УЧЕНИЕ И. П. ПАВЛОВА И КИБЕРНЕТИКА

Одной из теоретических основ развития нейрофизиологии в наши дни является учение И. П. Павлова о высшей нервной деятельности. Положения этого учения хорошо известны. Можно условно выделить два аспекта его развития. Один связан с раскрытием механизмов формирования сложного целесообразного поведения человека и животных. Другой — с изучением нейрофизиологических механизмов работы мозга, анализом организации систем нервных клеток.

И, П. Павлов считал, что в основе высшей нервной деятельности человека и животных лежит выработка и функционирование условных рефлексов. Их формирование определяется комплексом специальных правил. Так, если в эксперименте, перед тем как собака получит безусловное подкрепление (например, пищу), несколько раз включить индифферентный, безразличный для животных сигнал (например, белую лампочку), то вырабатывается новая временная связь и в ответ на условный раздражитель у животного начинается отделение слюны — реакция, которая ранее осуществлялась только при получении пищи. Правила приобретают более сложный вид, если объектом исследования является формирование двигательных условных рефлексов. В этом случае живые организмы, активно воздействующие на внешний мир, изменяют его. Таким образом:, правила работы мозга — это закономерности, определяющие взаимодействие внешней среды и организма.

Эта концепция, казалось бы, открывала пути для решения основных проблем, возникающих при изучении работы мозга. Правила формирования условных рефлексов обеспечивают, как писал И. П. Павлов, «уравновешивание внешней среды и организма», т. е формирование поведения, адекватного любым возникающим новым ситуациям. В то же время процесс замыкания новых связей между нервными клетками обеспечивает формирование нейрофизиологического субстрата выработки условных рефлексов.

Основная задача изучения работы мозга на современном этапе могла бы быть сведена только к анализу

7

физических или химических процессов, ответственных за установление новых временных связей. Необходимые предпосылки для решения этой задачи могли бы, очевидно, возникнуть на основе анализа биоэлектрических и биохимических процессов в отдельных нервных клетках. Таким образом, получила обоснование и развитие целостная концептуальная схема, программа изучения работы мозга.

У Вас, уважаемый читатель, может быть, все же невольно возникнет сомнение. Можно ли на этой основе подойти к расшифровке действительно сложных форм высшей нервной деятельности? Ведь работа мозга человека проявляется в форме творчества ученого, инженера, писателя и т. д. Известно, что уже на стадии восприятия информации фактически имеет место осуществление сложного процесса «наложения» на рассматриваемые объекты создаваемых в мозгу человека целостных образов. Проследите, например, за тем, как Вы ориентируетесь, входя в новое помещение. Вы не воспринимаете и не производите дальнейшего преобразования всех поступающих из внешнего мира сигналов. Это попросту невозможно. Вы сразу опознаете характер помещения: магазин, зал кино, школа, жилой дом, и затем, -помимо Вашего сознания, Ваш мозг «задает» объекту восприятия последовательность «вопросов». Если это магазин, то где продавец? Мозг воспринимает только те сигналы, которые связаны с ответами на эти вопросы. Имеет место последовательная смена воспринимаемых сигналов, и в результате Вы получите представление об объекте, которое полностью соответствует целям Вашей деятельности и интересам.

В основе этого явления, очевидно, должны лежать какие-то в достаточной степени совершенные и сложные механизмы. В том случае, если Вы воспринимаете речь собеседника или слушаете радио, Ваш мозг также не воспринимает всех сигналов, соответствующих словам и тем более буквам текста. Уже на первых стадиях независимо от Вашего сознания осуществляется смысловое прогнозирование последующего текста, и в дальнейшем имеет место только сопоставление отдельных компонентов прогноза с элементами поступающего извне информационного потока. В этом легко убедиться, попробовав понять и

запомнить быстро произносимые слова, не связанные между собой смысловым содержанием.

Не менее сложен процесс дальнейшей переработки информации. Советскими учеными В. Н. Пушкиным и О. К- Тихомировым было показано, что человек способен не только создавать новые методы решения возникающих перед ним проблем, но и по-новому ставить задачи, приводить их к такому виду, который допускает решение. Хорошо известна способность человека к эффективному прогнозированию результатов развития событии, к построению концепций, доказательству правдоподобия версий.

Интересно отметить, что мышление человека протекает на двух различных уровнях. Один из них — это принятие решений специалистами. Этот вид умственной деятельности во многих случаях поддается научному анализу. Существуют учебные пособия по проектированию, административной ' деятельности. Опытный специалист может достаточно успешно передать приобретенный им опыт ученикам. Профессиональные навыки имеют частный характер. Они формируются в процессе жизни и поэтому не могут составлять основы той информационной деятельности, которая реализуется в результате работы систем нервных клеток.

Наряду с этим существует- другой уровень работы мозга. Он определяет сложные механизмы интеллектуальной деятельности. Этот уровень — уровень протекания основных процессов переработки информации — является определяющим при функционировании нейрофизиологических систем мозга. Его исследование представляет наибольший интерес для науки, но сопряжено с большими трудностями.

Задачей изучения работы мозга является выявление полной картины механизмов, которые обеспечивают переработку информации на всех уровнях, и организации субстрата, реализующего информационную деятельность.

Можно ли допустить, что в основе всех перечисленных сложных явлений работы мозга лежит выработка условных рефлексов и что субстратом, на котором реализуются эти процессы, служит образование временных связей между отдельными нервными клетками? Не слишком ли велико различие

9

между таким, казалось, простым понятием, как условный рефлекс, и такой сложной системой представлений, которая необходима для понимания творческой, мыслительной деятельности человека?

