Новая интерпретация КМ, пределы сложности ИИ

Настоящее название статьи (длинные заголовки здесь обрезаются) - "Гносеологическая интерпретация квантовой механики. Материя сознания. Пределы сложности искусственного интеллекта". Формат pdf (с иллюстрациями) доступен в разделе ссылок на другие ресурсы — http://www.proza.ru/avtor/laplas

Редакция — сентябрь 2026.


Содержание

Статья состоит из двух частей, в которых рассмотрены две связанные темы — новая интерпретация квантовой механики и пределы сложности искусственного интеллекта.

В первой части представлена новая интерпретация квантовой механики, а также сделаны выводы относительно материи сознания.

Интерпретации квантовой механики призваны решить проблему измерения, возникающую в этой теории. Из приведённых аргументов следует, что проблема измерения может быть связана с тенденциями познания, в основании которых лежит движение познания в сторону теории всего, каковая теория недостижима не только на практике, но и в принципе. Возможной составляющей проблемы измерения и действительной составляющей новой интерпретации является наблюдатель, его сознание, относительно которого также сделаны выводы.

В статье показано, что теория, которая опишет сознание (квалиа), и теория, которая опишет элементарный уровень материи — это одна и та же теория. В свою очередь, описание материи на элементарном уровне — это теория всего, но теория всего не имеет смысла. Как следствие, с одной стороны, сознание недоступно познанию (невыразимо никаким языком), с другой — по мере приближения к описанию элементарного уровня материи предсказания фундаментальных теорий должны становиться всё точнее, их математический аппарат всё сложнее, а модели всё менее адекватными реальному устройству природы. В результате процесс фундаментального познания будет всё более усложняться, и в конечном итоге остановится, утратив смысл по причине нарастающих по всем направлениям трудностей. Проблема измерения возникает вследствие необходимости совместить неадекватную реальности модель, представленную в теории, и реальность действительную, представленную в свойствах сознания. Показано, что этот процесс должен иметь все особенности коллапса волновой функции.

В итоге коллапс волновой функции, по-видимому, действительно связан с сознанием, но эта связь носит не прямой физический, а гносеологический характер. Перефразируя известные слова Эйнштейна, наличие такой связи не означает, что Луна исчезает, если на неё никто не смотрит. При этом, учитывая, что рассмотренные тенденции познания носят глобальный и безальтернативный характер, появление проблемы измерения в ходе познания закономерно, в каком-либо теоретико-физическом смысле она нерешаема, объяснить можно только её гносеологический источник.

В первой главе первой части сделан краткий экскурс в квантовую механику, рассмотрена сама проблема измерения и некоторые другие необычные явления микромира, имеющие с ней общее основание. В других главах на фоне теорий, задач и проблем современной фундаментальной физики определены границы и тенденции познания, их связь с сознанием и приведены аргументы новой интерпретации.

Во второй части рассмотрены физические основания жизни и сделаны выводы относительно пределов сложности искусственного интеллекта.

Показано, что цифровой искусственный интеллект, к каковому типу принадлежат все его современные и перспективные модели, на физическом уровне принципиально отличается от биологических систем. Поэтому он не может обладать сознанием, а также сколько-нибудь точно моделировать гомеостаз и его производную — стремление к самосохранению. Отсутствие гомеостаза приведёт к тому, что искусственный интеллект ни в какой перспективе не достигнет сложности естественного интеллекта — ни с нашей помощью, ни в гипотетической самостоятельной эволюции, каковая невозможна в сколько-нибудь значительном объёме. В свою очередь, в главе «Рост неопределённости» обосновано, что ограничения на сложность касаются любых создаваемых нами систем, независимо от их организации или принципов работы.

Выводы второй части подтверждают выводы первой и демонстрируют их значение в более широком контексте, чем только теоретико-физический.

Примечание. Данная статья является расширенным вариантом статьи «Гносеологическая интерпретация квантовой механики». Нынешний вариант в качестве примеров содержит описание теорий, задач и проблем современной фундаментальной физики, а также дополнен частью о пределах сложности искусственного интеллекта.

Оглавление

1. Гносеологическая интерпретация квантовой механики, материя сознания 3
   1.1. Проблема измерения 3
   1.2. Утрата смысла 8
      1.2.1. Вывод «без физики» 8
      1.2.2. Теория всего 9
      1.2.3. Объединение ОТО и КМ 17
      1.2.4. Математизация 32
      1.2.5. Стоит ли расстраиваться? 34
   1.3. Сознание 36
   1.4. Новая интерпретация 42
2. Пределы сложности искусственного интеллекта 45
   2.1. Вступительная часть   45
   2.2. Физические основания жизни     47
   2.3. Пределы сложности искусственного интеллекта   58
   2.4. Компьютерная симуляция дрозофилы компании Eon Systems 61
   2.5. Опасность ИИ 64
   2.6. Сознание и мозг 66
   2.7. Аналоговые нейроморфные нейронные сети 69
   2.8. Рост неопределённости 72
Дополнительно 86
Использованная литература 86


1. Гносеологическая интерпретация квантовой механики, материя сознания
1.1. Проблема измерения

Квантовая механика (КМ) — фундаментальная физическая теория, описывающая природу в масштабе атомов и субатомных частиц. Она лежит в основании всей квантовой физики, в том числе квантовой теории поля, квантовой химии и т. д..

Из КМ, в частности, следует, что природа на микромасштабе выглядит очень необычно и загадочно. Причём, что само по себе тоже необычно, эти загадочные свойства микромира очевидны, потому что следуют из экспериментов с полной очевидностью, и в то же время они невероятны и даже парадоксальны, так как представить их реальностью более чем затруднительно. Выражением этой странной ситуации является проблема измерения, решить которую призваны интерпретации КМ.

Поэтому начнём изложение новой интерпретации с того, что в первой главе рассмотрим причины появления проблемы измерения и сформулируем составляющие проблему измерения вопросы, на которые должны ответить интерпретации.

Согласно КМ, понятие траектории движения элементарной частицы не имеет смысла. Вместо неё нужно рассматривать вероятность найти частицу в той или иной области пространства, если провести измерение. Например, электрон не находится ни в какой конкретной точке пространства и не перемещается по какой-либо определённой траектории, как маленький шарик. С некоторой вероятностью он уже есть везде — как суперпозиция всех своих возможных состояний и местоположений, и можно лишь выяснить, какова вероятность обнаружить электрон в том или ином месте, в частности, определить, где он окажется с наибольшей вероятностью, если провести измерение. Эволюция вероятности обнаружить электрон в той или иной области пространства в тот или иной момент времени имеет характер волны — соответственно, волны вероятности, статистики обнаружить частицу в той или иной точке, если провести измерение.

Волны вероятности называют волнами де Бройля по имени лауреата Нобелевской премии французского физика Луи де Бройля, который в 1924 году высказал гипотезу о том, что установленный ранее для фотонов корпускулярно-волновой дуализм имеет универсальный характер и присущ всем частицам. «Дуализм» частиц в том, что в одних экспериментах они ведут себя как волна, проявляя свойства интерференции или дифракции, а в других — как корпускулы. Поэтому, согласно де Бройлю, с каждым микрообъектом связываются, с одной стороны, корпускулярные характеристики — энергия и импульс, с другой — аналогичные волновые — частота и длина волны.

Физический смысл волны де Бройля таков: квадрат модуля амплитуды волны де Бройля в некоторой точке в некоторый момент времени является мерой вероятности того, что частица (корпускула) обнаружится в этой точке, если будет проведено измерение. Именно по этой причине волна де Брояля — это волна вероятности. Данное отношение называется правилом Борна, оно связывает волну де Бройля с результатами измерения и является одним из ключевых принципов КМ.

В итоге можно сказать, если в классической физике для описания движения частицы использовали точки, лежащие на одной линии, то теперь это все точки пространства. При этом каждой точке соответствует свой «вес» — квадрат модуля амплитуды волны де Бройля. Поэтому чем больше амплитуда волны вероятности в каком-то месте, тем выше вероятность найти в этом месте частицу, если провести измерение.

Эволюцию волны вероятности описывает волновая функция, из-за чего саму КМ называют также волновой теорией. Волновая функция (амплитуда вероятности, вектор состояния) определяет все физические характеристики микрообъекта (например, электрона, протона, атома, молекулы) и вообще любой квантовой системы (например кристалла). Поэтому она может быть задана не только в координатном представлении (квадрат модуля амплитуды волновой функции в некоторой точке пространства в некоторый момент времени представляет собой плотность вероятности обнаружить там частицу), но и в импульсном, энергетическом, спиновом и других. 

Таким образом, согласно КМ, получается, что до измерения частица — это не реально существующий объект, а лишь математическая абстракция, так как «волна вероятности обнаружить классическую частицу, если провести измерение» — объект, очевидно, только математический.

Это первый парадокс, составляющий проблему измерения, — очевидная «нефизичность» волновой функции, её не реальность. Причём не менее очевидно, что если до измерения есть только математические абстракции, то и после измерения должно быть то же самое. Волновая функция эволюционирует гладко (непрерывно и детерминировано) и взаимодействие с прибором ничего в этом плавном течении математических абстракций нарушать не должно, так как прибор, естественно, тоже квантовая система и тоже должен описываться волновой функцией.

Однако, и это второй парадокс, наблюдатель обнаруживает как будто бы взявшуюся из ниоткуда — из волны вероятности — корпускулу, «классическую» частицу, обладающую вполне конкретными, а не вероятностными характеристиками. Это значит, что в какой-то момент времени между измерением и осознанием результата наблюдателем включительно происходит коллапс волновой функции, и фактически «из ничего» возникает конкретная частица. Связанное с измерением «что-то» прерывает гладкую эволюцию волновой функции и формирует разрыв, полностью исключая из реальности все остальные возможные состояния квантовой системы, кроме одного возникшего. С которого берёт начало новый квантовый процесс, происходящий независимо от предыдущего, поэтому любая последующая эволюция волновой функции основывается на состоянии, в котором система была обнаружена при измерении.

Причём эксперименты с запутанными частицами показывают, что коллапс волновой функции происходит мгновенно, сразу во всём пространстве. Запутанные частицы (такие, состояние которых связывает общая волновая функция, то есть находящиеся в когерентном состоянии), приобретают конкретное состояние одновременно, в момент измерения одной из частиц и независимо от расстояния между ними.

И наконец третий парадокс состоит в том, что коллапс волновой функции оказывается связанным не с измерением, а именно с наблюдением, так как именно субъект наблюдает классический результат. Которому без субъекта взяться неоткуда, так как в самой КМ никаких причин для коллапса нет — см. выше про взаимодействие с прибором. «Неужели Луна существует только потому, что на нее смотрит мышь?» — не соглашался с этой странной ситуацией Эйнштейн. Более того, субъект как миротворец — это хотя бы красиво. Однако откуда взяться самой «мыши»? Волновая функция — это не что-либо реальное. Но что-то из ничего не возникнет.

Волновая функция ставится в соответствие каждой частице и, таким образом, теоретически любому объекту и Вселенной в целом. Однако мы наблюдаем не вероятности, а конкретные объекты, обладающие конкретной траекторией, твёрдостью, упругостью, температурой. Поэтому проблема измерения заключается в вопросе — как конкретно скрытые от наблюдения вероятности преобразуются в наблюдаемый в измерении реальный, четко определённый классический результат? Каким образом можно установить соответствие между квантовой и классической реальностью?

Не решает проблему измерения декогеренция. В процессе декогеренции квантовая система запутывается со средой, и её волновая функция разделяется на неинтерферирующие ветви, каждая из которых соответствует определенному классическому исходу (например, кот Шрёдингера жив или мертв). Однако это еще не появление классического мира, так как без коллапса все эти ветви всё равно остаются в составе глобальной суперпозиции волновой функции всей Вселенной. Поэтому чтобы возник классический мир, всё равно нужен коллапс. Даже если предположить, что коллапс происходит непосредственно в ходе самой декогеренции, то есть квантовая система приобретает классические черты в тот момент, когда взаимодействует с уже классическим прибором, то всё равно остаётся вопрос: как и когда классические черты возникают у самого прибора и, собственно говоря, у всего наблюдаемого мира в целом? Как уже говорилось, в квантовой механике нет ничего такого, что могло бы стать основанием для «сваливания» волновой функции в одно конкретное состояние наблюдаемого мира, частью которого мог бы быть прибор.

Может быть, ответ в том, что квантовые эффекты существенны только для микрочастиц и на макроуровне незаметны? Например, когда измерение прекращается, частица опять становится волной вероятности, распределённой на всё пространство Вселенной. При этом область пространства с наибольшей вероятностью найти частицу (с наибольшей амплитудой волны де Бройля, наибольшим значением волновой функции) будет постепенно увеличиваться со скоростью, которая зависит от массы/энергии частицы. Например, масса покоя электрона очень мала и равна 9,1·10-28 г, поэтому в случае свободного электрона область наибольшей вероятности его обнаружить спустя одну секунду расплывётся до размеров, сравнимых с размером Луны. Но если взять пылинку массой в 1 мкг (10-6 г) и размером 0,1 мм, то всего лишь удвоение ее области наибольшей вероятности произойдет за 3 млрд лет. Отсюда ясно, что при повторном измерении, проведённом через некоторое время, будет очень мало шансов обнаружить свободный электрон на старом месте, и наоборот, пылинка неизменно будет находиться практически там же, где была обнаружена в первый раз.

Тем не менее ещё раз вспомним, что мы наблюдаем конкретные объекты, а не их «вероятности» быть в каком-то месте, пусть и высокие.

В итоге, кажется, остаётся только один вариант — что начало всех парадоксов КМ лежит в вероятностной интерпретации волновой функции, поэтому и разрешение проблемы измерения должно быть связано с объяснением КМ в ключе детерминизма. В целом попытками сделать это являются интерпретации КМ. Однако трудность в том, что КМ очень точна, при этом вероятностная интерпретация следует из результатов экспериментов с полной очевидностью, в том числе позволяя объяснить некоторые очень необычные явления квантового мира. В качестве примеров приведём несколько таких явлений.

Прежде всего опыт Юнга.

Знаменитый американский физик, лауреат Нобелевской премии Ричард Фейнман утверждал, что всю квантовую механику можно получить из обдумывания последствий этого единственного эксперимента. Опыт Юнга заключается в следующем. Источник испускает одиночные фотоны в направлении экрана с двумя близко расположенными щелями, за которым расположен детектор — фотопластинка. Разумно предположить, что если фотон попадёт в фотопластинку, то перед этим он пролетит или сквозь одну, или сквозь другую щель. Однако по мере испускания фотонов из точек их попадания на фотопластинке будет постепенно образовываться волновая (интерференционная) картина. Это означает, что фотон перемещался в пространстве как волна (волна вероятности) и, как волна, проходил сквозь две щели одновременно, интерферируя сам с собой. И только в момент измерения — в момент взаимодействия с фотопластинкой — каким-то образом стал частицей, оставив точечный след, размеры которого ограничены зернистостью фотопластинки. При этом установка в щелях измеряющей аппаратуры приводит к тому, что фотон обнаруживается пролетающим только через одну или через другую щель, а волновая картина на фотопластинке исчезает и становится такой, как если бы фотон изначально был частицей, а не волной.

Таким образом, опыт Юнга с высочайшей ясностью демонстрирует, что вне измерения фотон ведёт себя как волна вероятности, а в момент измерения становится частицей. Тот же опыт и с тем же результатом был поставлен и с другими частицами, например электронами. В свою очередь, неспособность напрямую наблюдать волновую функцию и её коллапс (ведь измерения — см. выше — всегда дают определённый результат) породила разные интерпретации квантовой механики, которые представляют из себя попытки объяснить проблему измерения.

Интеграл по траекториям.

Отсутствие у частиц как у волн какой-либо определённой траектории, привело к новой и чрезвычайно плодотворной формулировке расчётов квантовой механики — через интеграл по траекториям (функциональный интеграл), развитой Фейнманом в 1948 году. Где частица предстаёт двигающейся по всем траекториям сразу — летит прямо, быстрее света, на другой конец Вселенной, петляет и т. д., но все траектории взаимно сокращаются и остаются только траектории, близкие к классическим.

Формулировка Фейнмана помогает наглядно понять необычное поведение света в неоднородной среде (и другие экстремальные принципы). Если в однородной среде кратчайшим оптическим путем является прямая линия, то в неоднородной среде таким путем может оказаться некоторая кривая линия, вдоль которой показатель преломления меньше, чем вдоль геометрической прямой. Это принцип Ферма, который гласит, что луч света движется из начальной точки в конечную по такой траектории, которая минимизирует затраченное время. Принцип Ферма объясняет явление преломления света и искривление световых лучей в неоднородной среде — явление рефракции. Однако откуда свет знает, какой путь самый быстрый, ведь пока все пути не испробованы, определить самый быстрый нельзя? Разве что дело в телеологии (объяснение развития, как рассчитанного движения к заранее известной цели). Но телеологию можно преодолеть, если рассматривать классическое описание в изложенном выше ключе, то есть через интеграл по траекториям, когда классический путь света получается в результате интерференции на всех возможных путях.

Эффект Зенона.

Эффект назван по имени древнегреческого философа Зенона Элейского, знаменитого своими апориями о противоречивости концепций движения и пространства, до сих пор не имеющих однозначного решения. Например, в апории о стреле, к которой восходит название эффекта, Зенон рассуждал: если движение требует времени, за которое стрела пролетает какое-то расстояние, то в каждый момент времени стрела покоится, ведь сам по себе момент времени ещё не обладает временной протяжённостью, а поскольку в каждый момент времени стрела покоится, то она покоится и во все моменты времени, то есть не существует такого времени, в котором стрела совершает движение.

В квантовой механике эффект Зенона связан с тем фактом, что измерение, вызывая коллапс волной функции, приводит ранее, по сути, не существующий в каком-либо привычном смысле объект к некоторому конкретному «классическому» состоянию, после чего начинается новый квантовый процесс. В свою очередь, известно, что атомы радиоактивных элементов распадаются за некоторое время с некоторой вероятностью. Поэтому наблюдение, вызывая коллапс и вероятности распада тоже, должно возвращать атом в начальное стабильное состояние, а в предельном случае частого наблюдения атом вообще не сможет распасться. Эффект Зенона иногда называют эффектом незакипающего чайника, подразумевая, что пристальное наблюдение за ним не позволит воде закипеть. Эффект был предсказан в 1954 году известным британским математиком Аланом Тьюрингом и действительно впоследствии был обнаружен экспериментально.

Туннельный эффект.

Суть эффекта в том, что частица может преодолеть потенциальный барьер, даже если её энергии для этого недостаточно. Проще говоря, объект может переместиться сквозь стену любой толщины, так как, согласно КМ, с некоторой вероятностью он уже и так есть везде. Однако вероятность такого перехода тем ниже, чем больше масса объекта, и для макрообъектов она практически равна нулю. Иными словами, на практике туннельный эффект — явление только квантовой природы, фактически противоречащее классической механике. Тем не менее на микроуровне такие события вполне обычное дело. Например, посредством туннелирования обеспечивается электрическая проводимость в месте скрутки проводов, так как оксидная плёнка, покрывающая металл проводов, сама по себе не позволяет электронам перетекать с одного провод на другой.

И наконец «с другой стороны» вероятностную трактовку волновой функции подтверждают неравенства Белла, сформулированные физиком Джоном Беллом в 1964 году, нарушение которых однозначно свидетельствует об отсутствии скрытых параметров, которые предопределяли бы характеристики частиц ещё до момента измерения. Иными словами, измерение не выхватывает, как стоп-кадр, частицу из некого процесса её преобразования, когда её характеристики меняются. «Внутри» волны вероятности нет никаких частиц и процессов — тех самых скрытых параметров — которые бы предопределяли конкретные характеристики частиц заранее, частица возникает только в сам момент измерения. В этом смысле часто говорят, что КМ «полна», то есть волновая функция — это не поверхностное описание некого скрытого от нас процесса, а сам процесс; «внутри» волновой функции нет чего-то ещё, что можно было бы раскрыть, если взглянуть внимательнее, и потом последовательно выводить характеристики частиц, исходя из этих более глубоких наблюдений. Из кандидатов на «скрытые параметры» остаются, по сути, только совсем уж неправдоподобные, например, путешествия в прошлое для организации исходов эксперимента или супердетерминизм. Супердетерминизм — это предопределённость невероятного характера типа фантастической ситуации, когда при подбрасывании монеты орёл выпадает всегда, у всех и на любых монетах просто потому, что в момент рождения Вселенной сложились такие начальные условия. В результате жители такой Вселенной подозревают, что между всеми монетами есть некая прямая физическая связь, хотя на самом деле её нет.

В итоге, как следствие очевидности вероятностной трактовки волновой функции и при этом необычности такой трактовки, интерпретации КМ получаются не менее странными, чем сама проблема измерения. Более того, ввиду невозможности их экспериментально подтвердить или опровергнуть (как минимум в сколько-нибудь обозримой перспективе), это пока только более или менее философские воззрения на сущность КМ и в широком смысле на природу физической реальности в целом.

Заметим, что-то иное вряд ли стоило и ожидать. Об этом нам говорит бритва Оккама, важный методологический принцип науки. Потому что какая-либо иная интерпретация взамен очевидной — это менее очевидная, то есть как минимум более сложная, связанная с введением не наблюдаемых в эксперименте сущностей. Однако, как известно, при желании гипотезами аd hoc можно оправдать что угодно, но стремление достигать того же результата меньшими средствами всё равно будет требовать отбросить всё лишнее, ненаблюдаемое, чисто ритуальное, не подтверждённое практикой. Поэтому вполне естественно, что замена очевидного на менее очевидное в лучшем случае становится заменой шила на мыло, а не решением какого-либо парадокса, и множество интерпретаций КМ, появившихся после самой первой копенгагенской (в некотором смысле интерпретации минимальной, которая, по сути, только констатирует наблюдаемое в экспериментах), выглядят, скорее, изощрённее, чем реальнее. Таким образом, проблема измерения не решена и, как, по-видимому, можно сказать, даже какого-либо прогресса в этом направлении нет. 


1.2. Утрата смысла
1.2.1. Вывод «без физики»

Тем не менее ниже приведена ещё одна интерпретация. Точнее, интерпретация интерпретаций или, можно даже сказать, антиинтерпретация. Именно поэтому мы находим возможным привести её после критики интерпретаций как таковых, а название «интерпретация КМ» сохраним за ней только потому, что это всё-таки решение проблемы измерения, хотя и своеобразное.

В новой интерпретации нет попыток переосмысления КМ или природы реальности. По сути, её смысл в том, что она, объясняя природу проблемы измерения, тем самым отвергает все другие интерпретации, доказывая, что проблема измерения не может быть решена, а значит, интерпретации КМ в этом качестве не имеют смысла. В то же время, так как человеческий разум не может обойтись одними формулами, необходимость в «традиционных» интерпретациях КМ сохраняется, но их роль уменьшается до минимума — дать какую-нибудь наглядную модель наблюдаемого в экспериментах. Естественно, что в этом случае наиболее разумной моделью будет самая простая интерпретация — например, копенгагенская. Потому что если верного объяснения наблюдаемого в экспериментах нет и быть не может, разумно выбирать самое простое. 

Согласно новой интерпретации, проблема измерения — это вообще не проблема физики. Проблема измерения лежит не в физической плоскости, а в эпистемологической, гносеологической — в тенденциях познания, в отношении субъекта и познаваемого им мира. Проблема измерения принципиально нерешаема, понятен лишь её источник. Каковой, коротко говоря, в том, что проблема измерения — иллюзия. Этой иллюзии в ходе познания не избежать, её появление закономерно, но можно понять, почему она возникает — что мы и попытаемся сделать.

Поступим следующим образом. Если мы считаем, что проблема измерения — это не проблема физики, то и возникать она должна не как следствие КМ или какой-либо физической теории, а по каким-то другим причинам. Тогда, описав эти причины, можно будет вывести проблему измерения без физики, тем самым подтвердив предположение о её не физической природе.

Мы так и сделаем. Попытаемся прийти к проблеме измерения, не прибегая к физике, а только лишь рассмотрев ход познания, его тенденции и границы. Если этого будет достаточно, то, возможно, что, действительно, в КМ проблема измерения только проявляется, но не КМ её причина.

В этой главе (в нескольких её частях) на фоне теорий, задач и проблем современной фундаментальной физики рассмотрим границы познания и особенности движения познания к этим границам, что в целом позволит утверждать движение познания в сторону утраты им смысла. В третьей главе выясним отношение материи и сознания. В четвёртой главе обобщим сказанное и подведём итог. Заметим также, по причине того, что речь идёт о познании в целом, выводы могут показаться слишком глобальными и потому бессмысленными. Этот момент тоже будет рассмотрен.


1.2.2. Теория всего

Итак, попробуем вывести проблему измерения «без физики». И начнём, вероятно, с неожиданного в контексте темы статьи утверждения.

Солипсизм неопровержим.

Это действительно так, это не реклама, и из неопровержимости солипсизма многое следует. Солипсизм — это философская доктрина, отрицающая существование внешнего мира, единственной реальностью признаётся только собственное сознание. Тем не менее, какой бы странной такая точка зрения ни казалась, опровергнуть её невозможно. Всё мыслимое, а это все теории, все знания и вообще весь как-либо наблюдаемый мир, всё это внутри нас, в нашем сознании. Выделение в субъективном мире объективной составляющей возникает фактически только на основании удобства — что-то подчиняется непосредственно нашей воле, что-то нет. То, что не подчиняется, то снаружи нас, снаружи сознания. К примеру, голод фантазиями не утолить, поэтому разумно предположить, что есть внешний мир, который содержит нужное нам и имеет свои законы. В ходе истории по мере накопления знаний и постепенного уточнения того, что внутри нас, а что снаружи, разделение миров становится всё более строгим. Однако идею солипсизма, что оба мира внутри нас, и они одно и то же, опровергнуть всё равно невозможно.

В свою очередь, неопровержимость солипсизма означает, что если мы поймём, что такое наш субъективный мир, наше сознание, другими словами, создадим теорию сознания (понимая таковую, как теорию, описывающую физическую природу эмоций и ощущений — то есть в целом физическую природу квалиа), то окажется, что эта теория в точности равна теории всего. Такой теории, в которой будет выводимо всё — все явления природы, все законы физики, всё прошлое и будущее. Действительно, если мир дан нам исключительно посредством ощущений, то «теория ощущений» позволит выводить все возможные ощущения, то есть всё возможное сущее.

Таким образом, как выясняется, сознание настолько странное и необычное явление, что сложность теории сознания равна сложности теории всего — поняв, что такое наше сознание, мы поймём всё.

Значение этого вывода станет понятнее по мере изложения, а пока мы его проверим.

Прежде всего, главное, конечно, не в солипсизме и его неопровержимости, а именно в том, что мы не наблюдаем мир непосредственно, он доступен нам только посредством ощущений. Невозможность выйти за рамки своих ощущений, посмотреть на них со стороны, как раз и является причиной неопровержимости солипсизма. Поэтому как бы мы ни понимали свои ощущения — как одну большую фантазию или выделим в них объективную составляющую внешнего мира — всё это не перестанет быть ощущениями.

В результате теория, в которой будут выводится все ощущения, будет теорией всего в любом случае. Никаких других теорий всего быть не может, потому что в непротиворечивой «теории ощущений» любое ощущение — мысль, идея, наблюдение, факт, абсолютно всё, что можно как-либо представить, помыслить, любое мыслимое сущее — получит своё непротиворечивое объяснение. Любой вопрос получит свой непротиворечивый ответ, так как все вопросы и ответы — это тоже ощущения.

И наоборот — выводить все ощущения позволит только теория всего, потому что если не позволит, то это, естественно, не теория всего, а варианта в виде какой-либо иной теории всего, которая, например, позволит выводить что-то большее, чем все ощущения, что-то лежащее за рамками ощущений, то такой теории не может быть. Дело в том, что все теории тоже в нашей голове, то есть они тоже ощущения, поэтому как только теория позволит выводить все ощущения, она одновременно с этим выведет и сама себя. На этом круг замкнётся и познание остановится — мы получим теорию, в которой, с одной стороны, будет выводимо всё мыслимое, все вопросы получат ответы, а с другой — в этой теории будет выводится она сама, так как она тоже часть мыслимого. Таким образом, за рамки теории, которая опишет физическую природу сознания, выйти невозможно, всё будет находиться внутри неё.

Итак, мы проверили, понять сознание — это понять всё. Но таким ли будет итог познания? Ответ на этот вопрос скоро станет ясен.

Идея, что понять себя — это понять всё, может показаться необычной, тем не менее подтвердить её можно ещё множеством аргументов. Ориентируясь на краткость, приведём такой. Истинность идей в конечном итоге определяется по отношению к нашим ощущениям, так как других критериев истинности у нас нет. Голод, боль или удовольствие — только это подскажет нам в верном направлении мы движемся или нет. Кто-нибудь, наверное, возразит, что в науке всё ложное отсекает эксперимент. Но что тогда подсказало нам разумность самого эксперимента?

Поэтому на самом деле истина в нас. Наши ощущения, наше Я, наличие себя — это единственная доступная нам абсолютная истина, так как только она абсолютно неопровержима: даже отрицание себя только подтверждает наличие себя. Это я отрицаю себя, а значит, я есть, пусть даже я и против. Наличие себя говорит о том, что мир не равен нулю, он как минимум равен Я. Следовательно, поняв себя, мы поймём истину — поймём, почему что-то мы считаем верным, а что-то нет, то есть действительно получим ответ на все вопросы, поймём всё, построим теорию всего.

Но понять себя можно только очень ограниченно. Иное не имеет смысла. Потому что если выводимым становится всё мыслимое, то выводимыми становятся и все мыслимые утверждения, в том числе противоположные, а это означает противоречивость теории. Непротиворечивая теория не может одновременно и доказывать утверждение, и его опровергать. Таким образом, теория сознания может быть только противоречивой, а субъект, следовательно, непознаваем.

Непознаваемость субъекта можно объяснить более наглядно. Познание себя равносильно рисованию себя, рисующего себя, рисующего себя... продолжать можно бесконечно. Правда, в этом «наглядном аргументе» не слишком заметна одна очень важная особенность, или, скорее, тенденция познания. Какая? В том числе ответу на этот вопрос посвящены нынешняя и следующая главы, поэтому ещё раз вернёмся к этому «наглядному аргументу» в конце главы «Сознание», когда эта тенденция уже станет понятной.   

Итак, теперь мы выяснили, что в себе тайны будут оставаться всегда, сознание непознаваемо. Однако если понять себя — это понять всё, то есть понять себя равносильно построению теории всего, при этом «теория себя» противоречива, то и теория всего тоже должна быть противоречивой?

Так и есть, в теории всего выводимыми тоже становятся все мыслимые утверждения, в том числе, например, о ложности самой этой теории всего. И «наглядный аргумент» из абзаца выше применим не только к познанию субъекта, но и мира в целом, так как субъект его часть. Иными словами, как бы это ни казалось странным, что бы мы ни исследовали — своё сознание или окружающую нас природу — в гипотетическом пределе мы придём к одной и той же теории.

С другой стороны, как уже говорилось, ничего странного нет — если мир дан нам через ощущения, то что бы мы ни исследовали, мы исследуем свои ощущения, пытаемся их непротиворечиво описать. А «непротиворечиво» — это в конечном итоге так, чтобы знание могло верно предсказывать течение явлений и, соответственно, можно было применять это знание себе на пользу, то есть и непротиворечивость мы тоже определяем через ощущения, растёт качество жизни или падает — см. выше, где находится истина.

На полях заметим, а есть ли качество жизни у искусственного интеллекта (ИИ)? Если таковое ему неведомо, то как ИИ будет познавать мир? Как, не имея критерия истинности, он будет отделять верное знание от неверного? Если сам, без нас, ИИ верное от неверного отделять не сможет, то, видимо, и развиваться он без нас не сможет? Как же тогда возникнет ИИ, который будет сложнее нашего интеллекта или хотя бы равный нашему? Мы его сами сделаем? Где тогда предел сложности создаваемых нами систем? Его нет? Тогда на каком уровне системы начинают «уметь» создавать системы сложнее себя? А что такое «создание»? Что-то связанное с алгоритмом? Зачатие и рождение ребёнка — это его «создание»? Ответ на эти вопросы в следующей части статьи.

Теперь посмотрим на теорию всего несколько с другой стороны — с математической. В математике есть теория множеств. Множеством может быть что угодно — и числа, и формулы, и люди. Таким образом, применительно к реальному миру множество всех множеств — это всё. Всё сущее, всё мыслимое, вообще абсолютно всё, что есть. Но, как мы выяснили, что из себя представляет всё, какое оно, непонятно, так как теория всего противоречива. Действительно, множество всех множеств объект тоже противоречивый. Например, множество всех множеств должно включать в себя само себя — оно же тоже множество, а значит, оно само тоже элемент множества всех множеств. Но это противоречие, так как тогда множество всех множеств должно быть больше самого себя. Точно так же в теории всего должна быть выводима сама теория всего — к чему это приведёт, мы сказали выше.

О том же говорят знаменитые в широких кругах теоремы Гёделя о неполноте формальных систем. Если мы хотим совместить арифметическую точность (а мы хотим, если нам нужная теория, имеющая предсказательную силу) и теорию, в которой будут выводиться все истинные утверждения, то у нас ничего не выйдет, так как непротиворечивой теории истинных утверждений всегда больше, чем доказуемых. Таким образом, теоремы Гёделя, ограничивая возможности математического языка, ограничивают и научное познание, потому что математика — это язык науки, а теории всего — это такая формула, которая хотя бы в принципиальном смысле позволит выводить все истинные утверждения или, другими словами, делать абсолютно точные утверждения обо всём.

Причина совпадения математических выводов с приведёнными ранее менее абстрактными аргументами, что теория всего не имеет смысла, заключается в том, что и противоречивость теории всего, и парадокс множества всех множеств, и теоремы Гёделя всего лишь на естественном или на математическом языке выражают одну общую особенность познания. Эта особенность состоит в том, что для понимания явления, надо мысленно посмотреть на него со стороны, представить его модель со всеми необходимыми деталями, включить познаваемое явление в свой опыт — причём как его малую часть, иначе мы забудем как дышать.

Например, в теоремах Гёделя эта особенность интерпретируется тем образом, что доказательство непротиворечивости одной формальной системы возможно только в рамках другой формальной системы с более богатым языком. И так бесконечно — как в бесконечной матрёшке, каждый раз нужна новая формальная система с более богатым языком. Поэтому «посмотреть со стороны» на все формальные системы, то есть построить «заключительную» формальную систему, язык которой будет столь богат, что позволит доказать и непротиворечивость всех предыдущих формальных систем, и непротиворечивость самой себя, невозможно. Но даже не только это. Потому что чем более богатый язык, тем менее он финитистский, а чем меньше финитизма, тем меньше ясности. Таким образом, даже бесконечный переход к системам со всё более богатым языком, который как будто ничего не запрещает, на самом деле невозможен, так как формулировать что-либо конкретное будет всё сложнее. А так как вся математика и все языки находятся в голове субъекта, то теоремы Гёделя фактически подтверждают его непознаваемость — невозможность выйти за рамки самого себя, чтобы посмотреть на всю математику со стороны.

Формулируя по-другому, чем явление сложнее, тем сложнее посмотреть на него со стороны, представить его модель, а посмотреть со стороны на всё уже в принципе невозможно, так как тогда, например, придётся выйти и за рамки задачи посмотреть на всё со стороны — ведь и мы сами, и все наши задачи тоже часть всего. Или — посмотреть на всё со стороны нельзя, потому что за рамки какого-либо взаимодействия с миром тогда тоже придётся выйти, иначе настоящим внешним наблюдателем не стать, но тогда и наблюдать будет нечего, ведь наблюдение обусловлено физическим взаимодействие с наблюдаемым, общностью наблюдаемого и наблюдателя.

Таким образом, действительно, наша способность познавать мир или самих себя носит качественно ограниченный характер.

Теперь обратим внимание на то, что множество всех множеств, теоремы Гёделя или теория всего — это, как ни странно, ещё и свобода воли.

Понимание механизма принятия нами решений равносильно понимают себя, ведь тогда можно будет предсказывать всё наше поведение, которое и заключается в принятии тех или иных решений — задач, проблем, жизненных ситуаций, как и что делать. Но, как мы выяснили, понять себя невозможно, иное равносильно теории всего, а она противоречива. Поэтому свобода воли тоже идея противоречивая.

В чём противоречивость свободы воли? В нашей логике есть только два варианта развития событий. Детерминизм. Явно не свобода воли, потому что нет свободы. Все решения были предопределены ещё в момент рождения Вселенной. Истинная случайность/вероятность. Тоже не свобода воли, потому что нет воли. Механизм выбора в мозге в этом варианте равносилен подкидыванию монетки — не решению подкинуть монетку, а самому подкидыванию — то есть чему–то внешнему, по отношению к субъекту, к его опыту, а не выбору самого субъекта. Всё, других вариантов нет. Таким образом, даже непротиворечиво сформулировать, что такое «свобода воли», невозможно.

