Супермозг человечества - Виктор Михайлович Луговской

О структуре супермозга.

Вернемся к предполагаемой структуре системы супермозга. Как говорилось выше, все субцентры связаны линиями связи. Можно предположить также, что каждый субцентр связан линиями связи с несколькими другими субцентрами, образуя ячеистую сеть (типа сети Интернета). Такая архитектура сети делает передачу по ней устойчивой к исчезновению (уничтожению) отдельных субцентров — узлов сети.

При исчезновении каких-либо узлов, через которые шла связь между удаленными узлами, изменяется (и, может быть, удлиняется) маршрут пакетов сообщений, но связь остается ненарушенной. Только катастрофические потери узлов в сети могут помешать циркуляции информации, но известно, что нет систем и конструкций, которые способны работать в любых условиях. При умеренных же потерях узлов информационные возможности сети останутся практически неизменными.

В каждом узле — субцентре хранится часть информации, входящая в общую базу программ и данных популяции. В этой базе хранится информация, как о генетических, так и поведенческих особенностях популяции, данные, характеризующие ареал расселения, и другая информация, необходимая для выработки поведения, оптимального с точки зрения поддержания равновесия со средой. Для обеспечения надежности работы «распределенного мозга» эти данные многократно дублируются и располагаются в различных субцентрах. Часть данных в этой базе изменяется (актуализируется) достаточно редко, так что квантом времени в этом процессе является поколение. Это может относиться, в первую очередь, к данным, связанным с генетическими особенностями членов популяции, особенностями их быта и врожденных реакций на стрессовые ситуации. В эту же группу попадают редко меняющиеся ландшафтные данные ареала расселения и другая подобная высоко статичная информация об окружающей среде. Другая часть базы данных актуализируется с высокой частотой, и единицей времени здесь могут быть дни и часы. Сюда относится информация о состоянии членов популяции, такие быстро меняющие данные, как, например, погода в ареале расселения (параметры климата являются медленно меняющимися переменными и хранятся в «статической» части базы данных) и т. п.

Представляется весьма вероятным, что основная часть данных, получаемых от органов чувств и собственных сегментов членов популяции хранится в принадлежащих им субцентрах. Это сокращает информационные потоки в сети, повышает скорость обмена информацией и надежность передачи.

Поэтому сеть как бы «привязывается» к топографическим ориентирам. Так как рядом живущие члены популяции с большой вероятностью ассоциируются с близкими узлами в сети, то и информация о топографии местности, например, будет хорошо соответствовать ландшафту при мысленном наложении сети на местность. Другими словами, информация о местности в соседних узлах сети в основном будет соответствовать местности, в которой живут члены популяции, ассоциированные с этими узлами. В равной степени это относится и к другим данным, которые могут быть привязаны к определенным точкам ареала расселения. Эти данные касаются и других сторон биогеоценоза: климатических и погодных условий, особенностей проживания, других животных и т. д. На уровне сознания такое соответствие приводит к феномену «родного края», когда ландшафты, отличающиеся от ландшафтов, сохраняемых в интеллектуальном субцентре воспринимаются как чужие и вызывающие отрицательные эмоции. Это соответствие нарушается при быстрых миграциях больших масс, но при достаточно стабильном пространственном распределении населения ареала указанное соответствие будет сохраняться.

В субцентрах — узлах сети происходит обработка всей информации о состоянии популяции в целом и о каждом отдельном члене популяции. Кроме того, идет интенсивный информационный обмен с собственным сегментом мозга. В рамках этого обмена передаются корректирующие команды супермозга, обеспечивающие оптимальное с точки зрения популяции поведение субъекта. Такие команды могут выходить в сознание в виде неких поведенческих импульсов и стремлений, но могут и напрямую передаваться внутренним органам, например, гормональной системе человека и таким образом корректировать поведение особи.

От собственного сегмента мозга в субцентр передается актуальная «картина мира», такая, как ее видит данная особь. Для выбора оптимальной стратегии поведения этноса, что и является основной функцией супермозга, необходимы не только конкретные данные о среде и членах «коллективного субъекта», но и усредненные характеристики этих данных. Поэтому одной из важных функций супермозга является определение «усредненных параметров» среды обитания и состояния этноса. Опираясь на такие усредненные данные, супермозг может правильно оценивать состояние и окружающей среды и популяции и, опираясь на эти оценки, формировать оптимальное поведение «коллективного субъекта». Очень интересен вопрос об иерархии в сети супермозга. Наличие иерархических уровней обработки информации значительно упрощает задачи «усреднения» данных о состоянии популяции и оптимизацию ее поведения. Наиболее простые алгоритмы этих операций получаются, когда все данные передаются на один наивысший уровень и там обрабатываются. Но такое очевидное решение для сети супермозга неприемлемо, по крайней мере, по двум причинам. Во-первых, для выполнения этой работы в разумные сроки в одном центре необходимы очень большие вычислительные мощности. Но большие вычислительные мощности связаны с большими физическими объемами субцентров, а все субцентры располагаются в нервных системах физически одинаковых особей и поэтому ограничены по размерам. Но есть и второе очень веское возражение против такой концентрации вычислительных ресурсов сети. Для обеспечения достаточной живучести сети таких центров обработки должно быть достаточно много, и это сразу запрещает концентрацию ресурсов. Раз центров обработки должно быть много, на первое место выходит структура меньшей степени иерархичности, например, с двумя уровнями. В такой сети один из нескольких (например, из десяти — двадцати) узлов, который считается узлом верхнего уровня, «усредняет» информацию от подчиненных узлов и вырабатывает для них оптимальную линию поведения. При аварийном выпадении узла верхнего уровня из сети (например, при гибели особи) подчиненные узлы нижнего уровня могут автоматически подключаться, например, к соседним узлам верхнего уровня. В узлах верхнего уровня работает алгоритм поиска коллективного решения в сети из узлов верхнего уровня, и по результатам работы этого алгоритма корректируется поведение особей обоих уровней. При такой схеме работы сети обеспечивается ее высокая живучесть, т. к. выпадение нескольких узлов первого или второго уровней практически не скажется всей системе.

Для узла второго уровня нет необходимости в использовании больших вычислительных ресурсов, т. к. объем перерабатываемой информации относительно невелик. Уменьшение же на порядок числа узлов сети, участвующих в оптимизации, как минимум на два — три порядка ускоряет выбор оптимального поведения.

Говоря о субцентрах второго уровня применительно к живучести сети, нельзя не вспомнить о «ленивых муравьях», описанных в разделе, посвященном муравьиной семье. Предполагалось, что в нервной системе «ленивых