Эту проблему не следует упрощать, утверждают в наши дни сторонники рефлекторной теории, конечно, условные рефлексы и отдельные временные связи не существуют изолированно друг от друга. Они объединяются в сложные системы, и именно в таких организациях возникают те новые в качественном отношении явления, которые и составляют основу интеллекта человека и рассудочной деятельности животных. Но в этом случае нужно изучать, как именно возникают и функционируют такие системы, и доказать, что при их взаимодействии действительно возникают новые явления.

Кибернетика активно вмешалась в эту дискуссию. Была предложена методика для проверки правомерности концепций, связанная с построением кибернетических моделей — элементов искусственного интеллекта. Подобно тому как биохимик, раскрывающий структурные формулы веществ, может доказать правоту своей гипотезы путем осуществления искусственного синтеза сложного вещества из простых компонентов, так и физиолог может воссоздать модель исследуемого им явления, используя вычислительные машины. Если ученые достаточно полно раскрыли механизмы той или иной формы работы мозга, например способности к обучению, построению планов, то они могут подтвердить полноту анализа, используя методику искусственного синтеза. Такой путь может подсказать ученому, какие именно компоненты целостной системы еще недостаточно изучены, и наметить на этой основе проведение новых исследований.

Вторжение кибернетики в область физиологии высшей нервной деятельности привело к ломке некоторых существовавших ранее представлений. Возникло опасение, что это может привести к разрушению стройного здания, которое было создано трудами многих исследователей. Поэтому некоторые ученые весьма настороженно отнеслись к возникающему потоку новых идей. Однако в наши дни становится очевидным, что проведенная реконструкция не

10

только не привела к разрушению теории И. П. Павлова, а, наоборот, позволила построить более совершенное здание в этой области науки.

Как уже говорилось, при выработке условных рефлексов реализуется ряд" правил, которые определяют восприятие внешних сигналов и ответы на них, т. е. закономерности взаимодействия внешней среды и организма. Эти правила можно было представить' в форме специального автомата или программы для вычислительной машины и проверить, появляется ли у таких кибернетических моделей способность к формированию целесообразного поведения в новых условиях. Такое исследование могло одновременно привести как к проверке одного из важных положений теории И. П. Павлова, так и к построению элементов «искусственного интеллекта».

Были созданы модели выработки условного рефлекса. Обычно такие модели реализовывались в виде игрушек: мышей, черепах, белок. Игрушки были способны к обучению, они вырабатывали новые реакции на внешние сигналы. Например, в ответ на вспыхивание лампочки черепаха или белка могла осуществить поступательное движение вперед и захватить предмет при помощи конечностей.

На основе изучения таких моделей не удалось подтвердить возможности использования представлений о выработке условных рефлексов для объяснения сложных форм работы мозга человека и животных. Использование методов кибернетики как будто бы поставило под сомнение правомерность одного из основных положений учения И, П. Павлова — положения о возможности обеспечения механизмов формирования сложного поведения. Выяснилось, что описываемые модели «искусственного интеллекта» имели существенные недостатки. При их создании заранее нужно было определять тот сигнал, который будет играть роль условного раздражителя, и то движение, которое будет осуществляться в ответ на включение сигнала Между тем, как известно, человек и животные в процессе обучения могут формировать новые рефлекторные реакции, связывающие любые новые сигналы и их комплексы с любыми вариантами двигательных ответов. однако, даже если при создании моделей реализовалась

11

возможность одновременного формирования большого числа условных рефлексов, способности вновь созданных автоматов было трудно сопоставить с теми явлениями, которые возникли в результате работы мозга человека и высших животных.

Одна из попыток выхода из создавшейся ситуации была связана с использованием концепции о «системности» в работе мозга. Формирование отдельных условных рефлексов не обеспечивало возникновения целесообразного поведения. Может быть, эти явления проявятся как результат построения и функционирования сложных агрегатов, объединяющих в единой конструкции большое число условных рефлексов? Была выдвинута гипотеза, что условные рефлексы объединяются в более сложные организации, в которых возникают новые в качественном отношении явления. Именно эти явления и становятся основой функционирования сложных механизмов работы мозга. Трудности, встречающиеся при использовании учения И. П. Павлова для раскрытия механизмов формирования сложных форм поведения, могут быть преодолены в результате перехода от исследования отдельных условных рефлексов к анализу закономерностей формирования и функционирования сложных систем.

Стало очевидным, что если принять эту гипотезу, то неизбежно придется решать ряд новых проблем. Каким образом вырабатываются более сложные системы условных рефлексов, как они объединяются в целостные организации, как эти организации взаимодействуют друг с другом, какую роль такие «агрегаты» играют в жизни человека и животных и, наконец, можно ли объяснить сложные формы работы мозга с точки зрения формирования систем условных рефлексов различных типов и их взаимодействия?

Проведенные исследования показали, что при изучении систем рефлексов выявляются специфические комплексы правил, которые не проявляются при выработке одиночных условных рефлексов. Такие результаты как будто бы открывали возможности для анализа механизмов формирования более сложного поведения человека и животных.