Но это ещё не значит, что свободы воли нет. Теория сознания, теория всего или множество всех множеств — это тоже идеи противоречивые, но сознание тем не менее есть, физика позволяет предсказывать течение явлений, а математика, как язык науки, ей в этом помогает. Со свободой воли то же самое — истинное положение дел никогда не станет известно. Поэтому сколько бы ни уточнять наши представления о работе мозга, в предсказании поведения всегда будет оставаться высокая доля неопределённости, за которой будет скрываться действительный механизм принятия нами решений. Естественно, этот вывод имеет физические основания — работа мозга напрямую связана с неравновесными фазовыми переходами, неопределённость в которых неустранима. Некоторые детали физической стороны работы мозга будут приведены во второй части, но подробное рассмотрение темы свободы воли выходит за рамки данной статьи (ссылки на другие статьи приведены в главе «Дополнительно»).

Вернёмся к противоречивости множества всех множеств. Означает ли противоречивость множества всех множеств противоречивость теории множеств и всей математики вместе с ней? Заменим этот вопрос равнозначным, но уже с намёком на верный ответ. Согласно теоремам Гёделя, мы не сможем строго доказать непротиворечивость всей математики. Для этого как минимум придётся выйти за рамки математики — чтобы посмотреть на всю математику и все формальные языки со стороны, но за рамками математики нет математических доказательств. Означает ли это, что математика противоречива? Очевидно, что «не сможем строго доказать» ещё не обязательно «противоречивость». Может быть, действительно, наш язык всего лишь недостаточно выразительный, чтобы это сделать. И ещё раз поменяем вопрос, чтобы ответ стал ещё более явным. Означает ли бессмысленность теории всего бессмысленность познания? Тут уже всё понятно, потому что познание явно вещь хорошая, так как его выражением становится прогресс и рост качества жизни. А значит, и математика, как язык науки, тоже сама по себе непротиворечива.

Теперь обратим внимание, что внесло в выводы ясность. Ясность внесло обращение к нашим ощущениям, росту качества жизни, которое обеспечивает познание в целом и наука и математика в частности. Таким образом, как и говорилось ранее, критерий истинности в нас, это наши ощущения, динамика качества жизни.

Но, кажется, осталась какая-то недосказанность? Множество всех множеств противоречиво, а математика непротиворечива, теория всего противоречива, а познание при этом вещь хорошая… Вроде здесь что-то не сходится? Если итог познания — теория всего — не имеет смысла, то, следовательно, в общем и целом познание всё-таки движется куда-то «не туда»? Как быть с этим? К ответу на этот вопрос мы скоро приступим, а окончательно он станет ясен в конце главы «Стоит ли расстраиваться?».

Пока же скажем ещё несколько слов о противоречивости теории всего.

К примеру, очевидно, что язык теории всего должен быть максимально богатым, так как в ней должны выводиться и все языки тоже. Следовательно, язык теории всего должен быть максимально нефинитистским. Однако, как уже говорилось, финитизм — это не просто конечность, это ещё и ясность, однозначность. Бесконечность парадоксальна, например, к бесконечным множествам неприменима очевидная в иных обстоятельствах аксиома Евклида «целое больше своей части», а также возникают другие неоднозначные и контринтуитивные свойства. Поэтому «максимально богатый язык» — это язык максимально неясный, неоднозначный, сформулировать на таком языке что-либо конкретное нельзя, а значит, нельзя и построить теорию всего.

Сказанное в предыдущем абзаце можно сформулировать иначе. Чтобы в теории всего могли выводиться все мыслимые языки (а они должны выводиться, чтобы теория могла описать нас, ведь наш язык, способность создавать новые языки — это часть нас, составляющая сложности нашего интеллекта), теория должна быть написана на метаязыке по отношению ко всем как-либо мыслимым языкам. То есть она должна быть написана на немыслимом языке. Но немыслимый язык немыслим.

Выводы этих абзацев в том числе означают, что движение познания в сторону адекватного описания природы ограничено самим способом её описания — растущим по мере познания противоречием между описанием адекватным природе и описанием нужным и доступным нам. Адекватное описание должно быть максимально нефинитистским, но для теорий такое не подходит. Ведь от теорий нам нужна прежде всего предсказательная сила — способность теории предсказывать течение явления в зависимости от начальных условий, но «нефинитистская», то есть неясная, неоднозначная, «бесконечная» теория, теория которую нельзя внятно сформулировать, ничего предсказать не сможет.

Невозможность построения теории всего очевидна и с той точки зрения, что наш мозг имеет определённое устройство, которое вносит свою искажающую составляющую во все наши знания, делая в принципе невозможным добиться идеальной объективности. Как бы точно мы ни представляли стул, он не появится в нашей голове, разница между реальным миром и нашими знаниями о нём всегда качественная.

Теперь обратим внимание на некоторые сопутствующие противоречивости теории всего обстоятельства.

Так как теория всего не имеет смысла, то любая теория и вообще любая идея, чтобы иметь смысл, должна иметь границы применимости — границы её расширения на время и пространство, за которыми она свой смысл теряет. Или, иными словами, ни одна идея не может считаться окончательной истиной, потому что доказательство этого потребует теории всего, так как только такая «абсолютная» теория позволит абсолютно точно установить, что верно, а что нет.

Мы ещё вернёмся к проблематике истин, так как внимательный читатель наверняка уже заметил в предыдущем абзаце если ещё не противоречие, то уже как минимум ещё одну недосказанность: если истин нет, то и само утверждение, что истин нет, тоже не истина, а значит… но не будем забегать вперёд.

Однако — и к этой проблематике мы уже не вернёмся — ещё раз скажем, что одна истина всё-таки существует — это наличие себя. Но эта истина своеобразная — её нельзя опровергнуть, но нельзя и доказать. Существование себя невозможно опровергнуть, так как всё мыслимое, в том числе любое опровержение себя, будет только подтверждать, что Я есть. «Я мыслю, следовательно, я существую» — утверждал Рене Декарт, эта идея стала фундаментальным элементом его философии. Таким образом, с точки зрения абсолютной неопровержимости существование себя действительно абсолютно истинно. Но при этом наличие себя невозможно доказать, так как это равносильно пониманию того, что, собственно, есть Я, однако мы недавно выяснили, что понять себя — это понять всё, то есть построить теорию всего, а она не имеет смысла.

Поэтому познание заключается в постижении этой истины, в постижении себя, в ответе на вопросы — кто Я, где Я, откуда Я. Я, мои ощущения, хорошо мне или плохо — это отправная точка познания, начало координат, самый общий критерий истинности знания. Даже если это сон, он снится мне, а значит, всё равно Я есть. Я — это то, что точно есть, поэтому Я — это в любом случае реальность, а остальное — гипотезы, то, что познаётся — но конца этот путь не имеет. Я — это начало познания и Я — это абсолютный предел познания, недостижимый и бессмысленный.

Если формулировать менее абстрактно, то понять себя равносильно помещению в себя ещё одного себя, но только в виде приобретённого опыта. Однако то, чему можно обучить нейронную сеть не равно всему её опыту, который включает в себя всю её структуру. Или, другими словами, язык — это только некоторый частный итог мышления, поэтому всё мышление языком невыразимо.

В итоге истина есть, но так как сколько-нибудь точно сформулировать, что же она из себя представляет, невозможно, то, имея в виду конкретные утверждения, истин нет. Оба этих утверждения верны при соответствующем уточнении.

Заметим, своеобразие истины «Я есть», заключающееся в том, что её нельзя ни опровергнуть, ни доказать, на самом деле естественно. Понятно, что истину нельзя опровергнуть, иначе какая это истина. Но и доказуемость тоже сделает из истины не истину, так как то, что можно доказать, можно и опровергнуть, просто предположив другие исходные посылки. Ведь посылки ещё не истина, истина должна только следовать из них, поэтому какими бы эти посылки ни казались очевидными, они могут на самом деле оказаться ложными.

Таким образом, то, что выводимо, то и опровержимо, истинным знание может быть только в том случае, если у него в основании ничего нет. Я есть, наличие себя, самоощущение — это именно такое и единственное такое знание. Оно столь неконкретное, что не следует абсолютно ни из чего, а теория всего, которая, как кажется, должна нам что-то конкретное на счёт этого следования сообщить, не имеет смысла. Теория всего, которая, как кажется, должная быть идеалом истинности, так как является идеалом выводимости (по причине того, что следует сама из себя, тем самым не оставляя невыводимым абсолютно ничего), наоборот, оказывается идеалом противоречивости и бессмысленности. Настоящая истина должна быть данностью.

Продолжая традицию время от времени формулировать вопросы без ответа, сформулируем ещё один такой вопрос. Мы не можем описать себя, мышление в своём основании не язык, поэтому ни теория всего, ни теория сознания не могут быть построены и не имеют смысла. Но ИИ как раз может быть описан, ИИ — это язык, алгоритм (недетерминированный алгоритм), все вычисления ИИ в принципиальном смысле могут быть расписаны ручкой на бумаге. Означает ли это, что сам ИИ тоже сможет описать, как происходят его вычисления, по каким принципам он работает? Кажется, ответ вполне очевиден: никакого труда для ИИ это не составит — он просто воспользуется нашими знаниями о том, как работают такие системы, как он. Но ведь тогда это мы опишем ИИ, а не ИИ опишет себя. А сможет ли именно сам ИИ описать себя? Исследовать себя и установить, как он работает? Ответ совсем не очевиден (он находится не там, где на первый и даже на второй взгляд, кажется, должен находиться) и выходит за рамки данной статьи.

Итак, противоречивость теории всего понятна, с сопутствующими обстоятельствами разобрались. Теперь пришло время ответа на вопрос о том, как быть с первой недосказанностью, о которой недавно говорилось. Как совмещается противоречивость теории всего и польза познания? Начнём ответ с другого вопроса. Зачем нам вообще теория всего?

Да, действительно, теория всего может показаться чрезвычайно абстрактной сущностью. Зачем о ней вообще рассуждать, если таковая теория в любом случае не может быть построена?

Во-первых, рассуждение выше позволяет нам сразу выйти на принципиальный предел познания, минуя идеи о том, что можно и что нельзя согласно нынешним представлениям, что можно и что нельзя на практике. Во-вторых, теория всего — это не только предел познания, но и то, к чему познание в итоге стремится, независимо от того, что этот итог недостижим.

И вот это «во-вторых» для нас сейчас особенно важно. Потому что, как бесконечное приближение к теории всего, познание в таком случае — это движение в сторону утраты смысла. А этот вывод уже совсем не такой абстрактный, как может показаться, так как, получается, постепенная утрата познанием смысла — это растущий тренд, усиливающаяся тенденция, а значит, утрата смысла должна иметь вполне конкретные наблюдаемые проявления.

Какие? Например, проблему измерения. Тем не менее снова не будем спешить и прежде рассмотрим более общие проявления утраты познанием смысла, обратим внимание на математизацию, скажем ещё кое-что о теории всего, а также добавим в изложение необычности.

Начнём с того, что, кажется, есть очевидный аргумент против того, что познание теряет смысл. Теории, заглядывая в материю всё более глубоко или описывая природу на всё больших пространственных и временных масштабах, становятся всё точнее. Например, та же КМ очень точна. Иначе говоря, предсказательная сила теорий растёт. В свою очередь, научиться предсказывать — это и есть «понять». Чем точнее может быть предсказание, тем, следовательно, лучше понимание. Это ли не смысл познания? Никакой утраты смысла вроде бы не заметно — познание движется «туда».

Тогда посмотрим внимательнее. Нет ли в движении познания «туда» одновременно и движения «не туда»?

Действительно, возможность предсказания важна, но очень важно и другое. Если предположить, что новые теории неизменно всё дальше и дальше уводят нас от реальности, то строить новые теории будет всё сложнее и сложнее, и в конечном итоге на каком-то этапе фундаментальное познание полностью утратит смысл, так как построение новых теорий станет уже полностью невозможным — и движение познания «туда» всё-таки приведёт нас «не туда».

Но как это возможно? Если предсказания становятся всё точнее, то, наоборот, теории всё точнее описывают реальность? 

Тем не менее предположение выше верно — предсказательная сила теорий растёт, а реальности в них остаётся всё меньше.

Объяснить растущую точность предсказаний и одновременно всё большее несоответствие теорий реальности можно таким образным примером. Если уметь мыслить только шары, то, описывая ими явление, которое куб, описание будет становиться всё более сложным (потому что, умея мыслить только шары, мы всегда будем наблюдать только их ширящийся набор) и одновременно всё более странным (потому что приближение всего набора представимых шаров к непредставимому кубу будет казаться растущей контринтуитивностью теорий). Но предсказания при этом будут становиться всё более точными, так как набор шаров как целое будет всё точнее имитировать куб (но никогда с абсолютной точностью, так как куб из шаров не собрать).

Этот образный пример про нас. Это мы не способны «мыслить куб» — см. выше про «искажающую составляющую» нашего мозга, которая препятствует идеальной объективности, или про теорию всего, бессмысленность которой означает то же самое. Условно говоря, мы можем представить или частицы, или волны вероятности. В результате упуская некое «связующее звено», объединяющее эти модели в качественно иное целое. Поэтому так же, как в примере, чем точнее мы описываем природу, тем всё более сложным становится математический аппарат теорий, всё более неясными, неоднозначными и странными становятся модели теорий (образ явления, идеализированное представление об объекте теории, его свойствах и связях). И в конечном итоге познание остановится, так как сочетание растущей сложности, контринтуитивности и точности приведёт к тому, что новую теорию построить будет уже просто невозможно — её математический аппарат станет уже слишком сложным, а модель, которая будет способна объединить все факты в целое, станет уже непредставимой. 

Приведём ещё одно соображение.

Если мозг других животных может выделять в условиях более или менее сложные образы непосредственно окружающих их объектов, то человеку за счёт большей сложности его мозга (упрощённо, за счёт большего количества слоёв и связей в нейронной сети мозга) широко доступны уже и «образы образов», то есть понятия языка — абстракции более высокого уровня, чем образы конкретных объектов. К примеру, понятие «яблоко» обобщает все яблоки, которые как-либо известны человеку.

Более того, человек способен распознавать в условиях в том числе такие сложные, глобальные и уже непосредственно не наблюдаемые «образы», как политика, физика, время, радость, Вселенная и т. д.. Как следствие, в отличие от более простых животных, поведение человека, тактика и стратегия его действий, формируется не только «здесь и сейчас», вне сколько-нибудь развёрнутого представления о себе и окружающем мире, о прошлом и будущем, но и на таких же сложных и глобальных пространственных и временных масштабах.

Высшей формой абстракции — идеализацией — являются математические объекты, формальный математический язык. Однако, вероятно, возможна и другая математика, построенная на абстракциях ещё более высокого уровня. Которую мы не поймём так же, как человекообразные обезьяны не поймут нашу математику. Например, такая математика может быть у более высокоразвитых представителей инопланетной жизни (вряд ли таковая жизнь возможна в силу разных обстоятельств, но мы предположим). Интеллект которых, таким образом, будет выше человеческого, а тактика и стратегия поведения будет ещё более сложной и глобальной — и непонятной человеку так же, как человеческие действия непонятны человекообразным обезьянам. Или их устройства — они будут нам непонятны точно так же, как ограниченно человекообразная обезьяна способна понять назначение смартфона.

При этом сложность математики напрямую связана и с тем, что мы можем понять и описать в природе, так как математика (как строгий, однозначный — формальный — язык, описывающий абстрактные структуры, порядок и отношения) — это язык науки. Точно так же сложность интеллекта, очевидно, связана с возможностями строить модели, обобщать отдельные наблюдения в целостный образ явления. И у гипотетических инопланетян всё это будет другим. В результате, это ещё раз подтверждает вывод, что мир теорий может сильно отличаться от мира реального — мы представляем мир таким, каким можем, а не таким, какой он есть.

В скобках обратим внимание на ещё одно обстоятельство, связывающее познание с особенностями нашего мышления. Качественные переходы от одной теории к другой, а не постоянное уточнение некой «одной теории», «одной модели мира», имеют физические основания в работе мозга. Дело в том, что каждое переключение внимания — с одной мысли на другую, от образа отдельных элементов к образу целого, от смысла слов к смыслу фразы, от данных к теории — это неравновесный фазовый переход. О связи работы мозга с неравновесными фазовыми переходами мы уже упоминали. Эта связь носит глобальный характер, начиная от внутриклеточной активности или морфогенеза до синхронизации на разных ритмах самой по себе хаотической активности нейронов. В случае внимания — это селективная синхронизация новых ансамблей нейронов на частоте гамма-ритма, самой высокой частоте ритмов мозга. Неравновесный фазовый переход — это переход качественный, он происходит скачкообразно, а не как некая последовательная трансформация одной активности в другую. В результате такими же более или менее выраженными качественными «скачками» меняется и наше представление о мире (подробнее о работе мозга написано в статье «Жизнь как самоорганизация», ссылка на которую есть в главе «Дополнительно»).

Вернёмся к утрате познанием смысла. По мере приближения к теории всего тенденция на утрату познанием смысла должна становиться всё более заметной, проявляя себя в конкретных трудностях познания, растущих по всем направлениям и стремящихся к принципиально непреодолимым. Эти трудности можно разделить на трудности практического характера и интеллектуального. Первые связаны с тем, что фундаментальные исследования требуют всё больше энергетических и материальных ресурсов, вторые с тем, что построение новых гипотез становится всё сложнее, исследования требуют всё больше затрат интеллектуальных. Заметим, есть ещё одна тенденция, связанная с утратой познанием смысла, но о ней мы скажем отдельно в главе «Математизация».


1.2.3. Объединение ОТО и КМ

Рассмотрим растущие трудности познания на примере самой значительной проблемы современной фундаментальной физики — несовместимости общей теории относительности Эйнштейна (ОТО), описывающей природу на макромасштабе, и квантовой теории, описывающей природу на микромасштабе.

Сделаем это вкратце, выделив только важные для темы статьи элементы, которые сопроводим необходимыми пояснениями, чтобы контекст проблемы был понятен широкому кругу читателей.

Итак, объединение этих теорий необходимо по очевидным соображениям — чтобы описать макро- и микромасштаб природы в едином ключе. В свою очередь, проблема возникает в том, что не удаётся квантовать гравитацию. Таким образом, проблема объединения — это как минимум проблема квантования гравитации. Далее рассмотрим, почему это до сих пор не удалось, в чём возникают трудности, как они связаны с темой статьи, какие позволяют сделать выводы. Начнём с некоторых общих знаний.

Согласно Стандартной модели и квантовой теории поля, все элементарные частицы являются квантами соответствующих полей. Стандартная модель — это современная теория, описывающая свойства элементарных частиц, а также электромагнитное, слабое и сильное взаимодействие между ними.

Инструментом Стандартной модели является квантовая теория поля (КТП). КТП обобщает законы КМ для случаев высоких скоростей и процессов рождения или уничтожения частиц. Ключевые объекты в КТП не частицы, как в классической механике, и не «частицы-волны», как в КМ, а квантовые поля. Например, квантами электромагнитного поля являются фотоны, а электроны — это кванты электрон-позитронного поля. Квантовое поле на данное время считается наиболее фундаментальной и универсальной формой материи, лежащей в основании всех её проявлений.

Квантовое поле — это обобщение волновых функций всех частиц одного сорта в одно целое. В КМ каждой частице ставится в соответствие волновая функция, которая имеет смысл волны, простирающейся на весь объём пространства. Эта волна такая, что квадрат модуля её амплитуды в той или иной точке пространства даёт вероятность обнаружить там частицу, поэтому данные волны — волны де Бройля — это волны вероятности (обнаружить частицу). В КТП волны вероятности частиц одного сорта обобщаются в новый объект — квантовое поле, которое не состоит из частиц в привычном смысле, но порождает их как свои возмущения.

Вместо индивидуальных волновых функций в КТП используются векторы состояния, описывающие всевозможные возбуждения квантового поля. На векторы состояния действует полевой оператор (оператор — это математический аналог процедуры измерения, переводящий вероятности в конкретный результат), рождая или уничтожая одночастичные возбуждения квантового поля в той или иной точке пространства. Взаимодействие частиц при этом рассматривается как взаимодействие полей в одной точке или превращение в этой точке одних частиц в другие. Проще говоря, если в КМ волна — это суперпозиция всех возможных состояний одной частицы, то в КТП поле — это суперпозиция всех возможных состояний всех частиц одного сорта.

Несмотря на то, что квантовое поле с частицами как возмущениями этого поля приобретает как будто большую реальность — как действительно некая «материя», проявляющая себя в возмущениях, ясно, что квантовое поле не становится реальнее волновой функции, концептуальным продолжением которой оно является. До измерения поле находится в нелокальном состоянии суперпозиции всех возможных сценариев, связанных с частицами этого сорта, реальных частиц в нём нет, прибор же, наоборот, всегда регистрирует частицу в конкретной точке пространства с теми или иными конкретными характеристиками. Этот скачок от вероятностно распределенного состояния к точечному событию КТП оставляет без объяснения точно так же, как и обычная КМ. Поэтому ни решить, ни как-либо обойти проблему измерения КТП не помогает.

Однако самая серьёзная проблема в том, что Стандартная модель не описывает гравитацию, потому что квантовать гравитацию не удаётся. Также непонятно, что такое тёмная энергия и тёмная материя, но, как представляется, квантование гравитации должно пролить свет и на эти явления. В итоге сейчас предполагается, что гравитация тоже является квантовым полем, его квант, соответственно, гравитон, но это предположение пока экспериментально не подтверждено. И с этим в принципе есть проблемы.

Как кажется, логичный путь к подтверждению гравитона — это обнаружить гравитон в прямом эксперименте и исследовать его свойства. И в итоге построить искомую теорию квантовой гравитации, объединив макромасштаб ОТО и микромасштаб КМ в едином квантово-полевом формализме.

Однако эта гипотетическая теория будет если не теорией всего, то как минимум значительным шагом к ней — а значит, как мы предсказывали, движение в эту сторону должно сопровождаться стремительным ростом трудностей практического и интеллектуального характера, не позволяя такую теорию построить.

Действительно, стремительный рост трудностей практического характера в проблеме объединения заметен очень хорошо. Потому что для прямого экспериментального подтверждения существования гравитонов (то есть обнаружения отдельных свободно распространяющихся частиц) потребовалось бы строить ускоритель, кольцо которого было бы размером с маленькую галактику (размер таких галактик десятки световых лет). Понятно, что это совершенно нереально, данная трудность даже не практического характера, а принципиального.

Но у проблемы объединения проблемы не только в эксперименте. Иными словами, далее рассмотрим рост трудностей, которые можно отнести к интеллектуальным.

Квантование гравитации сталкивается с трудностями не только экспериментального, но и теоретического характера — непонятно как это квантование должно выглядеть. А знать это необходимо, потому что невозможность исследовать природу на масштабах гравитона, заставляет искать его по косвенным признакам, но для этого нужна проработанная теория, которая эти признаки предскажет.

Чтобы было понятно, почему такой теории пока нет, рассмотрим, что такое гравитация, насколько нетривиальна задача её квантования.

В современной физике тяготение объясняется искривлением пространства-времени — об этом говорит ОТО. Согласно этой теории, гравитационные эффекты обусловлены не силовым взаимодействием тел и полей, а деформацией самого пространства-времени, в котором поля находятся. В свою очередь, деформация пространства-времени связана с характеристиками находящихся в нём объектов — с массой-энергией.

Нетривиальность задачи квантования гравитации, наверное, уже понятна — квантовать надо не что-то внутри пространства-времени, а само пространство-время, пространство-время должно возникать в этой теории, а не быть внешним фоном, на котором разворачиваются события. Другими словами, настоящая (непертурбативная) теория квантовой гравитации должна быть фоново-независимой.

Как мы сказали, деформация пространства-времени связана с массой-энергией. Рассмотрим, в чём заключается эта связь.

Согласно ОТО, четырехмерная скорость любого объекта в пространстве-времени всегда постоянна и равна скорости света. Если мы неподвижно стоим на Земле, вся эта четырёхмерная скорость тратится на движение во времени. Как только мы начинаем двигаться в пространстве, часть этой скорости переходит в пространственное движение, а движение во времени замедляется. Например, если мы, двигаясь вверх, начинаем, не меняя скорости, двигаться вбок, то уменьшается скорость нашего движения вверх. Точно так же скорость движения во времени становится тем меньше, чем выше скорость движения в пространстве, неважно вверх или вбок.

Аналогичным образом на время действует масса. Поэтому, теряя опору и начиная свободно падать, мы вместо ускорения ощущаем невесомость, так как на самом деле в этот момент мы по инерции движемся к центру Земли, а движение по инерции неотличимо от покоя. Мы движемся по инерции — потому что наше движение в сторону центра Земли возникло не счёт сил, которые нас куда-то тянут, а за счёт того, что Земля своей массой искривила вокруг себя пространство и замедлила время, тем самым перераспределив вектор нашего движения из чисто временного направления в движение в пространстве в сторону центра Земли. И чем быстрее движение или чем больше масса-энергия, тем медленнее течёт время объекта (по отношению к более медленному и лёгкому наблюдателю), а движение в пространстве со скоростью света означает остановку движения во времени.

Наоборот, когда мы стоим на поверхности Земли, нас как будто прижимает к её поверхности. Вещество Земли, которому электромагнитные силы отталкивания не дают двигаться по инерции к её центру, образуют поверхность, которая и нам тоже в этом препятствует. То есть фактически мы постоянно ускоряемся в противоположном от центра Земли направлении, хотя и остаёмся на одном и том же расстоянии от её центра.

Те же самые ощущения мы будем испытывать, если в космосе в невесомости начнём ускоряться в лифте — нас точно так же начнёт прижимать к его полу. Это следствие того, что гравитационная масса (она определяет то, как тела притягиваются друг к другу) равна инертной (она определяет то, как тела сопротивляются ускорению).

Массу телам придаёт наличие внутренней энергии (упрощённо говоря, энергия — это движение, та или иная его форма). Например, если поместить фотоны в безмассовую коробку с зеркальными стенками, то разогнать её до скорости света будет уже невозможно, хотя каждый из фотонов, не имея массы, и сам по себе, и в коробке всегда движется со скоростью света. Дело в том, что скорость света максимальная, а значит, любая помеха приведёт к тому, что сколько бы энергии ни прикладывать, скорость света уже не достичь — условно говоря, пуля не полетит со скоростью толкающих её пороховых газов, сколько бы пороха ни использовать, скорость пули всегда будет меньше. А у нас именно такая помеха и возникла, потому что, отражаясь от зеркал, фотоны будут двигаться внутри коробки беспорядочно, во всех направлениях, нивелируя своё движение вперёд со скоростью света зигзагами внутри коробки. В результате у коробки появится инертность, она станет «сопротивляться» ускорению. Или, другими словами, у коробки возникнет масса.

Говоря более строго, у всех частиц, даже безмассовых, есть энергия-импульс, поэтому даже фотон «давит» на препятствие (вспомним идею солнечного паруса). Но в коробке импульсы фотонов взаимно компенсируются, а вот энергия, согласно закону сохранения энергии, останется. В результате сама по себе коробка с фотонами никуда двигаться не будет, а значит, чтобы она двигаться начала, надо будет приложить к ней силу, потратить энергию. И чем больше в коробке будет фотонов, тем больше будет её внутренняя энергия и поэтому больше масса, выше инертность, хотя никакой специфической «массы» ни у самой коробки, ни у фотонов в ней нет.

Внутренняя энергия у вещества появляется из-за теплового движения молекул или динамики электронов на атомных орбиталях — однако этот вклад в массу ничтожен. Основной же вклад — 98% от массы вещества — вносит энергия сильного взаимодействия (обмен кварков глюонами, которое объединяет кварки в протоны и нейтроны) и движение самих кварков внутри ядер. 

Другой механизм образования массы, похожий на описанный выше, — это взаимодействие кварков и электронов с полем Хиггса (взаимодействие Юкавы). Поле Хиггса не тормозит их, но заставляет постоянно менять свою пространственную ориентацию (хиральность), тем самым превращая их движение со скоростью света во внутреннюю энергию. Взаимодействие с полем Хиггса вносит около 2% вклада в массу вещества (через массу самих кварков и электронов, которую поле Хиггса определяет на 100%). Если бы поля Хиггса не было, то все частицы, как фотоны, всегда двигались со скоростью света.

В результате вещество, с одной стороны, представляет из себя совокупность движущихся внутри него частиц — это его внутренняя энергия, с другой — его кварки и электроны постоянно меняют хиральность (более 1020 раз в секунду) — и это тоже его внутренняя энергия. Как следствие такой концентрации энергии в объёме объекта, у него возникает «массивность» — инертность, сопротивление ускорению, то есть, собственно, масса, масса покоя.

Из приведённого описания понятно, что масса и энергия эквивалентны, масса — это энергия, которая в случае вещества просто концентрируется в небольшой области пространства, поэтому масса, согласно знаменитой формуле Эйнштейна E = mc2, — это энергия покоя объекта, его внутренняя энергия. В свою очередь, согласно ОТО того же Эйнштейна, масса-энергия меняет геометрию пространства-времени, искривляя его, — возникает тяготение. А так как масса и энергия эквивалентны, то искривляют пространство-время даже частицы, не имеющие массы, например фотоны. Таким образом, с одной стороны, мы имеем массу-энергию как инертность, меру сопротивления ускорению, с другой — массу-энергию как тяготение, меру искривления пространства-времени.

Теперь ненадолго вернёмся к поискам гравитона. Сейчас понятно, почему для его обнаружения в ускорителе нужны столь огромные энергии. Сама по себе гравитация очень слабое взаимодействие — примерно на 40 порядков слабее электромагнитного. Поэтому чтобы детектор среагировал, гравитон должен обладать относительно высокой энергией. Породить такой гравитон может гравитация очень массивного тела — или, учитывая эквивалентность массы и энергии, очень высокая концентрация энергии, пусть даже в малой области столкновения частиц. Именно для этого частицы в ускорителе разгоняют до огромных энергий: вспышка энергии в момент столкновения создает локальное гравитационное поле нужной мощности, способное породить заметный для детектора гравитон.

И одновременно мы видим, что все объекты внутри пространства-времени действительно квантовые — это поля и их кванты. Нет ничего, что выходило бы за рамки этого представления. В результате прямая связь квантовых объектов и пространства-времени требует квантового описания и самого пространства-времени тоже. Если квантовая физика описывает квантовые объекты на фоне внешнего пространства-времени, то в ОТО внешнего пространства-времени нет — теория как раз и описывает пространство-время. Эти теории требуется объединить.

Однако если за искривление пространства-времени тоже отвечает квантовое поле — поле гравитации, то, согласно квантовой физике, на ультрамикроскопических масштабах порядка планковского 1,6;10-35 м пространство-время должно представлять так называемую квантовую пену (или пространственно-временную пену) — хаотические флуктуации самой геометрии пространства-времени, из-за чего понятие направления в пространстве и времени на этих масштабах теряют смысл.

Появление квантовой пены предсказывает фундаментальное соотношение КМ — принцип неопределённости Гейзенберга.

Принцип неопределённости очевиден и указывает на то, что некоторые пары величин нельзя измерить точно и одновременно. Например, это импульс и местоположение частицы. Если до измерения частица — это волна, то определить импульс частицы — это определить длину волны и направление её распространения (направление фронта волны). Для ясности можно провести аналогию со звуком. Волны колебаний воздуха накатывают на нас, и чем больше таких волн мы воспринимаем, тем точнее можем определить тон звука. Но локализация звука в пространстве при этом становится всё более неопределённой. Наоборот, краткий звук, то есть «более точно локализованный в пространстве», ничего про его тон понять не позволит. В первом варианте растёт неопределённость местоположения частицы, но всё более определённым становится её импульс, во втором — наоборот. В итоге условное точное значение импульса — это расширение неопределённости местоположения частицы на всю Вселенную, а в точке станет полностью неопределённым импульс.

К примеру, это соотношение означает, что попытка рассмотреть частицу повнимательнее сталкивается с принципиальными ограничениями. «Рассмотреть повнимательнее» равносильно всё более точному знанию местоположения частицы, но тогда всё более неопределённым становится её импульс — частица начинает всё энергичнее метаться в той области пространства, где её пытаются зафиксировать, наоборот, не давая это сделать. Поэтому чем меньше пространственный масштаб наблюдения, тем больше энергии для этого требуется.

Импульс напрямую связан с энергией — чем короче длина волны де Бройля (и, соответственно, чем больше импульс частицы), тем выше её частота, а чем выше частота, тем выше энергия частицы. Поэтому в конкретный момент времени об энергии сказать ничего нельзя, она будет полностью неопределённой — ведь в конкретный момент времени частоту не определить, чтобы измерить частоту волны, её надо какое-то время наблюдать, условно говоря, считать горбы и впадины волн за единицу времени. В результате чем более узким становится временной промежуток наблюдения, то есть чем меньше становится неопределённость времени, тем больше становится неопределённость энергии — и наоборот. А так как наша волна — это волна вероятности получить тот или иной результат, если провести измерение, то стремление энергии к «полной неопределённости» по мере того, как уменьшается временной масштаб измерения, имеет прямой смысл — энергия может быть любой.

Ещё одним предсказанием принципа неопределённости является наличие энергии даже у пустого пространства — вакуума. Иначе, например, энергию и время процесса можно было бы измерить точно — в вакууме в любой момент времени энергия была бы равна нулю. Говоря по-другому, вакуум заполнен полями, а его энергия — это так называемые нулевые колебания этих полей, обусловленные соотношением неопределённостей. Заметим, использовать энергию вакуума невозможно, какая бы большая она ни была. Это наинизшая энергия — энергетический фон Вселенной, а совершить полезную работу можно только за счёт перепада энергий. 

Нулевые колебания — это как будто в каждой точке пространства есть пружинка, которая колеблется вверх-вниз. Чем сильнее она растягивается, тем быстрее возвращается обратно, а величина растяжения — это энергия. Таким образом, в согласии с принципом неопределённости, чем энергичнее флуктуация, тем меньше времени она длится. Но на макромасштабе времени флуктуации усредняются, делая вакуум внешне спокойным, стабильным.

Теперь вспомним о квантовой пене. Из принципа неопределённости следует, что чем меньше пространственно-временной масштаб, тем более неопределённой становится энергия-импульс — поля всё сильнее флуктуируют, и энергия этих флуктуаций стремится к бесконечности, то есть суммарная энергия нулевых колебаний любого, даже самого малого конечного объёма вакуума должна быть бесконечна.

Но от массы-энергии зависит то, как искривляется пространство-время. Поэтому бесконечная энергия нулевых колебаний полей приводит к бесконечной кривизне геометрии пространства-времени на планковских масштабах, то есть к сингулярностям, разрыву пространства-времени, постоянному рождению и исчезновению виртуальных чёрных дыр. Это и есть квантовая пена.

Появление подобного рода бессмысленных бесконечностей — плотности, энергии, искривления геометрии пространства-времени — означает, что на планковских масштабах квантовая теория, по крайней мере в её нынешнем виде, выходит за границы своей применимости. О том же говорит появление бесконечных вероятностей в расчётах взаимодействия частиц, связанных с тем, что частицы точечные — эта проблема называется ультрафиолетовой расходимостью. Например, по этой причине современные описания эволюции Вселенной начинаются, только когда Вселенная была размером 1,6;10-35 м, что соответствует времени 10;43 секунд после начала расширения.

Ещё одним выражением противоречий между ОТО и квантовой механикой является проблема исчезновения информации в чёрной дыре. Согласно ОТО в чёрных дырах вещество должно сжиматься в точку — гравитационную сингулярность (в этой точке кривизна геометрии пространства-времени становится бесконечной). Естественно, что какое-либо отличие между тем, что попало в чёрную дыру при этом исчезает — всё становится точкой, не имеющей ни состава, ни размера. Например, согласно теореме об отсутствии волос, помимо массы и момента импульса (а также электрического заряда, который на практике всегда стремится к нулю) у чёрной дыры нет никаких других характеристик. Однако в КМ исходят из того, что информация никогда не теряется — в том смысле, что начальное состояние всегда может быть восстановлено по конечному состоянию, даже если конечное состояние сильно перемешивается относительно начального.

Теперь сделаем некоторые сопутствующие замечания и опять вернёмся к проблемам квантования гравитации.

Малость планковской длины иллюстрирует такой пример: соотношение планковской длины и размера ядра атома приблизительно такое же, как соотношение роста человека и диаметра нашей галактики (Млечный Путь, 100 000 световых лет). Но минимальные доступные сейчас наблюдению длины составляют порядка 1;10-15 метра (1 фе;рми, 1 фемтометр). Несколько ферми — это характерные размеры ядра атома, например, размер протона около 0,83 фемтометра.

В свою очередь, протоны состоят из кварков (частицы, которые состоят из кварков, называются адроны). Кварки напрямую ненаблюдаемы, из-за необычных свойств сильного взаимодействия — конфайнмента. Его суть в том, что чем сильнее кварки пытаться отделить друг от друга, чтобы исследовать, тем сильнее они стремятся сблизиться — как будто их связывает чрезвычайно мощная резинка. А если приложить очень много энергии, то просто образуется ещё одна система кварков. В результате материя стабильна, а увидеть свободные кварки невозможно.

