Книги украшают жизнь. Как писать и читать о науке - Ричард Докинз

вероятной среде обитания и образе жизни – “приблизительное” в том смысле, в котором был приблизителен прогноз погоды в докомпьютерную эру. Зоология будущего забьет в компьютер намного больше параметров анатомии и химии организма “читаемого” животного. Что еще важнее, она не станет рассматривать зубы, кишечник и химию желудка по отдельности. Она усовершенствует технологии комбинирования источников информации и анализа их взаимодействия, благодаря чему сможет делать выводы колоссального значения. Компьютер, объединив все, что известно об организме незнакомого животного, сконструирует модель мира этого животного, способную потягаться с любой моделью погоды на Земле. Это, как мне представляется, все равно что сказать, что животное, всякое животное, есть модель собственного мира или мира его предков. Вот что означает моя начальная фраза.

В некоторых случаях тело животного является моделью его мира в буквальном смысле, как кукла или игрушечный поезд. Палочник живет в мире веток, и его тело – точная копия ветки. Пушок олененка – модель пестрого орнамента солнечного света, пробивающегося сквозь кроны деревьев к лесной подстилке. Березовая пяденица – модель лишайника на коре дерева, которая составляет ее мир, когда она в покое. Но модели, как мы уже убедились, не ограничиваются репликами, и если шкура или перья животного в буквальном смысле похожи на черты окружающего его мира, это только верхушка айсберга. Любое животное – детальная модель своего мира, будь оно замаскировано под фон или нет.

Для следующего этапа аргументации нам необходимо провести различие между статической и динамической моделями. Расписание железных дорог – статическая модель, тогда как модель погоды в компьютере динамическая: она регулярно (а в новейших системах и постоянно) обновляется с помощью новых данных со всего мира. Некоторые аспекты организма животного являются статической моделью его мира – например, плоские, как жернова, зубы лошади. Другие аспекты динамические; они изменчивы. Иногда они меняются медленно. Дартмурский пони отращивает косматую шубку зимой и сбрасывает ее летом. Зоолог, увидев шкуру пони, сможет определить не только то, в какой местности обитало животное, но и время года, в которое оно было поймано. Многие животные высоких северных широт, такие как песцы, зайцы-беляки и белые куропатки, белые зимой и коричневатые летом.

В этих случаях модель мира, которой является животное, динамична в медленных временных масштабах – масштабах недель или месяцев. Но животные обладают динамикой и в гораздо более скоростных масштабах, в масштабах секунд и долей секунд. Это масштабы поведения. Поведение может рассматриваться как высокоскоростное динамическое моделирование окружающей среды. Представим себе серебристую чайку, парящую в восходящих потоках воздуха над морским утесом. Хотя она и не машет крыльями, это не значит, что мышцы ее крыльев бездействуют. Вместе с хвостовыми мышцами они постоянно вносят мелкие поправки, тонко подстраивая летные поверхности птицы к каждому нюансу, каждому колебанию воздуха вокруг нее. Если мы забьем в компьютер информацию о состоянии всех этих мышц в каждый момент времени, то компьютер в принципе сможет реконструировать каждую деталь воздушных потоков, в которых парит птица. Он будет исходить из того, что птица хорошо приспособлена к парению, и на основании этого постулата сконструирует модель воздуха вокруг птицы. Опять же, это будет модель в том же смысле, что и модель синоптика. Та и другая постоянно перестраиваются благодаря новым данным. Ту и другую можно экстраполировать для предсказания будущего. Погодная модель предсказывает завтрашнюю погоду; модель чайки могла бы “посоветовать” птице упреждающие поправки, которые она могла бы внести в движения своих мышц крыльев и хвоста, чтобы продолжать парить в следующую секунду.

Я клоню, конечно, к тому, что, хотя ни один программист-человек пока еще не построил компьютерную модель, которая бы советовала чайкам, как корректировать движения мышц крыльев и хвоста, именно такая “компьютерная” модель почти наверняка непрерывно работает в мозгу моей чайки и любой другой птицы в полете. Аналогичные модели, в общих чертах запрограммированные генами и прошлым опытом и постоянно, каждую миллисекунду, обновляющиеся с помощью новых сенсорных данных, работают внутри черепа любой плавающей рыбы, любой скачущей лошади, любой эхолоцирующей летучей мыши.

Кембриджский физиолог Гораций Барлоу давно сформулировал интересный взгляд на сенсорную физиологию, который очень хорошо согласуется с моей мыслью. Нам понадобится сделать отступление, чтобы понять его идею и ее значение для моей темы. Барлоу начал с того, что указал, с какой колоссальной проблемой сталкиваются сенсорные системы распознавания. Они должны реагировать на некий подкласс всех возможных наборов стимулов, в то же время не реагируя на остальные. Подумайте о проблеме распознавания лица конкретного человека: по традиции, для примера берут лицо бабушки выдающегося нейрофизиолога Дж. Летвина. Летвиновский механизм распознавания должен реагировать, когда образ ее лица – но не какой-то другой образ – попадает на сетчатку. Это было бы легко, если бы мы могли допустить, что лицо всегда попадает точно на одну и ту же часть сетчатки. Тогда наблюдались бы отношения “ключ – замок”: участок клеток сетчатки в форме бабушки был бы подключен к клетке, определяющей бабушку, в центральной нервной системе. Другие клетки – из которых состоит “антискважина” – должны быть в таком случае настроены на торможение, иначе центральная нервная система будет реагировать на белый лист так же сильно, как на бабушку Летвина.

Но схема “ключ – замок” не работает. Даже если бы Летвину не нужно было распознавать ничего другого, кроме своей бабушки, как бы он справился с тем, что ее изображение попадает на разные части сетчатки, меняет форму и размер, когда она приближается или удаляется, когда она поворачивается боком и т. п.? Если мы сложим все возможные комбинации замочных скважин и антискважин, то получится поистине астрономическое количество. Когда вы осознаете, что Летвин способен распознавать не только лицо своей бабушки, но еще и сотни других лиц, все другие части своей бабушки и других людей, все буквы алфавита, все тысячи предметов, которые нормальный человек способен мгновенно опознать и назвать, – комбинаторный взрыв совершенно выходит из-под контроля. Психолог Ф. Эттнив, которая независимо пришла к той же общей идее, что и Барлоу, подчеркнула это с помощью следующих расчетов: если бы к каждой комбинации “ключ – замок” была подключена только одна центральная нервная клетка, объем мозга измерялся бы в кубических световых годах.

Как, в таком случае, нам это удается с объемом мозга, который измеряется всего лишь сотнями кубических сантиметров? Ответ Барлоу состоит в том, что мы используем колоссальную избыточность во всей сенсорной информации, редуцируя ее с помощью улавливающих избыточность контуров (расположенных иерархическим каскадом). Эти детекторы не ищут конкретных объектов типа бабушки Летвина. Они ищут статистическую избыточность.

Избыточность – термин