последовательности обладают определенными селективными ценностями. Эволюция популяции представляет собой размножение и отбор последовательностей в соответствии с их селективными ценностями, а также мутации, т.е. случайные замены символов в последовательностях. В результате эволюции формируется квазивид: популяция, в которой наряду с оптимальной последовательностью есть множество сходных с ней мутантов. Эйген с сотрудниками провели ряд имитационных расчетов на ЭВМ и продемонстрировали достаточно быструю скорость поиска оптимальных последовательностей в модели квазивидов. Автор настоящей статьи развил модель квазивидов и получил грубую количественную оценку числа особей, участвующих в эволюционном поиске оптимальных последовательностей [3]. Согласно этим оценкам, при эволюционном поиске оптимума число участвующих особей (растущее как небольшая степень длины последовательностей) может быть значительно меньше по сравнению со случайным перебором, при котором число участников экспоненциально растет с ростом длины последовательностей.

Модель сайзеров (syser - сокращение от system of self reproduction - самовоспроизводящаяся система) была предложена новосибирскими учеными В.А.Ратнером и В.В.Шаминым в 1980 г [4]. Эта модель описывает систему макромолекул, в которую входят: полинуклеотидная матрица, ферменты репликации и ферменты трансляции; полинуклеотидная матрица хранит информацию, кодирующую синтезируемые в сайзере ферменты, ферменты репликации обеспечивают копирование полинуклеотидных цепочек, а ферменты трансляции - синтез ферментов в соответствии с закодированной в матрице информацией. Сайзеры - вполне естественная модель простейшей самовоспроизводящейся системы, поэтому неудивительно, что она под разными названиями и в несколько различных формах была предложена независимо от Ратнера и Шамина и другими авторами: Д.Уайтом (Калифорния, 1980 г.) и Р.Файстелем (Берлин, 1983 г.). По общей структуре модель сайзеров сходна со схемой самовоспроизводящихся автоматов, исследованных на заре развития вычислительной техники Дж. фон Нейманом. Самовоспроизводящиеся автоматы по фон Нейману содержат хранящую информацию ленту (аналог полинуклеотидной матрицы), автомат для копирования ленты (аналог ферментов репликации) и автомат для синтеза произвольного автомата по закодированной в ленте информации (аналог ферментов трансляции). Концепция биологических информационных систем, основанная на аналогиях с самовоспроизводящимися автоматами фон Неймана, разработана в книге В.И.Корогодина "Информация и феномен жизни" [5].

Среди работ, посвященных моделированию общих кибернетических закономерностей биологической эволюции, отметим интересный цикл исследований С.Кауффмана (Пенсильвания), посвященный анализу автоматов, состоящих из множества случайно связанных логических элементов [6]. Отдельный автомат можно рассматривать как модель молекулярно-генетической системы управления живой клетки, при этом каждый логический элемент интерпретируется как регулятор синтеза определенного фермента. Примечательно, что при исследовании автоматов Кауффмана применяются высокоэффективные математические методы статистической физики. Модели Кауффмана позволяют сделать ряд предсказаний относительно "программ" жизнедеятельности клеток. В частности, продемонстрировано, что для одновременного обеспечения устойчивости и гибкости программы число входов логических элементов должно быть ограничено определенным интервалом, а именно составлять величину примерно равную 2-3.

К работам по моделированию общих аспектов биологической эволюции можно отнести и исследования вопросов эволюции генетических текстов. В работах Д.С.Чернавского (Москва) исследовалась проблема возникновения в процессе эволюции новой биологически значимой информации, а также была сделана оценка вероятности случайного формирования в геноме участка ДНК, кодирующего новый функционально важный для организма белок.

Интересна, хотя, по-видимому, не бесспорна, модель блочно-иерархического эволюционного отбора, согласно которой новые генетические тексты большой длины сначала случайно составляются из коротких текстов, оптимизированных в предыдущие эволюционные эпохи, а после составления оптимизируются [7].