И. П. Павловым был открыт принцип подкрепления

12

условных рефлексов безусловными как фактор, определяющий формирование нового поведения человека и животных. При изучении систем условных рефлексов было показано, что само подкрепление носит более сложный характер. Оно не только имеет «безусловный» характер, может быть не только врожденным (пища, исчезновение болевого раздражения), но и вырабатывается в процессе жизни человека и животных. Удалось показать, что в определенных условиях возникают такие сигналы, которые могут служить базой для выработки новых условных рефлексов и цепей условных рефлексов в условиях, когда отсутствует безусловное подкрепление {например, пища). Выяснилось также, что эти новые подкрепляющие раздражители объединяются в целостные организации, в которых наблюдается определенное соподчинение компонентов (иерархия). Одни сигналы играют роль «ориентиров», их включение приводит только к временной фиксации в памяти новой информации и к возникновению определенной последовательности пробных воздействий на внешнюю среду. Другие сигналы, так называемые сигналы «фиксирующего подкрепления», приводят к выработке и закреплению новых систем условных рефлексов в ситуации, когда отсутствует безусловное подкрепление (например, подкрепление пищей или исчезновение болевого раздражителя). В частности, было обнаружено, что подкрепляющими сигналами фиксирующего типа становятся компоненты рефлекса на комплексный раздражитель.

Этот вывод также содержал в себе определенные элементы новизны. Дело в том, что формирование рефлекса на комплексный раздражитель было детально изучено в работах И. П. Павлова и его учеников. Как известно, условия эксперимента предусматривали предъявление животному одновременного комплекса сигналов. Если предъявлялся комплекс, например звонок и свет, то животное получало пищу. Если предъявлялся только один раздражитель, например звонок, и не предъявлялся свет, то пища не давалась. При этом возникала способность «различения» всего комплекса от отдельных компонентов. Реакции осуществлялись только в ответ на комплексный раздражитель. В элементах, которые

13

соответствовали компонентам комплекса, например компоненту, соответствующему включению одного звонка, возникало внутреннее торможение. Такой сигнал приобретал тормозное значение, предотвращающее возникновение рефлекторной реакции.

Экспериментальные данные, полученные при изучении систем рефлексов, в какой-то степени изменяли эту систему представлений. Было показано, что наряду с тормозным значением элемента рефлекса на комплексный раздражитель, которое проявлялось по отношению к осуществлению рефлекторной реакции, данный сигнал выполнял и активную роль, что было связано с возникновением специфического процесса возбуждения. Сигнал становился достаточной основой для формирования новых рефлекторных реакций, которые никогда непосредственно не подкреплялись пищей и в то же время не исчезали.

Детальное рассмотрение этой проблемы привело к выявлению целого комплекса правил (закономерности взаимодействия среды и организма), определяющих формирование таких систем подкрепляющих раздражителей. Наряду с этим был выявлен комплекс правил, лежащий в основе использования системы подкреплений при выработке новых систем рефлексов.

Можно ли считать, что полученные данные приводят к расшифровке механизмов формирования сложного поведения или хотя бы приблизят решение этой проблемы? Для того чтобы определить эффективность выявленных правил и полноту описания всей системы, ученые решили реализовать ее в виде специального автомата и изучить свойства созданной модели. Если такой автомат будет обладать способностью к обучению, принятию решений, то это значит, что выявлен полный набор правил. Если же результаты окажутся отрицательными, то следует провести дальнейший поиск.

Для решения этого вопроса был создан новый вариант модели «искусственного интеллекта». Студентами Московского энергетического института А. И. Лецким, В. Б. Свечинским и другими под руководством физиолога профессора С. Н. Брайнеса и инженера Ю. Н, Кушелева был построен «обучающийся автомат», который воспроизводил способность

14

к выработке цепей условных рефлексов. Этот автомат, подобно человеку, мог формировать поведение определенного типа.

«Обучающийся автомат» состоял из комплекса ячеек, каждая из которых включала схему формирования условного рефлекса. Объединение этих ячеек в структуру типа матрицы обеспечивало возможность перекомбинации различных действий и сигналов друг с другом. Так, фактически для любого из сигналов можно было найти нужное ответное действие. Это позволяло связать различные сигналы внешней среды с различными действиями. Однако «обучающийся автомат» имел ограниченное количество ячеек. Можно было связать только те элементы, для которых имелся специальный «вход» в систему или специальный «выход». Несмотря на это, созданная модель выгодным образом отличалась от других кибернетических систем. С ее помощью можно было увеличить диапазон используемых действий и воспринимаемых раздражителей.

«Обучающийся автомат» был продемонстрирован на Выставке достижений народного хозяйства в павильоне "«Высшая школа» и привлек большой интерес посетителей. Была предпринята попытка его использования для решения практических задач. Ученые задумали на этой основе создать «диспетчера», осуществляющего управление производством каучука. Такой диспетчер, подобно человеку, должен был обладать способностью постепенно накапливать и обобщать опыт, чтобы в конце концов самостоятельно выработать программу поведения, дающую максимальный эффект при управлении производственными процессами.

Можно ли на основе использования правил формирования новых комплексов подкрепляющих сигналов подойти к объяснению механизмов сложных форм поведения человека и животных? Для решения этой проблемы были проведены специальные эксперименты. При исследовании работы созданной модели были продемонстрированы новые способности,

«Обучающийся автомат» позволил реализовать описанные выше правила в форме кибернетической модели и тем самым подтвердить полноту проведенного при изучении систем условных рефлексов

15

научного анализа. Стало понятным, что создание описанной выше системы подкрепляющих раздражителей исключает ряд трудностей, возникающих при объяснении механизмов, лежащих в основе сложного поведения. Выяснилось, каким образом возникают те новые подкрепляющие сигналы, которые определяют возможность сложных форм работы мозга, обеспечивающих приспособление человека к окружающим условиям среды.

