Инновационная сложность
Шрифт:
Сложная социотехническая система конструирует окружающую среду как данную реальность и через эту процедуру утверждает и себя саму как реально существующую. Важно, чтобы при этом она становилась источником повышенных технологических рисков и не вела к социальным катастрофам, как, например, при сбросе лишней воды с плотин гидроэлетростанций или красного шлама бокситного производства. Сложность современных социотехнических систем связана в первую очередь не с техническими, а с социальными факторами. В этом и состоит особенность очередного витка эволюции сложности технических систем в условиях роста технологических рисков. Система становится настолько сложной, что не в состоянии не только управлять своей деятельностью и развитием, но и предсказывать негативные сценарии такого развития и способы их преодоления. Тогда опять перед обществом возникает старая проблема необходимости редукции сложности, которая может привести к спонтанной деградации существующей сложной системы.
Исследуя сложность: от искусственной жизни и искусственного интеллекта к киберфизическим системам [356]
К.
Классическая кибернетика в традиции Норберта Винера является сегодня составной частью математической теории сложных систем и нелинейной динамики. Только в этих рамках может быть объяснено возникновение структур и образцов в природе и технике и построены компьютерные модели. Понятия «самоорганизация» и «эмерджентность» относятся к хорошо определенным понятиям и могут быть перенесены на понимание технических систем. В первой части главы рассматриваются основания теории сложных систем и нелинейной динамики. В качестве применения изучается образование структур и паттернов сложных клеточных систем, являющихся предметом системной биологии. Во второй части этой главы речь идет о применении динамики сложных систем к эволюции мозга и познания. Эти исследования составляют предпосылку для развития социальных роботов, что является предметом рассмотрения в третьей части. Нейронные сетевые структуры ни в коей мере не ограничиваются отдельными организмами или роботами. В четвертой части речь идет о киберфизических системах, посредством которых моделируются сложные социотехнические системы, которые в значительной мере управляют сами себя. Также и здесь математическая теория сложных систем и нелинейная динамика предоставляют нам основания для понимания самоорганизации и эмерджентности. В конце главы обсуждается вопрос об этических и общественных общих условиях для технического конструирования сложных самоорганизирующихся систем.
356
Работа предоставлена автором для публикации в России.
Ключевые слова: сложные системы, нелинейная динамика, когнитивная роботика, киберфизические системы.
1.1 Исчислимость жизни
Вплоть до начала XX века жизненные процессы были доступны только качественному описанию и классификации в биологии. Первые подходы к их математическому моделированию появились в классической кибернетике в традиции Норберта Винера. Вначале они исходили из управления жизни (положительными и отрицательными) обратными связями, которые были известны, к примеру, в электротехнике в 1940-х годах. С возникновением новых методов биоматематики, биофизики и биоинформатики это изменилось. Они стали прибегать к математической теории сложных систем и нелинейной динамике, в которых кибернетические обратные связи являются всего лишь примерами сложных (нелинейных) взаимодействий системных элементов [357] .
357
Mainzer К. Thinking in Complexity. The Computational Dynamics of Matter, Mind, and Mankind. 5. Auflage. Berlin: Springer, 2007.
В системной биологии развивается исследование во взаимодействии экспериментов in vitro, in vivo и in silico [358] . Обычным стало компьютерное моделирование (с программами, созданными с кремний органическими полимерами) высоко сложных взаимодействий молекул, клеток, органов и организмов, которые было бы невозможным представить без математических моделей сложной системной динамики и вычислительной техники.
Робототехника и исследования искусственного интеллекта отсылают нас еще дальше, чтобы наделить технические системы когнитивными функциями, ставшими нам известными благодаря исследованиям мозга и нейропсихологии. В одной стороны, эти исследования служат моделированию биологических и психологических процессов, а с другой стороны, они позволяют нам с техническими и коммерческими целями вступить на иные пути, отличные от биологической эволюции.
358
Лат.: в пробирке, в естественных условиях и компьютерном моделировании (прим, перев.).
Этот прогресс стал возможным благодаря стремительному росту производительности вычислительных машин, головокружительной миниатюризации конструктивных элементов компьютеров (от трубок и транзисторов до наноэлектроники и сенсорной технологии), стремительной глобализации информационных систем и шагающей быстрыми темпами автоматизации общества при одновременном удешевлении всё более небольших и высокопроизводительных информационно-технических систем. Согласно закону Мура, каждые 18 месяцев производительность вычислительных машин удваивается при одновременной миниатюризации и удешевлении устройств [359] .