Прикладное эволюционное моделирование связано с идеей: можно ли использовать принципы биологической эволюции для оптимизации практически важных для человека систем? В нескольких модификациях основанные на таких идеях исследования проводились рядом авторов. В 60-х годах Л.Фогель, А.Оуенс, М.Уолш предложили схему эволюции логических автоматов, решающих задачи прогноза [8]. Исследования по прикладному эволюционному моделированию, идейно близкие к работам Фогеля с сотрудниками, были разносторонне развиты в работах И.Л.Букатовой (Москва). В последнее время проявляется большой интерес к исследованию и использованию генетического алгоритма, предложенного Дж.Холландом (Мичиганский унверситет) в 1975г. Общая схема генетического алгоритма практически совпадает с таковой в модели квазивидов, за исключением того, что в генетическом алгоритме механизм изменчивости помимо точечных мутаций (равновероятных случайных замен символов информационных последовательностей - аналогов геномов "особей") включает в себя кроссинговер - скрещивание последовательностей, и инверсии - обращение порядка следования символов в некотором случайно выбранном участке последовательности.

Сфера применений генетического алгоритма обширна: это и разработка экспертных систем в искусственном интеллекте, и сугубо практическая оптимизация работы нефтяных трубопроводов, и моделирование структур нейронных сетей в нейрокибернетических исследованиях.

Вторая область исследований, которую можно отнести к эволюционной биокибернетике - эволюционная нейрокибернетика, а именно исследования по эволюции информационных процессов в нервной системе. В отличие от эволюционного моделирования эта область исследований только формируется. К ней можно отнести работы по моделированию эволюции нейронных сетей и собственно теорию происхождения логики, подходы к построению которой обсуждаются немного ниже.

Говоря о нейронных сетях, нельзя не отметить чрезвычайно широкого развития нейросетевых моделей в последние 10-15 лет. В моделях строятся сети из формальных нейронов (многовходовых пороговых элементов). Специалисты по нейронным сетям разработали эффективные алгоритмы ассоциативной памяти, распознавания образов, обработки информации в системах управления сложными объектами. Достоинства нейронных сетей - параллельность обработки информации и способность к обучению. В Москве уже более 20 лет под руководством В.Л.Дунина-Барковского ежемесячно проводится семинар по нейронным сетям. На базе этого семинара сформирована Российская ассоциация нейроинформатики, объединяющая энтузиастов-нейросетевиков. Ассоциация имеет широкие международные связи, под эгидой ассоциации проведен ряд конференций, симпозиумов, выставок, совещаний.

Работы по моделированию эволюции нейронных сетей включают в себя как разработку концепций селективного отбора эффективных нейронных сетей при обучении животных (Г.Эдельман, М.Конрад, США), так и анализ возможностей эволюционной оптимизации нейронных сетей с помощью генетического алгоритма или его аналогов (А.Т.Терехин, Е.Б.Будилова, Москва).

По-видимому, наиболее актуальное, но наименее развитое направление эволюционной биокибернетики - теория происхождения логики, подходы к построению которой обсудим тезисно далее.

Теория происхождения логики - предпосылки и подходы

Теория происхождения логики и математическия логика. Математическая логика дает ответы на вопросы: "Каковы правила человеческой логики?" и "Как использовать правила логики?" Теория происхождения логики могла бы дать ответы на более глубокие вопросы: "Почему правила человеческой логики таковы, каковы они есть?" и "Почему правила логики могут корректно использоваться?"

Теория происхождения логики и искусственный интеллект. При конструированиии систем искуственного интеллекта желательно понимать, каковы области применения определенных "интеллектуальных" методов, и каковы причины биологического происхождения этих методов. Такое понимание может быть получено в исследованиях теории происхождения логики.

Теория происхождения логики и нейронные сети. По мнению автора, соотношение между теорией происхождения логики и теорией нейронных сетей скорее всего должно быть аналогично таковому между термодинамикой и статистической механикой: теория происхождения логики может посвящена феноменологическим исследованиям "интеллектуальных" методов, правил и явлений; теория нейронных сетей - исследованию соответствующих "микроскопических" нейронных механизмов.

Первые шаги к построению теории происхождения логики. Отметим некоторые модели "интеллектуальных изобретений" биологической эволюции, которые могли бы быть включены в будущую теорию происхождения логики.

Адаптивный сайзер [9] представляет собой модель безусловного рефлекса на молекулярном уровне.

Интересная модель формирования простейших приобретаемых навыков была разработана и широко развита М.Л.Цетлиным и его последователями [10]. Уровень "интеллектуальности" автоматов Цетлина примерно соответствует уровню привыкания (Рис. 2).

