Как работает мозг - читать онлайн книгу. Автор: Стивен Пинкер cтр.№ 67

Каждый раз, когда мы покупаем газету, мы платим за информацию. Теоретики экономики объяснили, почему нам приходится это делать: информация дает нам выгоду, которая стоит того, чтобы за нее заплатить. Жизнь – это выбор между рисками. Мы выбираем, повернуть нам налево или направо на развилке дороги, остаться с Риком или уйти от него к Виктору, зная, что ни один выбор не гарантирует богатства или счастья; лучшее, что можно сделать – это надеяться на судьбу. Каждое решение в жизни по своей сути представляет собой выбор того, какой купить лотерейный билет. Скажем, билет стоит 1 доллар и дает один шанс к четырем выиграть 10 долларов. В среднем выигрыш составляет полтора доллара на каждый билет. (10 долларов разделить на четыре равняется 2,5 доллара, минус один доллар за билет.) Другой билет стоит один доллар и дает один шанс к пяти выиграть 12 долларов. В среднем выигрыш составляет 1,4 доллара на один билет. Количество билетов того и другого вида одинаково, ни на одном из них нет пометок с информацией о вероятности выигрыша. Сколько вы заплатите человеку, который скажет вам, какой билет относится к какой категории? Вы должны заплатить не больше четырех центов. Без этой информации вы будете выбирать наугад, и ваш выигрыш в среднем составит 1,45 доллара (в половине случаев это будет 1,5 доллара, а еще в половине – 1,4 доллара). Если вы будете знать, у какого билета средняя окупаемость выше, вы заработаете в среднем 1,5 доллара на каждом билете, так что даже если вы заплатите четыре цента, с каждого билета у вас останется выгода в один цент.

Большинство организмов не покупают лотерейные билеты, но они делают выбор между «лотерейными билетами» всякий раз, когда их тело может сделать несколько разных движений. Они должны быть готовы «платить» за информацию – тканями, энергией и временем – если затраты ниже ожидаемой выгоды в виде еды, безопасности, возможности спаривания и других ресурсов, которые в конечном итоге оцениваются с точки зрения ожидаемой численности выжившего потомства. У многоклеточных животных за сбор информации, ее преобразование в выгодные решения отвечает нервная система.

Зачастую увеличение объема информации приводит к увеличению выгоды и компенсирует дополнительные издержки. Если вы знаете, что где-то рядом с вашим домом зарыт сундук с сокровищами, любая информация, которая укажет направление – на север или на юг, – будет полезна, поскольку она сократит время поисков вдвое. Второй элемент информации – о том, в каком квадранте нужно искать клад, – будет еще более полезным, и т. д. Чем больше цифр будет в координатах, тем меньше времени вы потратите, копая впустую, поэтому вы будете с готовностью платить за любую дополнительную информацию, вплоть до момента, когда вы будете так близко к кладу, что дальнейшее уточнение координат уже не будет стоить денег, которые вы заплатите. Аналогичным образом, если бы вы пытались взломать код от сейфа, каждая цифра, которую бы вы покупали, сокращала бы количество вариантов, и ваши расходы окупились бы сэкономленным временем. Итак, почти всегда больше информации означает лучше – вплоть до момента, когда доходность начинает убывать – и именно поэтому у многих линий животных в процессе эволюции появлялись более и более сложные нервные системы.

Естественный отбор не может непосредственно наделить организм информацией о его окружении или вычислительными сетями, демонами, модулями, способностями, репрезентациями или органами мышления, перерабатывающими информацию. Он может только выбирать из генов. Но гены строят мозг, и разные гены строят разные типы мозга, которые по-разному перерабатывают информацию. Эволюция переработки информации достигается на уровне мельчайших деталей, путем отбора генов, которые влияют на процесс сборки мозга.