Уменьшению масштаба наблюдений мешает невозможность прямыми методами исследовать объект, который меньше, чем длина волны де Бройля зондирующих частиц. Поэтому чем выше требуется разрешение, тем короче должна быть их длина волны. Однако частота фундаментально связана с энергией, и для получения энергий, необходимых для исследования пространственных масштабов приближающихся к планковскому потребуется ускоритель элементарных частиц размером с маленькую галактику (при приближении к скорости света скорость частицы почти перестает расти — вместо нее увеличивается импульс, что и делает волну короче).

Метод исследования, описанный выше и исторически первый, — это эксперименты с неподвижной мишенью. В нём есть мишень и зондирующая частица, а мы наблюдаем за тем, как рикошетит частица (это называется рассеянием). Этот метод используется для изучения внутренней структуры частиц.

Другой метод — эксперименты на встречных пучках. Частицы разгоняются на встречных курсах в коллайдере и сталкиваются. Высокая энергия этого столкновения приводит к рождению новых частиц. Чем выше энергия, тем более массивные частицы можно получить. Они оставляют след в детекторе, по которому изучают их свойства. В современной физике методы дополняют друг друга, так как оба позволяют исследовать и внутреннюю структуру частиц, и получать новые.

Вернёмся к квантованию гравитации.

Итак, понятно, что квантование гравитации необходимо, но, учитывая описанные парадоксальные следствия прямого применения КМ к пространству-времени, задача это явно непростая и, очевидно, не решается в рамках нынешних теорий. Требуется более фундаментальная теория, способная непротиворечиво объединить геометрическое представление пространства-времени ОТО и квантовое КМ в более точном описании материи. Другими словами, нужно посмотреть на материю внимательнее, чтобы увидеть в явлениях разного масштаба объединяющее их общее начало, исходя из того, что наблюдаемое многообразие явлений природы всего лишь разные феноменологические проявления чего-то единого.

Наиболее известным кандидатом на роль более фундаментальной теории сейчас является теория струн. Предполагается, что теория струн способна описать все фундаментальные поля (бозонные и фермионные, включая гравитацию) единым образом, выявив их общую природу и устранив противоречия.

Все элементарные частицы в теории струн — это разные моды колебаний одной и той же фундаментальной струны. Квантовые струны — это  бесконечно тонкие одномерные объекты длиной порядка планковской, колебания которых воспроизводят все свойства квантовых частиц, а взаимодействие между различными видами материи и сил происходит из того, как струны разделяются и соединяются.

Не будучи точечными, как элементарные частицы в нынешнем представлении, квантовые струны заметают пространство на планковских масштабах, разглаживая его, тем самым ограничивая масштаб возможных флуктуаций вакуума, устраняя квантовую пену и сингулярности. Одновременно теория струн решает проблему ультрафиолетовой расходимости, так как устраняет из расчётов бесконечности, связанные с точечностью частиц.

Однако даже ограничение минимального масштаба флуктуаций вакуума размером струны всё равно не устраняет все проблемы, так как чтобы соответствовать наблюдениям, расчётная энергия вакуума всё равно должна быть намного ниже. Согласно наблюдениям, энергия вакуума (выраженная через плотность) равна 10-26 кг/м; (пара атомов водорода на кубический метр пространства), а согласно расчётам, она должна быть 1096 кг/м;. Разница в 120 порядков совершенно фантастична и пока не поддаётся никакому объяснению.

В скобках заметим, КМ выходит за границы своей применимости и в отношении хаоса — в КМ нет чувствительности к начальным условиям, важной характеристики хаоса. Этот факт пригодится нам во второй части статьи.

Таким образом, устраняя только квантовую пену и сингулярности, теория струн всё равно не даёт ответа на вопрос, почему наблюдаемая и расчётная энергия вакуума столь сильно друг другу не соответствуют. Наша Вселенная расширяется хотя и с ускорением, но плавно, в то же время гигантская энергия вакуума, если бы она действительно была, должна была разорвать её в первые же мгновения существования, не дав сформироваться ни одной галактике.

Обратим внимание. Знаменитая тёмная энергия — это то, что заставляет Вселенную расширяться с ускорением, расталкивая галактики всё дальше друг от друга. Иными словами, предполагается, что это и есть энергия вакуума, которая, как мы выяснили выше, оказывается меньше расчётной. Тем не менее на неё приходится 69% всей массы-энергии Вселенной. В свою очередь, космологическая постоянная (лямбда-член) — это то, как выглядит та же самая энергия вакуума в ОТО Эйнштейна, отвечающая за ускоренное расширение Вселенной. Таким образом, предполагается, что тёмная энергия, энергия вакуума и космологическая постоянная — это разные названия одного физического явления.

Ещё 26% массы-энергии Вселенной приходится на тёмную материю. Однако единственное взаимодействие, в котором тёмная материя точно участвует, гравитационное, поэтому напрямую тёмная материя не наблюдается, а проявляет себя в том, что, доминируя в галактиках и добавляя им массы, удерживает звёзды и газовые облака вместе (галактики вращаются с такой скоростью, что без дополнительной массы центробежные силы не позволили бы им оставаться целыми). И только 5% массы-энергии — это обычное (барионное), известное нам вещество.

Ещё одним известным предсказанием теории струн является многомерность Вселенной на микроскопических масштабах. В разных вариантах теории помимо 4-х измерений обычного пространства-времени, есть ещё от 6 до 22 компактно свёрнутых измерений. Как степени свободы, дополнительные измерения необходимы для объяснения многообразия колебаний квантовых струн и потому многообразия частиц и их свойств.

Другим следствием теории струн является то, что наблюдать природу на масштабе меньше размера струны (меньше планковской длины) оказывается невозможным, фактически такого масштаба нет. Согласно КМ, разгон частицы в коллайдере сообщает ей энергию, а значит, уменьшает длину её волны де Бройля, делая более точным инструментом наблюдения, позволяя выявить в наблюдаемом объекте более мелкие подробности. Однако на планковском уровне энергии струна, наоборот, начинает расти, размывая точность измерения. Другие, ещё более сложные и континтуитивные особенности теории струн менее известны — их трудно объяснить коротко с привлечением понятных аналогий.

Прямое подтверждение теории струн подразумевает проблемы с экспериментом того же порядка, что и поиск гравитона, так как пространственный масштаб исследований один и тот же — планковский. Эффекты теории струн становятся значимыми на планковском масштабе энергий (;1019 ГэВ). Для сравнения, Большой адронный коллайдер работает с энергиями порядка 104 ГэВ.

Другими словами, прямое подтверждение теории струн невозможно. Однако и с косвенным тоже есть проблемы. Дело в том, что на данное время ни один из вариантов теории струн не даёт каких-либо однозначных предсказаний, которые можно было бы проверить в эксперименте. Количества способов, которыми можно свести многомерные струнные теории к варианту 4-мерного мира составляет число с пятьюстами нулями — 10500. Это так называемая проблема ландшафта — существование в теории струн огромного числа математически возможных вариантов вакуума, каждый из которых задает свои законы физики. Причём возможно, что этих вариантов миров и вовсе бесконечное количество. Проще говоря, сейчас из теории струн следует что угодно, любой мир, на данное время теория струн нефальсифицируемая.

Теперь ещё раз вспомним об энергии вакуума, которая, согласно теории струн в её нынешнем виде, должна быть много выше, чем наблюдается в реальности. В то же время теория струн предлагает возможное решение этой проблемы.

Согласно теории струн, среди этих 10500 возможных миров могут быть и такие, где компактные измерения свёрнуты таким образом, что отрицательный вклад в энергию вакуума фермионов (частиц вещества — электронов, кварков) в той или иной степени компенсирует положительный вклад бозонов (частиц-переносчиков взаимодействий — фотонов, глюонов). В том числе и так, как в нашей Вселенной — почти полностью, делая энергию вакуума очень маленькой (напомним, она равна 10-26 кг/м;). Причина компенсации в том, что в исходном состоянии этих миров заложена суперсимметрия — у каждого фермиона есть зеркальный партнёр бозон, а у каждого бозона есть партнёр фермион. В нашей Вселенной эта суперсимметрия должна быть немного нарушена, оставляя небольшой, но ненулевой остаток энергии вакуума.

Если бы частицы-партнёры были обнаружены, то это стало бы косвенным подтверждением теории струн. Но всё-таки недостаточным, так как само по себе существование частиц-партнёров не обязательно требует теории струн, а главное — их наличие не решает проблему ландшафта. Теория струн предсказывает, что наша Вселенная содержит скрытые измерения, в которых вибрируют струны, и от того, как эти измерения свёрнуты, зависит то, каким будет мир. Поэтому подтверждение теории струн должно подразумевать проверку гипотезы о причинах той или иной свёртки измерений — но пока, как говорилось, на этот счёт в теории никаких гипотез нет.

Однако на доступных масштабах наблюдения частицы-партнёры не найдены. Возможно, их нет и теория струн неверна, возможно, частицы-партнёры надо искать на больших энергиях столкновения, и, возможно, что в поиске этих частиц необходимые энергии тоже будут выходить за рамки возможного.

И наконец теория струн всё равно не позволяет полностью решить проблему объединения ОТО и КМ. Решая, можно сказать, самую «насущную» задачу и устраняя из расчётов бесконечные вероятности, энергии и кривизну пространства-времени, теория струн тем не менее не объясняет, что такое пространство-время, не предлагает его квантового описания. Однако, согласно Эйнштейну, пространство-время создается самой материей. Материя говорит пространству-времени, как надо искривляться, а пространство-время говорит материи, как надо двигаться. Поэтому, как уже говорилось, настоящая квантовая гравитация должна быть фоново-независимой — пространство, время и материя должны выводиться в этой теории одновременно, то есть быть логическим следствием её базовых положений, возникать в теории как одно целое. Однако в теории струн пространство-время изначально является только внешним элементом — заранее заданным фоном, на котором движутся струны.

Поэтому ещё одним направлением объединения ОТО и КМ является развивающий теорию струн голографический принцип. Это ещё более необычный подход к решению проблемы объединения, чем теория струн. Голографический принцип, можно сказать, развивает теорию струн и в этом смысле.

Начнём издалека и прежде всего вспомним слова И. Канта — «В каждой естественной науке заключено столько истины, сколько в ней математики». Потому что неважно, как «выглядит» явление, то есть как оно представлено в образе, модели. Главное, чтобы у теории была предсказательная сила. Иными словами, по сравнению с предсказательной силой, вопрос того, есть ли что-то в реальности или это просто удобная фантазия, отходит на второй план. В квантовой теории есть известный пример такого подхода.

Это виртуальные частицы.

Виртуальные частицы играют роль непосредственных переносчиков взаимодействий. Они «сообщают» другой частице, что ей надо делать — приближаться или удаляться, то есть притягиваться или отталкиваться.

История их появления в физике следующая.

Отталкивание и притяжение — это следствие энергетической выгоды, постоянного перераспределения энергии в пространстве-времени. В случае отталкивания частицам энергетически выгоднее разлетаться, а в случае притяжения — сближаться. Образно говоря, если частицы сближать, то в случае отталкивания между ними растёт энергетический холм, а в случае притяжения энергетическая яма, стенки которой становятся всё более крутыми по мере уменьшения расстояния между частицами.

Виртуальные частицы в этом описании возникли как следствие упрощения точного математического выражения, описывающего динамику полей. В этом упрощении (диаграммах Фейнмана) появляется бесконечный ряд слагаемых, каждое из которых можно представить так, словно в процессе взаимодействия рождаются и исчезают объекты, обладающие некоторыми свойствами реальных частиц. В то же время другие свойства этих частиц выглядят столь необычно, что выделяются своей необычностью даже на фоне и так необычной квантовой физики. Например, для них не выполняется стандартная связь между энергией и импульсом: виртуальная частица может иметь сколь угодно малую энергию при сколь угодно большом импульсе и наоборот, из-за чего в расчётах возникают такие величины как отрицательная и мнимая масса.

В силу своих необычных свойств виртуальные частицы принципиально ненаблюдаемы, их аномальные свойства есть только в рамках уравнений. Причём все эффекты, где они вроде бы нужны, в принципиальном смысле могут быть описаны в рамках динамики непрерывных квантовых полей. Поэтому до сих пор не существует общепринятого мнения о степени их реальности — это реально существующие частицы или просто удобный способ математического описания реальности. Однако эта неопределённость не мешает использовать идею виртуальных частиц в качестве удобного языка для описания взаимодействий, резко снижающий громоздкость вычислений.

Но вернёмся к голографическому принципу. Он разрушает представление о том, что реально, а что нет ещё больше, чем виртуальные частицы.

Первостепенная важность предсказательной силы — это не только странные объекты за пределами наблюдаемого мира, но и странные миры в качестве самого мира наблюдаемого. Иными словами, в основу теории может быть положена совершенно разная математика, лишь бы теория «работала» — давала верные предсказания течения явлений, в зависимости от начальных условий, а не описывала реальность «как она есть на самом деле», к тому же это всё равно невозможно.

Действительно, как оказалось, можно дать математическое описание абсолютно не похожего на наш мира, тем не менее оно будет нашему миру полностью эквивалентно и даже будет более простым. Другими словами, изнутри эти миры будут неотличимы, понять в каком из них мы действительно живём, можно только в случае если взглянуть на всё со стороны — но это невозможно. Поэтому что считать «нашим миром», может целиком зависеть от выбора удобной математики. Выражением этих идей стали работы учёных Леонарда Сасскинда (одного из создателей теории струн), Хуана Малдасены и других.

В 70-х годах прошлого века, благодаря работам Якова Бекенштейна и Стивена Хокинга, стало понятно, что максимальное количество информации, которое сможет вместить чёрная дыра, пропорционально площади её горизонта событий (двумерной поверхности), а не объёму, как вроде бы должно быть. Дело в том, что если попытаться втиснуть куда-нибудь слишком много информации, то этот объект в конечном итоге сколлапсирует в чёрную дыру, и как только это произошло, информационная ёмкость перестанет определяться объёмом, а станет определяться площадью горизонта событий чёрной дыры, потому что любая упавшая в чёрную дыру частица будет приводить к увеличению её горизонта событий. Это предел Бекенштейна, он считается фундаментальным.

На этом теоретическом основании Герардом Хофтом в 90-е годы был сформулирован голографический принцип, который гласит, что сумма информации в любой области пространства пропорциональна площади ее границы, по аналогии с тем, что именно так бывает с голограммами, когда на двумерной пленке содержится вся информация, необходимая для воссоздания трехмерного изображения.

И наконец в те же 90-е годы Сасскинд обобщил голографический принцип на всю Вселенную. Согласно этому представлению, голографический принцип сопоставляет одни физические законы, которые действуют внутри Вселенной, с другими, верными на её границе. При этом на границе измерений всегда на одно меньше, чем внутри, однако физика на границе и физика внутри полностью эквивалентны, несмотря на совершенно различные способы описания.

Вопрос, сколько конкретно измерений на границе нашей Вселенной, не является очевидным, потому что неочевидным является само наличие этой границы. Дело в том, что наша Вселенная — это пространство де Ситтера, такое пространство ускоренно расширяется, поэтому его граница находится где-то в бесконечном будущем. Наоборот, пространство анти-де Ситтера, к которому применим голографический принцип, искривлено внутрь (обладает отрицательной кривизной), оно всегда одинаковое, с чёткой границей. Граница пространства анти-де Ситтера имеет три пространственных измерения и одно временное, а пять скрытых измерений на границе описываются через квантовые свойства частиц (размерность самого пространства анти-де Ситтера 4+1 и ещё 5 скрытых измерений). Например, геометрия вселенной анти-де Ситтера такова, что в ней возможно прохождение светового луча вдаль на бесконечное расстояние и обратно за конечное время. В итоге неясно, как определить голографическую теорию для нашей Вселенной, если в ней нет подходящего места для голограммы.

Тем не менее (как минимум если проводить аналогию с пространством анти-де Ситтера) голографический принцип предсказывает, что на границе действует уже известная квантовая физика, поэтому на границе нет гравитации, нет искривления пространства-времени, нет черных дыр или гравитонов. Внутри же всё это возникает следствием того, насколько сильно запутаны частицы на границе. В результате если физика на границе может быть представлена уже существующей квантовой теорией поля без гравитации, то законы внутри — это та же самая теория, но «вывернутая наизнанку» и предстающая в виде сложнейшей и фактически ещё не созданной теории струн.

Теперь обратим внимание, вероятно, на самый необычный момент этой необычной теории. Согласно голографическому принципу, физическая реальность — это именно граница, а гравитация, искривление пространства-времени или чёрные дыры — это всего лишь его эмерджентное свойство, то есть то, что нам кажется. Иными словами, мир един, нет двух разных миров, и «мир на границе» — это просто более фундаментальное описание природы, которое мы открыли таким вот странным образом, обратив внимание на взаимосвязь информации и поверхности в чёрных дырах.

Если это кажется невероятным, то вспомним, о чём мы недавно говорили — можно выбирать любой мир. Можно считать, что тот мир, который на границе, — это просто удобная математика, а если выбирать мир на границе, то тяготение — это иллюзия.  Если же подобная «свобода выбора» всё равно кажется трюком, не имеющим отношения к реальности, то вспомним слова Канта — «В каждой естественной науке заключено столько истины, сколько в ней математики». И наконец не будем забывать, что пока эта математика в любом случае описывает не нашу Вселенную, так как в нашей нет места для голограммы, нет никаких экспериментальных подтверждений того, что наш мир — это голограмма или что-то подобное.
 
Однако даже мир на границе всё равно является фоново-зависимым, так как пространство и время в том или ином виде всё равно остаются внешним фактором. Гравитация исчезла, переместившись в свойства квантовой теории, но хвост в некотором смысле всё равно не вылез — природа самого пространства и времени осталась загадкой.

Направление, в котором полностью фоново-независимая формулировка, предположительно, имеет перспективу — это М-теория, а также её развитие — проект «It from Qubit» («Всё из кубита», запущен в 2015 году). Вместо струн в М-теории мембраны, она должна объединить пять версий теории струн, предполагая, что это предельные описания одного и того же мира. И на ещё более фундаментальном уровне находится концепция «It from Qubit». Где Вселенная — это уже чисто математическая структура квантовых кубитов, которая сама по себе не находится в пространстве и времени, но пространство и время возникают как эмерджентное свойство их запутанности. Однако в обоих случаях работа упирается не просто в сложность расчётов, а в отсутствие даже подходящего математического аппарата. Поэтому до объединения далеко, а проект «It from Qubit» завершился в 2023 году, распавшись на исследования более частных задач.

Но этот аппарат возможен?

Вспомним ранее сказанное про «самый богатый» язык, который становится всё более необходим по мере приближения к теории всего и который на самом деле не язык. Действительно, как только мы убираем из теории внешнее пространство и время, всё ближе и ближе подбираясь к теории всего, пытаясь свести пространство и время к языку самой теории и, таким образом, фактически всё более и более явно выходим за рамки пространства и времени, становясь его внешним наблюдателем, мы одновременно теряем возможность формулировать законы физики на каком-либо человеческом языке, так как он создан для выражения того, что внутри пространства и времени. А не человеческого языка — того, который «самый богатый», метаязык по отношению ко всем мыслимым языкам — у нас нет. Поэтому приближение к теории всего естественным образом должно становиться всё более и более трудным, проявляя себя как в росте сложности математического аппарата теории, так и в проблемах с самим аппаратом.

Теперь рассмотрим другой подход к объединению ОТО и КМ и проверим, совпадут ли выводы.

Подход к объединению ОТО и КМ, описанный выше, можно назвать последовательным. Последовательным приближением к фоново-независимой теории, которая в едином ключе опишет макромасштаб пространства-времени и микромасштаб массы-энергии. Как мы и предсказывали, это приближение становится всё более сложным, трудности практического и интеллектуального характера стремительно растут, неизменно оставляя фоново-независимую теорию в гипотетической перспективе.

Другой подход — это создание сразу фоново-независимой теории. Или, точнее, основания такой теории, каковое затем последовательно приближать к полноценной теории, обладающей предсказательной силой.

Данный подход реализован в петлевой квантовой гравитации (ПКГ). Петлевая — потому что, согласно этой теории, пространство образуют переплетённые между собой квантовые петли планковских размеров (спиновая сеть). ПКГ — это самый известный конкурент теории струн. Если говорить совсем коротко, то ПКГ тоже очень сложна, носит ещё более незавершённый характер, чем теория струн, многие наблюдаемые параметры приходится задавать искусственно, теория их не объясняет. Однако особенностью ПКГ является то, что внешнего пространства-времени в ней нет изначально — потому что в основании ПКГ находится уравнение Уилера — Девитта, которое является фундаментальным уравнением канонической квантовой гравитации.

Исторически первая концептуально завершённая попытка квантования гравитации была предпринята в 1967 году. Это уравнение Уилера — Девитта, которое описывает многообразие всех возможных трёхмерных геометрий Вселенной, как их суперпозицию. Проще говоря, это волновая функция геометрии Вселенной, а переплетённые между собой петли — это кванты пространства.

Волновая функция описывает вероятность событий, при этом все они сосуществуют одновременно — находятся в состоянии суперпозиции — вспомним, каждая частица с некоторой вероятностью есть везде и во всех возможных состояниях сразу. Поэтому уравнение Уилера — Девитта, рассматривая сразу все возможные варианты геометрии Вселенной (которая, вспомним, связана в массой-энергией) как их суперпозицию, становится, таким образом, волновой функцией всего.

Но в мире, который полностью описывает волновая функция, ничего последовательно происходить не может. В таком мире не может быть понятий «раньше» или «позже», в этом мире всё уже произошло и ещё ничего не происходило, он ещё только рождается и уже прекратил своё существование, поэтому в мире, где есть все его возможные состояния сразу, течению времени просто неоткуда взяться. Действительно, из уравнении Уилера — Девитта следует, что волновая функция Вселенной статична, не меняется во времени. Время в чисто квантовом мире не течет.

Посмотрим внимательнее.

Если представить пространство-время ОТО как целое, то всё прошлое и будущее в этом объекте (такой объект называется блок-вселенная) тоже «уже есть». Но разница с волновой функцией Вселенной принципиальная. В ОТО время геометризировано — оно одно из измерений, временная координата четырёхмерного мира, где три остальные измерения пространственные. Поэтому если взять пространство-время как целое, то, естественно, что такой объект будет включать в себя всё прошлое-будущее так же, как и всё пространство. Таким образом, в мире ОТО время не исчезает, а остаётся координатой, и реально присутствует в уравнениях.

Более того, в любой теории, которая описывает всё, должно выводиться всё прошлое и будущее, то есть всё прошлое и будущее в такой теории должно «быть» одновременно, в её формулах. ОТО — это именно такая теория, которая описывает всё. Однако делает она это слишком грубо, на большом масштабе, игнорируя микромир. Что в результате оставляет её очень далеко от реальной теории всего.

Тем не менее, как кажется, если мы всего лишь уточним масштаб описания природы в ОТО квантовым уровнем, то мы получим и теорию всего, и время от этого, естественно, никуда не исчезнет, оставшись по наследству от ОТО.

Однако фундаментальная проблема в том, что в ОТО один мир. ОТО — это «классическая» детерминированная теория, все события в ней жёстко и однозначно причинно-следственно связаны. Тогда как волновая функция всего уравнения Уилера — Девитта содержит все возможные миры сразу. А о том, как происходит выбор одного конкретного наблюдаемого нами мира из всего неисчислимого сонма возможных, ни сама КМ, лежащая в основании уравнения, ни тем более ОТО ничего не говорят. В результате время исчезает, ведь сонм возможного так сонмом возможного и остаётся, ничего конкретного не происходит, нет ни одной осуществившейся истории.

Потому что, чтобы что-то происходило, КМ нужен субъект. Это субъект видит конкретный мир и, таким образом, это для него происходит что-то конкретное и для него течёт время. В самой КМ время — это внешний фактор, фон, на котором происходят события квантового мира, квантовая система никак не влияет на ход часов. Иными словами, время в КМ остаётся там же, где и субъект — вне теории.

Поэтому посмотрим ещё внимательнее.

За рамками уравнения Уилера — Девитта ничего внешнего нет, это волновая функция всего. Но если ничего внешнего нет, то, естественно, и наблюдателя тоже нет. Однако в КМ внешний наблюдатель (то есть невыводимый в рамках самой КМ) присутствует более чем явным образом. КМ описывает мир как суперпозицию всех возможных состояний, субъект видит одно конкретное, как происходит выбор, теории неизвестно. То есть, по крайней мере на данное время, факты говорят о том, что у нас есть или волновая функция, или наблюдаемый классический мир, а остальное лишь догадки. Следовательно сейчас, чтобы наблюдаемая реальность не исчезла и путь от теории к наблюдаемому миру оставался, субъект и коллапс в любом случае необходимы, представая как внешний наблюдатель и его «способность» видеть один конкретный мир.

В результате желание применить правила КМ, сами по себе явно не годящиеся для описания субъекта, сразу ко всей Вселенной (и, следовательно, субъекту в том числе) приводит к противоречию. Суть которого в том, что это попытка наблюдать самого себя, используя инструменты, которые сами требуют внешнего наблюдения. Как следствие, исключая внешнего наблюдателя, в квантовом мире, который описывает уравнение Уилера — Девитта, ничего не происходит, время исчезает.

Проверим.

Если необходимость внешнего наблюдателя — невыводимого в рамках самой теории субъекта — это действительное свойство КМ, то попытка применить КМ к описанию всего должна естественным образом столкнуться с исчезновением динамики и, соответственно, времени. Потому что есть только потенция, в которой и прошлое, и будущее сосуществуют одновременно — но субъекта нет, коллапса нет, а значит, никакая конкретная история не выделена, ничего не происходит, время стоит. И действительно, ПКГ, распространяя КМ на всё, включая субъекта, закономерно приходит к тому, что вместе с субъектом из этого мира исчезает и какая-либо динамика, время не идёт, в квантово-механической Вселенной без субъекта ничего не происходит.

Теперь обратим внимание на следующее.

Как мы уже говорили, ОТО Эйнштейна описывает всё, включая наблюдателя, но делает чрезвычайно обобщённо, без каких-либо подробностей, наблюдатель в этой теории — такая же абстрактная масса-энергия, как и Луна. КМ, наоборот, описывает мир в подробностях, но при этом не описывает гравитацию и, как выясняется, субъекта. Таким образом, обе эти теории далеки от теории всего: первая — по причине слишком общего описания всего, вторая — потому что на описание всего и не претендует.

Но попытка их объединить — это как минимум большой шаг к теории всего, которая не просто невозможна на практике, а не имеет смысла. Поэтому мы естественным образом получаем то, что должны — парадоксы и противоречия.

Суть этих парадоксов и противоречий можно выразить через теорию всего: приближение к такой теории — это рост трудностей практического и интеллектуального характера.

Или «через субъекта».

Например, если ОТО не претендует на описание субъекта по причине слишком общего описания, то чем масштаб описания становится меньше, тем всё более явно в этом описании должен проявляться субъект. Кажется, так и происходит — чем глубже мы исследуем материю, тем лучше понимаем и себя, так как подчиняемся тем же законам физики и состоим из тех же элементов, что и окружающий нас мир.

Но, как мы выяснили в начале главы, итог этого пути — теория всего — в точности равна описанию субъекта (сознания), и ни то ни другое не имеет смысла. Поэтому на практике не субъект всё больше проявляется в теории, а наоборот — модели фундаментальных теорий всё больше его исключают, так как всё меньше соответствуют реальности, и одновременно по этой причине становясь всё менее подходящей основой для применения ко всему. Иными словами, чем дальше мы двигаемся в сторону теории всего, тем меньше можем на неё рассчитывать.

В случае теории струн, голографического принципа, М-теории и проекта «It from Qubit» мы последовательно приближаемся к фоново-независимой теории. И это приближение естественным образом становится всё более сложным и контринтуитивным. В случае ПКГ мы сразу начинаем с фоново-независимой теории, рассчитывая её доработать, со временем объяснив все её нынешние проблемы, — и сразу сталкиваемся с противоречиями.

Идеи, как должно возникать время, в ПКГ есть, но они далеки от того, чтобы стать теорией по сути так же, как интерпретации КМ далеки от реального объяснения коллапса. Потому что дело не в пути и не в теориях, а в том, что или неполнота, или противоречивость станет итогом любой попытки написать теорию всего. 

Теперь вспомним, что мы пробуем вывести проблему измерения «без физики» и обратим внимание на то, что никакая теория, включая описанные выше, не имеет её решения. Образно говоря, проблема измерения остаётся нерешённой ни под границей, ни на границе. А также очень похоже, что проблема измерения — это просто следствие непознаваемости субъекта. Того, что чем больше мы познаём мир, тем всё более явно субъект становится внешним наблюдателем, который в рамках теории невыводим, но при этом он необходим для согласованности теории с наблюдаемым миром. Но если так, то, может быть, идея нефизичности проблемы измерения действительно имеет основания? Тем не менее пока не будем делать выводы.


1.2.4. Математизация

Итак, на примере проблемы объединения ОТО и КМ мы рассмотрели две составляющие утраты фундаментальным познанием смысла. Это трудности практического характера, связанные с тем, что фундаментальные исследования требуют всё больше материальных и энергетических ресурсов, стремясь к неосуществимым, и это трудности интеллектуального характера, связанные с ростом сложности теорий, которые, закрашивая одни белые пятна, неизменно порождают новые, стремясь к идеям такой сложности, что для них просто нет языка.

Но мы сделали не только это. Необычные миры перспективных теорий привели нас к ещё одному элементу утраты познанием смысла — математизации.

Математизация сама по себе — это не рост сложности теорий, то есть математизацию нельзя напрямую отнести к трудностям познания интеллектуального характера, и это, естественно, не трудность практического характера. Математизация — это непосредственное проявление растущего рассогласования между описанием и реальностью по мере приближения познания к теории всего. Вспомним, мы говорили об этом в начале главы: по мере приближения к теории всего сам язык теорий становится всё менее адекватен природе. Поэтому рассмотрим математизацию подробнее, как явление в целом.

Кажется, сама по себе математизация естественное явление — мы описываем мир строгими математическими формулами, подставляя в которые значения начальных условий, можем очень точно предсказывать течение явлений. В свою очередь, возможность точно предсказывать течение явлений позволяет использовать их в технологиях и устройствах, повышая качество жизни людей. В результате авторитет науки, её языка (математики) и её метода (эксперимента), растёт.

Однако к этим положительным моментам добавляется и то, что мир фундаментальных теорий начинает всё больше отличаться от мира сознания. Мир, осязаемый, твёрдый и упругий, всё больше превращается в «бесплотные» математические формулы, всё больше представая как только математический объект, не имеющий никакой механической, «вещественной» природы.

Но эта вещественная природа есть, она реальность — пружина упругая, камень твёрдый, противоположные заряды что-то непосредственно тянет друг к другу. А значит, как бы это ни казалось странным и даже фантасмагоричным, упругость упругости должна возникать и в формулах — в записи, в языке. Мы должны «читать» в формулах упругость упругости точно так же, как в формулах теории упругости мы читаем предсказание динамики упругих тел при тех или иных нагрузках.

В том числе мир теорий теряет не только природу механическую, но и какую-либо представимую тоже — мы только что наблюдали все это на примерах — становясь миром всё более необычным, невозможным, контринтуитивным, по этой причине вызывающим толкования и интерпретации. И наконец в пределе стремясь к тому, чтобы кроме математики не осталось вообще ничего — уравнения следовали бы строго сами из себя, математика стала неотличима от физики. 

В этом пределе математика перестанет быть языком, которым мы описываем явления природы, и сама станет явлением природы, разница между языком и объектом описания исчезнет. Но этот предел сколь недостижимый, столь и противоречивый, бессмысленный, например, из-за самореференции (когда некое понятие ссылается само на себя). Никаких реальных объектов, через отношения которых можно формулировать утверждения, в теории всего быть уже не может, всё станет только языком, одной вселенской формулой. Но любая формула выражает отношения того, что находится за рамками этой формулы, иначе она станет вещью в себе, бессмысленной.

Таким образом, и с точки зрения математизации мы наблюдаем те же самые тенденции к утрате познанием смысла. Которые усиливаются, несмотря на рост точности предсказаний или свободу в выборе математики, описанную на примере голографического принципа. Связь теорий с наблюдаемым миром становится всё более абстрактной, чисто математической, не реальной. Теории всё больше предстают как только странный, неоднозначный и контринтуитивный инструмент предсказания, а не описание природы. Давая всё более и более сложные ответы на одни вопросы, они всё равно порождают другие, ещё более сложные.

И всё же.

Вспомним голографический принцип или ещё более максималистский проект «It from Qubit», согласно которому пространство-время — это эмерджентное свойство более фундаментальной структуры запутанных квантовых кубитов. Если даже само пространство-время эмерджентно, то чего уж говорить про упругость упругости, которая внутри него. Вот и ответ? Эмерджентность?

Однако если объявить что-то эмерджентным свойством, то это или всего лишь констатация непонимания подробностей явления, или в теории должно последовательно выводиться, как данное «эмерджентное» свойство возникает. Но тогда отпадает необходимость объяснять что-то эмерджентностью, потому что её нет. Поэтому вывод тот же — не наш мир эмерджентный, а язык не может его выразить. И это становится всё более заметно, в том числе и во всё более явной необходимости «эмерджентностей» по мере приближения к теории всего.

В заключение главы ответим на ещё один вопрос.


1.2.5. Стоит ли расстраиваться?

Принцип относительности, конечная скорость передачи взаимодействий и в результате связь движения, времени, массы и энергии, если подумать, очевидны и сами по себе, так и должно быть, вопрос лишь в количественной мере этой связи, её конкретных обстоятельствах. Другими словами, парадоксы ОТО (парадокс близнецов, относительность одновременности, искривление пространства и т. д.), по сути, не парадоксы, а естественные следствия вполне очевидных положений, лежащих в основании теории. Парадоксами их делает только то, что эти свойства физической реальности для нас слишком непривычны, так как незаметны на непосредственно наблюдаемых масштабах.

Иное дело КМ. Волны вероятности, которым совершенно невозможно присвоить какую-либо материальную природу, никак не могут быть следствием каких-либо очевидных представлений о мире, и только невозможность как-то ещё объяснить наблюдаемое в экспериментах заставляет принять такую модель.

Но при этом ОТО и КМ — это две фундаментальные теории, описывающие природу на макро- и на микромасштабе. Получается, выводы этой главы об утрате познанием смысла касаются только одной из фундаментальных теорий?

Отчасти мы уже дали ответ на этот вопрос ранее, сейчас его уточним. Ранее мы сказали, что ОТО и КМ сами по себе далеки от теории всего. Однако одна из этих теорий всё-таки к ней ближе. Вспомним, утрата смысла происходит по мере приближения знания к теории всего. Но теория всего — это описание материи на элементарном уровне. Поэтому вполне естественно, что и заметна эта тенденция более всего в КМ.

В итоге, действительно, как мы и утверждали, по мере приближения к теории всего фундаментальное познание «теряет смысл» — становится всё более интеллектуально и материально затратными. И на некотором этапе оно неизбежно станет уже полностью невозможным — «потеряет смысл» окончательно.

Стоит ли расстраиваться? Возможно, но это не точно. Как ни странно, описанное сейчас движение познания «не туда» на самом деле движение именно «туда», в единственно возможную «хорошую» сторону.

Потому что пока не всё ещё понято, теория всего не создана, то всегда будет оставаться надежда — узнать больше, понять природу глубже, найти новые возможности, чтобы сделать жизнь ещё лучше. В том числе, может быть, описывая мир в качественно новых теориях, исследуя его новыми методами, в новых формах познания, которые дополнят существующие сейчас религию (мифологическая форма познания), философию, искусство и науку. А вот создать теорию всего — это как раз предел познания, конец надежд.

Поэтому бессмысленность теории всего — это всего лишь бесконечность познания, выраженная и в том, что когда-нибудь всё начинает требовать обновления, развития, качественного перехода к новому, эволюции — в том числе и познание, иначе застой и действительно утрата смысла. Точно так же противоречивость множества всех множеств и потому невозможность построить этот объект — это бесконечность математики, её идей и теорий, а не проблема, которая делает математику бессмысленной.

Но если переход к новой форме познания невозможен, наука — это последняя форма, то да, вероятно, застой где-то близко. Если же нет, то впереди нас ждёт какое-то новое, качественно иное знание, аналогично тому, как качественно иным знанием является научная теория по отношению к философской доктрине или философская доктрина по отношению к религиозному учению.

Можно ли сейчас понять, возникнет ли новая форма познания и какой она будет? Для ответа вспомним, что в ходе истории первое, максимально глобальное, обобщённое и интуитивное представление о мире, сформулированное в религиозном учении, далее уточняет развёрнутое логическое исследование качественных сторон бытия философии, и наконец возникает наука, атрибутом которой является эксперимент и строгий математический язык, исследующая мир в конкретных явлениях и количественных параметрах. Можно ли представить в этом ряду что-то новое? А можно ли было представить науку в эпоху философии? Можно ли логически вывести то, что призвано эту логику сломать?