Известен ряд моделей условного рефлекса (А.А.Ляпунов, Р.Буш, Ф.Мостеллер, А.Барто, Р.Саттон, С.Гроссберг). Однако, по мнению автора, ряд принципиальных особенностей условного рефлекса до сих пор не промоделирован математически, в особенности это касается роли мотивации в процессе выработки рефлекса.

Мотивация (т.е. стремление к достижению цели) - важное свойство "интеллектуального" поведения животных. Мотивация входит как существенный аспект в функциональную систему по П.К.Анохину. Мотивация тесно связана с понятием доминанты по А.А.Ухтомскому. Подходы к математической теории доминанты разработаны В.И.Крюковым [11]. Концепция целенаправленного действия (также тесно связанного с мотивацией) в контексте построения теории информационных систем разносторонне обсуждалась В.И.Корогодиным [5]. В исследованиях по искусственному интеллекту разрабатываются модели, включающие мотивацию в качестве важного фактора [12].

Пока еще рано говорить о результатах теории происхождения логики, однако аналогии между "интеллектуальными изобретениями" разных уровней могут быть отмечены. Например, выработку условного рефлекса можно рассматривать как происходящий в нервной системе животного элементарный вывод - "Если за условным стимулом следует безусловный, а безусловный стимул вызывает определенную реакцию, то условный стимул также вызывает эту реакцию" - дальний предшественник одной из основных формул дедуктивной логики: "Если из А следует В и из В следует С , то из А следует С ".

Резюмируя раздел, подчеркнем, что анализ "интеллектуальных изобретений" биологической эволюции представляет собой очень интересную и практически нетронутую область для теоретических исследований.

Прикладные аспекты

Идея использования биологических аналогий для построения искусственных информационных систем уже частично обсуждалась при рассмотрении прикладного эволюционного моделирования. Отметим, что возможна не только имитация биологических систем обработки информации в виде аналитических моделей и программ для универсальных ЭВМ, но и аппаратная реализация специализированных микроэлектронных "биокомпьютеров". В частности, представляется перспективным создание эволюционных оптимизаторов, реализующих генетический алгоритм. Автором совместно с сотрудниками малой фирмы ИнТеСи (Зеленоград) была предложена микроэлектронная схема эволюционного оптимизатора, основанного на использовании векторного логического устройства и оперативной памяти большой емкости [13]. Основные информационные процессы в эволюционном оптимизаторе осуществляются паралелльным образом.

В будущем было бы интересно поставить исследования по разработке поколений эволюционных оптимизаторов, предназначенных для оптимизации сложных систем управления. При создании таких устройств имеет смысл предусмотреть возможность разработок поколений управляющих систем с последовательным включением в эти системы аналогов "интеллектуальных изобретений" - безусловного рефлекса, привыкания, условных рефлексов, примерно так же (и с тем же значением), как это происходило в процессе биологической эволюции. В рамках таких работ было бы интересно модельно сопоставить Дарвиновскую (нет передачи по наследству приобретенных навыков) и Ламарковскую (есть наследование приобретенных навыков) концепции эволюции и выяснить классы задач, для которых выгодна та или иная стратегия. Здесь же было бы любопытно модельно проанализировать процесс возникновения нервной системы, как специально предназначенной для быстрой и надежной обработки информации части управляющей системы.

В свое время А.Эйнштейн сетовал на то, что достижения науки в первую очередь используются в военных целях. Можно надеятся, искусственные "биокомпьютеры" будут использоваться именно в полезных для человека целях, аналогично тому, как биологические информационные системы обеспечивают выполнение жизненно важных функций организмов.

Отметим, что для разработок искусственных "биокомпьютеров" более важно понимание общих принципов функционирования биологических информационных систем, чем выяснение конкретных физико-химических механизмов работы элементов естественных "биокомпьютеров", так как "элементная база" естественных и искусственных биокомпьютеров может быть различна.

Проблемы финансирования

Вопросы эволюционной биокибернетики затрагивают широкий круг междисциплинарных проблем, относящихся к теории познания, основаниям математики, искусственному интеллекту, высшей нервной деятельности, биологической эволюции, математическому моделированию, информатике, технической кибернетике. Хотя в последние годы много говорится о актуальности междисциплинарных исследований, найти средства для постановки и развития "стыковочных" научных направлений значительно труднее, чем для уже сложившихся. Например, в Российском фонде фундаментальных исследований просто нет раздела, подходящего для исследований биологических информационных систем. Автор пытался подать заявки на биокибернетические исследования в РФФИ и Международный научный фонд, несколько искусственно "привязывая" тематику к разделам "биофизика" и "математическое моделирование", - результат нулевой. Не удалось получить средств и на разработку общей методологии эволюционной биокибернетики в Российском гуманитарном научном фонде.