Многие виды генов могут становиться объектом отбора в пользу более эффективной переработки информации. Изменения в генах могут приводить к образованию разного количества пролиферирующих клеток вдоль стенок желудочков (полостей в центре мозга), вырабатывающих кортикальные нейроны, из которых состоит серое вещество. Другие гены могут сделать так, чтобы пролиферирующие клетки делились в течение разного количества циклов, образуя разное количество кортикальных зон разных типов. Аксоны, соединяющие между собой нейроны, могут быть перенаправлены в результате изменения химических следов и молекулярных ориентиров, которые ведут аксон в том или ином направлении. Гены могут вносить изменения в молекулярные замки и ключи, которые отвечают за соединение нейронов друг с другом. Как и в старом анекдоте о том, как вырезать статую слона (отсечь все, что не похоже на слона), нервную цепь можно сформировать, запрограммировав определенные клетки и синапсы по команде «покончить с собой». Нейроны могут активизироваться на разных этапах эмбрионального развития, и паттерн их импульсов – будь то спонтанных или запрограммированных – может быть интерпретирован на выходе как информация о том, как нервные связи должны формироваться далее. Многие из этих процессов вступают в каскадное взаимодействие. Например, увеличение одной из зон позволяет ей более эффективно конкурировать за место на других уровнях. Естественному отбору совершенно все равно, насколько причудливым будет процесс сборки мозга или насколько уродливым получится в результате мозг. Модификации он оценивает исключительно исходя из того, насколько хорошо алгоритмы мозга справляются с задачей руководства восприятием, мышлением и действиями всего организма в целом. Руководствуясь этими процессами, естественный отбор может создавать все более и более эффективно функционирующий мозг ^[190].

Но возможно ли, чтобы отбор произвольных вариантов действительно улучшил конструкцию нервной системы? Или из-за прочих вариантов вся конструкция отказала бы, как компьютерная программа из-за испорченного байта, а отбор просто сохраняет системы, которые не отказывают? Исследования в новой области вычислительных систем, теории генетических алгоритмов, показывают, что с помощью дарвинистского естественного отбора можно создавать все более разумное программное обеспечение. Генетические алгоритмы – это программы, которые дублируются, образуя многочисленные копии, однако с произвольными мутациями, которые делают каждую копию на один крохотный байт отличной от всех остальных ^[191]. Каждая копия пытается решить определенную задачу, и тем, которые справляются лучше других, дается возможность размножаться, чтобы создать копии для следующего цикла. Предварительно элементы каждой программы опять произвольно мутируют, и программы «спариваются»: каждая делится на две части и пары программ обмениваются частями. После множества циклов вычисления, отбора, мутации и репродукции получившиеся в итоге программы зачастую оказываются лучше, чем любая программа, придуманная живым программистом.

Возвращаясь собственно к вопросу о том, как сформировалось мышление, ученые попробовали применить генетические алгоритмы к нейронным сетям. Нейронная сеть получает входные данные от смоделированных органов чувств, а выходные данные поступают на смоделированные ноги, при этом сеть помещается в виртуальную среду, где есть произвольно расположенная «пища» и другие сети, конкурирующие за нее. Те сети, которым удастся собрать больше всего пищи, оставляют больше всего копий; затем начинается следующий цикл мутации и отбора. Мутации представляют собой произвольные изменения в весах связей, иногда после них происходит половая рекомбинация сетей (они обмениваются некоторыми из своих весов связей). Во время первых повторов цикла «животные» (или, как их иногда называют, «аниматы») в произвольном порядке блуждают по территории, изредка случайно наталкиваясь на источники пищи. Однако по мере эволюции они начинают передвигаться напрямую от одного источника пищи к другому. Более того, популяция сетей, которой дана возможность формировать в процессе эволюции «врожденные» веса связей, часто справляется с задачей лучше, чем одиночная нейронная сеть, которой дана возможность обучиться им. Это особенно справедливо в отношении сетей с множественными скрытыми уровнями, которые, несомненно, есть у всех сложных животных, и в частности – у человека. Если сеть может только учиться, но не эволюционировать, обучающий сигнал, получаемый из внешней среды, ослабевает по мере передачи к скрытым уровням и может приводить к приращению или сокращению весов связей лишь в незначительной мере. С другой стороны, если популяция сетей способна эволюционировать – даже если она не способна обучаться, – мутации и рекомбинации могут напрямую перепрограммировать скрытые уровни и очень быстро превратить сеть в совокупность врожденных связей, которая оказывается гораздо более приближенной к оптимальной. Происходит естественный отбор в пользу врожденной структуры ^[192].