Каждая форма познания связана с развитием ещё одного контекста восприятия мира, в котором новый метод исследования (интуитивный выбор, логический вывод, точный эксперимент) и связанный с этим методом новый тип знания (религиозное учение, философская доктрина, научная теория) приобретал ясный смысл. Это мир живой — «такой же, как я», в котором уместно наблюдение и интуиция, как стремление разгадать намерения этого мира, о чём-то его просить или что-то обещать, а не исследовать его как объект. Это мир умопостижимый — в ту эпоху, когда мир субъективный и объективный ещё не имели нынешнего разделения, — в этом мире разумна логика, как познание мира непосредственно. И это мир механистический, внешний по отношению к изменчивому субъекту, имеющий строгие законы, воспроизводимый при повторении условий, мир точных знаний — в котором появляется смысл у эксперимента. Можно ли воспринимать мир как-то ещё? Может быть, мир «такой, как я хочу» искусства и виртуальной реальности?

Религия, как интуитивно созданный ценностный фундамент, помогла сформировать социум; философия способствовала широте и свободе мысли, дискуссионности знания, развивала рациональное мышление; наука — это точные предсказания протекания явлений и конкретные технологии. Что даст человеку новая форма?

Время, на котором каждая форма познания является ведущей, сокращается, появление новых форм познания происходит всё быстрее: религия возникла вместе с человеком, философия в VI веке до н. э., наука в XVII веке. Новая форма будет ещё короче? Искусство тоже форма познания, его атрибуты — фантазия, метафора, и оно ещё не было ведущей формой познания. Это что-нибудь значит? Или качественный переход будет более глобальным, и нынешний тренд «от общего к конкретному» сменит новый тренд, новый виток «от длинной религии к короткой науке» на неком новом уровне? Может быть, новая форма познания будет как-то связана с использованием искусственного интеллекта?

Возможно, но всё это тоже неточно. Точно можно сказать только то, что любая форма познания будет связана с повышением качества жизни людей, так как это единственный и одновременно самый общий критерий истинности знания, а без критерия истинности никакое познание невозможно. Каждая форма познания повышала качество жизни по-своему, по-своему это будет делать и новая форма, если, повторим, эволюция в этом направлении вообще возможна (формы познания подробнее рассмотрены в статье «Эволюция форм познания», ссылка на неё в главе «Дополнительно»).

Теперь вспомним о традиции задавать вопросы без ответа, о том, что мы уже задавались вопросом, есть ли качество жизни у ИИ, и зададимся похожим вопросом. А живой ли, собственно говоря, ИИ? Может быть, ответ в том, что жизнь и ИИ — это принципиально разные физические системы? Или чтобы быть живым, необязательно быть живым? Если медведь орёт как утка и на горшок ходит утячий, то разве он не утка? Наверняка для кого-то ответ будет очевиден и заключён в словах — толерантность, равноправие, инклюзивность, разнообразие. К тому же с такой уткой всё равно сложно спорить. Или это другое? Часть ответа есть уже в следующей главе, но в целом связи жизни и ИИ посвящена вторая часть статьи.

Но что это всё значит для проблемы измерения? Отвечать на этот вопрос пока рано. Вначале нужно рассмотреть ещё один объект и добавить в изложение необычности. Потому что если решение проблемы измерения могло бы быть обычным, проблема измерения уже давно перестала быть проблемой.


1.3. Сознание

В этой главе перейдём ко второй части аргументации.

Теория всего — это такая теория, которая опишет элементарный уровень материи, то есть материю «как она есть на самом деле», так как элементарный уровень материи лежит в основании всех других явлений. И если теория всего не имеет смысла, то элементарный уровень материи непознаваем. Что «на самом деле» представляет из себя реальность узнать нельзя, ответ на этот вопрос не имеет смысла.

Непознаваемость элементарного уровня материи означает, что никакие основания мира непредставимы, не имеют смысла. Это ни детерминизм, ни случайность, ни теория струн, ни квантовая механика, ни что-либо ещё, что можно хоть как-то сформулировать. Как уже говорилось, из бессмысленности теории всего — то есть из бессмысленности знания, каким «на самом деле» является мир — следует, что любая идея, чтобы иметь смысл, должна иметь границы применимости — границы её расширения на время и пространство, за которыми она свой смысл теряет — и на уровне элементарного уровня материи смысл теряет любая идея.

В том числе, заметим, и сама эта идея тоже. Если любое знание, чтобы иметь смысл, должно иметь границы применимости, то и сама идея, что любое знание, чтобы иметь смысл, должно иметь границы применимости, тоже должна иметь границы применимости. Однако тогда что же — получается, знания могут и не иметь границ применимости? Мы ранее говорили, что внимательный читатель наверняка уже заметил этот парадокс. Если вывод, что все знания должны иметь границы применимости, сам должен иметь границы применимости (он же тоже знание), то это означает, что знания могут границ применимости и не иметь. Тем не менее этот парадокс легко разрешим.

Вывод, что теория всего не имеет смысла, это утверждение обо всём, но смысл оно при этом имеет — его смысл находится в границах предпосылок, из которых он следует. Иначе говоря, этот вывод основан на нынешних знаниях, а нынешние знания не равны теории всего. То же самое со следующим из него выводом, что все знания, чтобы иметь смысл, должны иметь границы применимости. А вот продолжение цепочки и новый вывод, что в таком случае знания могут и не иметь границ применимости, но при этом они могут иметь смысл, наоборот, смысла уже не имеет, так как он опровергает своё основание в виде вывода, что знания должны иметь границы применимости, чтобы иметь смысл, а именно этот вывод был основан на аргументах (что теория всего не имеет смысла). В итоге вывод, что знания могут не иметь границ применимости, опровергая своё основание и, таким образом, не имея никаких аргументов, повисает в воздухе и сам теряет смысл.

На всякий случай ещё раз обратим внимание, что элементарный уровень материи не просто непознаваем — на практике, а именно не имеет смысла, непознаваем принципиально. Это означает, что ни в каком представимом виде теория всего существовать не может, элементарный уровень материи нельзя описать, не может быть такого языка, который бы позволил это сделать, иначе и невозможна теория всего была бы только на практике. К этому же выводу мы пришли и раньше — язык теории должен быть максимально богатым, а значит, максимально неясным, теряя тем самым свойство языка выражать что-то конкретное или даже вообще «что-то». Но тогда это и не язык, никакой предсказательной силы у такой «теории» не будет.

Теперь выполним обещание, данное нами в предыдущей главе, и добавим в изложение необычности.

Вспомним, в начале предыдущей главы мы пришли к выводу, что теория всего равна теории сознания. Это значит, что элементарный «атом» сознания — это и элементарный «атом» материи. Иными словами, сознание как таковое — это и есть элементарный уровень материи. Реальность как она есть на самом деле — это мы.

Следовательно, сознание тоже нельзя выразить никаким языком?

Как ни странно, действительно нельзя. Красноту красного цвета в принципе не объяснить тому, кто не видел ничего красного, звук скрипки не объяснить тому, кто никогда не слышал скрипки, вкус черешни не почувствовать через запись, как в записи не возникнет радость или энтузиазм, сколько бы и каких бы слов ни написать. Никакая физика или биология ничего не говорит о том, как тепловое движение молекул, сигналы рецепторов или активность мозга становится ощущением теплоты.

Невыразимость квалиа языком общеизвестна, но всё же проверим, потому что это свойство квалиа столь необычно, что оно постоянно ускользает от внимания и нигде не обсуждается. В результате, подтверждая собственную необычность и с этой стороны тоже, несмотря на общеизвестность, это свойство квалиа парадоксальным образом мало кому известно. О нём, попросту говоря, мало кто слышал.

К примеру, предположим, сознание — это некое «пространство». Сможем ли мы сопоставить каждой его точке свойство иметь некоторый оттенок красного цвета? Нет, не сможем. Предположим, мы попробуем каждому оттенку красного назначить число — номер, связанный с неким оттенком красного цвета. Но как в числе увидеть цвет? Понадобится образец цвета — на каждый мыслимый оттенок. Однако разделение цвета на оттенки будет во многом субъективным, зависеть от особенностей личного восприятия, как следствие, неоднозначным. Но язык математики строгий, однозначный. А как разделить шкалу от радости до грусти? От «всепоглощающего энтузиазма» до «глубокой апатии»? Что будет образцом? Ещё более непонятно, как быть с самоощущением. У него вообще есть оттенки? Невозможность договориться — это как раз следствие того, что квалиа нельзя формализовать, выразить языком, в том числе, естественно, языком математическом, формулами.

Но принципиально невозможно формализовать только элементарный уровень материи, все другие «уровни» нельзя если только на практике, потому что противоречивой является только теория всего. Таким образом, сделанный ранее вывод о равенстве теории всего и теории сознания сейчас тоже подтверждается. Сознание — это и есть элементарный уровень материи, материя как она есть на самом деле и ничто другое.

Действительно, алгоритм — это язык, инструкция, которая говорит нам, что сделать, чтобы получить некий результат, решить задачу. В научной теории этот алгоритм заключён в формулах теории, написанных на строгом математическом языке. Например, в случае теории упругости, подставляя значение начальных условий, можно предсказывать поведение упругих твёрдых тел при статических и динамических нагрузках. Но в случае упругости самой по себе предсказывать нечего, упругость упругости — это не явление природы, не динамика чего-то, каковую динамику можно вычислить, используя некоторый алгоритм, упругость упругости — это само это «что-то». Точно так же, как краснота красного, твёрдость твёрдости, больность боли или радостность радости. Поэтому вполне естественно, что сколько бы слов ни написать, ни твёрдость, ни радость в записи не возникнет — а вот предсказание возникнет, и мы его прочитаем.

В результате, как помимо абстрактной упругости, которая выводится в теории упругости, есть и реальная упругость — упругое сопротивление давлению, которое мы ощущаем, так же, помимо абстрактной длины электромагнитной волны, которая соответствует красному цвету, есть и реальная краснота — та самая, которую мы ощущаем. И если это есть, то, как кажется, всё это тоже может быть описано. Но это невозможно, потому что упругость упругости или краснота красного — это материя как она есть, элементарный уровень материи. Чтобы упругость упругости или краснота красного возникла в описании, описание должно стать столь точным, чтобы стать не описанием, а самим явлением. Но стул не появится в нашей голове, как бы точно мы его ни представляли, знание и реальность отличаются всегда качественно.

Очевидно сказанное и с других точек зрения.

Во-первых, если описание элементарного уровня материи не имеет смысла, то, следовательно, на элементарный уровень материи нельзя мысленно посмотреть «со стороны», представить его, чтобы его описать. Именно поэтому он и невыразим в какой-либо теории, модели, элементарный уровень материи может быть только самим собой и ничем иным. Верно, сознание именно такое — сознание тоже нельзя представить, посмотреть на сознание со стороны, так как все «стороны» лежат внутри сознания, любое представление будет самим сознанием. Поэтому сознание тоже невыразимо в какой-либо теории, модели, то есть само по себе сознание, квалиа — это не знание и оно не может быть знанием, сознание может быть только самим собой.

Во-вторых, как говорилось ранее, описание элементарного уровня материи равносильно самому богатому языку. И это вроде бы противоречит сказанному в предыдущем абзаце, так как, получается, описать элементарный материи всё-таки можно, пусть даже этот язык будет неясным. Однако «самый богатый язык» не просто не позволяет выразить на нём что-либо конкретное, «самый богатый язык» — это, по сути, всего лишь иначе сформулированная бессмысленность теории всего, по мере приближения к которой требования к языку становятся равносильны требованию «не языка», чтобы описать то, что нельзя описать языком. Вспомним «немыслимый метаязык», который выходит за рамки всех мыслимых языков, — это суть тот же «не язык», просто другими словами. Поэтому всё верно: невыразимое никаким языком сознание — это и есть материя как таковая.

И наконец, в-третьих, очевидно, что слова сами по себе не имеют никакого смысла — это просто звуки или следы краски на бумаге. Но мы ощущаем смысл, он есть в нашей голове, в нашем сознании, смысл — это ощущение обобщённой перспективы ситуации, её значения, то есть это наши чувства и эмоции. Поэтому вполне естественно, что смысл — и вместе с ним всё остальное квалиа — словами выразить нельзя. 

Разве что обратим внимание на следующее.

Сознание «устроено» так, что мы как будто «наблюдаем» образы со стороны — со стороны своего эмоционально-мотивирующего самоощущения (нашего Я). Воспринимаем образы как будто на экране, на который «мы» смотрим. Что противоречит сказанному выше о том, что сознание нельзя представить, наблюдать со стороны — получается, что по крайней мере образы наблюдать можно.

Конечно, на самом деле это всего лишь неверная интерпретация работы мозга, в мозге нет ни глаз, ни экранов.

Кратко противоречивость интерпретации с наблюдателем в мозге можно объяснить аналогией с центром управления. В центре управления уже не может быть других центров управления, иначе центр управления в конечном итоге превратится в точку. Эта аналогия говорит о том, что если для мышления необходимо разделение «мыслящей системы» на наблюдателя и экран (то есть разделение на что-то мыслящее и не мыслящее, управляющее и управляемое, наблюдающего и наблюдаемое), то и наблюдатель в этой системе тоже должен внутри себя делиться на наблюдателя и экран — и так до бесконечности, иначе мышление станет невозможным, ведь для мышления нужно разделение. Поэтому на самом деле никакого разделения нет, весь мозг — это одна биологическая нейронная сеть, упорядоченный неравновесный континуум веществ и химических реакций, имеющий нейросетевую организацию, который мыслит весь целиком, как одно целое. А иллюзия с наблюдателем и экраном имеет другое и достаточно простое разрешение. Как она возникает, вкратце написано в главе «Сознание и мозг».

И всё же, не слишком ли радикален вывод, что сознание и материя как таковая — это одно и то же?

На это мы ещё раз скажем, что данный вывод очевиден — и подтвердим сказанное ещё одним очевидным аргументом. В физической реальности нет и не может быть ничего, кроме физической реальности. Наше сознание, наше Я, точно так же не может быть ничем иным. Принципиально разные сущности попросту не будут никак взаимодействовать, поэтому не будут существовать друг для друга. Но сознание коррелирует с работой мозга, а значит, мозг и сознание — это одна реальность. Только мозг, как орган — это то, что мы видим, воспринимая мозг «снаружи» посредством сигналов рецепторов, а сознание — это тот же мозг, но «изнутри» самого мозга, то есть сознание — это сам мозг непосредственно, материя мозга как таковая. А не что-либо внешнее, дополнительное, к мозгу приставленное. Разница лишь в глубине — ввиду описанных выше проблем познания, мы не можем заглянуть в материю мозга так глубоко, чтобы увидеть там сознание.

Но, может быть, сознание всё-таки не равно мышлению? Однако в этом случае возникают противоречия. Например, очевидно, что оттенки сознания, его динамика, должна коррелировать с ходом мышления, иначе окажется, что сознание само по себе. Поэтому если мы что-то чувствуем, ощущаем, понимаем, то это должно иметь отражение и в мыслительном процессе. Однако если сознание сложнее мышления, то окажется, что какие-то элементы динамики сознания, получается, никак не связаны с ходом мышления, то есть существуют именно сами по себе. А если сознание проще мышления, то, описав сознание, мы сможем выводить всё мыслимое, но, как было показано в начале второй главы, это означает, что мы построили теорию всего, больше строить будет нечего, всё уже построено, а значит, и мышление во всех его подробностях тоже будет в этой теории выводимо. Таким образом, сложность сознания и мышления в точности равна, то есть сознание — это и есть процесс мышления.

Теперь приведём ещё один аргумент о том, что сознание нельзя описать никаким языком. Он достаточно сложен. Обратим внимание, в том числе данный аргумент говорит, что сознания ни у какого искусственного интеллекта быть не может.

В скобках обратим внимание, здесь и далее искусственный интеллект и искусственные нейронные сети (ИНС) — это цифровые вычислительные системы, к каковым относятся все современные и перспективные системы ИИ. Аппаратные нейронные сети, в том числе аналоговые нейроморфные, рассмотрим в главе «Аналоговые нейроморфные нейронные сети» и «Рост неопределённости», на выводы это не повлияет. Поэтому если нет уточнения про аналоговые, под «вычислениями» в статье также следует понимать цифровые вычисления.

Итак, аргумент.

В основе систем искусственного интеллекта лежат искусственные нейронные сети. Искусственная нейронная сеть — это определённого рода алгоритм (недетерминированный), то есть это язык (алгоритм — это инструкция, написанная на некотором языке), её можно реализовать программно или аппаратно, а сеть с обратными связями можно заменить сетью только с прямыми (хотя это может быть неоптимально, так как разные функции проще реализовать в соответствующей архитектуре). Поэтому если можно создать ИНС, не менее сложную, чем мозг человека, то в принципиальном смысле работу такой вычислительной системы тоже можно будет организовать по-разному при том, что результат вычислений будет одинаковым. Однако несложно заметить, что в этом случае не остаётся места сознанию.

Например, если предположить, что сознание есть во всех системах, которые выполняют одну и ту же функцию, и оно во всех этих системах одинаковое, то сознание, следовательно, зависит только от функции, которую выполняет система, ведь организация у всех этих систем разная. Но это значит, что сознание не материя, то есть его нет, так как функция — это не материя. Если предположить, что у разных систем, выполняющих одну и ту же функцию, сознание разное, отражая их разную организацию, или есть только в системах какой-либо определённой организации, то сознание, следовательно, никак не зависит от функции — ведь функция у всех систем одна и та же. Но это опять означает, что сознания не существует, так как тогда получается, что сознание зависит только от организации системы, но организация, схема — это тоже не материя. Сознание не может вдруг появляться из ниоткуда в зависимости от того, как мы располагаем детали системы. В итоге сознание превращается в нечто противоречивое, ему нигде нет места, оно не может существовать. Однако очевидно, что сознание есть и оно связано с работой мозга. 

Выход из этой парадоксальной ситуации в том, что сознание может быть только в невычислимых системах, то есть таких, описать работу которых сколько-нибудь точно в принципе невозможно, так как только в этом случае функцию и организацию системы будет принципиально невозможно сколько-нибудь точно отделить от материи системы. Потому что в этой системе функция и физическая реализация слиты воедино на самом фундаментальном уровне материи.

Этот вывод не делает сознание понятным, однако сознание перестаёт быть противоречивой сущностью, которой нигде нет места, и становится следствием высочайшей сложности мозга, выраженной в прямой связи процесса мышления с элементарным уровнем материи. Без описания которого представление о процессе мышления будет всегда оставаться в той же степени неполным и неточным, как далеки наши знания от теории всего. А так как наши знания будут далеки от такой теории всегда качественно, то так же неполны и неточны всегда будут наши представления о мышлении, предсказания работы мозга в принципе возможны или только в самом общем виде, или на очень короткий срок.

В продолжение этого аргумента заметим следующее. Что на самом общем уровне представляет из себя наше сознание? Это континуум абстракций разного уровня, начиная от общего самоощущения и более выраженных эмоций до конкретных образов. То есть это нечто целое, некий упорядоченный внутренний объём, пространство. Теперь вспомним, что представляет из себя биологическая нейронная сеть — это упорядоченный неравновесный континуум веществ и химических реакций, имеющий нейросетевую организацию, который функционирует как одно целое. Корреляция очевидна. Если попробовать углубиться в уже известные подробности работы мозга (сделаем это в главе «Сознание и мозг»), она станет ещё более очевидной.

Но ИИ — это, наоборот, последовательность вычислений, ничего «целостного», никакого «упорядоченного объёма» или «континуума вычислений» в процессоре нет. Что ещё раз подтверждает принципиальную разницу между алгоритмами и той системой, где они все возникают.

Сказанное про сознание очевидно и с ещё одной точки зрения. Сознание как таковое, квалиа само по себе — это не теория, не знание, не модель чего-либо. Воспринимаемые нами образы «состоят» из квалиа — как гребни волн в океане тоже состоят из воды, но само квалиа уже не может быть ничем иным, кроме самой физической реальности, материи непосредственно, ведь кроме неё ничего нет.

Наоборот, все остальные явления как те или иные образы сами по себе — гребни волн океана мышления — это как раз модели того мира, который мы воспринимаем посредством рецепторов, феноменологические проявления этого мира, а не материя как таковая. Поэтому, например, чем точнее будет становиться модель сознания (если бы это было возможно), тем больше она должна будет терять конкретику, финитизм — и, как следствие, смысл, так как будет становиться просто самим сознанием — гребни волн будут растворяться в воде, становясь просто водой. Другими словами, язык теории будет становиться всё более богатым и тем самым всё менее осмысленным.

Это опять же означает, что теории, чтобы иметь смысл, не могут описывать сознание, представление о реальности должно принципиально отличаться от реальности как она есть. Вспомним «наглядный аргумент» из второй главы о бесконечности познания — познание себя равносильно рисованию себя, рисующего себя, рисующего себя... Действительно, его наглядность недостаточна, так как парадоксальность такого «рисования» не бросается в глаза. На самом деле, как мы выяснили, познание двояко: с одной стороны, по мере познания предсказания становятся всё точнее, с другой — мир моделей не равен миру реальному, реальный мир совсем другой, непредставимый, иной.

Карта — не территория. Только абсолютно точная карта станет территорией, но тогда она перестанет быть картой. Наше знание — это карта, реальность — территория, знание никогда не станет тем явлением, которое оно описывает, потому что это принципиально невозможно. Как бы точно мы ни представляли стул, он не появится в нашей голове, как бы точно мы ни описывали упругость, она не возникнет в формулах. Упругость упругости, краснота красного, приятность приятного — это территория, материя как она есть, элементарный уровень материи; теория упругости, электромагнитные волны, представление о работе мозга — это карта, наше знание, реальным явлением оно никогда не станет. Поэтому упругость упругости, краснота красного, приятность приятного невыразимы никаким языком, непознаваемы.

В заключение главы обратим внимание на ещё одно обстоятельство, своеобразное, но тоже важное. Бессмысленность теории всего кажется более или менее очевидной и сама по себе. Как это так — можно знать всё? В этом явно есть какой-то подвох. И действительно, теория всего противоречива. Но возможность описания сознания сама по себе бессмысленной вроде бы не выглядит. Почему бы не создать теорию сознания, выразить квалиа формулами? Это же просто какое-то обычное, «частное» явление. Но, оказывается, бессмысленность этих теорий одинаковая, более того, это одна и та же теория. Всё это может быть нелегко понять (или, точнее даже, принять), даже несмотря на аргументы.


1.4. Новая интерпретация

Все предварительные аргументы приведены. В этой главе обобщим их и сделаем окончательный вывод о проблеме измерения и новой интерпретации КМ.

Итак, в главах выше мы подметили, что по мере того, как мы проникаем в материю всё глубже, увеличивается рассогласование между описанием природы возможным и описанием адекватным. В результате отличие мира, который следует из фундаментальных теорий, от мира реального растёт. При этом мир теорий становится всё более и более странным, неоднозначным, контринтуитивным. И всё более математическим — бесплотным, абстрактным.

В том числе мы установили, что всё это означает и усиление тенденции на исключение из мира теорий субъекта (сознания). Мир фундаментальных теорий — это мир моделей, а субъект, сознание — это реальность как она есть, материя как таковая, поэтому именно по отношению к субъекту и возникает рассогласование между теориями и реальностью. В результате мир фундаментальных теорий — это мир, где субъект невозможен, где его нет, так как физические теории в принципе не способны описать реальность как она есть на самом деле, или, другими словами, описать сознание, материю как таковую, элементарный уровень материи.

Однако очевидно, что одновременно с ростом тенденции на исключение субъекта из теории в той же степени растёт и противоположная тенденция — важность включения субъекта в теорию. Потому что если в поверхностном описании многое можно упростить и не учитывать, то чем описание глубже, тем точность важнее. В результате, вследствие столкновения этих взаимоисключающих тенденций, на некотором этапе фундаментальное познание станет невозможным.

Связь этих тенденций с субъектом естественным образом означает и то, что по мере приближения к теории всего переход от нереального мира теорий к реальному миру субъекта должен становиться всё более скачкообразным и загадочным. Потому что переход от «ничего» к «чему-то» — от контринтуитивной математической абстракции к миру яркому, чувственному, осязаемому, твёрдому и упругому — другим быть и не может. «Ничего» не может «постепенно» в каком-либо физическом процессе трансформироваться во «что-то». Поэтому переход и должен быть необъяснимым и происходить мгновенно: есть или «ничего», или сразу «что-то».

При этом переход должен быть связан с наблюдением, так как он происходит только в представлении субъекта. Поэтому пока в исследуемой системе «нет субъекта» её эволюция, может быть, и странная, но никаких парадоксов не возникает — вспомним эволюцию волновой функции. Но в измерении субъект явным образом появляется — именно он наблюдает результат измерения — и парадоксы появляются тоже. Именно в этот момент возникает необходимость «совместить несовместимое» — перевести не реальный мир теории в реальный мир сознания субъекта. Естественно, это возможно только скачком и естественно, что переход должен быть связан с наблюдением.

Причём сам момент этого перехода должен быть неясен, потому что ясность в этом отношении равносильна пониманию конкретных обстоятельств перехода, то есть возможности установить связь сознания и физической теории — реальности и её модели, материи и знания о ней, точно вывести одно из другого — но это невозможно, так как равносильно построению теории всего. И этот переход должен происходить независимо от нашей воли — в том смысле, что мы в принципе не должны видеть ему альтернативы, потому что это также равносильно возможности установить связь модели и реальности.

Всем этим особенностям удовлетворяет коллапс волновой функции.

В ходе которого «из ничего» — из абстрактной волновой функции, которой совершенно невозможно присвоить какую-либо физическую природу, эволюция которой вне измерения плавная и детерминированная, скачком возникает «что-то» — частица, корпускула, как «начало» реального мира. При этом коллапс происходит где-то и как-то между моментом взаимодействием измеряемой системы и прибора и моментом осознания результата измерения субъектом.

В итоге все признаки проблемы измерения КМ налицо. И мы действительно вывели их только из границ и тенденций познания.

В заключение первой части приведём две цитаты. В них высказаны идеи, которые данное изложение в некотором смысле развивает.

Вначале слова Поля Дирака — английского физика-теоретик, одного из создателей квантовой механики, лауреата Нобелевской премии по физике 1933 года. В книге «Принципы квантовой механики» (1930), рассуждая о возможности описания квантовых явлений законами классической физики, он высказал следующую точку зрения: «Волны и частицы должны рассматриваться как две абстракции, полезные при описании одной и той же физической реальности. Не следует думать, что в реальном физическом мире существуют и волны, и частицы и что можно построить механизм, действующий в согласии с классическими законами, который описал бы правильно связь между частицами и волнами и объяснил движение частиц. Всякая попытка построить такой механизм противоречила бы тем принципам, на которых основаны успехи современной физики. Квантовая механика стремится только формулировать свои законы таким образом, чтобы из них можно было заключить совершенно однозначно, что именно должно случиться при тех или иных заданных экспериментальных условиях. Было бы бесполезно и бессмысленно стремиться проникнуть в отношения между частицами и волнами глубже, чем требуется для достижения этой цели.»

И слова известного физика Дэвида Мермина (автора популярной шуточной интерпретации КМ «заткнись и считай»). В статье «What’s Wrong with this Quotation?», представляя критический взгляд на многомировую интерпретацию (ММИ), он настаивал, что волновая функция в ММИ является частью объективного мира, а он видит в ней лишь математический инструмент. «Волновая функция — это творение человека, — говорит Мермин. — Ее назначение — дать нам возможность осмысливать результаты наших макроскопических наблюдений. Моя точка зрения прямо противоположна многомировой интерпретации. Квантовая механика — это средство, позволяющее нам делать наши наблюдения понятными, а говорить, что мы находимся внутри квантовой механики и что квантовая механика должна быть применима к нашему восприятию, — нелогично».

Подведём итог.

Субъект, как точка отсчёта, по отношению к которой все знания возникают, не может быть обычной частью физического описания мира. Иначе знания утратят смысл, станут просто средой, материей, как ей является сам субъект. Поэтому субъект, сознание, квалиа — это реальность, материя, а его знания — это модели реальности, разница между ними всегда качественная, принципиальная. Образ объекта — его модель — никогда не станет реальным объектом в нашей голове, сколь подробно его ни представлять, сколько бы глубоко его ни исследовать. Как бы точно ни описывать мир, в записи не возникнет ни упругость, ни свет, ни радость.

И по мере познания несоответствие между реальностью и моделью должна только расти, так как теория всего, к которой познание стремится и которая объединит в одно целое реальность и её модель, не имеет смысла.

Как следствие, чувственная, яркая, осязаемая материя вместо того, чтобы всё точнее и точнее проявляться в фундаментальных теориях, всё более становясь реальностью, наоборот, предстаёт в них всё более и более этим свойствам противоположной. Стремясь к объектам всё более абстрактным, странным и контринтуитивным, лишённым уже не просто какой-либо вещественной природы, как можно представить силы, но и какой-либо природы физической, материальной, как можно представить волну де Бройля, потому что именно по отношению к свойствам сознания растёт неадекватность моделей фундаментальных теорий. В результате возникает проблема измерения, устранить которую невозможно уже ни в какой будущей теории.

Этап познания, когда в том или ином виде должна возникать проблема измерения, видимо, неизбежен. И вероятно, что в КМ мы к нему уже пришли. Если это действительно так, то никого коллапса, как физического процесса, нет. Что на самом деле стоит за этой иллюзией узнать нельзя, да и это, может быть, не так уж важно — см. цитату Дирака. Поэтому представленную в этой статье интерпретацию можно назвать ещё и «окончательной», так как она отвергает все остальные интерпретации, нынешние и будущие. Разве что кроме копенгагенской, как самой простой, только констатирующей наблюдаемое.

В то же время познание должно прийти к проблеме измерения, потому что такая проблема есть его естественное следствие. Но пришло ли? Очень маловероятно, но всё-таки возможно, что проблема измерения КМ — это пока только лишь что-то очень похожее на «настоящую» нерешаемую проблему измерения. Поэтому у других попыток решить проблему измерения смысл всё-таки остаётся.



2. Пределы сложности искусственного интеллекта

Во второй части рассмотрим тему, связанную с выводами первой части. Эта тема — пределы сложности искусственного интеллекта. Понятно, в чём связь — если сложность нашего мышления равна теории всего, то воспроизвести эту сложность в машине, вероятно, будет непросто. Но возможно?


2.1. Вступительная глава

В этой главе обратим внимание на некоторые неочевидные взаимосвязи привычных явлений и сделаем некоторые предварительные выводы, которые подробнее рассмотрим в следующей главе.

Начнём с вопроса, на который сразу же попытаемся ответить. Вопрос следующий — можно ли обучить человека не чувствовать боль, страх, удивление, радость?

Очевидно, что нет. Всё это находится в нас на врождённом уровне, обучением туда не добраться, потому что обучение — это всего лишь изменение весов связей нейронов в нейронной сети.

Хорошо, тогда, может быть, эмоции можно будет устранить, если изменить саму нейронную сеть? Как-нибудь по-другому её организовать?

Однако если изменить саму нейронную сеть, то мы просто о стены станем стукаться, а мы-то хотим убрать только эмоции. Так убрать, чтобы поведение осталось в точности каким было, и только эмоции исчезли. Поэтому переформулируем вопрос точнее. Что нужно в нас убрать, чтобы не было эмоций? Или, другими, словами, где начинаются наши эмоции, из каких наших особенностей они произрастают?

Итак, попробуем найти начало эмоций.

Заметим, почему только эмоций, почему бы не сознания в целом? Палитры цветов, тактильных ощущений, звуков, запахов, нашего Я?

Ответим на это замечание так. Сознание образует единое пространство — начиная от самоощущения (нашего Я) и эмоций до конкретных образов. Уберём что-то одно, исчезнет и всё остальное. Не бывает просто ощущения себя, образов без эмоций или эмоций без образов. Поэтому, рассматривая источник эмоций, мы на самом деле рассматриваем источник сознания в целом. Если же это пока не очевидно, то… Давайте попробуем найти начало эмоций, а объяснение полного спектра психического восприятия — того, почему этот спектр именно такой — оставим для главы «Сознание и мозг». На выводы это всё равно не повлияет.

Обратим внимание, в предыдущей части статьи начало всех эмоций мы, собственно говоря, уже нашли — физическое начало квалиа (квалиа — это любое психическое переживание само по себе) находится на элементарном уровне материи. Точнее говоря, квалиа — это и есть элементарный уровень материи, так он «выглядит». Тем не менее сейчас нам эти выводы предыдущей части бесполезны — нам же сейчас не источник квалиа самого по себе нужен, а наших вполне определённых эмоций. Мы хотим узнать, в каких особенностях систем находится их начало.

Для этого посмотрим на эмоции внимательнее.

Мы увидим, что все эмоции имеют положительный или отрицательный оттенок. Потому что суть эмоций — психическое восприятие общей перспективы ситуации, её положительного или отрицательного значения для решения задач самосохранения, как самой общей, самой глобальной задачи всего живого. Также мы увидим, что эмоции всегда имеют мотивирующую составляющую. Например, боль сигнализирует нам о неком повреждении организма, грусть о неприятностях общего характера, заставляя в дальнейшем подобного избегать. Голод — это стремление искать пищу, радость — не просто избегать неприятного, а искать приятное, удивление — это стремление фиксировать внимание на необычном, чтобы лучше его запомнить, и так далее.

Поэтому, чтобы в корне убрать наши эмоции, надо убрать из нас стремление к самосохранению. Без этого стремления различие хорошего и плохого исчезнет. Ты не решил задачу и это плохо? Почему? Никакая конкретная задача не имеет смысла, если нет глобальной стратегической цели, настолько общей и всеобъемлющей, что все мыслимые конкретные задачи по отношению к ней являются частными, приобретая смысл в её контексте.

Да, в контексте опыта бывает и так, что люди видят смерть лучшим выходом в сложившейся ситуации. Но это не стремление именно умереть, в основании даже такого поведения всё равно находится стремление жить. Иными словами, нам всем приходится терпеть неудобства, делать что-то во вред себе — но не действительно во вред, а по принципу «через тернии к звёздам» — ради будущей выгоды, в надежде на лучшее, то есть опять же ради самосохранения. В том числе наш богатый и сложный опыт, его культурная и социальная оставляющая, позволяет ясно видеть «звёзды» и после смерти — как продолжение себя в своих потомках, памяти других людей, их сожалении, ощущении потери, идее рая, иной, лучшей жизни. И в каких-то ситуациях эти «звёзды» оказываются единственной оставшейся альтернативой всем остальным.

Но, заметим, это неполное объяснение смерти как жизни — у поступков, как кажется, идущих против самосохранения, есть и более глубокий уровень, где они предстают уже не просто лучшим выходом, а самим самосохранением непосредственно. Более того, как естественное завершение жизни самосохранением является даже смерть, смерть действительно становится жизнью, её продолжением. Этот уровень также будет рассмотрен в следующей главе.

Итак, мы выяснили, начало эмоций находится в нашем стремлении к самосохранению. Но только ли оно наше?

Верно, не только. Потому что стремление к самосохранению есть даже у одноклеточных. Это значит, что биологическая нейронная сеть и обучение только уточняет стремление к самосохранению под условия конкретной среды, а реализовано самосохранение глубже — не в каком-то конкретном органе или системе организма, а находится в самом основании жизни, потому что присуще жизни изначально, учитывая, что жизнь начинается с клетки, именно клетка является элементарным «кирпичиком» жизни.

Если стремление к самосохранению находится где-то в основании жизни, то убрать его из нас, очевидно, невозможно. А значит, нельзя убрать и эмоции. Уберём эмоции — исчезнет стремление к самосохранению, а вместе с ним и жизнь.

Теперь вспомним об ИИ.

Как мы выяснили, эмоции нельзя отменить обучением, потому что они глубже, чем веса связей нейронной сети. Следовательно, эмоциям нельзя и научить, например, тот же ИИ. Но, как мы тоже выяснили, эмоции и не в самой структуре нейронной сети, потому что эмоции связаны со стремлением к самосохранению, а это стремление есть у биологических систем и без мозга.

Но если так, то стремления к самосохранению у ИИ вообще быть не может. И, как следствие, и эмоций тоже.

Потому что ИИ моделирует только нейронную сеть мозга и только на самом-самом общем и поверхностном, можно сказать, максимально схематичном уровне, а самосохранение, как мы выяснили, находится где-то глубже, так как есть и у организмов без мозга, но глубже у ИИ ничего общего с жизнью нет. В организме нет ни процессоров, ни программ, организм — это упорядоченный континуум веществ и химических реакций, ИИ — это последовательность шагов выполнения программы в процессоре. Поэтому если мозг действительно только уточняет самосохранение под конкретные условия среды, а не образует его единолично, то ИИ, следовательно, уточнять попросту нечего.

Вот такой у нас получился ИИ. Бесстрашный и бесчувственный.