Однако при изучении работы автомата в более сложных условиях было показано, что он не может самостоятельно приспосабливаться к новым требованиям внешней среды. На это указали, в частности, попытки практического использования автомата. В то время как человек, выполняющий работу диспетчера, постоянно приобретал опыт и адаптировался к новым условиям, автомат в этих ситуациях показывал свою неспособность к формированию нового поведения. Тем самым был поставлен под сомнение тезис о том, что формирование цепей условных рефлексов на основе описанных принципов может обеспечить процесс «уравновешивания внешней среды и организма». Если условия внешней среды были просты, то уравновешивание могло быть достигнуто. Но в реальных условиях жизни человека и животных простые ситуации встречаются редко. В более сложных условиях правила формирования цепей условных рефлексов оказывались недостаточными для того, чтобы вырабатывать новое целесообразное поведение.

Изучение работы «обучающегося автомата» привело также к выводу о том, что формирование отдельных временных связей не может являться основой формирования поведения человека и животных. Стала очевидной необходимость разработки более сложных концепций, определяющих возможность реализации процесса выработки систем условных рефлексов в нейрофизиологических структурах.

Подводя некоторые итоги сказанному, можно отметить, что использование метода кибернетического моделирования помогло ученым проверить полноту описания правил и методов, позволяющих осуществлять искусственный синтез элементов интеллекта. Было показано отсутствие возможности решения

16

основной проблемы расшифровки Механизмов информационных систем, лежащих в основе сложных форм интеллектуальной деятельности, таких, например, как способность к формированию новых концепций, построению гипотез, версий о причинах событий и к их доказательству или же распознаванию тенденций в развитии событий. И снова у исследователей возник вопрос: возможно ли это в принципе? Какие новые идеи и методы должны быть привлечены для решения этой проблемы?

АЛГОРИТМЫ И РАБОТА МОЗГА

Итак, попытки решения проблемы расшифровки механизмов формирования сложного поведения и компонентов психической деятельности на основе изучения систем рефлексов привели к определенным трудностям. Ученые понимали, что для их преодоления необходимы новые идеи и методы, которые могли бы не просто дополнить уже имеющийся арсенал фактов, а качественным образом изменить подходы к исследованию. Начались поиски в различных направлениях. Одно из них было связано с привлечением идей кибернетики и представлений о работе алгоритмов.

Понятие алгоритма сформировалось сначала в области математики, и в течение длительного периода времени исследователи не улавливали связи между этим понятием и решением различных актуальных проблем в биологии. Только в наше время удалось обнаружить сходство различных явлений, изучаемых математикой и физиологией.

Первые представления об алгоритмах были сформулированы более тысячи лет тому назад в работах знаменитого узбекского математика Ал-Хорезми. Он описал целый ряд формальных процедур, при помощи которых можно было решать некоторые математические задачи. Такие процедуры обладали удивительным свойством. Если не использовать алгоритмы, то каждый раз приходилось выдумывать новый способ решения, на что уходило много времени и много творческих усилий. В то же время знание алгоритма, формальной процедуры, записанной в виде

17

комплекса последовательно осуществляемых правил преобразования данных, приводило к желаемому результату, т. е. к решению задач. Отсюда следовало и определение понятия «алгоритм».

Алгоритм — это система последовательных правил переработки информации, приводящая к решению задач определенного класса. Это понятие в настоящее время рассматривается как интуитивное, так как оно не соответствует тем требованиям, которые предъявляются к формальному описанию. Пока мы удовлетворимся такой характеристикой, и для того чтобы она стала понятной, приведем ряд примеров работы алгоритмов.

Простейшие примеры алгоритмов — это алгоритмы сложения, вычитания, деления и умножения многозначных чисел. Как известно, в этом случае следует подписать одно число под другим и, последовательно проводя операции над отдельными знаками, преобразовывать системы записей. Процедура решения задач является абстрактной, формальной, она не содержит никаких двусмысленностей. Эта процедура не может включать таких понятий, которые относятся к конкретным числам. Если бы такие понятия (например, число 126) были включены в алгоритм, то он мог бы быть применен только к определенным частным случаям решения, например к задачам деления одного конкретного числа на другое, т. е. он бы не позволял решать целый класс задач.

Другой класс алгоритмов — алгоритмы игр. Эти алгоритмы обычно относятся к категории «логических алгоритмов». Широко известны такие игры, как игра в «крестики-нолики», «побеждает чет», «поиск в лабиринте» и т. д. Оказалось, что для этих игр существуют формальные процедуры, используя которые участник игры может либо выигрывать, либо сводить игру вничью, но никогда не будет проигрывать. При наблюдении за поведением такого человека может создаться впечатление, что он обладает какими-то интересными и даже «замечательными» свойствами, какой-то способностью к игре. Между тем он использует стандартную процедуру. Причем он осуществляет эту процедуру чисто механически, не обращаясь к своим способностям творческого мышления.

18

В качестве примера приведем алгоритмическую процедуру, эффективную при игре «побеждает чет». В этой игре участвуют два человека. На столе лежат спички Каждый игрок имеет право вынимать одну или две спички. Побеждает тот, у кого останется чет­ное число спичек. Оказалось, что может быть най­ден алгоритм, который обеспечивает успех в игре по­добного типа. Этот алгоритм может быть реализован на вычислительной машине, которая будет осущест­влять игру в «побеждает чет» более успешно, чем любой человек, не знающий алгоритма. В данном случае имеет значение применение четко сформули­рованных систем правил. Приведем систему этих пра­вил для игрока А.