359
Mainzer К. Die Berechnung der Welt. Von der Weltformel zu Big Data, M"unchen:
С. H. Beck, 2014.
1.2. Системная биология сложных систем
Со времени расшифровки генома человека в 2001 году намечается ускорение машин, производящих последовательные вычисления, которые исчисляют и идентифицируют за все более короткие промежутки времени все большее количество генов за все меньшие деньги. Программа генома, которая с распознаванием состава человеческих генов в 2001 году достигла предварительного высшего результата, представляла собой редукционистский исследовательский подход, в рамках которого со все большей вычислительной производительностью расшифровывались все более мелкие структурные элементы жизни.
Теперь в системной биологии перед нами встает несравненно более сложная задача: как можно из огромного потока данных об отдельных компонентах понять функционирование всей биологической системы клеток, органов и организмов? Гигантские генетические карты о всех генетических взаимодействиях и сложных сетях обмена веществ предстоит расшифровать в компьютерных моделях, чтобы понять такие сложные системные функции, как регуляцию, контроль, управление и адаптацию в процессах роста и эволюции [360] . «Стеклянные» клетки со схемами переключения откроют новые возможности для понимания генетической обусловленности болезней (таких, как рак и болезней сердечно-сосудистой системы), а также позволят сделать выводы о процессе старения организма. Без компьютерных моделей сложных систем клеток, органов и организмов этот барьер не будет взят [361] .
360
BoogerdF. С. etal. (Ed.) Systems Biology. Philosophical Foundations. Amsterdam: Elsevier, 2007.
361
Kriete A., Eils R. (Ed.) Computational Systems Biology. Amsterdam: Academic Press, 2007.
Мы уже понимаем, однако, ошеломляющее различие живых организмов от технических схем соединений: в то время как соединения в силиконе несмотря на сложность и миниатюризацию до сих под в своих функциях поддавались любому доступному воспроизведению, каждый врач из своей ежедневной практики знает, насколько по-разному могут реагировать сложные человеческие организмы на одни и те же методы лечения. Это делает неимоверно сложным не только исследование опухолей, но и в принципе даже любого насморка. Эти сложности проявляются уже на уровне белков в лаборатории по системной биологии. Хотя с помощью математической теории сложных динамических систем мы в принципе уже понимаем самоорганизацию и эмерджентность новых структур, дьявол кроется в деталях отдельных случаев [362] .
362
Kaneko K. Life: An Introduction to Complex Systems Biology. Berlin: Springer,
2006.
Следующим шагом системная биология предоставляет материал для копирования синтетической биологии: тогда системная биология становится инженерной наукой [363] . Когда пытаются проникнуть именно в функционирование биологических систем, таких как клетки и бактерии, тогда, как предполагают, возможно из различных биомолекул конструировать новые модули и сети со специальными свойствами.
Искусственная жизнь была известна доныне только как программное обеспечение (Software) в информатике. Уже в конце 1950-х годов американский ученый Джон фон Нейман, пионер в компьютерной науке, математически доказал, что клеточные автоматы могут репродуцировать себя в шахматном порядке. Джон Конвей разработал этот подход в форме игры жизни (Game of Life), после чего дарвиновские правила эволюции удалось смоделировать в виде некой компьютерной программы [364] . В синтетической биологии программное обеспечение (Software) превращается во «влажное обеспечение» („Wetware"), т. е. в новую органическую жизнь. Крейг Вентер, пионер в разработке программы Геном человека-2001, верит в конструирование бактерий, которые продуцируют водород и тем самым способны помочь решить энергетическую проблему человечества. Тем не менее Национальная академия наук (Leopoldina) высказала общую точку зрения, разделяемую Немецким исследовательским обществом (DFG) и Академией технических наук (acatech), что синтетическая биология «открывает большой потенциал для разработки новых вакцин и лекарств, а также новых видов топлива и материалов».
363
Pfeifer R., Scheier C. Understanding Intelligence. Cambridge Mass.: MIT Press,
364
Mainzer, К, Chua L О. The Universe as Automaton. From Simplicity and Symmetry to Complexity. Berlin: Springer, 2011.
1.3. Основания сложных динамических систем
Биомолекулы, клетки, организмы и популяции являются высоко сложными динамическими системами, в которых взаимодействует множество элементов. Исследование сложности занимается вопросом, который перешагивает границы отдельных дисциплин (физики, химии, биологии и экологии): как из взаимодействий многих элементов сложной динамической системы (например, атомов в материалах, биомолекул в клетках, клеток в организмах, организмов в популяциях) могут возникнуть порядок и структуры, а также хаос и распад?