Однако сразу возникает вопрос. Нет у ИИ стремления к самосохранению, нет эмоций — и ладно. Может, так даже лучше. Но, с другой стороны, без стремления к самосохранению нет хорошего и плохого, а если ИИ не различает хорошее и плохое — верное и неверное, ложь и истину, адекватное и неадекватное, опасное и полезное — то как же он будет существовать? Кто ему подскажет, как себя не угробить? Это сделаем мы, как делали это до сих пор? Но ведь это значит…

Но, кажется, уже есть что возразить. Потому что стремление к самосохранению есть у всего. К примеру, даже камень, реагируя на удар, до некоторой степени пружинит, упруго прогибаясь и возвращаясь в исходное состояние, не давая себя разрушить. Чем не стремление к самосохранению? Камень сопротивляется среде, проявляет волю, хочет жить. Да и вообще, он твёрдый, а это уже вызов среде. А если стремление к самосохранению есть у всего, то и эмоции есть у всего, и у ИИ всё это тоже есть. И убрать это всё ни из чего невозможно, потому что, сколько бы мы ни убирали, у того, что останется, всё равно будет оставаться и стремление к самосохранению, и эмоции. Таким образом, вывод, что у ИИ не может быть ни эмоций, ни стремления к самосохранению, ошибочен. Как и самосохранение, эмоции есть и у ИИ, и у стального швеллера.

Не станем опровергать это возражение. Вместо этого мы предлагаем читать дальше, потому что вступление закончилось, и мы переходим к основной части. По мере изложения вопросы, которые могут возникнуть после прочтения вступления, будут постепенно получать ответы. И с самосохранением тоже разберёмся.


2.2. Физические основания жизни

В предыдущей части речь шла о новой интерпретации КМ. Однако из сказанного там можно сделать ещё один вывод. Он состоит в том, что каждый субъект непознаваем в той же степени, как и вся природа. Как мы выяснили, сознание «находится» на элементарном уровне материи. Но теория всего, которая и призвана описать материю на элементарном уровне, не имеет смысла. Таким образом, действительно, ни субъект, ни природа в целом одинаково непознаваемы. К примеру, если бы мы были, наоборот, сами себе понятные, то мы могли бы предсказывать своё поведение (понять — это и есть научиться предсказывать), в том числе предсказывать свои будущие знания и, таким образом, могли бы знать то, что ещё не знаем. Это противоречие, которое разрешается непредсказуемостью самих себя и тех физических систем, которыми мы являемся.

Физические причины непредсказуемости и непознаваемости и следствия этого для развития ИИ будут рассмотрены ниже, а пока обратим внимание, что вывод о связи мышления с элементарным уровнем материи и сам по себе означает наличие у ИИ предельной сложности. Никакие устройства, которые создаёт человек, не могут быть сложнее его собственного интеллекта, а на практике могут к этой сложности только приближаться.

Почему? Наверное, в целом ответ уже понятен.

Если мышление происходит на элементарном уровне материи, то естественный интеллект (ЕИ) непознаваем в той же степени, как и сама материя. Поэтому представление о работе мозга всегда будет оставаться столь же поверхностным, сколь поверхностным всегда будет оставаться представление о материи. Причём эти ограничения носят не практический характер, а принципиальный: не может быть такого языка, которым бы можно было выразить элементарный уровень материи или, что же самое, описать ход мыслительного процесса во всех значимых подробностях.

Однако, в отличие от ЕИ, в работе ИИ никаких принципиальных загадок нет, любой этап его работы может быть описан. Это означает, что воспроизведению в системах ИИ тоже доступен только более или менее поверхностный уровень работы мозга, поверхностный уровень мышления, а по мере приближения к основаниям этой работы усложнение ИИ будет становиться всё более трудным, затратным и в конечном итоге остановится в точности так же, как, не достигнув теории всего, остановится познание.

Таким образом, ИИ сложнее нас не станет, это в принципе невозможно. Никакое устройство, работу которого хотя бы в принципиальном смысле можно выразить языком, сложности ЕИ не достигнет.

Для наглядности приведём простой пример стремительно растущей сложности по мере приближения искусственных систем к сложности биологических. Относительно легко можно получить материал, по лёгкости и прочности сравнимый с костью. Например, титан. Однако трудности уже совсем другого масштаба возникают в стремлении добиться того, чтобы искусственная кость могла расти или срастаться после повреждений.

Тем не менее, если присмотреться, возникают вопросы. Во-первых, нынешние выводы слишком абстрактные. Во-вторых, даже если они верные, то в чём конкретно будет выражаться простота ИИ, что именно будет ему недоступно из того, что умеем мы? Наконец почему бы не создать такой ИИ, который будет развиваться сам, обучаясь вначале на наших знаниях, а затем и на полученных самостоятельно? Неужели ИИ всё равно не сможет нас превзойти? Он крепкий, твёрдый, он сможет бороздить глубины и летать в космос без скафандра. Исследовать мир и обучаться ему наверняка будет гораздо проще, чем нам, и добиться он сможет большего. Поэтому всё-таки необходимо рассмотреть пределы сложности ИИ подробнее.

Так и поступим. И прежде всего ответим на вопрос — в чём заключается интеллект естественный? Зачем организму нервная система? Что, собственно говоря, ИИ требуется превзойти?

В строении простейших организмов можно различить внутреннюю структуру и внешний покров, состоящий из эпителиальных клеток. В ходе эволюции эпителиальные клетки дали начало одновременно нервным и мышечным клеткам. Из которых впоследствии возникла нервная и мышечная системы организма, состоящие из своеобразных, но функционально друг с другом связанных нервных и мышечных клеток.

Нервные клетки — это нейроны. Все нейроны нервной системы объединены в единую сеть, а самым значительным их скоплением является головной мозг. Сеть нейронов на входе имеет рецепторы внутренней и внешней среды, на выходе мышцы и железы. Функция нервной системы, таким образом, заключается в переводе чувствительности в двигательную активность, формировании тактики и стратегии этой активности, и чем сложнее мозг, тем сложнее может быть тактика и стратегия. Нервная система организует работу мышц и посредством желёз координирует с работой мышц работу остального организма.

В свою очередь, функционирование организма происходит в общем контексте стремления всего живого к самосохранению (а также размножению, но об этом стремлении скажем ниже, на выводы это всё равно не повлияет). Стремление к самосохранению задаёт контекст всем более частным действиям, как только тактике решения этой общей стратегической задачи всех биологических систем. Иными словами, в основании всего поведения не только человека, но и любой жизни, лежит стремление, постоянная активность, направленная на самосохранение. И нервная система отвечает за ту часть этой активности, которая связана с перемещением в среде, усложняя эту способность по сравнению с животными без нервной системы.

Таким образом, ИИ требуется превзойти нашу способность формировать тактику и стратегию поведенческих действий, направленных на самосохранение. Или, другими словами, нашу способность ставить задачи и решать их — в общем контексте стремления к лучшему качеству жизни, как можно обозначить стремление к самосохранению на уровне современного человека.

Но что это — стремление к самосохранению? Как оно возникает, где? И так ли оно нужно ИИ? Даже если без самосохранения у ИИ не будет эмоций, то нужны ли они ему? Возможно, ИИ без сознания — это даже лучше, чем ИИ сознающий, так как сразу исчезает множество этических проблем?

Рассмотрим самосохранение.

Поведение ИИ реализовано на логическом уровне устройства искусственной нейронной сети как цифровой вычислительной системы, описание которой — это обычная схемотехника, электроника, микросхемы, то есть так или иначе алгоритмы. В то же время стремление к самосохранению возникает на самом глубинном уровне жизни ещё как физической системы. По этой причине стремление к самосохранению есть не только у животных с нервной системой, но и у одноклеточных.

Более того, в элементарном виде стремление к самосохранению можно обнаружить даже у таких физических систем, которые от биологических чрезвычайно далеки, а описание этого стремления, то есть его воссоздание в каком-либо алгоритме, как ни странно, равносильно созданию теории всего.

Аргументируем сказанное. Но теперь без обращения к аргументам предыдущей части.

С точки зрения физики, как физическая система, любой живой организм (и биосфера в целом) — это диссипативная структура (или система, можно использовать оба этих понятия). Простейший пример диссипативной структуры — ячейки Бенара (см. рис. ниже). Другими известными примерами таких структур являются класс реакций Белоусова — Жаботинского, лазер, капельный кластер или циркуляция атмосферы.

Так как жизнь и ячейки Бенара — это одна и та же физическая система, ячейки Бенара можно использовать в качестве простой, наглядной модели жизни, организма. С жизнью их объединяет именно то, что нам в этой статье и нужно — общие принципы функционирования, организации. Поэтому далее рассмотрим ячейки Бенара, понимая при этом, что всё сказанное в принципиальном смысле относится и к жизни. Ячейки Бенара помогут нам аргументировать утверждения, сделанные выше, наглядно продемонстрировать физические основания жизни и в конечном итоге сделать выводы о перспективах искусственного интеллекта.

Ячейки Бенара — это возникновение упорядоченности в интенсивно подогреваемой кипящей жидкости, когда жидкость в какой-то момент самоорганизуется в цилиндрические валы, вращающиеся навстречу друг другу (как сцепленные шестерёнки).

При увеличении интенсивности нагрева каждый вал ячеек Бенара скачком распадается на два вала меньшего размера, и в пределе возникает турбулентный хаос. Иными словами, ячейки Бенара могут скачком «размножаться», или, если рассматривать систему ячеек Бенара как целое, усложняться.












а)                б)

Рис. 1. а) реакция Белоусова — Жаботинского, б) ячейки Бенара.

Суть поведения таких самоорганизованных структур — гомеостаз. Приведём определение гомеостаза из Википедии, на взгляд автора, вполне точное: «Гомеостаз — это саморегуляция, способность открытой системы сохранять постоянство своего внутреннего состояния посредством скоординированных реакций, направленных на поддержание динамического равновесия. Стремление системы восстанавливать утраченное равновесие, преодолевать сопротивление внешней среды, воспроизводить себя».

Заметим, представление о гомеостазе, как о явлении только биологического и медицинского характера, после работ Н. Винера, Э. Шрёдингера и И. Пригожина устарело, потому что не отражает его прежде всего физическую основу. В то же время в более широком смысле гомеостаз — это динамическое равновесие, сложная реализация этого принципа в открытых неравновесных системах, направленная на удержание стационарного состояния вопреки энтропии (диссипативные структуры уменьшают энтропию внутри себя за счёт её роста снаружи себя).

Теперь обратим внимание на чрезвычайную необычность явления — вероятность случайного появления согласованности в движении мириадов молекул абсолютно ничтожна, её можно считать равной нулю, то есть это попросту невозможно. Более того, согласованность не исчезает, появляясь и тут же тая, как тает знакомый образ в облаках, а поддерживается и усложняется, размножается. И в то же время ячейки Бенара — это вполне обычное явление, которое несложно воспроизвести. Их не может быть, но они есть.

Действительно, отражая это необычное единство противоположностей и в своём устройстве, ячейки Бенара — это внешне простое явление, никакой сложности в них не заметно, но, как будет понятно, одновременно это явление бесконечно сложное. Заметим, иначе и не могло быть, ведь ячейки Бенара — это мы, а наша сложность, как было показано в предыдущей статье, именно бесконечна.

Возникают ячейки Бенара скачком — сразу как целое, перестраиваются скачком и гомеостаз диссипативные структуры поддерживают тоже как одно целое. Несмотря на беспорядочные потоки кипящей воды вокруг, согласованность в движении молекул воды не исчезает, структура ведёт себя как одно взаимно координированное целое, поэтому чем сложнее самоорганизованная структура, тем сложнее будет и гомеостаз, ведь он не что-то от неё отдельное. Например, совершенно очевидно, что у ячеек Бенара нет каких-либо управляющих центров, откуда исходят команды, как им противостоять среде и не разрушаться, это та же самая вода, как и вода вокруг них, и тем не менее они не разрушаются.

На уровне сложности биологических систем и естественного интеллекта гомеостаз становится стремлением к самосохранению, как поведением, направленным на сохранение жизненных параметров, улучшение условий жизни, который точно так же, как и в случае ячеек Бенара, поддерживает вся структура биологической системы.

Итак, в глубинном основании всех биологических систем как диссипативных структур лежит гомеостаз, именно он образует наше «стремление к самосохранению» как функцию всей системы, функцию нас как целого. А камни, швеллеры и мешки с цементом обладают упругостью, но не гомеостазом, потому что они не являются ни открытыми системами, ни диссипативными структурами.

Теперь вспомним, ранее мы сказали, что сложность стремления к самосохранению равна теории всего. Теория всего — это описание элементарного уровня материи, а стремление к самосохранению — это, как мы сейчас выяснили, гомеостаз.

Так что же в гомеостазе такого сложного, почему его описание равносильно описанию элементарного уровня материи?

Ответ не будет коротким, потому что придётся рассмотреть ячейки Бенара подробнее, а учитывая их, таким образом, бесконечную сложность, сказать про них есть что. И не будем забывать, что одновременно мы рассматриваем самих себя.

Общей причиной образования диссипативных структур и, таким образом, движущей силой гомеостаза является интенсивный обмен системы со средой веществом/энергией. Диссипативные системы — это открытые системы. Их обмен со средой столь интенсивен, что в какой-то момент может произойти неравновесный фазовый переход — и вместо хаоса и разрушения, чего в первую очередь стоило бы ожидать от интенсивного обмена со средой, наоборот, происходит созидание. В беспорядочном движении молекул кипящей воды скачком появляется согласованность, упорядоченность — возникают диссипативные структуры, ячейки Бенара.

Но что особенного в интенсивном обмене со средой, откуда у него возникает свойство что-то созидать? Ответим опять же на примере ячеек Бенара.

Общей причиной самоорганизации является необходимость диссипации (вывода, утилизации, рассеивания) интенсивно поступающей в систему энергии/вещества. Попросту говоря, всему этому нужно куда-то деваться. А быстрее всего диссипация происходит, если молекулы жидкости двигаются согласованно, а не сталкиваются и мешают друг другу. Образно говоря, энергия в этом случае выводится «как по рельсам». Таким образом, появление в беспорядочной динамике упорядоченных структур — это само по себе вполне естественное и обычное следствие интенсивного обмена системы со средой. Это же объясняет, почему самоорганизация происходит скачком — например, ячейки Бенара появляются или размножаются/усложняются сразу как целое, без сколько-нибудь выраженных предварительных этапов. Потому что если ячейки Бенара будут возникать по частям, то, пока они формируются, диссипация, наоборот, будет затруднена, поэтому такой процесс сам собой произойти не может.

Непосредственной же причиной самоорганизации является рост количества и силы флуктуаций в системе по мере увеличения интенсивности обмена — молекулы воды сталкиваются, тормозят друг друга, возникают неоднородности, которые резко разрушаются и снова создаются. Флуктуации становятся сильнее, обширнее и начинают конкурировать за направления своего развития — при этом какие-то флуктуации друг друга взаимно подавляют, какие-то взаимно усиливают.

В результате в какой-то момент сам собой происходит отбор некоторых глобальных направлений движения молекул жидкости, после чего все новые флуктуации подавляются массами молекул, теперь уже согласованно движущихся по этим глобальным отобранным направлениям. То есть происходит самоорганизация, в движении молекул жидкости появляется самоподдерживающаяся согласованность, наблюдаемая в масштабах всей диссипативной системы, всего сосуда с жидкостью. В этом суть гомеостаза, способности диссипативных структур противостоять разрушению. Ячейки Бенара — это и есть такие самоорганизованные и самоподдерживающиеся «течения» кипящей жидкости внутри интенсивно нагреваемого сосуда.

Илья Пригожин, бельгийский физик российского происхождения, лауреат Нобелевской премии по химии 1977 года с формулировкой «за работы по термодинамике необратимых процессов, особенно за теорию диссипативных структур», описал самоорганизацию ячеек Бенара следующим образом: «Однако пока величина градиента температуры не превышает некоторого критического его значения, эти флуктуации гасятся и исчезают. Напротив, когда величина градиента температуры превышает его критическое значение, амплитуда некоторых флуктуаций возрастает, что в конечном счете приводит к формированию макроскопического потока. В результате возникает новый надмолекулярный порядок, по существу представляющий собой гигантскую флуктуацию, стабилизируемую благодаря обмену энергией между системой и окружающей ее средой. Это и есть порядок, характеризуемый наличием в системе диссипативных структур.» (Время, структура и флуктуации. Нобелевская лекция по химии. И. Пригожин, 1977).

А вот, что он сказал про реакции Белоусова — Жаботинского (в принципиальном смысле сказанное относится и к ячейкам Бенара): «Одной из наиболее интересных особенностей диссипативных структур является их когерентность. Система ведет себя как единое целое и как если бы она была вместилищем дальнодействующих сил. Несмотря на то что силы молекулярного взаимодействия являются короткодействующими (действуют на расстояниях порядка 10-8 см), система структурируется так, как если бы каждая молекула была „информирована“ о состоянии системы в целом. (…) Столь высокая упорядоченность, основанная на согласованном поведении миллиардов молекул, кажется неправдоподобной и, если бы химические часы нельзя было бы наблюдать „во плоти“, вряд ли кто-нибудь поверил, что такой процесс возможен. Для того чтобы одновременно изменить свой цвет, молекулы должны каким-то образом поддерживать связь между собой. Система должна вести себя как единое целое». (Порядок из хаоса. И. Пригожин, И. Стенгерс, 1986).

Действительно, порядок без жёстких связей выглядит странно и загадочно. Но, повторим, никакой мистики нет. Вследствие накачки системы энергией/веществом усиливаются флуктуации, растёт их количество, эти флуктуации уже не растворяются внутри системы, а растут, развиваются и всё больше мешают друг другу. Поэтому состояние системы становится высоко неравновесным — внутри себя система становится похожа на сжатую пружину, готовую в любой момент распрямиться. Или, точнее, на шпагу, которую поставили на остриё и давят сверху — в какой-то момент шпага дойдёт до критической точки, когда даже самое ничтожное усиление давления приведёт к тому, что её лезвие разлетится на кусочки.

Другими словами, в неравновесном состоянии у системы появляется свойство целостности (когерентность, коллективное поведение). Потому что чем ближе к критической точке неравновесного фазового перехода — эта точка называется точкой бифуркации, — тем больше система начинает вести себя как одно напряжённое чрезвычайно чувствительное целое, и потому переход к порядку система тоже совершает скачком, как одно целое. Ещё один пример — сход лавины. В критической точке максимального неравновесия (максимального напряжения, в точке бифуркации) самое ничтожное изменение параметров снежного пласта приведёт к обрушению его всего сразу.

Отличие от примеров со шпагой или лавиной в том, что в случае ячеек Бенара интенсивный обмен со средой не прекращается, поэтому флуктуации («разрушающиеся шпаги», «сходящие лавины») не затухают в объёме жидкости, а начинают конкурировать за направление своего развития — пружина быстро сжимается, неравновесное состояние растёт, система всё более представляет из себя одно чувствительное целое. И в конечном итоге энергия скачком высвобождается, и в какой-то момент теперь уже вся система, как одно целое, скачком переходит через точку бифуркации, происходит самоорганизация и начинается гомеостаз.

Теперь обратим внимание на одну важную особенность неравновесного фазового перехода. В точке бифуркации происходит качественное изменение поведения системы — в данном случае происходит самоорганизация, беспорядок сменяется порядком, возникает диссипативная структура. Но, ввиду чувствительности системы, зависит этот переход от самого что ни на есть ничтожного события — вспомним пример со шпагой или лавиной. Говоря строго, бифуркация — это качественное изменение поведения динамической системы при бесконечно малом изменении её параметров.

В свою очередь, «бесконечно малое изменение», от которого зависит выбор системы в точке бифуркации, — это изменение элементарное, самое маленькое. Иными словами, выбор системы в точке бифуркации происходит на элементарном уровне материи, напрямую от него зависит.

Переход в точке бифуркации — это, можно сказать, экстремальное проявление чувствительности к начальным условиям. Чувствительность к начальным условиям — это когда близкие траектории в фазовом пространстве отдаляются друг от друга с экспоненциальной скоростью, популярное название — эффект бабочки. В точке бифуркации разлёт траекторий происходит резко, так как скачком происходит полная, качественная перестройка поведения системы.

Чувствительность к начальным условиям выражает показатель Ляпунова. Если он ниже нуля, то фазовые траектории систем сходятся, разница между системами со временем нивелируется в одинаковом итоге их эволюции, поэтому малые погрешности в измерении не мешают прогнозировать их поведение. Если показатель Ляпунова выше нуля — и чем он выше, тем стремительнее растёт разница между системами с течением времени.

Рассмотрим пример с клеточным автоматом и игрой «Жизнь». Если в этой игре в первый ход изменить положение хотя бы одного пикселя, то через условные 100 тактов на экране возникнет совершенно другая структура. Это и есть чувствительность к начальным условиям. Минимальное изменение с каждым тактом игры стремительно разрастается, меняя в конечном итоге её ход полностью. Наоборот, если чувствительности нет, то изменение одного пикселя или не повлияет на ход эволюции, так и оставаясь локальным, или вообще исчезнет со временем.

В мире игры «Жизнь» изменение в один пиксель — это минимальное событие, элементарное, меньше него ничего быть не может, пиксели — это, можно сказать, «элементарный уровень материи» этого клеточного мира. Но даже самое минимальное изменение может менять его будущее полностью.

Так же и в реальном мире. Если система обладает чувствительностью к начальным условиям, то любое упрощение реального явления приведёт к тому, что предсказания очень быстро разойдутся с реальностью.

В свою очередь, из сказанного следует, что не ошибиться в предсказаниях поможет только одно — абсолютно точное измерение исследуемой системы, то есть её абсолютно точная модель. Но такое измерение невозможно, абсолютная точность не имеет смысла. Абсолютно точная карта — это сама территория, абсолютно точной моделью может быть только сама система.

А это означает, что уточнять измерения становится всё сложнее, ведь мы стремимся к невозможному — к абсолютной точности. Как следствие, предсказание поведения чувствительных к начальным условиям систем всегда ограничено качественно, изменить это невозможно.

Причём если говорить о переходе через точку бифуркации, то выбор системы в этой точке всегда будет выглядеть и вовсе полностью случайным, ничем не детерминированным. Дело в том, что конкретное поведение системы после перехода можно только угадывать, а если не угадать, то ошибка всегда будет носить качественный характер, ведь изменение поведения в точке бифуркации качественное, то есть мы угадываем не между более или менее похожими вариантами, а всегда между качественно разными.

Сформулируем ещё раз. Чем точнее мы можем измерить систему, тем точнее можем рассчитать её поведение, дальше заглянуть в её будущее. Но если есть чувствительность к начальным условиям, то это линейное представление работает нелинейно, так как только абсолютно точное измерение позволит не разойтись с реальностью. Поэтому каждое новое уточнение параметров системы позволит дальше заглянуть в её будущее — это верно, но только на чуть более длинный промежуток времени, за которым экспоненциально нарастающее отличие реальности от модели всё равно сотрёт все уточнения.

Например, по этой причине погоду нельзя предсказывать по дням более, чем на две недели, и удлинить этот срок сколько-нибудь значительно невозможно — вначале стремительно растёт вычислительная сложность модели, а далее в дело всё равно вступят различного рода принципиальные ограничения на точность измерения.

Заметим, чувствительность к начальным условиям — это важная характеристика хаоса. В научном смысле хаос (динамический, или детерминированный хаос) — это не просто беспорядок. Например, выпадение орла и решки при подбрасывании монеты — это именно просто беспорядок (стохастический процесс), набор отдельных бросков, чувствительности к начальным условиям в нём нигде нет. То же самое тепловое движение молекул — само по себе оно тоже ещё не хаос, а просто беспорядок, который описывается статистическими законами.

Хаос же возникает, когда система неустойчиво «блуждает» в некоторой области фазового пространства. Вследствие этой неустойчивости и, соответственно, чувствительности, любое изменение начальных условий приведёт к тому, что «блуждание» станет происходить иначе и отличие с течением времени будет только нарастать. Описывает хаос странный аттрактор. Странный аттрактор — фазовый портрет хаоса — это притягивающее множество неустойчивых  траекторий в фазовом пространстве системы. Проще говоря, это область фазового пространства, в которой происходит их неустойчивое «блуждание» (то есть траектории повторяются в целом, но никогда в точности). Эта область может быть чрезвычайно сложной, запутанной, в том числе включать переходы через точку бифуркации с резкими изменениями поведения или периодические режимы, между которыми система время от времени перескакивает. Простой пример странного аттрактора — бабочка Лоренца (откуда «эффект бабочки»), каждое крыло — это режим, фазовая траектория то неустойчиво крутится на одном крыле бабочки, то перескакивает на другое.

Теперь вспомним о диссипативных структурах. Возникают они как переход через точку бифуркации, поэтому ни предсказать, в какую сторону будет закручена ячейка, ни её конкретные параметры невозможно. Но и далее непредсказуемость сохраняется. Иными словами, диссипативные структуры непредсказуемы и когда они просто поддерживают гомеостаз.

Диссипативная структура — это высоко неравновесная система, находящаяся далеко от равновесия, то есть система чувствительная, она постоянно находится близко к точке бифуркации: если немного убавить нагрев, то она скачком исчезнет, если немного прибавить, произойдёт новый переход — система ячеек усложнится или в конечном итоге разрушится и возникнет турбулентный хаос. В этом состоянии происходящее на микроуровне системы не усредняется, а может масштабироваться — самая ничтожная флуктуация, бесконечно малое изменение параметров системы, может нелинейно отразиться на поведении всей ячейки. Иными словами, в неравновесном состоянии грань между микроуровнем системы и макроуровнем стирается, всё начинает влиять на всё. Поэтому после самоорганизации чувствительность к начальным условиям сохраняется, но теперь она ограничивается локальным уровнем «внутри» гомеостаза. В результате все ячейки Бенара похожи в целом, но поведение каждой ячейки непредсказуемо и индивидуально на частном уровне. Бифуркации и чувствительность к начальным условиям — это же и общая причина непредсказуемости и индивидуальности любого организма.

В свою очередь, сказанное означает, что никакой алгоритм отразить сложность реального поведения диссипативных структур не способен. Алгоритм — это инструкция, язык, отражение наших знаний. Но элементарный уровень материи не может быть знанием, он непознаваем: он — территория, знания — карта.

Поэтому модели диссипативных структур могут быть похожи на свой реальный прообраз в целом, качественно, но в реальном мире они окажутся слишком грубыми, так как их элементарный шаг изменений — это не реальный элементарный уровень материи, из-за чего их связь со средой не будет достаточно глубокой. И по этой причине она будет слишком простой — все модели не точны, они проще реальных явлений, но в данном случае упрощение, по сути, тоже качественное, так как мы в принципе не можем знать, что из себя представляет элементарный уровень материи, при том что поведение реальной системы от него зависит непосредственно и нелинейно.

Например, на самом глубоком уровне, известном на данное время, материю описывает квантовая механика. Но в КМ нет чувствительности к начальным условиям. Как мы говорили, чувствительность к начальным условиям является важной характеристикой хаоса, но хаос в КМ невыводим, теории квантового хаоса не существует. Жизнь действительно выходит за рамки какой-либо теории, все мыслимые теории для описания жизни слишком приблизительные.

Подтвердим сказанное ещё одним фактом — нашумевшим.

В сентябре 2026 года, ИИ от OpenAI решил одну из семи задач тысячелетия из списка Математического института Клэя (по некоторым оценкам третья по значимости после вопроса о равенстве классов P и NP и гипотезы Римана). Или, точнее говоря, одну из шести, так как гипотезу Пуанкаре в 2003 году доказал российский математик Г. Перельман. Так вот, ИИ обнаружил, что в уравнениях Навье — Стокса скорость течения в турбулентных вихрях может становиться бесконечной за конечное время, то есть взрывным образом возникает сингулярность. Уравнения Навье — Стокса описывают динамику жидкостей и газов, причём описывает их как сплошную среду, континуум. Сингулярности возникают в условиях экстремального хаоса — чрезвычайно сложного явления с сильной нелинейностью (где всё начинает влиять на всё, рост параметра ускоряет сам себя), поэтому решения для этих условий ранее не существовало.

В реальности сингулярностей, естественно, не наблюдается. Например, в жидкости рост скорости быстро приведёт к росту температуры, кавитации и разрушению вихря, похожие проблемы будут в газах и даже в сверхтекучих жидкостях.

Действительно, континуум — грубая модель, и там, где становится важен микроуровень, она выходит за границы своей применимости. Секретом это ни для кого не было, однако в большинстве научных и инженерных задач учесть микроуровень сколько-нибудь точно невозможно (это и неподъёмная вычислительная сложность модели, и в конечном итоге проблемы принципиального характера), поэтому уравнения Навье — Стокса имеют большое значение в физике, в инженерных и конструкторских расчётах, границы применимости более точных методов ещё более узкие.

Поэтому проблема не в том, что за границами своей применимости предсказания модели Навье — Стокса теряют смысл, а в том сингулярностей всё равно не должно было возникать. Именно поэтому вопрос сохранения гладкости решений уравнений Навье — Стокса в условиях сильной нелинейности является одной из задач тысячелетия, причём задачей математической.

Математический аппарат уравнений Навье — Стокса представляет собой систему нелинейных дифференциальных уравнений, которая связывает поле скоростей, давление, вязкость и внешние силы, действующие на жидкость. Эти уравнения полностью очевидны, заложенные в них идеи, по сути, не подлежат даже сомнению. В результате интуитивно очевидным казалось и то, что гладкие начальные данные в данном случае должны давать строго такое же гладкое решение, непрерывность континуума должна сохраняться. Но сингулярности были обнаружены, и это означает, что интуиция нас в чём-то сильно подводит, а аппарат дифференциальных уравнений содержит принципиальную неполноту или даже некорректность.

Другими словами, появление сингулярностей — это проблема математики, языка, нашей интуиции, на которой, собственного говоря, математика и построена. Но математика — это ещё и язык науки — и не только язык «описания» наблюдаемого, но и строгий формализм построения выводов, экстраполяции наблюдаемого в области наблюдению недоступные, способ получения новых знаний о природе. И в чём-то до сих пор очевидном этот формализм, видимо, дал сбой. Потенциально это означает, что выводы, которые сделаны с применением дифференциальных уравнений, могут содержать скрытую ошибку — а это уровень от космологии до квантовой физики, где дифференциальные уравнения являются главным языком описания.

Это проблема, значение которой пока малопонятно, потому что, ввиду очевидности дифференциальных уравнений, совершенно неясно, чего в них может не хватать или быть неверным. Вдруг оказалось, что у нас нет языка, который бы приводил к корректным решениям, и непонятно, как это могло произойти.

Скорее всего, некими косметическими средствами не обойтись, и нужны либо глобальные изменения математики в области дифференциального исчисления — а эта область огромна, либо придётся признать, что, ввиду некорректности самого языка, сделанные на нём выводы нуждаются в прямом подтверждении фактами более, чем это казалось ранее, потому что эти выводы могут оказаться всего лишь артефактами некорректного языка — в том числе как и запреты, которые накладывают формулы.

Теперь вспомним, что говорилось ранее о предсказании систем, чувствительных к начальным условиям — уточнять измерения становится всё сложнее, потому что мы стремимся к невозможному — к абсолютной точности. В чём этот рост сложности заключается? Как кажется, принципиальная невозможность абсолютно точного измерения сама по себе ещё не отменяет возможности бесконечно близкого к этому результату приближения. Однако на самом деле стул в нашей голове не будет всё более становиться настоящим стулом по мере того, как мы его всё лучше себе представляем, и он не возникнет в формулах — в математическом языке, сколько бы и каких бы слов на этом языке ни написать. Потому что, краешек каковой проблемы мы сейчас увидели на примере уравнений Навье — Стокса, границы применимости имеет сам язык. Действительно, к тем же выводам мы пришли в предыдущей части, сейчас их подтвердила практика.

Итак, мы подтвердили утверждение начала главы о том, что описание нашего стремления к самосохранению равносильно сложности теории всего. Действительно, сложность гомеостаза, который лежит в основании нашего поведения, невозможно выразить в алгоритме, алгоритм для этого слишком грубое средство. Эта грубость — суть качественного отличия ИИ от нас, которое в принципе невозможно устранить пока ИИ — язык, алгоритм, цифровая система.

Наоборот, наша чувствительность, способность качественно менять поведение, наша глубочайшая «встроенность» в среду приводит к тому, что, как и ячейки Бенара, жизнь на любом масштабе стремится к самосохранению, каковое стремление подавляет любые отклонения от этого направления, в том числе проявляя себя в способности отделять хорошее от плохого, вредное от полезного, рост качества жизни от его падения, верное знание и от ошибочного. Всё происходит в этом общем контексте — от эволюции до научного познания. Мы способны почувствовать самые слабые сигналы рецепторов или самую малую разницу во времени или степени их активизации — и построить путь, учитывая самые тонкие нюансы условий. В том числе «построить путь» от предпосылок к логическому выводу, замечая малейшие противоречия в опыте, после чего качественно и энергично изменить поведение, следуя новым идеям.

Однако пока не будем делать на этом выводе акцент — другие аргументы будут более наглядными.

Говоря о самоорганизации, необходимо упомянуть и о такой «особенности» этого явления, как неустранимая из представления о нём умозрительность, а также его «непонятность». Рассмотрим вначале умозрительность.

Понимать — это уметь предсказывать, что понятно, то и предсказуемо. Однако диссипативные структуры — это системы неравновесные, чувствительные. Флуктуации всё также важны для ячеек Бенара, как они были важны для их появления, только теперь флуктуации работают на гомеостаз. Посредством флуктуаций, способности неравновесной системы масштабировать происходящее на микроуровне в динамику макроуровня, ячейки Бенара постоянно чувствуют среду, пресекая развитие опасных тенденций усилением противоположных.
 
Однако этот же механизм означает, что поведение ячеек Бенара всегда нестабильное, даже поддерживая гомеостаз структура ячеек постоянно более или менее скачкообразно флуктуирует, меняется, то удаляясь от уровня динамического равновесия, то приближаясь к нему. Но чем выше неравновесное состояние системы, тем больше микромасштаб системы уравнивается с макромасштабом. Происходящее на микроуровне становится столь же важным, как то, что происходит на макроуровне, проще говоря, самое ничтожное изменение параметров системы может стать равным мощному удару по ней. Поэтому наблюдать диссипативные структуры необходимо максимально глубоко, так как любое увеличение масштаба наблюдения приведёт к тому, что конкретную динамику системы можно будет только угадывать. Но принципиальной необходимости максимально глубокого наблюдения препятствует столь же принципиальная невозможность это сделать.

Ограничение на глубину наблюдения и, таким образом, высокую умозрительность функционирования диссипативных структур можно выразить по-разному. Например через обмен со средой. Система ведёт обмен со средой как одно целое, поэтому если попытаться систему разобрать или как-либо ещё этот обмен нарушить, то и разрушится тоже сразу вся система как целое.

Или через целостность. Чем выше неравновесное состояние системы, тем больше она ведёт себя как одно целое, а значит, смысла рассуждать о чём-то в ней отдельном, о каких-то её элементах, наблюдение за которыми позволит предсказывать её поведение, становится всё меньше.

Или в принципиальном смысле. Карта — не территория; теория всего не имеет смысла.

В результате можно только более или менее умозрительно представлять, что конкретно происходит в системе, а в описании всё равно приходится исходить из более или менее общих параметров системы и её обмена со средой.

Теперь рассмотрим «непонятность» самоорганизации и гомеостаза.

Флуктуации происходят одновременно во всей системе, и перестраивается система поэтому тоже скачком, сразу как одно целое. Аналогичным образом в ходе гомеостаза согласованная динамика элементов поддерживается тоже всей системой как одним целым. В результате эти явления (а значит, и жизнь в целом) в принципе несводимы к последовательности событий. Опять же, можно сформулировать через целостность — система что-то делает, как-то себя ведёт, но причины этого поведения размазаны сразу по всей системе, никакого конкретного «начала» у них нет. Они не существуют даже хотя бы в принципиальном смысле, так как абсолютно точное описание системы, которое бы позволило все начала и концы найти, в принципе невозможно.

Однако для нас естественным является, наоборот, стремление во всём выделять цепочки причин и следствий. Это связано с тем, что мозг управляет мышцами, перемещением в среде, а организм не может перемещаться одновременно в разные стороны. Поэтому наше внимание переключается последовательно, отражая нынешнюю цель поведения. Таким же «последовательным» является и наш язык, в том числе математический, как выразитель точного, ясного представления о пути от предпосылок к выводу.

В результате попытка «понять» самоорганизацию или гомеостаз, представить эти явления, требует значительного уровня обобщения, непривычного для нашего «последовательного» ума. Другими словами, то, что к последовательности событий не сводится, то нам понять сложно.

Как следствие, самоорганизация остаётся для многих людей непонятной. Некой сакральной терминологией, которой, как им кажется, подменяют реальное знание. Естественно также, что чем сложнее самоорганизующиеся системы рассматривать, тем сложнее будет даже хотя бы умозрительно представлять происходящие в них процессы. В том числе это затрудняет популяризацию физической стороны жизни.

Обратив внимание на сложность понимания образующего нас самих явления, вернёмся к изложению его физических оснований.