Первый ход: А берет два предмета. Очередной ход А в случае, если Б имеет четное число предме­тов, оставить противнику число предметов, которое на единицу больше кратного шести (19, 13, 7); если это невозможно, то при наличии пяти или трех еще не взятых предметов взять четыре или два соответ­ственно. Очередной ход А в случае, если Б имеет нечетное число предметов: оставить противнику ко­личество предметов на единицу меньше кратного шести (23, 17, 11); если это невозможно, то при на­личии еще трех или одного предмета следует взять три или один соответственно.

При анализе правил следует обратить внимание на то, что они не содержат каких-либо слов, отно­сящихся к конкретной игре. Все понятия являются более общими, абстрактными, что и позволяет при­менять их в любых ситуациях игры.

Интересный пример применения алгоритма может быть проиллюстрирован на основе древнегреческой мифологии. Один из мифов говорит о том, что леген­дарный герой Тезей должен был победить чудовище Минотавра и убить его. При этом найти его нужно было в лабиринте. Ариадна дала Тезею клубок ни­ток, при помощи которого он нашел своего против­ника, выполнил поставленную перед ним задачу и затем вышел из лабиринта. Проведем описание ал­горитма. Продвигаясь по лабиринту, Тезей постепен­но разматывал клубок ниток, отмечая те части ла­биринта, которые он уже проходил один раз или Дважды. В этом и заключался смысл той помощи,

19

которую оказала ему Ариадна. Тезей действовал по следующей системе правил:

Остановимся на некоторых особенностях построения и работы алгоритма. Одна из них связана с тем, что, выполняя какой-либо его компонент (правило), человек не может сказать, приближается он или удаляется, осуществляя эту операцию, от решения основной задачи. Способности алгоритма к эффективной деятельности проявляются только в системе и только тогда, когда все команды выполняются последовательно в определенном порядке. Если исключить какую-либо одну команду, то весь целостный эффект исчезнет. Таким образом, проявляется некоторое специальное свойство системы, включающей работу алгоритма, свойства целостности, «нерасчленимости».                 

Работа алгоритма приводит к возникновению нового в качественном отношении явления. Здесь проявляется закономерность перехода некоторых операций при их совмещении в новое качество.

Анализ работы алгоритмов различных типов и классов позволил сформулировать основные свойства алгоритмов: результативность, массовость и детерминированность.

Свойство результативности предполагает, что алгоритм решает все задачи некоторого заданного класса. Благодаря этому свойству возникает новое в качественном отношении явление.

Свойство массовости утверждает, что алгоритм решает все задачи данного класса. Если известен алгоритм, определен класс решаемых им задач, то имеется гарантия того, что любая новая задача будет

20

решена, если она относится к данному классу. Таким образом, при изучении проблемы создания и использования алгоритма выявляются два основных компонента: определение класса задач и отыскание процедуры решения.

Свойство детерминированности предполагает, что алгоритм описывается на таком формальном языке, представлен в виде такой четко сформулированной системы правил, что результаты его работы не зависят от того, какая именно физическая система (субстрат) будет осуществлять (реализовывать) эти правила. Например, алгоритм может быть представлен в виде работы вычислительной машины, осуществлен человеком или записан на бумаге, передан по радио, а затем реализован в компьютере другого типа. Все эти «превращения» нисколько не повлияют на результаты работы алгоритма. Это свойство оказалось чрезвычайно важным в процессе исследования. Так, если выявляется какой-либо алгоритм работы мозга, то его можно представить в форме программы вычислительной машины. Таким образом может быть осуществлено построение, модели интеллектуальной деятельности определенного типа.

При рассмотрении работы алгоритмов следует обратить внимание еще на одну их важную особенность. Для своего функционирования они должны всегда иметь некоторую основу, физико-химический субстрат. Однако такой субстрат может быть различным по своей природе.

Перечисленные свойства алгоритмов создают представления о большой значимости и удивительных характеристиках его работы. В самом деле, алгоритмы, с одной стороны, могут быть описаны в виде простой последовательности правил, с другой стороны, оказываются весьма эффективными при решении различных задач. Они могут стать основой возникновения новых сложных явлений.

Описанные выше свойства алгоритмов были известны уже давно. Однако их значимость стала наиболее ярко проявляться в связи с развитием вычислительной техники. На компьютерах алгоритмы начали свою «новую жизнь», благодаря им появилась возможность воспроизведения принципиально новых явлений и процессов, Так, например, были выявлены

21

алгоритмы, эффективные при игре в шахматы и шашки, и вычислительные машины стали активно участвовать в играх. Алгоритмы оптимизации сбыта продукции, подсчета заявок на оборудование "сделались основой построения специальных систем, которые оказывали большую помощь в управлении производством. То, что ранее относилось к компетенции мозга человека, к области интуитивного мышления, стало возможным представить в виде алгоритма и эффективно воспроизвести в форме программы для компьютера.