Отметим, что финансирование исследований по эволюционной биокибернетике может быть достаточно скромным. Здесь не нужны дорогостоящие экспериментальные установки. Достаточно оплатить работу теоретиков, обобщающих и формализующих в моделях опыт биологов; обеспечить компьютеры, эффективный доступ к научной информации и участие в работах конференций.

По-видимому, несколько скептическое отношение к биокибернетике обусловлено неудачей первого бионического бума 50-60-х годов (активные исследования вели в те годы Ф.Розенблатт, Б.Уидроу, М.М.Бонгард, М.Л.Цетлин и многие другие), когда энтузиазм ученых, строивших модели процессов обучения в нервной системе и пытавшихся создать электронный аналог мозга, натолкнулся на серьезные трудности.

Скорее всего, основной урок первого бионического бума состоит в том, что системы обработки информации в живых организмах весьма непросты и выяснить их природу "с наскока" не удалось. Поэтому, в первую очередь, необходимы именно фундаментальные исследования, посвященные анализу возникновения, развития и биологического значения информационных систем живых организмов и обеспечиваемых этими системами "интеллектуальных" свойств.

В заключение еще раз подчеркнем, что ключевое направление очерченных выше работ - исследование интеллектуальных изобретений биологической эволюции. Именно здесь можно ожидать радикального прорыва в понимании природы научного познания. Однако, как раз в этом направлении исследования ведутся очень скромными усилиями отдельных энтузиастов и минимальна поддержка со стороны официальных научных структур.

Список литературы

1. Воронин Л.Г. Эволюция высшей нервной деятельности. М.: Наука, 1977, 128 с.
2. Эйген М., Шустер П. Гиперцикл. Принципы самоорганизации макромолекул. М.: Мир, 1982, 270 с.
3. Редько В.Г. Спиновые стекла и эволюция. // Биофизика. 1990. Т.35. N 5. С. 831-834.
4.Ратнер В.А., Шамин В.В. Сайзеры: моделирование фундаментальных особенностей молекулярно-биологической организации. Соответствие общих свойств и конструктивных особенностей коллективов макромолекул. // Журн. общ. биологии. 1983. Т.44. N 1. С. 51-61.
5. Корогодин В.И. Информация и феномен жизни. Пущино, 1991, 202 с.
6. Кауффман С. Антихаос и приспособление. // В мире науки. 1991. N 10. С. 58-65.
7. Иваницкий Г.Р., Есипова Н.Г., Абагян Р.А., Шноль С.Э. Блочное совершенствование генетического текста как фактор ускорения биологической эволюции. // Биофизика. 1985. Т.30. N 3. С. 418-421.
8. Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969, 230 с.
9. Редько В.Г. Адаптивный сайзер. // Биофизика. 1990. Т.35. N 6. С. 1007-1011.
10. Цетлин М.Л. Исследования по теории автоматов и моделирование биологических систем. М.: Наука, 1969, 316 с.
11. Kryukov V.I. An attention model based on the principle of dominanta. // Proceedings in Nonlinear Science. Neurocomputers and Attention. I: Neurobilogy, Synchronization, and Chaos. 1989. Ed by A.Y. Holden and V.I.Kryukov. PP. 319-351.
12. Вайнцвайг М.Н., Полякова М.П. Архитектура мыслящей системы и нейронные сети. // Интеллектуальные процессы и их моделирование. Информационные сети. М, 1994. С. 132-151.
13. Редько В.Г., Дябин М.И., Елагин В.М., Карпинский Н.Г., Половянюк А.И., Сереченко В.А., Ургант О.В. К микроэлектронной реализации эволюционного оптимизатора. // Микроэлектроника. 1995, 24, N 3. С.207-210.

4.02.2010


Интересное по этой теме:


Институт философии РАН
www.iph.ras.ru
Copyright © 1996-2024 Синтергетический форум
Пишите нам
ОБРАТНАЯ СВЯЗЬ