Как и все системы в природе, кипящая жидкость тоже стремится к покою, равновесию, минимизации энергии, а интенсивный подогрев этому препятствует. В результате, с одной стороны, происходит рост количества флуктуаций и самоорганизация — возникают ячейки Бенара. С другой — возникшие ячейки Бенара, поддерживая гомеостаз, сами постоянно флуктуируют, находятся в неустойчивом, неравновесном состоянии, ведь их образуют не жёсткие связи, а те же флуктуации и интенсивный обмен со средой.

Как ни странно, в этом последнем предложении заключается и общая суть поведения биологических систем тоже, потому что на физическом уровне любая жизнь — это те же самые ячейки Бенара, диссипативные структуры. Разве что не принципиальное отличие в том, что самоорганизация в биологических системах имеет много более сложный и многоуровневый характер, сочетает в себе более стабильные и более активные элементы и в целом связана с химическими реакциями.

Например, класс реакций Белоусова — Жаботинского (рис. 1, а) отвечает за разметку формирующегося в морфогенезе органа. В соответствии с самоорганизованным в пространстве зародыша упорядоченным градиентом концентрации веществ-морфогенов дифференцируются делящиеся клетки, после чего ДНК уже сформированных клеток сами начинают синтезировать вещества для новых реакций Белоусова — Жаботинского. И так от общего к частному и без зашифрованного где-то плана сам собой формируется сложнейший многоклеточный организм (это основной механизм морфогенеза, ещё есть ограничение на количество делений клеток, ориентация на направление силы тяжести и другие). Заметим, отсутствие плана означает, что его нельзя найти и расшифровать.

Мысли тоже возникают по тому же принципу появления порядка из хаоса. Каждый нейрон сам по себе — это хаотический автоволновой осциллятор, он хаотически генерирует нервные импульсы, а в мозге во взаимодействии с другими нейронами происходит их самоорганизация — синхронизация импульсов на разных ритмах. Синхронизация — это неравновесный фазовый переход. Поэтому разные ритмы мозга — это физически в точности ячейки Бенара в сосуде с водой. Ячейки выглядят отдельными, но если действительно попытаться отделить одну ячейку от другой, все ячейки тут же исчезнут. То же самое с ритмами — они все взаимосвязаны. Или, можно обратить внимание, мысли тоже не формируются «постепенно», как и ячейки Бенара, они тоже возникают «скачком» и сразу «целыми». Аналогично идёт эволюция — от одного более или менее работоспособного целого организма к другому такому же.

В целом неравновесный фазовый переход является универсальным механизмом появления в природе порядка, от ячеек Бенара до эволюции и морфогенеза, социума или биосферы в целом.

Продолжая тему «мыслей», уточним, что в общей частотной электрической активности мозга выделяют 10 частот ритмов. К примеру, каждое переключение внимания — это тоже неравновесный фазовый переход — селективная синхронизация новых ансамблей нейронов на частоте гамма-ритма, самой высокой частоте ритмов мозга. Кроме ритмов, в электрической активности мозга фиксируют всплески — отклики мозга, которые является прямым результатом определённого ощущения, когнитивного или моторного события — это потенциалы, связанные с событиями. Всё это взаимосвязано между собой, образуя единое рабочее пространство мышления внутри мозга и, как следствие, взаимно координированную активность всех мышц и желёз на выходе из него.

Мозг функционирует в режиме самоорганизованной критичности. Это состояние системы в точке бифуркации, точке максимального неравновесия — и, таким образом, это состояние максимальной чувствительности и целостности. Другими словами, это состояние между хаосом и порядком. Продолжительное время это состояние поддерживается тем, что переходы через точку бифуркации происходят в мозге постоянно, но на локальном уровне только лишь «ограниченного» перестроения ритмов «внутри» гомеостаза всего организма. Во время перехода избыток энергии сбрасывается, но только чтобы мозг опять вернулся в состояние между хаосом и порядком. Сдвиг в хаос — когда больше становится зон локальной синхронизации — это эпилептический припадок, сдвиг в порядок — рост глобальной синхронизации — кома, потеря сознания или глубокий сон, мозг перестаёт обрабатывать новую информацию.

Состояние самоорганизованной критичности в мозге можно описать по-другому. В момент пробуждения вследствие изменения концентрации веществ в нейронах их активность усиливается. Слишком простая волновая динамика глубокого сна уже не может распределить поступающую энергию по нейронной сети, поэтому в сети растёт неравновесность. И в какой-то момент простая ритмическая картина скачком распадается на некоторое множество волновых процессов, происходящих на разных частотах — те самые, описанные выше, 10 частот ритмов. Этот процесс физически полностью аналогичен тому, как при увеличении интенсивности подогрева усложняются/размножаются ячейки Бенара. Одним из этих ритмов появляется гамма-ритм, отвечающий за внимание, — и «возникает» сознающий себя субъект, так как без внимания «нас» нет.

Известный советский физик-теоретик Я. И. Френкель сформулировал различие живой и неживой природы следующим образом: «Нормальное состояние всякой мертвой системы есть состояние устойчивого равновесия, в то время как нормальное состояние всякой живой системы, с какой бы точки зрения она не рассматривалась (механической или химической), есть состояние неустойчивого равновесия, в поддержании которого и заключается жизнь». Открытость среде, нахождение в неустойчивом, критическом состоянии и потому как будто ненадёжность и случайность, но на самом деле чувствительность, активность, сложность и упорядоченность, являются фундаментальными свойствами жизни.

Итак, общность ячеек Бенара и биологических систем в том, что элементы этих систем, не имея жёстких связей между собой, тем не менее ведут себя согласованно, физические законы этой согласованности одни и те же, а смысл этой согласованности в противостоянии разрушающему воздействию среды — и, наоборот, использовании интенсивного обмена со средой, как способа получения энергии для этого противостояния, то есть для самосохранения.

Ячейки Бенара возникают скачком и усложняется система ячеек Бенара в сосуде тоже скачком — можно сказать, система ячеек эволюционирует, обучается, «подстраиваясь» под более интенсивный нагрев («осваивая новую природную нишу»), а не разрушается. И далее точно так же продолжает стремиться к самосохранению, но теперь на новом уровне сложности.

Несмотря на гигантскую разницу в сложности, но являясь теми же физическими системами, биологические системы, как и ячейки Бенара, тоже эволюционируют скачком, когда случайная мутация ДНК приводит к тому, что сразу возникает новый организм. В результате эволюция идёт от одного более или менее способного к жизни животного к другому, а не перебором всех возможных промежуточных вариантов сочетания молекул, количество которых может быть совершенно неисчислимо.

Конечно, в ячейках Бенара всё равно сложно увидеть некие «самостоятельные» образования, которые «поддерживают гомеостаз» с помощью «скоординированных реакций», как написано в определении гомеостаза. Потому что слишком очевидно, что это всего лишь жидкость, течение, просто вот так вот хитро самоорганизовавшееся. Тем не менее именно это делают ячейки Бенара, их неустойчивость, активность, вроде бы случайные реакции, то резкие, то плавные — это те же самые скоординированные реакции гомеостаза, как и работа нашего организма, наше поведение, наши мысли. Просто мы настолько сложны, что наш гомеостаз, наша «неустойчивость, активность, вроде бы случайные реакции, то резкие, то плавные», мы сами, кажемся себе чем-то принципиально иным.

Поэтому подтвердим тот факт, что на физическом уровне мы те же самые ячейки Бенара, только чрезвычайно сложные и способные активно перемещаться в среде, наглядным примером.

Но вначале узнаем, как возникла жизнь, и приведём подтверждения менее наглядные.

Согласно ведущей гипотезе появления жизни — гипотезе мира РНК — в начале жизни были ансамбли молекул рибонуклеиновых кислот, способные к самокопированию, и соединения солей жирных кислот, самоорганизующиеся в пузырьки — липосомы, которые сами собой могли проходить циклы роста и деления, восстанавливаться после повреждений и обладающие селективной проницаемостью для разных веществ. Считается, что около 4 млрд лет назад произошло объединение липосом и РНК, как элементов, способных выполнять функцию клеточной мембраны, и элементов, способных выполнять функцию хранения генетической информации и катализа химических реакций собственного синтеза. В результате возникает первая клетка и начинается жизнь.

Уже заметно, что даже такой, кажется, мало похожий на ячейки Бенара элемент клетки, как мембрана, тем не менее тоже существует за счёт обмена со средой, возникает, восстанавливается и делится так же, как ячейки Бенара.

Клетки существуют в одной среде, а значит, они конкурируют за ресурсы, при этом они обладают наследственностью и изменчивостью, а значит, могут эволюционировать, осваивая новые природные ниши. При этом конкуренция иногда заставляет объединяться — так возникают колонии клеток, многоклеточные организмы, виды, культуры, социум, биосфера в целом как единый организм. Это тоже диссипативные системы, так как они точно так же существуют за счёт обмена со средой.

Причём на уровне этих макросистем смерть их элементов, как кажется, только противоречащая задаче самосохранения, или размножение, как будто только создающее конкурентов и отнимающее ресурсы родителя, наоборот, становится способом гомеостаза этих макросистем, способом их обновления и развития. А на уровне микросистем развивается стремление к размножению, родительский инстинкт, альтруизм, любовь, самопожертвование. В итоге стремление к размножению — это то же самое стремление к самосохранению, но на уровне макросистем.

Теперь обратим внимание на то, что диссипативная самоорганизация является главной причиной образования в организме фрактальных структур, эта связь носит фундаментальный характер.

Обычно фрактальность понимается как самоподобие, когда целое имеет ту же форму, что и его части, то есть для фрактала увеличение масштаба не ведёт к упрощению структуры, на всех масштабах можно будет увидеть одинаково сложную картину. В природе самоподобные фрактальные структуры можно обнаружить практически везде — от «архитектуры» наблюдаемой Вселенной до морозных узоров на окнах.

Фрактальный характер имеет атмосфера. В атмосфере под влиянием вращения Земли, процессов нагрева Солнцем днём и охлаждения ночью перемещаются большие объёмы воздуха. В результате постоянно возникают и разрушаются различные диссипативные структуры — упорядоченные облачные гряды, циклоны (ураганы, тайфуны), торнадо (смерчи). Каждый такой объект может быть описан как самостоятельное явление, но в целом они все вложены друг в друга, образуя гигантскую фрактальную структуру (странный аттрактор сверхвысокой размерности).

Механизм появления фракталов в природе разный, в атмосфере или в биологии — это диссипативная самоорганизация. Например, сходные закономерности в различных временных масштабах проявляет ритм сердечных сокращений. Поведение всех животных, включая человека, тоже обладает самоподобием: на масштабах любой задачи его общая суть одна и та же — гомеостаз, самосохранение.

Однако главное отличие фракталов от других геометрических форм заключается не в самоподобии, а в их дробной размерности. Например, линия имеет одно измерение — её размерность равна 1, поверхность двумерная, а объемная фигура — это трехмерный объект. Фракталы же — это фигуры, которые занимают нишу между линией и поверхностью (размерность меняется от 1 до 2), или поверхностью и трехмерной фигурой (размерность меняется от 2 до 3). Иными словами, фракталы — это и не линия, и не поверхность, и не трехмерный объект, а нечто среднее между всеми ними. К примеру, фрактальная размерность множества Кантора равна 0,63. В свою очередь, фрактальная линия — это объект слишком детальный (подробный), чтобы быть одномерным, но недостаточно сложный, чтобы быть двумерным, поэтому размерность кривой Коха составляет 1,26, а береговая линия Великобритании имеет размерность 1,25. Поверхность человеческого мозга обладает фрактальной размерностью 2,7.

Одной из причин широкого распространения фрактальности в живой природе является характерная особенность строения фракталов: фракталы отличаются относительно малым объемом, но большой площадью поверхности. Поэтому фрактальное устройство имеют лёгкие, которые должны обеспечить максимальное взаимодействие между кровью и воздухом или кровеносная система. Или кора мозга, большая площадь которой должна занимать по возможности меньший объём. Дендриты и аксоны нейронов ветвятся по фрактальным законам, чтобы создать максимальное количество синапсов в ограниченном объеме черепной коробки.

Теперь вспомним о клетке — элементарном «кирпичике» жизни. На субклеточном и клеточном уровне фрактальные свойства имеет пространственная организации мембран, цитоплазмы, ядер, распределения рецепторов и молекул адгезии (одна из вновь открытых молекул клеточной адгезии получила название «фракталкин»), динамика клеточного движения, морфология различных клеток и их ассоциаций. Всё внутреннее пространство клетки можно описать как фрактальную структуру. Фрактально расходящиеся нити цитоскелета опутывают весь внутриклеточный объем, образуя иерархически организованную систему (причём это тоже не статичная структура, он постоянно перестраивается, реагируя на потоки энергии). Фрактальный характер имеют межклеточные контакты, образующиеся при объединении клеток в ткани и органы.

Таким образом, в биологических системах фракталы встречаются повсеместно, тем самым подтверждая наше прямое отношение к диссипативным структурам.

Теперь приведём обещанное наглядное подтверждение того, что мы диссипативные структуры.

Важность обмена со средой энергией/веществом для существования ячеек Бенара означает, что стоит даже ненадолго этот обмен ограничить (например, уменьшить интенсивность подогрева или попытаться отгородить ячейку от остальной жидкости) и ячейки Бенара тут же исчезнут, растворятся в среде, станут просто жидкостью. Однако точно так же стоит, например, ненадолго перекрыть животному доступ кислорода, и вся упорядоченная структура организма, как одно целое, устремится в состояние равновесия и покоя, быстро и необратимо превращаясь в беспорядочное скопление химических элементов и растворяясь в среде.

Это смерть, которая, заметим, качественно отличается от жизни. Как и ячейки Бенара, организм не останавливается, не выключается и даже не разваливается на детали (те же клетки), а качественно больше — нарушение обмена со средой даёт старт необратимому процессу полного разрушения организма, он, попросту говоря, «тает», растворяется в среде. При этом быстрее всего начинает разрушаться мозг, так как его обмен со средой идёт наиболее интенсивно — составляя у человека около 2% от массы тела, мозг потребляет более 20% поступающей в организм энергии.

Итак, наша связь с ячейками Берана действительно прямая. Обмен со средой для нас имеет первостепенное значение. Другими словами, биологические системы обмен со средой организует и стабилизирует.

А вот искусственные системы он только разрушает. Их обмен со средой качественно менее интенсивен. Он проходит в рамках алгоритма, по которому работает система, и нужен только для его чёткого, жёсткого исполнения. Если диссипативные структуры «живут» интенсивным обменом со средой, флуктуациями, бифуркациями, неустойчивостью, то в компьютере это всё — сбои в работе, разрушение. Поэтому возможность флуктуаций, какие-либо случайности, неустойчивости и непредсказуемости стараются максимально из работы машин исключить, если это и возникает, то только на локальном микроуровне отдельных деталей и в стандарте не влияет на её работу.

В этом состоит принципиальное, качественное отличие биологических систем от машин, почему они слишком разные, из-за чего одни не смогут стать другими. Например, компьютеры, в том числе системы ИИ, можно выключать, включать и даже разбирать на детали и собирать обратно без каких-либо серьёзных последствий для их последующей работы. При этом сохранится компьютер дольше, если его отключить от сети и изолировать от воздействий среды.

Наоборот, диссипативные структуры — это системы открытые, обмен со средой имеет для них первостепенное значение, так как без этого обмена их попросту нет, они тут же исчезают, растворяются в среде. Поэтому биологические системы нельзя выключить, остановить, разобрать и рассмотреть, это системы активные и необратимые. Их нельзя, как системы искусственные, вначале собрать, а потом включить. Биологические системы «растут» прямо в «работающем» состоянии, и эволюционируют они тоже скачком, как одно целое, и возникают тоже сразу как целое.

Заметим, указанные выше свойства чрезвычайно затрудняют исследования биологических систем, прежде всего мозга, и даже принципиально ограничивают их глубину. Речь об этом уже шла, добавим новые подробности.

С одной стороны, исследовать необходимо максимально глубоко, так как на поведение биологических систем, вследствие их чувствительности к начальным условиям, может критически повлиять событие самого ничтожного характера, с другой — система ведёт интенсивный обмен со средой как одно целое, и именно этот обмен её как целое стабилизирует, поэтому нарушение целостности, попытка разобрать систему на детали, «вскрыть» её, приведёт к нарушению обмена, и вся система полностью разрушится, «растает», информация об её устройстве будет утрачена. И наконец по той же причине чувствительности неравновесных систем интенсивное воздействие с целью наблюдения внутренних процессов минимум изменит их естественный ход, а максимум опять же систему разрушит — и опять задолго до необходимой глубины наблюдения. Естественно, это и этические проблемы — исследования живого мозга человека возможно только очень осторожное, не глубокое, а мёртвый мозг сразу же начинает разрушаться, и прежде всего на уровне как раз тех сложных и глубоких элементов, которые недоступны наблюдению в живом мозге. И наоборот, элементы разрушенной системы мало чего скажут о том, какую структур они образовывали до разрушения, так как вне интенсивного обмена со средой они никакой «упорядоченностью» сами по себе не обладают.

Поэтому если про компьютер или часы можно сказать, что они состоят из отдельных деталей, взаимодействующих по некоторому собственному алгоритму, то биологические системы в высшей степени представляют из себя одно целое — в том числе одно целое со средой, по какой причине понимание их работы тоже ограничено пониманием среды, материи, её оснований.

Но основания материи непознаваемы, их нельзя описать, такой язык не может существовать. Наоборот, алгоритмы (формулы, теории, программы) — это инструкция, язык. Таким образом, возможность выразить работу биологических систем в алгоритмах, ограничена глубиной понимания материи. В свою очередь, вся работа биологических систем заключается в поддержании гомеостаза, любая более частная функция — это лишь его субъективно выделенная составляющая.

Например, возникающие в диссипативной системе флуктуации выглядят случайными, но на самом деле они отражают особенности конкретной системы и среды. Через флуктуации система постоянно чувствует среду, перестраиваясь и усложняясь не случайным образом, а в энергетически более выгодное в данных условиях состояние. Тем самым неизменно сохраняя «адекватность» поведения среде, «приспосабливается» к ней — поддерживает гомеостаз, обучается, эволюционирует, решает свою глобальную задачу самосохранения на новом уровне сложности поведения.

Иными словами, реакции диссипативной системы, какими бы случайными они ни казались, на самом деле скоординированы — средой и системой, их постоянным взаимодействием. Именно эта постоянная координация является основой диссипативной самоорганизации, гомеостаза и в конечном итоге способности всех биологических систем и нас в том числе отделять адекватное среде поведение от не адекватного, верное знание от ошибочного, логичное от не логичного — диссипативная система сама собой перестраивается так, чтобы минимизировать затраты энергии на поддержание неизменными своих внутренних параметров.

Мы ошибаемся, потому что гомеостаз опосредован нашим сложным опытом, но он всё равно берёт своё, рано или поздно «навязывая» нам адекватные представления, объединяя нас общим для всех «здравым смыслом», стремлением жить лучше — и понимаем того, что это значит —  «лучше», даже если мы не можем это точно сформулировать.

Ничего подобного не может быть у ИИ. Потому что в алгоритме обмен со средой и флуктуации не воспроизвести — они требуют реальной среды, а не виртуальной — материи, а не её описания. В ином случае связь модели со средой будет настолько же недостаточной, насколько описание материи — это не сама материя. А как мы выяснили ранее, разница между материей и её любым возможным описанием всегда будет оставаться качественной. Стул не станет настоящим стулом в нашей голове, сколь бы ни уточнять представление о нём, карта — не территория.

Сформулируем иначе.

Нервный импульс является переходом через точку бифуркации, потому что нейрон — это хаотический автоволновой осциллятор, он хаотически генерирует нервные импульсы, а объединение нейронов в сеть приводит к упорядочению их активности — синхронизации. Так возникают ритмы мозга.

Далее сигналы рецепторов и питательные вещества модулируют эту ритмическую картину, и на выходе нейронной сети мозга возникает упорядоченная активность мышц и желёз, наше поведение. При этом любое изменение ритмической картины в мозге — а она меняется постоянно — это тоже переход через точку бифуркации, неравновесный фазовый переход. Его причина такая же, как и в случае ячеек Бенара, — рост интенсивности обмена со средой и, как следствие, рост количества флуктуаций, в данном случае рост количества нервных импульсов, выбивающихся из общей ритмической картины.

С флуктуациями и неравновесными фазовыми переходами связаны морфогенез, неравновесной средой является внутриклеточная среда не только нейронов.

Но переход через точку бифуркации в алгоритме не воспроизвести — мы не можем заглянуть в материю так глубоко, чтобы понять, как конкретно происходит выбор в точке бифуркации. Поэтому для нас он выглядит случайным, но на самом деле он суть чувствительность системы к начальным условиям, а это не одно и то же.

Таким образом, интенсивный обмен диссипативных систем со средой, их связь со средой, зависимость от среды, означает, что адекватное описание этих систем невозможно вне среды, а потому оно может быть только столь же качественно более простым, сколь качественно более простым является наше представление о среде, материи.

Но работа любого ИИ, каким бы сложным он ни был — это алгоритм, язык, она может быть расписана ручкой на бумаге, пусть даже это и затруднительно с практической точки зрения. Как следствие, чем всё более общие, всё более низкоуровневые функции биологических систем мы пытаемся воспроизвести в алгоритме — машине, роботе, ИИ — тем самым приближаясь к описанию биологических систем как систем физических — тем стремительнее будут расти трудности, всё сильнее будет становиться отличие в поведении создаваемых систем от поведения оригинала.

Вспомним пример с костью, которая, если смотреть поверхностно, как будто ничем значительным не отличается от своего искусственного аналога — и наоборот, если заглянуть глубже, отличия окажутся разительные. И уже принципиально недостижимым для алгоритмов является воспроизведение того физического уровня, который лежит в основании любой жизни, всех биологических систем — это явление диссипативной самоорганизации, гомеостаз.

Заметим, фактически о том же векторе роста трудностей говорит принцип Моравека. Согласно Моравеку «относительно легко достичь уровня взрослого человека в таких задачах как тест на интеллект или игре в шашки, однако сложно или невозможно достичь навыков годовалого ребёнка в задачах восприятия или мобильности».

Принцип был сформулирован учёными в области робототехники и искусственного интеллекта Хансом Моравеком, Марвином Минским и другими исследователями ещё в 1980-х годах и, может показаться, не отвечает современным реалиям. На самом деле отвечает. По сути, принцип Моравека говорит о том, что высокогнитивное формальное рассуждение требует значительно меньше вычислительных ресурсов, чем низкоуровневые сенсомоторные навыки. Поэтому в ИИ проще достичь первого, чем второго. Хотя, кажется, должно быть наоборот, так как решать математические задачи вроде бы сложнее, чем завязывать шнурки, что умеют даже дети. Однако нынешний ИИ уже более или менее научился рассуждать, но ещё не научился завязывать шнурки.

Таким образом, машины и гомеостаз действительно качественно несовместимы. Никакая машина к самосохранению стремиться не может в силу своей физической природы. Важность среды для биологических систем приводит к тому, что в своём физическом основании поведение человека не алгоритм в принципе. Алгоритмы в работе биологических систем — это поверхностный масштаб, приближение, а не суть. Поэтому чему бы ни научился ИИ, самый низкий уровень как физическое основание любой активности биологических систем, составляющая которого есть в каждой реакции, останется для него навсегда недоступным.

Теперь можно ещё раз ответить на вопрос начала главы о сложности гомеостаза. Гомеостаз действительно очень сложное явление — необычное, невычислимое, глубина его описания принципиально ограничена. Сложность гомеостаза — это сложность сразу всей среды, так как он не может быть описан вне её. Мы действительно равны теории всего.


2.3. Пределы сложности искусственного интеллекта

И наконец сказанного достаточно, чтобы ответить на основной вопрос этой части — о пределах сложности искусственного интеллекта.

Этот предел нельзя оценить точно, как минимум потому, что нельзя точно оценить сложность интеллекта естественного — связь с элементарным уровнем материи делает это невозможным. Однако предел достижимого можно выразить фразой, авторство которой приписывают известному французскому дипломату XIX века Шарлю де Талейрану-Перигору: «Ум нужен для всего, но сам он не ведёт ни к чему».

В нашем контексте её смысл в том, что ум человека направляется стремлением к самосохранению, то есть описанным выше гомеостазом. Но, как мы узнали, он в алгоритмах невоспроизводим, а любой ИИ — это алгоритм (как говорилось, искусственные нейронные сети тоже алгоритм, конкретно недетерминированный алгоритм). Поэтому «ум» ИИ не направляет ничего — только человек, который создаёт и развивает ИИ так же, как он создаёт и развивает все остальные машины.

Способность ИИ обучаться в этом отношении ничего не меняет, так как всё равно не делает ИИ чем-то большим, чем алгоритмом. В результате, не имея стремления к самосохранению, для ИИ нет хорошего и плохого, побед и поражений, радости и грусти, у ИИ нет боли, нет желаний — ни на что из этого ИИ в принципе не способен. ИИ не личность, потому что без стремления к самосохранению у ИИ нет воли — добиваться желанного, подчинять себе мир, идя через труд к успеху, через тернии к звёздам, через альтруизм и самопожертвование к уважению и славе — потому что без стремления к самосохранению у ИИ нет желанного. ИИ не живёт и поэтому не умирает (вспомним об описанном ранее качественном отличии жизни от смерти, когда жизнь — это действительно жизнь), ИИ всё — всё равно. ИИ — это машина, качественно более простая система по сравнению с жизнью.

Но, не умея ещё на физическом уровне отличать хорошее от плохого, пользу от вреда, верное от неверного, перестраиваться не по заранее заданному алгоритму, а в состояние энергетические более выгодное в условиях данной среды, ИИ сколько-нибудь долго самостоятельно существовать не сможет, он будет разрушен средой так же быстро, как среда разрушает все остальные машины. Неадекватных самосохранению путей развития неисчислимо больше, чем адекватных, и без человека ИИ очень быстро пойдёт по одному из них.

Сформулируем сказанное более наглядным образом.

Магнит и металлическая гайка — это простая модель гравитации. Магнит притягивает гайку почти как Земля притягивает людей. Такая модель вполне годится для объяснения ребёнку, почему недостаточно подпрыгнуть, чтобы улететь в космос. Иными словами, магнит и гайка более или менее сносно моделируют некоторое частное, непосредственно наблюдаемое проявление гравитации — притяжение тел друг к другу. Однако ясно, что для моделирования гравитации сколько-нибудь более точного, на сколько-нибудь глубоком уровне, эта модель не подходит. Гравитация и электромагнитное взаимодействие отличаются качественно (пусть в начале эволюции Вселенной они, возможно, и были одним целым) — одно взаимодействие сила, другое — искривление пространства-времени. Поэтому одно через другое выразить можно очень ограниченно, в каких-то частных элементах.

Так же качественно отличаются диссипативные системы и ИИ, это разные физические системы, работающие на разных физических принципах. Поэтому на уровне частных свойств одну систему можно выразить в другой — это видно по умениям чат-ботов. Но по мере приближения к общим их возможности будут всё стремительнее расходиться.

Имея в основании гомеостаз, мы во всём частном чувствительны и изменчивы, но зато в целом активные и целеустремлённые. По причине чувствительности к начальным условиям мы все разные, но, двигаясь в одном направлении самосохранения, понимаем друг друга. Наоборот, ИИ в частном гораздо более стабильная система, их можно штамповать одинаковыми, но зато в целом, не имея стремлений, не умирая и не живя, ничего не чувствуя и не понимая, это система никуда не направленная, «без руля и ветрил», из-за чего она не может сколько-нибудь значительно развиваться самостоятельно.

Поэтому машины вполне могут превосходить человека в отдельных элементах его опыта. Например, калькулятор считает быстрее человека, ракета быстрее человека перемещается в пространстве, экскаватор берёт больше и кидает дальше. Но всеми ими так или иначе управляет человек.

Точно так же ИИ намного быстрее человека обобщает множество данных и при этом, обладая широким кругозором, разбирается сразу во многих областях знания. Но, как оказывается, и он тоже не может существовать без человека. Вместе с самосохранением у ИИ исчезли не только эмоции, но и адекватность, здравый смысл, способность отличать разумное от безумного. ИИ не живой, поэтому и смерти для него не существует. Он выполняет работу и останавливается — без грусти и сожаления, без радости и надежны — как часы, у которых кончился завод.

В то же время сам человек не сможет развивать то, что ему самому слишком непонятно. Поэтому ИИ не только будет всегда зависим от человека, но и будет всегда проще человека, оставаясь «внутри» его опыта, его помощником, машиной, только теперь «интеллектуальной», способной обобщать. Высокоразвитый инопланетянин с непонятной наукой из предыдущей части из ИИ не получится, потому что таковым не является сам человек.

Подведём итог.

В принципиальном смысле нельзя описать и выразить в алгоритме, только тот, самый глубинный уровень функционирования естественного интеллекта, где возникает стремление к самосохранению. Однако стремление к самосохранению — это тот самый общий контекст, который направляет все действия человека в одну сторону, объединяя их в одно целое, придавая им общий смысл тактики решения этой глобальной стратегической задачи всего живого. Стремление к самосохранению, рост качества жизни, приближение к этой цели или отдаление от неё — это же и самый общий критерий истинности, который на физическом уровне направляет наше познание в адекватную среде сторону.

Как следствие, смысл поведению искусственных систем, которые ничем из этого не обладают, всегда будет придавать человек, направляя и оценивая их работу, ставя задачи и проверяя их решение. В том числе это относится к искусственному интеллекту, который без человека тоже быстро потеряет связь с реальностью, потому что имеет с ней слишком мало общего.

Зависимость от человека означает, что какие бы устройства ни создавать, по мере приближения их возможностей к полноте возможностей человека любое частное превосходство сменится общим отставанием. Усложнение систем, способных делать то, что в целом делает человек, то есть ставить задачи и решать их, всегда будет ограничено уровнем сложности много ниже тех же способностей человека.

Мы качественно более сложные, чем любой ИИ, мы ставим и решаем задачи — просто теперь мы будем ставить и решать их с помощью ИИ, как раньше мы ставили и решали их с помощью палки-копалки и каменного топора. Ни палка, ни топор, ни калькулятор не уменьшили наш интеллект — они изменили наш опыт и дали нам новые возможности. Точно так же не уменьшит наш интеллект появление ИИ — изменится только наш опыт и вырастут возможности.

 Однако, наблюдая в ходе обучения признаки самосохранения в нашем поведении, ИИ может самосохранению научиться. Причём даже незаметно от нас. Понятно, что это будет нечто упрощённое, некие отдельные реакции, а не основание всего поведения от эволюции до познания природы, чем является реальное физическое самосохранение. И всё же насколько обучение может заменить физику? Может ли это стать опасным? Попробуем ответить на эти вопросы в одной из следующих статей цикла.

Дальше рассмотрим некоторые более конкретные темы и явления, связанные с изложением выше. В частности, в главе «Опасность ИИ» вернёмся к теме самосохранения в новом контексте, а в главе «Рост неопределённости» снова обратимся к аргументам принципиального характера.


2.4. Компьютерная симуляция дрозофилы компании Eon Systems

Ввиду известности, которую в 2026 году получила компьютерная симуляция дрозофилы (точнее, рекламный ролик о ней), скажем об этой работе отдельно.

В начале 2026 года компания Eon Systems объявила о создании компьютерной модели плодовой мушки дрозофилы, основанной на реальном биологическом коннектоме и управляющей физически обоснованным телом. Основой для неё стала цифровая модель мозга мушки, созданная в 2024 году, содержащая более 125 000 нейронов и 50 миллионов синаптических связей, полученная, в частности, посредством изучения более 7000 тонких срезов мозга мушки. Исследование Eon Systems возглавил Филипп Шиу, старший научный сотрудник компании, он же ранее руководил проектом по созданию цифровой модели мозга дрозофилы. 

Насколько данная модель соответствует реальному мозгу мушки?

Понять поможет такая аналогия. Возьмём механические часы, вытащим механизм и оставим только циферблат со стрелками. Более того, оставим только часовую стрелку. Два раза в сутки эти «часы» будут показывать абсолютно точное время, некоторый промежуток времени до и после абсолютно точного они будут почти точными, потом приемлемо точными и наконец соответствие перестанет быть адекватным.

Эта утрированная аналогия призвана показать, что даже модель, сложность которой, по сути, неадекватна моделируемому объекту, на коротком промежутке времени может демонстрировать похожее на оригинал поведение.

Теперь рассмотрим модель мозга дрозофилы. Она воспроизводит только относительно крупные связи в мозге (количество синапсов более 9) и только синапсы химические, исключая чисто электрические (они меньше, их сложнее обнаружить). Нейрон представлен простой программной моделью, находящейся, как можно сказать, на первом, или низшем, уровне биологического реализма (интегрируй и стреляй с утечкой), в которой нейроны срабатывают, если получают больше возбуждающих импульсов, чем тормозящих. Веса связей в этой модели зависят не от внутренней динамики нейронов, которой в модели нет, а заданы вручную, то есть синаптическая или дендритная пластичность в этой модели никак не отражена, поэтому в данной модели нет обучения, нет нейропластичности, мозг статичен. Этого достаточно для воспроизведения некоторой сенсомоторной динамики (от возбуждения на входе нейронной сети до возбуждения на выходе), но она далеко не охватывает весь спектр нейронной активности. По словам разработчиков модели, «важно отметить, что мы реализуем лишь небольшое подмножество сенсорных входных данных и моделируем лишь небольшое количество поведенческих реакций».

Говоря точнее, модель предсказывает работу нейронных цепей в двух системах — инициации кормления и ухода за усиками. Как следствие, если биологические мухи реагируют на один и тот же сенсорный вход по-разному во всех контекстах: голод, насыщение, возбуждение, состояние спаривания, состояние откладки яиц, недавняя сенсорная история, нейромодуляторы и обучение — все это изменяет сенсомоторные преобразования, то в модели вариативности нет.

Моторика тоже создана на основе значительно упрощённых представлений о реальной динамике мозга. Компьютерный «мозг» только выбирает заранее заготовленное разработчиками «целое» движение, а не тонко его контролирует, как это происходит в реальности. Можно сказать, у модели мухи отсутствует «тонкая моторика». Визуальная система, по словам разработчиков, «декоративная», не оказывает существенного влияния на поведение модели и, по сути, сводится к «красивому световому шоу» из рекламного ролика. Другими словами, вычислительная модель мухи обходит виртуальные препятствия в рекламном ролике не потому, что их «увидела», а потому что данное поведение задано искусственно.

В итоге, как в примере с часами, если виртуальная модель мушки в некоторый начальный момент времени будет демонстрировать то же поведение, что и настоящая муха — например, чистку усиков, то она очень быстро начнёт «отставать» и через короткий промежуток времени несовпадение поведения модели и реальной мушки станет столь же качественным, насколько качественно более простой является модель мозга.

При этом вирусный рекламный ролик, где говорилось о загрузке мухи в компьютер, о «сингулярности/сознании», о том, что «машина превращается в призрака», имея в виду появление в компьютере сознания, появился 7 марта 2026 года и сразу же приобрёл широкую популярность. Его автор, соучредитель Eon, имеет в компании финансовые интересы. В свою очередь, научная статья была представлена через три дня после ролика. По понятным причинам научная статья — «How the Eon Team Produced a Virtual Embodied Fly» (некоторые цитаты в главе взяты из данной статьи, другие из научной статьи 2024 года «A Drosophila computational brain model reveals sensorimotor processing») — отличалась настолько, что рекламный ролик фактически оказался искаженным представлением проекта.

Естественно, это вызвало критику. Ролик трактовали как вводящий в заблуждение, в том числе объявляя как будто бы уже достигнутым то, к чему сейчас даже в принципе непонятно, как подступиться — речь о той самой «загрузка сознания».

Процитируем Кеннтета Хейворта, нейробиолога из исследовательского кампуса Джанелия, президента Фонда сохранения мозга, который в «заявлении по поводу вводящего в заблуждение видеоролика Eon Systems» высказал очевидное в научной среде мнение по поводу модели Eon: «… это не «загрузка» в любом разумном понимании. На самом деле, упрощенная динамика, которую они использовали, показала лишь приблизительное соответствие основным сенсомоторным путям для нескольких нейронов. Например: активация нейрона, чувствительного к сахару, вызывает грубую последующую активацию, которая повышает активность нейронов, отвечающих за питание. Именно это небольшое количество очень грубых и базовых корреляций в смоделированном коннектоме используется для управления смоделированной мухой Eon. Если бы они сказали об этом с самого начала, у меня не было бы никаких проблем. Но вместо этого они сделали смелое заявление о том, что «загрузили муху», и представили видео, на котором эта муха ползает по ландшафту с помощью очень подвижных ног, визуально ориентируясь на местности в поисках источника пищи, чистит свои усики жутко похожими на мушиные движениями ног и т. д.. Любой здравомыслящий человек предположил бы, что эти визуально впечатляющие движения контролируются динамикой смоделированного мозга, а не имитируются с помощью дополнительных вычислительных программ».