В том случае, если алгоритм записывался на бумаге в виде специальной схемы (или в виде математических символов), он был неактивным, находился как бы в некотором «анабиотическом» состоянии, в котором он сохранялся длительный период времени. Однако на другом субстрате, на ЭВМ, алгоритм демонстрировал совершенно новые результаты. Алгоритм имел определенную структуру, организацию, он как бы составлял некоторую специфическую целостность, имеющую «собственную жизнь». Эта целостность могла быть реализована на различных по своей природе субстратах. Между субстратом и алгоритмом не наблюдалось однозначного соответствия как в специфике работы блоков, так и в организации отдельных элементов. Эти особенности его работы, как мы увидим в Дальнейшем, будут очень важны при изучении биологических систем.

Такое перевоплощение алгоритмов, которое произошло в связи с появлением универсальных вычислительных машин, привлекло к ним серьезное внимание исследователей различных специальностей. Раньше алгоритм создавался и использовался математиком и, таким образом, представлял собой, компонент мыслительной деятельности, теперь он стал самостоятельным объектом, который связан с развитием вычислительной техники.

Если алгоритм «способен» решать определенный класс задач и воспроизведение алгоритма на вычислительной машине придает ей новые «способности», например способности к игре, к балансированию конвейерных линий, к подсчету потребностей и т. д., то не дает ли это основания Для предположения о том,

22

что и наблюдаемая нами деятельность головного Мозга также определяется' работой специфических алгоритмов?

Рядом ученых была высказана мысль о том, что в процессе эволюции наряду с развитием физических, химических систем, определяющих жизнедеятельность организма, использовались также те возможности для решения задач, которые объективно существуют в природе и которые реализуются в виде создания и работы алгоритмов.

В течение длительного периода времени ученые думали о том, каким образом возникает та удивительная целесообразность и то удивительное многообразие поведения человека и животных, которые мы наблюдаем в природе. Хорошо известно, что люди в каждой новой ситуации действуют по-разному и в одних и тех же условиях выбирают различные пути решения проблемы. Каким же образом такое бесконечное многообразие форм поведения может фиксироваться в работе нервных элементов? Каким образом одна нервная клетка или совокупность нервных клеток могут участвовать в столь различных видах деятельности, обеспечивая в конечном счете все специфические особенности и многообразие психической деятельности человека? Эта загадка казалась неразрешимой. Гипотеза об участии алгоритмов в работе мозга обладала в этом отношении некоторыми волшебными свойствами. Она объясняла то, что в течение многих столетий заводило в тупик даже великих мыслителей.

Намечалось простое решение. Один и тот же алгоритм решает целый класс задач. Если алгоритм воспроизводится на вычислительной машине, то вычислительная машина приобретает способность к «порождению» большого многообразия конкретного поведения. Например, если алгоритм реализован в вычислительной машине и лежит в основе способности к игре в шахматы, шашки, «побеждает чет», то в каждой ситуации его работа проявляется по-разному В то же самое время в основе формирования поведения системы в этом случае лежит одна четкая и относительно простая система детерминированных правил (при этом проявляется одно из замечательных свойств алгоритмов — свойство массовости).

23

На этой основе находит объяснение возможность формирования большого разнообразия целесообразного поведения Можно предположить, что на самом деле при работе нервных клеток и нервных центров это многообразие форм поведения не фиксируется. Головной мозг реализует только работу алгоритмов. А последние в процессе своей деятельности, в условиях, когда организм сталкивается с разными конкретными, ситуациями, продуцируют (воспроизводят) различные формы поведения. Создавалось впечатление, что найдены ключи к расшифровке одной из самых сокровенных и, казалось бы, неразрешимых загадок природы. Так, появилась и начала развиваться концепция об алгоритмах биологических систем, об алгоритмах работы мозга.

Хорошо известны те весьма совершенные формы адаптации, которые возникли в процессе эволюции. Сложность кровеносной системы, системы пищеварения, системы биохимических процессов организма давно уже стала предметом пристального внимания и глубокого исследования биологов. Почему же до спх пор физиологи проходили мимо возможностей, которые открываются в связи с функционированием алгоритмов? Ведь представление об алгоритмах существует более 1000 лет. Простой скачок от анализа математических проблем к проблемам изучения живых организмов был невозможен в течение длительного периода времени (многих столетий), хотя в этом случае не существовало никаких принципиальных трудностей. Только тогда, когда реализация алгоритмов начала осуществляться на вычислительных машинах и стали понятными те новые явления, которые возникают при этом, исследователи-биологи обратили на них внимание.

В настоящее время концепция алгоритмического анализа биологических систем находится в центре внимания многих исследователей. Ей посвящаются книги, семинары и научные конференции. В этом направлении успешно работают коллективы исследователей в Москве, Киеве, Ростове-на-Дону и других городах под руководством профессоров Н. М. Амосова, Н. Ф Суворова, А. Б. Когана и др. Эта концепция открыла новые широкие перспективы. Можно сказать, что она позволяла надеяться на раскрытие

24

таких тайн природы, которые ранее казались глубоко скрытыми в недрах организации живых систем.

Вместе с тем концепция об алгоритмах работы мозга выдвинула целый ряд новых весьма сложных проблем науки. В тот период, когда алгоритмы составляли предмет изучения математиков, главной задачей было их создание и использование. Сам процесс создания алгоритмов не стал предметом специального научного изучения, так как считалось, что алгоритм может открыть только математик, обладающий большими творческими способностями.