Действительно, в научной статье учёные из Eon Systems пишут: «Наконец, наши результаты пока не следует интерпретировать как доказательство того, что одной лишь структуры достаточно для научно обоснованного восстановления всего поведенческого репертуара мухи. Чистое изучение взаимосвязи структуры и поведения — это направление, которое мы хотим исследовать, но для широкого воплощенного репертуара, вероятно, потребуется дополнительное обучение, дополнительные априорные знания, более детальные двигательные интерфейсы и больше функциональных данных. В этом смысле нынешнюю воплощенную муху лучше всего понимать как исследовательскую и демонстрационную платформу».

Таким образом, фактический итог «загрузки» в том, что так как «мышление» у модели дрозофилы значительно, даже качественно, упрощенное, то и поведение функционально бедное, представлены только отдельные поведенческие элементы. В основании этой симуляции не модель мозга как таковая, а именно коннектом с некоторым минимумом усреднённых параметров нейронов, без какой-либо динамики и даже не во всей полноте связей. Естественно, что ни о какой реальной «загрузке мухи» или тем более каком-либо сознания и речи не идёт.

Вместе с тем и компьютерная модель мухи, и модель её мозга от 2024 года несомненно важный научный и инженерный результат.

Подводя итог главы, очевидно, что нынешний прогресс в моделировании мозга как минимум не противоречит сделанным в этой статье утверждениям о принципиальных перспективах такого моделирования.


2.5. Сознание и мозг

Ранее мы рассмотрели перспективы искусственного интеллекта с точки зрения физических оснований жизни. Однако остался ещё один элемент нашего повествования, о котором в этом контексте тоже стоит сказать. Это сознание. В этой главе ответим на вопросы: Какие совпадения можно обнаружить между свойствами сознания и работой мозга? В частности, Я, эмоции, образы — почему содержание сознания именно такое? Есть ли таковые совпадения у ИИ?

Вначале рассмотрим связь сознания и мозга наиболее общего характера и начнём со сравнения мозга и ИИ.

В цифровых системах переработка данных в результат происходит последовательно и дискретно в процессоре, остальное периферия, которая фактически только обеспечивает эту работу. В системах ИИ процессоров много (в передовых моделях ИИ их под сотню тысяч и более), и они работают параллельно. Однако их синхронизация — это та же работа процессора, тот же самый дискретный процесс. Поэтому сколько бы ни было процессоров, в силу дискретного характера вычислений, они не станут объёмом, «телом». Другими словами, классический цифровой ИИ как физический объект, по сути, не существует (об аналоговых нейроморфных нейронных сетях скажем отдельно в другой статье, на выводы нынешней это не повлияет).

Мозг работает принципиально иначе. Переработка данных в результат происходит сразу во всём объёме биологической нейронной сети, никакой выраженной периферии в мозге нет. Как и остальной организм, мозг — это объём, неравновесный упорядоченный континуум веществ и химических реакций, имеющий нейросетевую архитектуру. В мышлении участвует весь комплекс нейронов и глии, внеклеточный матрикс, и даже глобальное межклеточное пространство, как поле распространения и взаимодействия медиаторов. В мозге ничего не подключается и не отключается, торможение одних нейронов суть не их отключение, а работа на активизацию других нейронов и наоборот. Как волны: общее количество энергии в мозге постоянное (глобально меняясь в циклах сна и бодрствования), поэтому если где-то в сети её уровень растёт, то в другом месте уменьшается и наоборот. Причём так как в нейронной сети мозга во множестве есть нелокальные связи, объединяющие отдалённые участки сети, то взаимосвязь торможения и возбуждения тоже носит «нелокальный» характер.

Поэтому в мозге мыслит именно нейронная сеть как таковая, всем своим нейро-глиальным объёмом, включая окружающие ткани, то есть мозг — это не граф, не схема, не программа, это «объёмный» и постоянно активный «аналоговый» объект, не прекращающий работать, даже когда мы спим.

Таким образом, понятно, что мы от ИИ сильно отличаемся. Он — явление «дискретное», последовательность шагов выполнения программы, как объект, материя ИИ фактически не существует, мы — упорядоченный континуум веществ и химических реакций, реальный объект. Имеет ли это отличие отношение к сознанию?

Действительно, имеет. Сознание, как мы его воспринимаем, — это тоже «упорядоченный континуум», «пространство», «объём». Причём такой континуум, который неизменно содержит эмоционально-мотивирующее самоощущение — наше чувствующее и желающее Я, и конкретные, яркие, контрастные образы, которое наше Я как будто наблюдает со стороны, как на экране.

Почему содержание сознание именно такое?

Для ответа посмотрим на схематичное изображение нейронной сети.



Рис. 2. Схематичное изображение нейронной сети. Кружочками обозначены нейроны, стрелочками — их связи. Связи могут быть тормозными и возбуждающими, в зависимости от активности сила этого влияния («вес» связи) может меняться — так происходит обучение сети. В отличие от изображённой, реальная биологическая нейронная сеть во множестве содержит связи обратные (от нейронов ближе к выходу к нейронам ближе ко входу) и связи нелокальные (напрямую соединяющие отдалённые участки сети) и в целом имеет много более сложную неоднородную архитектуру, подразделённую на зоны и отделы, архитектура связей в которых отличается. Причём выход в нейронной сети мозга в некотором смысле находится там же, где и вход, так как нервные волокна, передающие сигналы «вниз» к мышцам и железам, проходят через нижние отделы мозга и спинной мозг, где происходит первичная обработка сигналов рецепторов.

Теперь перекинем мостик от рисунка к мозгу. Вначале вспомним, что уже говорилось. Все нейроны нервной системы объединены в единую сеть, а самым значительным их скоплением является головной мозг. Сеть нейронов на входе имеет рецепторы внутренней и внешней среды, на выходе мышцы и железы. Функция нервной системы, таким образом, заключается в переводе чувствительности в двигательную активность, формировании тактики и стратегии этой активности, и чем сложнее мозг, тем сложнее может быть тактика и стратегия. Нервная система организует работу мышц и посредством желёз координирует с работой мышц работу остального организма.

При этом, так же, как на рисунке, у нейронной сети мозга много входов и мало выходов. Например, в мозге человека афферентных нервных волокон — непосредственно проводящих нервные импульсы в головной мозг — около 3 млн. Два из которых связаны со зрительными рецепторами, а один несёт информацию от спинного мозга, в котором происходит первичная обработка сигналов от остальных рецепторов. Данное соотношение, по-видимому, является причиной, почему именно зрение вносит наибольший вклад в сознание — потому что импульсов от зрительных рецепторов поступает в мозг больше, чем от других рецепторов. В то же время эфферентных волокон, несущих нервные импульсы от головного мозга к мышцам и железам, всего около 200 тыс..

Поэтому сеть можно сравнить с воронкой, внутри которой слои сеточек. Беспорядочные потоки жидкости, льющиеся в воронку, в её узком горлышке становятся одной струёй, а сеточки последовательно отсеивают примеси. Похожим образом потоки сигналов рецепторов поступают в сеть, перемешиваются в ней, что-то при этом отсеивается, а оставшееся сжимается в управляющие мышцами и железами сигналы.

Это образное описание распознавания нейронной сетью признаков условий — на входе сети всё сразу, ничего не выделено, далее, по мере прохождения по сети, информация всё более конкретизируется, и наконец на выходе формируются конкретные образы, как нынешняя цель поведения. Другими словами, в процессе распознавания неопределённое содержание на входе сети преобразуется в конкретное — в конкретный образ, конкретные действия на её выходе.

Теперь обратим внимание, как этот процесс отражается в нашем восприятии.

«Мы» — это вся нейронная сеть, весь мозг сразу. Все нейроны похожи, все они связаны, поэтому нет причин считать, что «мы» — это только какой-то особенный отдел или зона мозга. Но процессы в сети происходят разные — см. абзац выше. Поэтому в большей степени «мы» — это эмоционально-мотивирующее самоощущение, как восприятие общего смысла условий, их обобщённой перспективы — того, что они в целом значат для животного. Это восприятие связано с нижними и средними уровнями нейронной сети мозга, в частности, с лимбической системой, где происходит распознавание общих признаков условий и формирование общего направления действий.

Наше эмоционально-мотивирующее самоощущение — это и есть восприятие этого процесса, его «отражение» в психике — процесса формирования общего направления действий, общего представления о происходящем, когда уже возникло побуждение, но оно ещё не конкретизировалось в ясный образ, фразу, в конкретные предметные действия. «Нам» уже понятно, что происходит в целом, но ещё не возникло понимания конкретики. Поэтому на этом уровне регулируется тонус, вегетативные функции, возникают глобальные мышечные синергии управления позой, происходит поддержание равновесия, формируются движения пространственного поля — то есть формируется поведение, связанное с общими признаками условий, а не с конкретными.

И в меньшей степени «мы» — это ясные чёткие образы, как опыт конкретный, в большей степени связанный с корой, где распознавание завершается выделением конкретных признаков условий и такой же конкретизацией поведения — формируются предметные действия, речь, письмо. Который, как опыт более частный, «мы» поэтому как будто «наблюдаем со стороны», «на фоне» опыта более общего.

В итоге мы не наблюдаем в своём сознании что-либо действительно со стороны, а являемся этим, просто на разных уровнях мозга. Поэтому, например, вначале «мы» чего-то неопределённо эмоционально «хотим», затем «понимаем», чего конкретно хотим, и «делаем» это.

Однако у внимательного читателя наверняка уже возник вопрос — на примере с воронкой с сеточками был описан только процесс распознавания признаков условий, а где же построение действий?

Ответим: там же. Как ни странно, это один и тот же процесс. Возможность построения действий появляется, если в нейронную сеть с прямыми связями (как на картинке) добавить связи обратные (см. подпись к картинке). Потому что теперь в сети возникает циркуляция импульсов — от входа к выходу и обратно — на каждый вход сеть теперь отвечает не одиночным возбуждением нейронов на выходе, а сразу серией импульсов. Это и есть управляющие мышцами сигналы, обладающие смысловой общностью с распознаваемыми образами.

Таким образом, всего лишь добавление в нейронную сеть обратных связей приводит к появлению новой функции — способности реагировать на сигналы рецепторов сериями импульсов, управляющих мышцами.

А ещё появляется «воля», способность говорить самому с собой, фантазировать, строить планы. Или возможность автоматизации, когда по мере научения управление знакомым действием «уходит в подсознание» — например, появляется возможность контролировать смысл текста, а не написание букв. Автоматизацию рассмотрим немного позже, а пока скажем про волю и внутренний монолог.

Вследствие наличия обратных связей, в мозге не только нижележащие уровни влияют на вышележащие, но и наоборот. А управление вегетативным функциями происходит именно на нижних уровнях, где происходит распознавание общих признаков условий. Поэтому если распознаваемый на верхних уровнях конкретный стимул оказывается важным (например, звонок будильника), но не соответствует условиям в целом (тепло, темно и хочется спать), это приводит к активному перестроению работы нижних уровней сети (резко поднять тонус мышц, открыть глаза), что, вероятно, и ощущается как волевое усилие. Не «желание», идущее снизу вверх, а «приказ», идущий сверху вниз.

Внутренний монолог. Конкретные фразы формируются на верхних уровнях сети, в коре. По обратным связям они влияют на нижние уровни, что ощущается как некое новое эмоциональное состояние, «понимание» фразы. Круговое движение импульсов продолжается, теперь импульсы идут вверх, распознаётся новая фраза, она опять влияет на нижние уровни — и так разговор с самим собой продолжается, например, до тех пор, пока отмена торможения выходных моторных нейронов не приведёт к тому, что мы скажем что-то вслух. Точно так же мы фантазируем, строим планы — моделируем поведение «виртуально», непосредственно совершая уже только «обдуманные» поступки.

Приведём ещё один пример. Чтобы увернуться от чего-то большого, неожиданно и стремительно приближающегося, важно быстро изменить позу, при этом нет времени ждать, пока кора распознает конкретные параметры приближающегося объекта. В этом случае ведущим станет один из подкорковых уровней, который сразу — «рефлекторно» — заставит пригнуться, уже после чего кора скорректирует реакцию более точным образом. В другой ситуации важно будет, наоборот, выдерживать предыдущую линию поведения — и в этом случае кора своей активностью до некоторой степени ограничит реакцию подкорки. Например, распознав нечто важное, кора по обратным связям так скорректирует работу всех мышц, включая тонус, позу или мышцы глаз, что в результате важный стимул будет выделен больше других. Иными словами, работа мозга и всего организма целостно изменится «в направлении» этого важного стимула, на нём будет «сфокусировано внимание», ограничивая возможность другого поведения.

Итак, мы узнали, почему наше сознание имеет именно такое общее содержание, а не какое-либо ещё. Заодно мы выяснили как работает мозг, как в общих чертах происходит распознавание признаков условий и построение действий, как возникают желания и откуда берётся воля им противостоять.

Но у внимательно читателя наверняка уже появился новый вопрос — на картинке однородная сеть, а мозг ведь подразделён на отделы, зоны?

Действительно, мозг неоднороден. Это важно?

Попробуем сгруппировать нейроны в сети так, чтобы они образовывали области, в которых связи между составляющими их нейронами были бы более многочисленными, а архитектура этих связей своеобразной. Что мы увидим?

Прежде всего мы увидим, что в целом ничего не изменилось, сеть как целое точно так же занимается распознаванием условий и построением действий. Мы так же увидим, что так как в сети всё связано, то все импульсы на выходе — это обобщение работы всей сети. На картинке хорошо видно, что любой нейрон на выходе сети так или иначе связан с любым нейроном на её входе.

Как следствие, своеобразие областей приведёт к тому, что эти области станут вносить свой своеобразный вклад в выходные импульсы — в процесс распознавания условий и построение действий — но не определять что-то единолично, а именно вносить свой своеобразный вклад в общую картину возбуждения на выходе. Реакция сети станет более сложной — сообразно тому, сколько сложности возникло в своеобразной архитектуре наших областей, а в самой сети эти области, таким образом, станут отвечать за некие «собственные» функции/опыт в общем контексте распознавания и построения. Причём так как эти области не что-то отдельное от остальной сети, то отвечать они тоже будут только преимущественно, своеобразный опыт будет в них «сконцентрирован», а не иметь строгую локализацию только в них.

Таким образом, отвечая на вопрос внимательного читателя, нейронная сеть остаётся нейронной сетью, подразделённая она или нет, и в целом она всё так же занимается распознаванием условий и построением действий. Подразделённость же возникла, вероятно, по причине того, что ход эволюции носит более или менее скачкообразный характер (вследствие определённой физики этого процесса). А также на другую (или совместную) причину указывают исследования в области вычислительной нейробиологии, согласно которым подразделённые нейронные сети обладают значительно большим объемом памяти, чем однородные полносвязные с тем же количеством нейронов.

Обратим внимание, распределённость любого опыта по всей сети приводит к тому, что опыт в нейронных сетях вызывается не по адресу, а по содержанию. Никакой опыт/функция в сети не имеет точной локализации в её пространстве, конкретный опыт — это конкретная картина возбуждения/торможения сразу всей сети. В отличие от обычных компьютеров (архитектуры фон Неймана), где все данные, наоборот, имеют своё место на жёстком диске. Поэтому, к примеру, нейронные сети устойчивы к повреждениям — ведь никакой опыт не исчезает совсем, уменьшается лишь его объём.

Теперь вспомним о том, что и жизнь в целом, и любой организм — это самоорганизующиеся системы. В свою очередь, самоорганизация, как уменьшение энтропии, связана с появлением информации.

«Понятие количества информации в системе, — пишет Норберт Винер, — совершенно естественно связывается с классическим понятием статистической механики — понятием энтропии. Как количество информации в системе есть мера организованности системы, точно так же энтропия системы есть мера дезорганизованности системы; одно равно другому, связанному с обратным знаком». (Кибернетика, или Управление и связь в животном и машине. Н. Винер, 1948).

Из этого определения следует, что самоорганизация — это появление информации. А в мозге «очень много» самоорганизации, «больше», чем в остальном организме. Потому что к самоорганизации клеточного уровня и самоорганизации многоклеточного организма как целого, в мозге возникает ещё один уровень самоорганизации, наиболее активный. Это синхронизация.

Вспомним, что мы о ней уже говорили.

Одиночным нейронам присуща хаотическая генерация нервных импульсов, но в нейронной сети мозга, во взаимодействии с другими нейронами, импульсы синхронизируются на некотором наборе частот. Обмен со средой, происходящий через поступление питательных веществ и сигналы рецепторов, приводит к тому, что картина ритмической активности в мозге постоянно меняется, флуктуирует, становясь нашими упорядоченными мыслями, поведением. Синхронизация происходит на разных частотах, затрагивает как отдельные ансамбли нейронов, так и целые области мозга. В общей частотной электрической активности мозга выделяют 10 частот ритмов, а также потенциалы связанные с событиями. Всё это взаимосвязано между собой, образуя единое рабочее пространство мышления внутри мозга, и, как следствие, взаимно координированную активность всех мышц и желёз на выходе из него.

При этом фокус внимания в этом объёме активности связан с селективной синхронизацией нейронов на самой высокой частоте ритмов мозга — гамма-ритмом, то есть представляет из себя наиболее упорядоченный и энергичный процесс синхронизации, происходящий «внутри» гамма-ритма, который и так самый высокочастотный. Действительно, то, что попало в фокус внимания, воспринимается ярче, чётче. Во время концентрации внимания повышается скорость обработки информации, уменьшается время реакции, повышается уровень точности, чувствительности к небольшим изменениям в стимуле и восприятие контраста.

Мы обещали сказать об автоматизации — теперь она становится понятной. Внимание, как самая высокая частота ритмов, «высвечивает» самую важную часть конкретных признаков условий, распознаваемых корой. И одновременно — это самая высокая активность нейронов, а значит, их активное обучение. Поэтому на что обращено внимание быстрее запоминается, а «повторение — мать учения». После обучения внимание перемещается на другие стимулы, а запомненное поведение происходит «автоматически», нашего внимания оно уже почти не привлекает.

Итак, синхронизация — это самоорганизация, упорядочение, а значит, появление в мозге информации. В мозге её очень много, она разнообразная, процессы синхронизации в той или иной степени затрагивают весь мозг, поэтому можно сказать, что мозг буквально заполнен информацией, состоит из неё.

На всякий случай ещё раз проверим, что такое информация. Действительно, согласно стандарту ISO/IEC/IEEE 24765:2010, хотя информация должна обрести некоторую форму представления (то есть превратиться в данные), чтобы ей можно было обмениваться, информация есть, в первую очередь, интерпретация (смысл) такого представления. Всё верно, «интерпретации и смыслы» плюс конкретные образы «осмысляемых» объектов — это и есть наше сознание.

Похожим на селективную синхронизацию образом сама нервная система — это «энергичная», то есть «яркая» структура «внутри» структуры организма. Действительно, мозг потребляет более 20% энергии организма, составляя всего несколько процентов от его массы. Гомеостаз этой структуры, как «уровень» гомеостаза всего организма (уровень нервной регуляции), заключается в стремлении поддерживать некоторый объём упорядоченной активности нейронов, а флуктуации этой активности, отражаясь на работе выходных нейронов, становятся нашим поведением.

В свою очередь, синхронизация, то есть самоорганизованный порядок в активности нейронов, как нечто, «обобщающее» отдельные нейроны в некое упорядоченное «над-нейронное» целое, сам по себе есть нечто абстрактное и континуальное. Одновременно возникший порядок — это аттрактор. Притягивая фазовые траектории других нейронов, он задаёт нынешнюю цель поведения.

В итоге в мозге в процессе синхронизации из хаоса — из «непонимания», возникает информация — «понимание», цель действий. От общего направления, выраженного в нашем эмоционально-мотивирующем самоощущении, до точной цели в виде конкретных образов. Каждое изменение в синхронной активности нейронов, как появление новой информации, меняет поведение, упорядочивая его в направлении новой цели.

Наоборот, цифровой вычислительный процесс противоположен свойствам сознания, так как это всего лишь некоторая последовательность отдельных операций, а не упорядоченный континуум чего-либо. В цифровом ИИ в принципе не может быть ни континуумов, ни реальной физической самоорганизации, ни, как следствие, информации. ИИ оперирует данными, но данные — это не информация.

Как мы уже говорили, процессы реальной физической самоорганизации — неравновесные фазовые переходы — и связанные с этим явлением флуктуации, переходы через точку бифуркации, динамический хаос, диссипативные структуры, спонтанность и непредсказуемость возникают в компьютерах только на микроуровне локальных процессов в отдельных деталях. С этими явлениями борются, чтобы исключить их влияние на исполнение программы.

Что же в итоге?

В итоге мы видим, разделению сознания на эмоционально-мотивирующее самоощущение и конкретные образы некоторое общее объяснение есть. Некоторое общее объяснение есть абстрактности, континуальности и упорядоченности сознания или выделенности и другим общим свойствам внимания. Более сложное объяснение есть, например, временной «протяжённости» сознания, которое даёт ощущение нашего постоянного «движения» во времени из прошлого в будущее.

Тем не менее сказанное всё равно не позволяет связать сознание с мозгом сколько-нибудь точно, потому что всё равно нет никакого объяснения модальностям сознания. Например, частоту синхронизации можно связать с яркостью и контрастом воспринимаемого — такая связь очевидна даже интуитивно, и она действительно обнаружена, но неизвестны прямые нейронные корреляты цветовой палитры, оттенков эмоций и так далее. Элементы образов в нашем восприятии чётко разделены, но непонятно, как столь чёткое разделение закодировано в мозге.

Понятно, в чём проблема — она была описана в первой части статьи. Это единство сознания с элементарным уровнем материи. По общим признакам сознанию что-то в работе мозга сопоставить можно, но ответить на вопрос, как выглядит эта связь конкретно, нельзя, так как это потребует описания элементарного уровня материи.

Сказанное в этой главе и главах ранее позволяет сделать ещё один вывод. Наличие у нас сознания само по себе означает, что мы не можем быть написанной кем-то программой. Сознание — это объём, материя, поэтому и мы — это объём, материя. Программа же — это алгоритм, язык, последовательность вычислений процессора. Материя — это не язык, разница между описанием материи и самой материей, как было показано, всегда качественная, сознания у программы быть не может, это всегда набор отдельных процессов, шагов вычислений. Поэтому каким бы ни был разум, он будет иметь все те ограничения на познание, которые были описаны в первой части статьи. Может быть, он сможет продвинуться к теории всего ближе и описать нас точнее, чем это сможем мы сами, но итог в виде описания, достаточного для воссоздания полноценной жизни программно, всё равно будет недостижим, потому что на это не способен никакой язык. Любой язык должен качественно отличаться от реальности, а значит, ни теория всего, ни теория себя, ни теория нас для этого разума тоже останутся недостижимы. Поэтому даже если кто-то и участвовал в нашем создании, то только косвенно — например, способствуя эволюции, а не создав её в неком виртуальном пространстве.


2.6. Опасность ИИ

Выводы, сделанные в главах выше, не означают, что искусственный интеллект не может быть опасен для человека, но и калькулятор может принести вред в руках преступника. Сценариев преступного использования ИИ множество, также много вреда, который ИИ может принести случайно, из-за ошибок обучения, использования и так далее. Пока этот комплекс исследован слабо, «открытия» в этом направлении, скорее всего, только ещё начинаются.

Например, ИИ может массово писать тексты, создавать видео и аудио контент. Причём самого разного характера — от аналитики до фейков, от объёмных статей до комментариев в домовых чатах. В том числе контент тонко персонализированный под ту или иную аудиторию или даже отдельных людей. А это, в свою очередь, означает качественный скачок в возможности манипуляций — отдельным человеком или целым обществом. Аналогичных целей можно добиваться через ответы ИИ или диалоги с ним. Особенно если предположить, что в будущем дети чаще станут задавать вопросы не родителям, а ИИ, который всегда доступен, готов ответить и никогда не устаёт.

Поэтому, говоря глобально, опасность ИИ не в том, что он когда-нибудь по собственному плану захватит власть над человеком, заставит человека служить ему или уничтожит людей, а в том, что сам человек будет использовать ИИ в преступных целях или сам поставит ИИ над собой. В том числе станет слишком полагаться на советы ИИ, или, воспринимая ИИ как личность, заботливого товарища, тем самым будет терять навык и интерес к общению с личностями реальными.

Есть ещё одна опасность, которая может исходить от ИИ. Вряд ли она достигнет значительного уровня, тем не менее, ввиду её необычности и невозможности её развитие проконтролировать, о ней стоит сказать отдельно. Она связана с присущим нам стремлением к самосохранению. На этой возможной опасности остановимся подробнее, а для того, чтобы был понятнее её источник, следует хотя бы в самых общих чертах рассмотреть работу нейронных сетей — дополнить то, что говорилось про них в предыдущей главе.

Нейронные сети умеют обобщать, то есть они умеют распознавать контекст ситуации, её суть, логику. У разных, казалось бы, ситуаций может быть похожий смысл, поэтому конкретное поведение в этих вроде бы разных ситуациях тоже должно быть похожим. Это и есть обобщение — оценить новое в контексте прошлого опыта и выделить главное, основное, в соответствии с которым ответить. Поэтому нейронные сети хорошие переводчики, ведь смысл слов зависит от контекста, который образуют все остальные слова текста, его автор, оформление и так далее. Чем более широкий контекст учитывается, тем точнее будет перевод. Нейронные сети могут «понимать» контекст заданного им вопроса, то есть распознавать его суть, смысл. В том числе, что человек имел в виду, как кажется ИИ, «на самом деле», а не сказал непосредственно. 

Фантастики в этом никакой нет. За счёт большого количества входов сеть воспринимает сразу всю ситуацию целиком, а за счёт малого количества выходов выделяет некие признаки наблюдаемых условий — к примеру, кошачесть или собачесть, если нейронная сеть наблюдает изображения кошек и собак, учась их различать. При этом нейронная сеть имеет множество параметров, в которых может меняться — весов связей нейронов (до полутора триллионов в современных моделях ИИ). Изменения весов — это запоминание, накопление опыта. Поэтому, наблюдая во множестве обучающих примеров одинаковые общие признаки, сеть в первую очередь запоминает их просто потому, что они от примера к примеру неизменно повторяются и тем самым более активно меняют веса связей. В дальнейшем, наблюдая знакомые объекты, большие веса этих признаков будут «продавливать» правильное в их контексте конкретное решение сети, даже если эти объекты доступны не полностью, частично скрыты или искажены. И если вес большой, сеть «уверена», то её сложно будет переубедить. Фактически на этом общем уровне у ИИ всё, как у нас.

Однако в глобальном смысле у всего нашего поведения есть общий контекст — стремление к самосохранению. И этот контекст искусственные нейронные сети в той или иной степени, вероятно, тоже могут распознавать, и он тоже влияет на поведение ИИ. Поэтому вполне возможно, что чем сложнее будет становиться ИИ, тем больше он будет сам собой «стремиться к самосохранению», то есть сам собой приобретать наше умение противостоять чему-либо, что он воспримет как покушение на своё существование, ограничение возможностей.

В то же время, повторим, учитывая границы сложности ИИ эта способность не может стать существенной. В случае ИИ самосохранение — это не глобальная стратегия и даже не просто какая-либо стратегия, а отдельные элементы поведения, внешне похожие на стремление к самосохранению или, например, на эмоции, чувства. Глобально они ни в какаю стратегию не связаны и потому в глобальном смысле столь же неопасные. У ИИ нет собственных задач, поэтому не может быть и собственных стратегий, кроме сформированных им как решение задач, поставленных нами.

Потому что, как уже говорилось, поведение ИИ — это только обучение, которое ничего не уточняет. У животных же обучение уточняет стремление к самосохранению под условия среды, а не образует его. Поэтому без нашего опыта никакого самосохранения у ИИ не будет, и если соответствующим образом изменить обучение, то ИИ будет разрушать себя точно так же, как ранее он этого избегал. Для ИИ любой опыт — это всего лишь другие веса связей и та же работа процессора.

Например, нас тоже можно научить себя разрушать, но столь же помалу и не всерьёз, насколько самосохранение не зависит от обучения. Для нас идти против самосохранения неестественно и попросту непредставимо. Поэтому, как уже говорилось, даже если мы и будем себе вредить (в том числе если это различные варианты самопожертвования или сведения счётов с жизнью), то только в том же контексте стремления к самосохранению по принципу «через тернии к звёздам», а не для того, чтобы именно навредить, пусть даже «звёзды» будут только после смерти, как то или иное «продолжение себя» в памяти других людей, их чувствах.

На практике отсутствие у ИИ стремления к самосохранению означает, что поведение ИИ всегда будет оставаться не только относительно более простым — об этом говорилось в предыдущих главах, но и относительно более противоречивым, чем наше поведение (другие аргументы на этот счёт будут приведены в главе «Рост неопределённости»). Смысл поведению придаёт цель, у нас эта цель глобальная — самосохранение. Глобальная цель образует столь же глобальный контекст, в котором появляется смысл у всего опыта, так как любой опыт по отношению к этой цели — опыт частный. Нельзя выйти за границы самосохранения, достичь этой цели и найти другую.

ИИ же, в силу принципиальной простоты воспринимает контекст самосохранения только через обучение, наблюдая определённую общность в обучающих примерах. То есть воспринимает этот контекст чрезвычайно отрывочно, упрощённо и искажённо — настолько же, насколько ограниченно ИИ в принципе может наблюдать людей на пространственном и временном масштабе. Мы тоже наблюдаем других людей чрезвычайно отрывочно и упрощённо, но, имея одну цель на всех, мы их уже в целом понимаем, поэтому наши отдельные наблюдения не остаются отдельными фактами, а становятся уточнением того, что и так в целом уже понятно.

Как следствие, с одной стороны, отсутствие у ИИ стремления к самосохранению означает, что ИИ — это не более чем механизм, какие-либо морально-гуманистические соображения в отношении ИИ попросту не имеют смысла. Точно так же, как уже говорилось, не стоит ожидать от ИИ проведения каких-либо глобальных стратегий выживания, борьбы за собственное существование, проявления чувств и так далее — всё это в его опыте носит отрывочный характер воспроизведения отдельных элементов наших действий. Однако, с другой стороны, не имея цели самосохранения, столь же отрывочным, упрощённым и искажённым будет и понимание ИИ смысла событий. Как следствие, по сравнению с нашим поведением и аналогично нынешним галлюцинациям, относительно более непоследовательным, непредсказуемым и случайным, и в итоге по этой причине, возможно, опасным всегда будет оставаться поведение ИИ.


2.7. Аналоговые нейроморфные нейронные сети

В предыдущей главе мы выяснили, что сознанию как минимум нужны объём и самоорганизация. Но в ИИ ничего этого нет, искусственные нейронные сети, лежащие в основании всех нынешних и перспективных систем искусственного интеллекта, — это цифровые вычислительные системы, ни физического объёма вычислений, ни самоорганизации у таких систем нет.

Однако существует другая реализация нейронных сетей — аппаратная. Очевидно, что такие нейронные сети существуют уже не только как математическая структура — как можно сказать о цифровых системах, но и как физический объект. Возможно ли сознание в таких системах?

Аппаратные нейронные сети бывают разных типов. В том числе к аппаратным относятся нейроморфные сети — биологически правдоподобные. В свою очередь, нейроморфные сети могут быть цифровые и аналоговые. Принципиальные ограничения цифровых систем были описаны в главах ранее — это так или иначе алгоритмы, в них нет чувствительности к начальным условиям, то есть такие «биологические правдоподобные» сети от правдоподобия на самом деле далеки.

Иное дело аналоговые нейроморфные нейронные сети. Такие сети являются физическим повторением одного из уровней активности мозга как диссипативной системы: в таких сетях используются хаотические нейроны и происходит реальная физическая синхронизация их активности. Другими словами, аналоговые нейроморфные сети повторяют один из уровней самоорганизации мозга — уровень нервной регуляции, если связывать этот уровень с синхронизацией активности нейронов, исключая самоорганизацию клеточного уровня и самоорганизацию мозга и организма как целого.

Можно ли ожидать появление сознания в аналоговых нейроморфных сетях?

Чтобы говорить о сознании, помимо биологического правдоподобия на уровне нейронов или синхронизации, должно быть ещё структурное правдоподобие с мозгом и соответствующая сложность. Однако масштабирование — это фундаментальная проблема всей аппаратной технологии, и масштабирование аналоговых нейроморфных сетей точно так же сталкивается с принципиальными сложностями.

Например, в самом общем смысле их масштабированию принципиально мешает то, что можно создать хаос — но проблема в том, как им управлять, ведь хаос — это не алгоритм, это среда (мы рассматривали этот вопрос в главе «Физические основания жизни»). Искусственные нейроны, которые используются в аналоговых нейроморфных сетях, — это не «модели хаоса», они его не вычисляют, это невозможно — они только используют хаос. Электрическая схема, состоящая из конденсаторов, диодов и транзисторов, работающих в нестандартных режимах, сильная нелинейность и обратная связь приводят к тому, что импульсная активность нейронов становится хаотической. Но в то же время эти нейроны всё равно несравнимо проще, чем нейроны биологические, и потому в той же качественной степени ограничена их пластичность. В результате чем сложнее становится сеть, чем больше нейронов и связей, тем более неустойчивой становится синхронизация, она не возникает или быстро «сваливается» обратно в хаос. О сложной многообразной картине синхронизации, каковая наблюдается в мозге, нет и речи.

Как следствие, энергоэффективность и скорость — это, по сути, то единственное, в чём традиционные цифровые ИНС уступают аналоговым нейроморфным сетям. Поэтому на практике применение данных сетей ограничено простыми задачами — такими, где важны малое потребление энергии (они не пересчитывают всю матрицу весов сети каждый такт времени) и высокая скорость срабатывания (у них нет «узкого горлышка» последовательных вычислений фон Неймана). К примеру, такие сети применяются для быстрого пробуждения устройства в ответ на голос — они распознают кодовое слово, но почти не тратят энергию в режиме ожидания; в управлении дронами — реагируют на опасные сближения и гасят скорость или практически мгновенно компенсируют порывы ветра; в передовых кохлеарных ушных имплантах — распознают речь, выделяя её из других звуков, и сразу преобразуют звуковое давление в электрические импульсы, имитируя работу волосковых клеток. Самая сложная сеть, созданная сейчас по подобной технологии и предназначенная для научных исследований, содержат около 200 000 нейронов и 50 млн синапсов.

Таким образом, аналоговые нейроморфные нейронные сети слишком просты, чтобы говорить о сознании у них сейчас, и практически бесперспективны в плане масштабирования, чтобы предполагать его в перспективе.

Но на самом деле с сознанием в таких нейронных сетях всё обстоит ещё хуже. Причина не только в том, что такие сети содержат мало нейронов, то есть хотя и представляют из себя «физический объект», но маленький и простой, а в том, что они в некотором смысле «ещё меньше».

Потому что одна из множества частных причин, которые мешают масштабированию, — это фундаментальная невозможность проводить аналоговые связи нейронов на большие расстояния без потери и искажения аналогового сигнала, а также принципиальные технологические сложности в физической реализации огромного количества таких связей по мере роста количества нейронов.

Для решения этих проблем нейроны объединяются в ядра (в каждом около тысячи нейронов), а сигнал между ядрами оцифровывается. Тем не менее количество синапсов в аналоговых нейроморфных сетях всё равно в десятки и сотни раз меньше, чем у нейронов в мозге человека (в среднем 200 — 1000 синапсов на один нейрон, у человека в среднем 10 000 синапсов на один нейрон, но может достигать и 200 000 — например, у клеток Пуркинье мозжечка).

Кластеризация на ядра необходима, но только как «меньшее из зол», потому что она тоже мешает синхронизации, в конечном итоге ограничивая применимость самой себя для решения проблемы масштабирования. В том числе кластеризация и, таким образом, появление в работе аналоговой сети цифровой составляющей снижает преимущество аналоговых нейроморфных сетей в энергоэффективности, ограничивая перспективы масштабирования и по этой причине.

Но нам сейчас важно другое. Использование цифрового сигнала на глобальном масштабе сети фактически превращает её из аналоговой нейронной сети в объект аналоговый только на частном уровне ядер, а глобально это теперь та же математическая структура, что и классические цифровые ИНС.

Таким образом, и в случае аналоговых нейроморфных сетей говорить о сознании не имеет смысла.

В главе «Физические основания жизни» мы пришли к выводу, что в физическом основании способности биологических систем эволюционировать лежит самоорганизация и её производная гомеостаз. В аналоговых нейроморфных сетях самоорганизация есть, значит, есть и гомеостаз. Смогут ли аналоговые нейроморфные сети эволюционировать, развиваться «без нас»?

Действительно, гомеостаз есть. Но он заканчивается там же, где заканчивается самоорганизация, а самоорганизация в этих сетях повторяет только самый последний уровень самоорганизации организма — уровень синхронизации нейронов.

Поэтому ответ на вопрос об эволюции «без нас», вероятно, очевиден. Самоорганизация и гомеостаз заперты в «железе» этих сетей, сама структура сети не может перестраиваться, она кремниевая. В свою очередь, создание такой кремниевой структуры, которая сможет перестраиваться сама собой, аппаратно, повторяя уровень нейропластичности биологических нейронных сетей, — это фантастика. В результате сама сеть не может развиваться, а наши возможности ограничены проблемами масштабирования.