При изучении алгоритмов биологических систем необходимо было выяснить, как выявить те алгоритмы, которые уже существуют в работе мозга и которые были созданы в процессе эволюции. Задача эта весьма сложная. Трудность связана с описанными выше свойствами алгоритма, в частности со свойством массовости. Один и тот же алгоритм при своем функционировании приводит к большому разнообразию конкретных форм поведения. В каждой конкретной ситуации он проявляется "по-разному. Это замечательное свойство создавало существенные препятствия при изучении алгоритмов и ставило трудные проблемы перед исследователями. Особенности проявления алгоритма в различных условиях приводят к «маскировке» основной его структуры и закономерностей работы. Так, например, если наблюдать работу алгоритма игры в шахматы, реализованного на вычислительной машине, то можно убедиться в том, что в каждой конкретной новой ситуации игры он действует по-разному. Поэтому на основе анализа различных форм поведения очень трудно восстановить истинную природу алгоритма. Обычные методы исследования, например методы статистической обработки полученных данных, не оказываются в данном случае результативными. Алгоритм записан на специальном языке. Для того чтобы сформулировать правила его работы, нужно прежде всего открыть тот язык, те понятия более высокого уровня абстракции, которые составляют основу работы алгоритма.

Для более детального изучения этого явления были проведены специальные эксперименты. На вычислительной машине реализовывался тот или иной -

25

алгоритм игры, например алгоритм игры «побеждает чет». Затем испытуемому предлагалось провести исследование работы данной машины и выявить, на основании каких правил и принципов машина приобретает способности осуществлять успешную игру. При этом разрешалось проводить любые эксперименты и статистически обрабатывать данные. Однако такой эксперимент не давал положительных результатов. Можно было выявить некоторые корреляции между действиями вычислительной машины и специфическими особенностями возникающих в игре ситуаций и сделать некоторые выводы, но при внимательном рассмотрении выяснилось, что эти выводы не имеют под собой реальной основы. Они ошибочны и не приближают к пониманию основных механизмов деятельности, т. е. к раскрытию алгоритма. Они часто даже уводят в сторону от раскрытия истины.

Описанные эксперименты привели к весьма существенным и неожиданным выводам. Создавалось впечатление, что применяемые в настоящее время в биологии при изучении мозга методики исследования, основанные на постановке эксперимента и статистической обработке экспериментальных данных, в принципе не могут стать основой выявления алгоритма, а между тем часто именно алгоритм определяет сущность явления. Возникло предположение, что до сих пор исследователи не имели ключей для разгадки одной из важнейших тайн природы — раскрытия механизмов информационной деятельности.

Следующая категория трудностей была связана с тем, что алгоритм как целостная организация описывается на таком языке, который позволяет реализовать эту систему на различном физико-химическом субстрате. Субстрат может обеспечить работу различных алгоритмов, и в тоже самое время каждый алгоритм может быть реализован на различной физико-химической основе, т. е. сама организация субстрата не связана со спецификой организации и работы алгоритма, она только создает условия для его функционирования. Таким образом, изучение морфо-физиологических и физико-химических механизмов работы мозга также не могло привести к раскрытию алгоритмов. Между тем в течение многих десятков

20

лет исследователи пытались выявить принципы управления и переработки информации на основе изучения организации физических и химических систем. Ученые исходили из предположения о том, что если они изучают передачу возбуждения с одной нервной клетки на другую, реакции нейронов на различные, подаваемые извне сигналы, то они проводят анализ систем переработки информации. Они полагали, что последовательное развитие таких исследований, накопление новых фактов, использование все новых и новых более тонких и точных методических приемов в конечном итоге должно привести к полной расшифровке механизмов деятельности мозга, включая и работу информационных систем.

Исследования в области молекулярной биологии, генетики, эмбриологии основывались также на том, что анализ биохимических процессов (например, процессов синтеза белка) в конечном итоге раскроет информационную сущность явления. Молекулярная биология рассматривалась как определенный раздел биохимии. Поэтому в течение длительного периода времени не возникала необходимость в каких-либо дополнительных подходах к исследованию, поиску новы

х методов.

Анализ основных свойств алгоритмов обусловливал необходимость пересмотра описанных выше тенденций в развитии науки. Стало очевидным, что изучение субстрата информационной деятельности не обеспечивает полного анализа механизмов и, в частности, выявления алгоритмов. Для того чтобы понять работу механизмов, надо было выявить как закономерности работы алгоритмов, так и принципы организации субстрата, реализующего их деятельность.

Существенные трудности при выявлении алгоритмов объяснялись также их свойством целостности, тесно связанным с другими свойствами: массовости и результативности. Дело в том, что часто при исследовании явлений и процессов обнаружение хотя бы одного звена целостной системы уже приводит к возможности оценки его результативности. Становится понятным, что избран правильный путь исследования. Другая картина возникает при изучении алгоритмов. В данном случае обнаружение какого-либо

27

одного правила или одной закономерности еще не позволяет определить, как будет работать система в целом. Остается непонятным, приближает ли раскрытие этой закономерности к разгадке основной тайны явления природы, т. е. к раскрытию алгоритма, или нет. Пока не выявлен весь алгоритм, ничего нельзя сказать об эффективности самого пути исследования. Эти особенности работы алгоритма приводили к тому, что обычные методы, основанные на разделении изучаемой системы на части на последовательном детальном исследовании отдельных компонентов, а затем и их частей, оказывались малорезультативными. Нужно было каким-то образом выявить все компоненты, объединить их в целое, а потом проверять эффективность целостной системы. Только после этого можно сказать, правильно или неправильно было проведено исследование.

Возникали также трудности, связанные со спецификой алгоритма как динамической системы. Мы уже говорили о том, что алгоритм приобретает свои замечательные свойства только после того, как он реализуется на некотором физико-химическом субстрате специального типа (например, на ЭВМ). До этого алгоритм, записанный на бумаге, может казаться «мертвым», неработоспособным, т. е. никак не проявлять себя. В связи с этим до тех пор, пока исследователи не получили возможность реализовать алгоритмы работы мозга на вычислительных машинах, выявление и изучение алгоритмов оказывалось невозможным. Не было той среды, в которой можно было проверять эффективность алгоритмов. Алгоритмы функционировали в разных биологических системах, однако они были замаскированы частными проявлениями, частными свойствами Их нужно было выделить не только в «чистом», но и в «активном» виде, перевести на специальный субстрат, для того чтобы изучить и понять их свойства.

Специфику этой проблемы можно пояснить на примере, который, казалось бы, весьма далек от изучения механизмов работы мозга Речь идет о развитии микробиологии. После того как была создана концепция о том, что в основе ряда болезней лежит функционирование микроорганизмов, одной из самых актуальных задач оказалась задача выделения куль-

28

туры микробов в чистом и активном виде, для того чтобы понять их свойства, цикл развития. Как известно, в этом случае пришлось создавать специальные среды для культивирования микроорганизмов типа агар-агара, мясного бульона и др. И только когда удалось воспроизвести размножение микробов в «чистом виде», оказалось возможным развитие микробиологии.

Такая же проблема выделения алгоритмов «в чистом виде» возникла при изучении мозга. Исследуя психическую деятельность человека, формирование поведения животных, ученые неизбежно сталкивались с таким большим разнообразием конкретных условий, конкретных форм поведения, что выявление общих закономерностей было невозможно.

При изучении систем условных рефлексов удалось выявить лишь отдельные закономерности. Для того чтобы изучить свойства алгоритма как целого явления, нужно было не только выделить правила, но и обеспечить некоторую среду искусственного типа, в которой алгоритмы могли бы функционировать, проявлять все свои свойства, взаимодействуя друг с другом, развиваться и, как мы увидим дальше, «размножаться». Только в таких средах можно было организовать эффективное изучение функционирования информационных механизмов. Основой для выделения алгоритмов «в чистом виде» стало использование вычислительных машин.

В дальнейшем, однако, ^оказалось продуктивным создание таких средств символического описания и таких методов преобразования символов, которые также позволили рассмотреть работу алгоритмов и информационных механизмов. Такие методы абстрактного описания имели определенные преимущества, так как с их помощью можно было более четко проследить не только закономерности функционирования, но и все этапы и детали формирования и «творческой жизни» алгоритмов.

Таким образом, использование теории алгоритмов в биологии привело к существенно новым результатам. Оказалось, что до сих пор наука не обладала эффективными методами раскрытия одного из сложнейших явлений природы — механизмов переработки информации. А между тем именно

29

алгоритмы обеспечивали те удивительные способности, которые свойственны живым организмам. Можно было думать, что алгоритмы определяют адаптацию работы внутренних органов к новым условиям, сложное управление, позволяющее координировать работу печени, сердца, легких и других органов в единой системе, обеспечивают работу эндокринной системы. Информационные системы лежат в основе процесса индивидуального развития организма и эволюции, работы мозга. Возникло сомнение в возможностях в современных условиях решать проблему изучения переработки информации, так как отсутствуют методы проникновения в тайны работы алгоритмов,.

Описываемые проблемы, видимо, оказываются актуальными только при изучении сложных систем. Работа алгоритмов, по-видимому, «привлекалась» в процессе эволюции только в достаточно сложных условиях. Простейшие механизмы, например работа нервной системы низших животных, используют более простые принципы организации, в которых программы поведения непосредственно реализованы в структуре нервных элементов. Для объяснения такого соотношения удобно обратиться к примеру развития вычислительной техники. На первом этапе формирования вычислительных систем (арифмометров) создавались механические устройства типа системы шестеренок, которые производили сложение и умножение многозначных чисел. В таких случаях изучение организации субстрата могло привести к полному раскрытию механизмов работы системы.

Однако арифмометры не обеспечивали возможности осуществления сложных форм информационной деятельности. Развитие современной вычислительной техники началось после того, как был введен новый принцип — принцип отделения структуры программ от структуры реализующих их деятельность физических устройств. Были созданы универсальные вычислительные машины, которые обеспечивали возможности реализации и функционирования программ разного типа. Дальнейшее развитие вычислительной техники шло по линии все большего отделения информационной структуры (математического обеспечения) от физической организации компьютера. В некоторых случаях применяемые ранее методы биологии

30

оказываются эффективными. Это и создавало в прошлом ошибочное представление об их универсальном значении.

При изучении алгоритмов биологических систем возник целый ряд новых проблем. Одна из них — проблема выявления алгоритмов, которые уже существовали в природе и использовались при работе мозга. Необходимо было также изучить процесс формирования новых алгоритмов при работе мозга, выяснить, как возникают те задачи, которые предопределяют работу алгоритмов, почему и как проявляются основные их свойства. Так, например, возникал вопрос о происхождении алгоритмов, используемых при игре в шашки, шахматы, при игре в «побеждает чет», «крестики-нолики» и т. д. Можно было предположить, что во всех этих объектах существует какая-то скрытая структура, которая недоступна простому анализу, и именно эта структура приводит к возникновению задач, решаемых при помощи алгоритма. Эти проблемы заинтересовали физиологов, философов, психологов, биологов и математиков.