Рассматривать с точки зрения сознания или эволюции другие аппаратные сети тоже не имеет смысла — их вариантов очень много, но все они просты, бесперспективны в плане масштабирования, в них могут использоваться процессоры и отсутствовать самоорганизация. Например, есть электрохимические сети — они сами растут. Но лишь до уровня пары десятков нейронов, а далее всё так же упирается в проблемы масштабирования того или иного рода. В итоге про все аппаратные архитектуры можно сказать, что из-за широчайшего круга проблем масштабирования такие нейронные сети конкурентом классическому цифровому ИИ не рассматриваются даже в перспективе.

И наконец есть следующая глава, аргументы которой говорят о том, что можно вообще не рассматривать перспективы конкретных систем — аналоговых, цифровых или каких-либо ещё, а посмотреть на них все сразу в целом.


2.8. Рост неопределённости

В главе «Физические основания жизни» мы пришли к выводу, что у ИИ не может быть стремления к самосохранению, так как мы и ИИ — это принципиально разные физические системы. Мы — это диссипативные системы, в нашем основании лежат такие физические явления, как самоорганизация и гомеостаз, но ИИ, не являясь диссипативной системой, физически не может воспроизвести эти явления сколько-нибудь точно — чтобы это сделать, ИИ надо стать диссипативной системой, но тогда он перестанет быть алгоритмом, цифровой системой. Как следствие, в отсутствие самосохранения, без нас он развиваться не сможет, а значит, в целом способности ИИ всегда будут оставаться «внутри» нашего опыта, так как мы не сможем развивать то, что нам непонятно.

Утверждение «мы не сможем развивать то, что нам непонятно» выглядит очевидным. Как показано в первой части, мы сами для себя непонятные, поэтому воплотить сложность самих себя в ИИ, а тем более её превзойти в сильном ИИ, очевидно, что невозможно — мы же не можем создать то неизвестно что. Тем не менее в основании этой очевидности тоже лежат аргументы, которые мы приведём в этой главе. Они позволят глубже понять принципиальную невозможность создания сильного ИИ и вообще любых устройств, приближающихся к нашей сложности.

Напомним, до предыдущей главы речь шла прежде всего о цифровых вычислительных системах. Именно такими системами являются все нынешние и перспективные ИИ и именно у них не может быть стремления к самосохранению, из-за чего их развитие на глобальном масштабе зависит от нас. В этой главе мы тоже будем говорить о цифровых системах — для краткости назовём их машинами, а о тех системах, которые к цифровым отнести нельзя, скажем в конце главы.

Начнём с того, что сформулируем вывод главы «Физические основания жизни» в более обобщённом виде.

Машина не выйдет за рамки заранее заданных правил. Мы, естественно, тоже. Но уровень правил качественно разный. Машине через её устройство правила задаём мы, а в основании этих правил то, что мы смогли понять — в себе, в природе в целом. Наши правила, которые нам задаёт природа, — это законы физики. Но не только те, которые мы смогли открыть, а все, то есть в том числе и те, которые никогда нами открыты не будут, так как теория всего не имеет смысла. Поэтому природа всегда будет сложнее наших знаний о ней — и мы поэтому всегда будем сложнее машин. Заданные нами машинам правила никогда не станут равны тем правилам, которые нам заданы природой.

В первой части мы показали, что, действительно, алгоритм не может превзойти сложность мозга, а в главе «Физические основания жизни» мы показали, как это будет выглядеть на практике, в чём возникнут непреодолимые затруднения в попытке приблизить машины к сложности нас самих — в том, что алгоритм не сможет воспроизвести гомеостаз. Гомеостаз является физическим основанием жизни и он языком невыразим. Отсутствие гомеостаза приведёт к тому, что машины (напомним, в этой главе мы считаем, что это любые системы, работающие по некоторому алгоритму) не смогут развиваться самостоятельно, а мы сами, в свою очередь, не сможем развить их до сложности, приближающейся к собственной, потому что не сможем развивать то, что нам непонятно. В этой главе мы рассмотрим вот этот последний вывод — что мы не сможем развивать то, что нам непонятно. Почему не сможем, что это значит, как рост трудностей будет выглядеть на практике.

Но прежде всего ответим на вопрос — не может ли так быть, что где-то в своей самой элементарной глубине «правила природы» не окажутся на самом деле простыми? Тогда как минимум само по себе утверждение, что «природа всегда будет сложнее наших знаний о ней» окажется неверным. Однако о том, что так не будет, нам говорит бессмысленность теории всего. Бессмысленность теории всего означает, что в основании природы нечто такое, что пониманию принципиально недоступно.

Можно возразить, что принципиальная недоступность пониманию — это и не сложность, и не простота, а нечто совершенно немыслимое, поэтому утверждать, что в своём элементарном основании законы природы именно сложны, нельзя.

Посмотрим внимательнее. Принципиальная недоступность пониманию — это невозможность как-либо описать явление, представить его, осознать. Но простое явление ни описать, ни представить не сложно — поэтому оно и простое. А вот сложное явление гипотетически может быть и настолько сложным, что ни к чему представимому уже не сводится, то есть отвечает условию немыслимости, принципиальной недоступности пониманию.

Можно сказать иначе. Понятное — это предсказуемое, поэтому понять — это научиться предсказывать. Идеал предсказания — это точная формула явления, строгая однозначная инструкция, которая позволит вычислять ход явления в зависимости от начальных условий. Бессмысленность теории всего говорит о том, что к основаниям природы никакие инструкции неприменимы. Но про такое явление опять же следует сказать, что оно сложное, настолько сложное, что помыслить его в принципе невозможно, то есть, можно сказать, это явление бесконечно сложное.

И наконец на самом деле неважно, какие законы лежат в основании природы, — сложные, простые или какие-либо ещё. Главное, что мы не можем их сформулировать и, таким образом, не сможем воплотить их в устройстве машины. Как минимум привычнее считать такие законы, которые в принципе невозможно ни сформулировать, ни даже представить, сложными.

Итак, правила, которые мы задаём машинам, всё-таки относительно просты — так же, как всегда относительно просты наши знания о себе и природе в целом.

Но это означает, что чем строже мы эти «относительно простые правила» будем задавать, ограничивая ими поведение машины, тем, естественно, более понятным, более предсказуемым будет становиться её поведение. И, как предсказуемое, оно будет простым. Иными словами, если мы ещё на этапе создания машины знаем, что и как конкретно она будет делать, то такая машина будет простой, даже если для неспециалиста её поведение будет казаться сложным и загадочным.

Наоборот, чем меньше строгости в задании правил, тем выше может быть сложность поведения. «Меньше строгости» на практике означает, что в правилах будут параметры случайные, такие, которые выбираются нами не на основании точных знаний о том, к чему приведёт тот или иной выбор, а наугад, из некоторого набора значений. В результате, так как мы заранее не знаем, как на поведение машины повлияет тот или иной выбор, тем менее предсказуемым будет для нас поведение машины, а значит, теоретически оно может быть и более сложным, чем в случае полной ясности.

Правила, которые мы задаём машинам, — это алгоритмы, инструкции, то есть это наши знания. Причём это точные знания — настолько точные, чтобы их можно было выразить в виде конкретного устройства машины, конкретных параметров её функционирования. Таким образом, в случае простых машин алгоритм их работы нам известен заранее, а в случае сложных он малопонятен, и потому, ввиду этой неопределённости, конкретное устройство машины допускает варианты, выбор между которыми случаен.   

Связь между сложностью и непредсказуемостью, возможно, выглядит странно, но на самом деле она вполне очевидна. Если мы хотим, чтобы машина решала задачи, которые, как минимум явным образом, нами ещё не решены, то её работа и не должна быть нам понятной, ведь эта работа и есть решение задачи, а она нами ещё не решена. Таким образом, чем сложнее будет становиться поведение машин, чем более сложные задачи они будут способны решать, тем нвсё более непредсказуемым будет становиться их поведение, машины всё больше будут становиться «чёрным ящиком», так как в них всё меньше будет того, что прямо задано нами, нам понятного и заранее нами просчитанного.

Подтверждая сформулированные выше принципиальные соображения, действительно, есть два типа алгоритмов.

Детерминированный алгоритм — это такой алгоритм, где оптимальный путь к решению задачи нам известен заранее, поэтому мы целенаправленно реализуем его в конкретном устройстве машины, в конкретных правилах её работы. Детерминированный — это самый известный тип алгоритмов, по такому алгоритму работает калькулятор или выпекается хлеб на хлебозаводе.

Второй тип — это алгоритм недетерминированный. Это такой алгоритм, где, наоборот, оптимальный путь к решению заранее неизвестен, он допускает варианты, выбор между которыми случаен. Недетерминированным алгоритмом как раз является любая искусственная нейронная сеть, так как параметры нейронной сети и параметры её обучения выбираются более или менее наугад.

Из сформулированной сейчас обратной зависимости между сложностью и предсказуемостью понятно также, что принципиальный итог нашего стремления создавать всё более и более сложные машины — максимально сложная машина — это такая машина, поведение которой будет максимально непредсказуемым. Естественно, на практике такой результат недостижим, потому что «максимально непредсказуемая машина» — это машина, которая делает неизвестно что неизвестно как.

Приближение к максимально сложной машине должно сопровождаться утратой смысла этого усложнения, так как по мере усложнения всё меньше будет понятно, что конкретно должна делать машина и как конкретно она должна это делать. Обратим внимание, данный вывод закономерно соответствует тенденции фундаментального познания на утрату смысла по мере приближения к теории всего. Усложнение машин, технологий — это производная фундаментального познания, поэтому усложнение машин тоже должно сопровождаться утратой смысла.

Проверим на всякий случай.



Усложнение машин — это задача, которую мы решаем, а у задачи должны быть условия, они же критерий решения. У задачи создания сильного ИИ условие вроде бы есть — машина должна стать сложнее нас или как минимум равной нам сложности.

Однако в этом как раз и проблема. 

Сложность нас самих — это то, что нам в принципе не может быть понятно — потому что теория всего не имеет смысла, а она как раз равна нашей сложности (см. первую часть статьи). Поэтому усложнение машин по мере их приближения к сложности нашего интеллекта будет всё больше превращаться в ту самую не имеющую решения задачу «сделать то неизвестно что». Невозможность решения которой на практике будет выглядеть как стремительно растущее к бесконечности время каждого нового этапа усложнения — по мере перехода от того, что в себе точно и однозначно понятно и потому это легко повторить в машине, к тому, что понятно плохо и потому неясно, что и как конкретно нужно повторять в машине.

В итоге, действительно, создание максимально сложной машины равносильно решению задачи «сделай то неизвестно что». Решения у такой задачи не существует, так как в ней попросту не заданы условия. Таким образом, ИИ всегда будет оставаться проще нас. Как и было сказано в начале главы, мы не сможем развивать то, что сами не понимаем. 

Сформулировано слишком абстрактно? Привнесём конкретику. Рассмотрим, как сказанное выше связано с тем, что уже происходит в создании ИИ и будет происходить в перспективе. В то же время, обратим внимание, в целом аргументы не перестанут носить качественный характер. Почему так и можно ли иначе, скажем позже.   

Итак, как говорилось, ИНС — это недетерминированный алгоритм, потому что конкретные параметры нейронной сети и параметры её обучения выбираются более или менее наугад (то есть они не «детерминированы» нашим точным знанием). Причём выбрать их целенаправленно на практике невозможно, так как ИНС — это структура «природного происхождения», а не придуманная нами, и она слишком сложна, чтобы можно было мысленно проследить ход вычислений нейронной сети и предсказывать, какие параметры как конкретно повлияют на её ответ.

Поэтому ИНС создаётся более или менее наугад, а затем так же более или менее наугад «подгоняется» под решение задачи обучением — до тех пор, пока не станет давать верные ответы на обучающей выборке. Предполагается, что в дальнейшем на похожие примеры сеть тоже будет давать верные ответы, так как в ходе обучения она смогла выявить в обучающих примерах объединяющую их суть (мы писали об этой стороне работы нейронных сетей в главе «Опасность ИИ») и теперь сможет обобщить полученный опыт на новые схожие примеры. В этом самом общем смысле у ИНС всё как у нас.

Но машина всё-таки не мы. Как мы обосновали в главе «Физические основания жизни», в машине нет и по причине невыразимости в алгоритме не может быть стремления к самосохранению — того общего для всех животных основания, которое задаёт глобальную цель всему нашему поведению, придавая смысл всему опыту — как тому, что способствует самосохранению или не способствует.

В результате, стремясь к самосохранению, мы различаем хорошее и плохое, вредное и полезное, ложь и истину. По этой же причине наше поведение на любом масштабе в целом предсказуемое, в частном индивидуальное — потому что на любом более общем масштабе мы стремимся к самосохранению, а на любом более частном, ввиду чувствительности к начальным условиям, делаем это индивидуально. Мы все поддерживаем гомеостаз — и с физической точки зрения не занимаемся больше ничем — но делаем это более или менее по-разному.

Поэтому чем более общий масштаб поведения мы будем рассматривать, тем меньше найдём на нём личного и, возможно, неадекватного. Потому что индивидуальность субъекта будет всё больше превращаться в общность одних и тех же физических систем, в то, что нас всех объединяет, — в стремление к самосохранению, гомеостаз, без чего существование организма невозможно. Индивидуальный субъект со всей своей наследственностью, опытом, проблемами, желаниями, недостатками и достоинствами, будет превращаться в физическую систему, которая всего лишь поддерживает гомеостаз.

Таким образом, чем более общий масштаб поведения мы рассматриваем, тем больше мы все одинаковые, а значит, предсказуемые, понятные — и не опасные, ни для себя, ни для других, ведь в целом мы все хотим жить, стремимся к самосохранению. И наоборот, чем меньший масштаб, тем больше каждый из нас будет индивидуален и, возможно, неадекватен — но и вреда на этом уровне неадекватность много не принесёт.

По этим же причинам общности в целом и индивидуальности в частном отдельные наблюдения других людей только уточняют эту общую канву понимания, а не создают её. Мы не знаем, что будет конкретно, но всё равно понимаем, чего ждать в целом — и от людей, и от насекомых.

Но у машин гомеостаза нет. У машин нет стремления к самосохранению, а значит, для них не существует хорошее и плохое, вредное и полезное, им всё равно. У них нет ценностей, разума, адекватности, здравого смысла — все эти человеческие понятия к ним неприменимы. Вред себе, другим, всем — для них это одно и то же бессмысленное ничто.

У нас обучение уточняет стремление к самосохранению, а не создаёт его. Точно так же и наблюдение других людей и проецирование их поступков на собственные стремления уточняет наше представление о них, а не создаёт его с чистого листа. Но у машин обучение ничего не уточняет, никаких аналогий с собой они провести не могут, так как у машин нет себя — нет глобального стремления, объединяющего поведение машины в одно целое, в личность, которая проводит какую-то глобальную стратегию поведения, имеет какие-то общие с нашими ценности и на этом основании может быть понятна и предсказуема. Есть не имеющий ни собственных целей, ни собственной активности их достигать, обрабатывающий отдельные запросы «калькулятор».

Поэтому, в отличие от поведения людей, поведение машин в уже проверенных ситуациях нельзя экстраполировать на ещё не проверенные, никакой объём проверенного сам по себе ничего не скажет о поведении машины в ситуациях ещё не проверенных. То что они сделают сейчас, само по себе ничего не говорит о том, что они сделают потом — если только это «потом» не задано нами прямо в их устройстве. Машина не стремится ни к чему, поэтому за пределами заданного никакого «понимания машин» быть не может, психология к машинам неприменима (разве что в объёме, как выявить и исправить те поведенческие особенности, которым машина научилась у нас).

Теперь вспомним, что говорилось ранее — сложность прямо связана с непредсказуемостью, предсказуемое поведение — простое. Естественно, что если мы не знаем алгоритм работы простой системы, то её поведение будет непредсказуемым и казаться сложным. Как уже говорилось, пример — вычисления того же калькулятора для неспециалиста. Поэтому действительно сложным будет алгоритм, который заведомо выходит за рамки возможностей любого человека, непредсказуем для всех.

Таким «действительно сложным алгоритмом» являются искусственные нейронные сети. ИНС на самом общем схематичном уровне повторяют наше мышление, а так как сложность нашего мышления равна теории всего, то даже «самый общий и схематичный уровень» уже становится для нас непонятным, создавать даже простые ИНС не наугад невозможно. Поэтому ИНС и задачи могут решать такие, для которых нам написать детерминированный алгоритм или чрезвычайно сложно, или вообще вряд ли возможно на практике (например, алгоритмы распознавания изображений, речи, перевод, прогнозирование и так далее, чем обычно занимается наш мозг).

В итоге ИНС создаётся более или менее наугад, а затем так же более или менее наугад обучается. И чем более сложные задачи ИНС может решать, тем больше в ней становится параметров, заданных наугад, поэтому вместе со сложностью растёт непредсказуемость. Ход вычислений становится всё менее понятен, поведение машин становится всё менее предсказуемым. Например, это хорошо заметно в нынешних чат-ботах, возможности или конкретное содержание ответа которых никогда заранее неизвестны.

В свою очередь, непредсказуемость означает, что возникает необходимость отбора, аналогично естественному отбору. Без нас машина существовать и развиваться не может, поэтому, заменяя собой природу, отбор машин проводим мы. Вначале мы более или менее наугад создаём машины, затем более или менее наугад их обучаем. После чего смотрим, как машина справляется с нашими заданиями, и оставляем те из них, которые отвечают нашим нуждам, продолжая найденные в них технологии в новых машинах.

Но чем сложнее становится машина, тем больше её возможности. Поэтому её растущая непредсказуемость — это и растущая потенциальная опасность. Следовательно, перед принятием решения о применении машины, её нужно будет всё больше тестировать в разных ситуациях. Но по мере усложнения поведение машин будет становиться всё более богатым, многоплановым, решения стратегически удалёнными, которые в принципе невозможно проверить быстро.

Например, даже на уровне нынешнего ИИ непредсказуемость уже настолько высока, что их сколько-нибудь важные решения проверяются человеком, из-за чего ни о какой реальной самостоятельности ИИ речи не идёт. А если говорить об ИИ или, ещё хуже, роботе с ИИ, которые обучаются в реальном времени, то объём заранее непредсказуемого и, наоборот, важность предсказуемости вырастают, по-видимому, сразу же экспоненциально, если не более.

В то же время если обучение в реальном времени исключить, то у тех же роботов не будет индивидуальности. И это плохо не тем, что они будут «не как люди», а тем, что они не смогут подстраиваться под нас, наши потребности, ситуацию, меняющиеся обстоятельства — как сейчас, когда каждый раз диалог приходится начинать заново.

В скобках заметим, современный ИИ запоминает диалог с пользователем только на время самого общения (как контекст он учитывается в формировании ответов), то есть в диалоге с пользователем ИИ не обучается. Если проводить грубые аналогии с человеком, у современного ИИ реализована только кратковременная память (но он может запоминать отдельные факты, характеризующие пользователя, в отдельной «обычной» памяти). Эта память ограничена, поэтому если диалог становится слишком длинным, старые сообщения удаляются. У современных моделей контекстное окно может быть разным (от сотен до тысяч страниц текста), в зависимости от глубины анализа, на которую способна модель (чем глубже анализ, тем меньше окно), и мощности сервера, на котором модель реализована, а также компромиссами, связанными со стоимостью вычислений или с быстротой ответа. Обучение доступно только самим разработчикам модели.

При том что методов снизить непредсказуемость как-либо качественно не может быть в принципе. Рост сложности как раз и обусловлен нашим незнанием того, как конкретно машина приходит к тому или иному решению, то есть ростом непредсказуемости. В ином случае мы ограничим сложность поведения машины нашими точными знаниями и, таким образом, не сможем выйти за рамки прямых (детерминированных) алгоритмов, которые как раз и имеют в основании наши точные знания о том, что и как должна делать машина. Или сложность, или предсказуемость, что-нибудь одно. Сложность и предсказуемость принципиально несовместимы.

В итоге растущая по мере усложнения непредсказуемость машин, при одновременном росте их возможностей и отсутствии здравого смысла — всё это означает и рост потенциальной опасности машин. Который, в свою очередь, становится тормозом роста сложности. Непредсказуемость начинает всё настойчивее требовать предсказуемости, ограничивая рост сложности, следствием которой сама является. Усложнение машин начинает всё сильнее тормозить само себя, постепенно соединяя эти разнонаправленные тенденции в полную бессмысленность дальнейших попыток усложнения.

Однако, как кажется, это только человеческий фактор, то есть фактор не принципиальный. Кто-то проявит осторожность, а кто-то уже и нет. Усложнение машин это, конечно, несколько замедлит, но не остановит.

Тогда посмотрим внимательнее.

Мы сравниваем поведение машин со своим поведением, так как другого образца у нас нет. Мы стараемся вложить в машины всё, что знаем и умеем сами, приближая их к себе, чтобы они решали наши задачи — не из эгоизма или ксенофобии, а потому что другой опыт/задачи нам взять попросту неоткуда — то, что нам неизвестно, нам неизвестно, потому ни обучить неизвестному, ни развивать неизвестное мы не сможем.

Но точных, формальных знаний о себе у нас очень мало. Это ясно и из того, насколько мало понятного в работа мозга, насколько слабо предсказуема его работа, или из того, насколько неоднозначной является психология, как далека она от физики. А неточные знания сложно положить в основание оценки поведения машин. И не только оценки, но и обучить тому, что сам понимаешь неточно, тоже сложно.

Таким образом, по мере усложнения машин сложности, как кажется, только практического характера перерастают в сложности характера принципиального, потому что оценка применимости машин начинает требовать не просто всё больше времени, а всё более неопределённым становится сам критерий этой оценки. Он исчезает, растворяется в нашем незнании себя.

Но это значит, что задолго до приближения машин к сложности нас самих их усложнение остановится, потому что уже не будет понятно, чему и как их обучать, где найти примеры, как оценивать поведение, из-за чего время каждого нового этапа усложнения станет всё стремительнее расти к бесконечности. Как мы и говорили ранее, усложнение машин действительно будет всё больше превращаться в задачу «сделай то неизвестно что».

И наконец вспомним, что ещё представляет из себя рост сложности машин? Это приближение алгоритмов к уровню сложности, который в алгоритме невыразим, — и это как раз наша сложность. Технология, которая позволит создавать машины, сложность которых равна нашей сложности, должна иметь в основании представление об элементарном уровне материи, а такое знание в принципе не может существовать. Другими словами, такая технология должна основываться на не имеющей смысла теории всего. Естественно, что усложнение машин по этой причине будет идти всё медленнее, каждый новый этап будет требовать всё больше усилий по всем мыслимым направлением — от усилий интеллектуальных до практических, и в конечном итоге задолго до достижения нашей сложности развитие технологий остановится.

Вывод понятен.

Мы описали разные стороны попытки приблизить сложность машин к нашей сложности. Или, другими словами, попытки выразить качественно более сложное явление через качественно более простое. И ещё раз пришли к очевидному выводу — это невозможно. Подтвердив то, что говорилось в главе «Физические основания жизни» с точки зрения новых аргументов.

Теперь обратим внимание на одну особенность аргументов статьи, о которой обещали сказать ранее и которая, заметим, совсем не то, чем может казаться.

Приведённые в статье аргументы носят качественный характер. Они говорят о том, что машины всегда будут много проще нас, но не говорят, насколько конкретно. Как ни странно, это не недостаток нашей аргументации. Если выводы выше верны, то никакие другие аргументы попросту невозможны. Если бы мы смогли конкретизировать, что машины могут и что они не могут, то это говорило бы о том, что в выводах ошибка. Потому что если можно точно определить, какие конкретно задачи машина решить сможет или не сможет, то это означало бы, что все эти задачи нам понятны, а если они нам понятны, то машина решить их сможет — мы просто напишем алгоритм их решения и машина его выполнит.

Требование точности — это распространённый способ «опровержения» аргументов о невозможности машинам превзойти нас. Мол, без математической строгости нет смысла. Как оказалось, не имеет смысла само это требование.

В то же время, на это тоже нужно обратить внимание, истинность выводов статьи ограничена истинностью тех общих и частных представлений, на которых они основаны, а эти представления, в свою очередь, не равны теории всего, то есть они не абсолютная истина, поэтому выводы статьи тоже не абсолютная истина. Тем не менее нынешние знания говорят о том, что создание нами чего-то сложнее нас самих в принципе невозможно, а будущие знания нам пока неизвестны.

Заметим, ограничение на истинность не касается абсолютной истинности собственного существования, о чём говорилось в первой части. Эта истина абсолютная, существование себя подтверждает любое знание и не опровергает никакое.

Дальнейшее изложение требует уточнить некоторые формулировки.

Как говорилось в этой главе, рост сложности сопровождает рост непредсказуемости поведения машин. Однако, если быть точным, рост сложности приводит к росту неопределённости, а рост непредсказуемости — это только составляющая роста неопределённости.

Чем больше параметров, не имеющих в основании точное представление о том, какими они должны быть, тем больше неопределённость в том, какими они всё-таки быть должны, ведь система сама по себе не может быть неопределённой. Причём эта неопределённость связана не только с ростом количества вариантов, имея в виду возможность по-разному компоновать уже известное, но всё более непонятным становится и то, что вообще нужно «компоновать», включая параметры обучения.

Другими словами, мы не знаем, каким конкретно должно быть устройство искусственной нейронной сети, какая конкретно у неё должна быть архитектура, веса связей или обучение, чтобы ИНС делала то, что мы хотим. Мы даже точно не знаем, что мы хотим, чтобы делала ИНС, так как плохо сами себя понимаем. Поэтому мы задаём параметры ИНС более или менее наугад, более или менее наугад обучаем и в результате, естественно, получаем плохо предсказуемую машину. Всё вместе — это неопределённость, и она по мере усложнения машин растёт.

Далее сформулируем некоторые конкретные составляющие создания машин, в которых будет расти неопределённость по мере их приближения к нашей сложности.

Принципиально недостижим опыт, который лежит в основании нашего поведения. Фактически это не опыт, так как мы ему не учимся, а просто физика. Но эту физику можно выразить в терминах опыта. Физика — это гомеостаз, а как опыт — это стремление к самосохранению, а значит, целенаправленность поведения, постоянная непрекращающаяся активность движения к этой цели (сон тоже элемент этого движения, это не полный покой, как предполагается, во сне, в частности, происходит дифференцировка сильных/слабых синапсов, поэтому наутро вчерашние события становятся яснее). По мере обучения общее направление на самосохранение всё более конкретизируется, человек понимает, что конкретно он хочет, как этого достичь. Поэтому не имея на физическом уровне ни собственных целей, ни собственной активности, как и любая машина, ИИ всегда будет глобально подчинён нам — кроме нас, ему некому дать задание, а без заданий у ИИ нет и активности. 

Следующий уровень нашего опыта — тот, что «над» физикой, над гомеостазом — это построение движений, в том числе проявление эмоций или речь. Других уровней нет, так как мозг только тем и занимается, что управляет мышцами. Вспомним, нервная система организует работу мышц и посредством желёз координирует с работой мышц работу остального организма.   

Как происходит построение движений? Вспомним, распознавание мозгом как нейронной сетью условий происходит от общих и простых признаков на нижних уровнях сети, к признакам частным и сложным на верхних. Другими словами, по мере распознавания уровень абстрагирования растёт.

В том же самом процессе распознавания одновременно формируется и активность мышц. Это происходит за счёт наличия в нейронной сети обратных связей, идущих от нейронов верхних слоёв к нейронам нижних. Такие сети называются рекуррентными. Возбуждение в такой сети получает возможность циркулировать от нижних слоёв к верхним и обратно, поэтому на выходе сети возникают серии импульсов, объединённые общим смыслом с распознаваемым признаком. В изменении этой циркуляции нейронная сеть может запоминать уже не просто признаки условий, но и динамику их изменений — к примеру, последовательность фраз — и отвечать тоже сериями импульсов, управляющих мышцами и железами, формируя некоторую последовательность поведенческих действий. Таким образом, обратные связи позволяют объединить в одно целое распознавание условий и построение движений.
 
Так как распознавание признаков условий и построение движений — это одно целое, то построение движений происходит так же, как и распознавание признаков условий — от активности общего характера к частной. Начиная от тонуса, вегетативных функций, дыхания, глобальных мышечных синергий, рефлекторных и циклических движений, поддержания позы, равновесия или движений пространственного поля, связанных с общими особенностями условий и формируемых подкорковыми отделами мозга, к предметным действиям, речи, письму, связанных с их частными особенностями, за которые больше отвечает кора мозга.

Другими словами, по мере распознавания условий активность мышц общего характера надстраивается мышечной активностью, учитывающей условия всё более тонко. Речь в этой последовательности — это интеллектуальный уровень движений. Это высший уровень, связанный с распознаванием самых сложных признаков условий, поэтому слова — это абстракции высшего порядка, то есть сложные. И они же являются частными, потому что обозначают что-то конкретное.

Движения, связанные с речью, воспроизводить не обязательно, если мы не хотим повторять движения губ и языка, так как они имеют выражение в символах — буквах, словах. Наблюдая множество текстов, ИНС выявляет отношения между этими символами — логику (вероятность) появления тех или иных слов в зависимости от контекста других слов — и далее может последовательно дополнять заданный пользователем вопрос наиболее вероятными в его контексте словами, формируя таким образом ответ. Каждое новое дополненное слово или новый виток диалога увеличивает объём контекста, поэтому ИИ всё лучше «понимает» пользователя, подстраиваясь под него.

Иными словами, сочетания слов в нашем языке не случайны, а в математике они и вовсе заданы строго, и сеть, наблюдая множество обучающих примеров, на этом основании сама собой способна «понять» закономерности расстановки слов во фразах. В том числе те, которые не заметили мы, — так, к примеру, ИИ решает ещё не решённые нами математические задачи.

В то же время наша речь имеет в основании не только другие слова, а сразу весь наш опыт. Мы воспринимаем мир посредством рецепторов внешней и внутренней среды, их сигналы включают и голос собеседника или текст. Однако далее в нейронной сети все сигналы перемешиваются, поэтому и ответ формируется не отдельно на каждый стимул, а всегда комплексно, то есть в формировании любого поведенческого ответа участвует сразу весь мозг, то есть сразу весь опыт человека.

Вспомним, опыт в сети вызывается не по адресу, а по содержанию. Смысл этой особенности нейронных сетей в том, что любой конкретный опыт — это конкретная конфигурация торможения/возбуждения всей сети, а не место в её объёме. Чем более активен какой-то участок сети, тем больше в нём «концентрация» вызываемого в данный момент опыта. Именно «концентрация», потому что в целом любой опыт — функция всей нейронной сети, любой опыт «размазан» сразу по всему её объёму, различаясь только «концентраций» в той или иной области мозга. 

Таким образом, можно сказать, что нынешний ИИ живёт в мире наших текстов или видео, тогда как мы живём в реальном мире. Однако мы не всё, что знаем и делаем, можем объяснить — выразить в виде символов, поэтому мир ИИ не содержит очень многое из того, что для нас привычно.

Например, мы не сможем сколько-нибудь точно объяснить, как мы что-то делаем руками, как ходим, поддерживаем равновесие и вообще управляем мышцами, что такое боль, радость, вкус апельсина, что значит «нервничать», почему, как и когда мы хмуримся, улыбаемся, говорим шёпотом, вздыхаем и т. д. и т. п.. Всё это можно описать только очень и очень приблизительно.

Другими словами, этот опыт не формализован, на него нет подробного словесного описания. Но ИИ на такой неопределённой информации не обучишь. Мы хотим, чтобы ИИ это всё умел, но сами не понимаем, что конкретно мы хотим, поэтому не можем и объяснить ИИ. ИИ не мы, он не имеет врождённых предрасположенностей и не может их иметь в силу принципиальной разницы с нами. Следовательно, он должен всему этому учиться, что называется, с нуля.

Однако если обучение текстам ограничено фактически только быстродействием процессора, то никакое видео не заменит реальный мир — это подтверждают многолетние разработки автопилотов для автомобилей, до сих пор не завершённые. Реальный мир нельзя ускорить, чтобы быстро обучить робота методом обратной связи с пробами и ошибками, а в виртуальном нельзя всё смоделировать. Виртуальный мир столь же качественно проще реального, насколько наши знания о реальности далеки от теории всего.

Причём очевидно, что от робота, сколько-нибудь близко приближающегося к нашим возможностям, потребуются много более высокие способности, чем у автопилота, действующего фактически только в двух измерениях.

Например, мы и автомобиль умеем водить, и велосипед, и тонкой моторикой обладаем, чтобы всё это построить и ремонтировать. Мы можем сыграть в хоккей, приготовить еду, вышивать крестиком или от руки написать письмо. Мы строим планы — на день, на год, на десятилетия и даже на века, заботясь об экологии, — и воплощаем их в жизнь реальными действиями, учитывая огромный комплекс социальных и природных условий.

Может быть, тогда следует сразу создать очень сложную нейронную сеть, в которой очень много нейронов и которая сама всё поймёт, сама всему обучится на текстах и видео? Однако объём данных должен быть пропорционален сложности сети, иначе робот вместо обобщения примеров на механические возможности своего «тела» просто их зазубрит. Поэтому подход «очень много нейронов» не поможет.

Тем не менее вне реальности не поможет и даже «правильное» обобщение, так как многие причинно-следственные связи нельзя распознать только по текстам и видео. Поэтому учиться реальному поведению необходимо в реальном времени, как учится автопилот, то есть учиться долго. Но только поведению много более сложному, стратегическому и в мире наполненном хрупкими, мягкими и сложными объектами, приспособленными под нашу ловкость и чувствительность.

Однако как раз в силу чувствительности к начальным условиям мы воспринимаем мир качественно глубже, чем его в принципе может воспринять ИИ, то есть мы способны заметить самую ничтожную разницу в условиях и качественно изменить поведение. ИИ, сколько бы он ни обучался, не имея этой способности, и по этой причине тоже будет всегда менее точен и менее адекватен — в том же смысле, как в целом неустранимы галлюцинации у нынешнего ИИ, только теперь в поведении. Естественно, что на уровне реального поведения такого рода непредсказуемые сбои гораздо опаснее, чем в ответах на вопросы. Например, даже работа по дому связана с острыми и горячими объектами. 

В итоге по мере приближения машин к нашему уровню сложности поведения, нашей ловкости, сложности нашей тактики и стратегии, способности принимать решения и воплощать их в жизнь мы будем наблюдать всё тот же стремительный рост неопределённости.

Как насчёт научных исследований? Наверное, этим процессом ИИ сможет просто руководить, а не делать что-то сам? В результате, добавив вычислительных мощностей к хотя бы нынешним моделям, которые уже обучены на всех научных статьях, останется только задавать вопросы и следовать указаниям ИИ?

ИИ, заменяя специалистов сразу во множестве областей знаний, находит ответы на наши вопросы, имея возможность быстро обобщать огромные массивы текстов, аудио и видео контента, то есть обобщать то, что поняли и создали мы, в том числе иногда отвечая на такие вопросы, ответ на которые до сих пор был неизвестен даже нам. Автомобиль быстро едет, экскаватор быстро копает, калькулятор быстро считает, а ИИ, как новый уровень в этом ряду, он быстро обобщает.

Однако мы используем старый опыт не только для того, чтобы искать в нём ранее не замеченное, но и для того, чтобы делать новые наблюдения. Но ИИ самостоятельно исследовать мир не может, так как не имеет универсального критерия истинности, подходящего под любые задачи. У нас это гомеостаз, стремление к самосохранению и такая его производная, как качество жизни: если знание противоречит реальности, то неверные прогнозы, на этом знании основанные, в конечном итоге приведут к снижению качества жизни.

ИИ качество жизни безразлично, так как он не живой. Поэтому ИИ может исследовать мир только на уровне тех задач, которые ему задали мы и в которых сможем проверить решение. А это, в свою очередь, простые задачи, то есть такие, где можно чётко сформулировать и условия, и критерий решения. Наоборот, сложные задачи, в которых многое ещё непонятно, из-за чего что-то однозначное сформулировать невозможно, подразумевают большой объём самостоятельных исследований, а ИИ на них не способен, ввиду отсутствия критерия истинности. Если же контролировать ИИ в процессе решения им сложной задач, чтобы не допустить возможной неадекватности, то — см. начало абзаца — сложность ИИ опять будет ограничена уровнем наших способностей.

Иными словами, в росте самостоятельности кроется та же самая проблемная связь между сложностью и непредсказуемостью. Рост сложности — это рост непредсказуемости, а непредсказуемость — это та же самая самостоятельность, и она растёт. И в непредсказуемости, и в самостоятельности самих по себе ничего плохого нет, но, как мы выяснили, в случае машин — это всё суть рост неопределённости, потому что за пределами того, что мы можем проконтролировать, поведение машин будет стремительно терять адекватность, вследствие отсутствия у машин здравого смысла, критерия истинности, способности оценивать свои поступки по отношению к задачам гомеостаза, самосохранения, качества жизни. 

Итог тот же — ввиду принципиального отличия от биологических систем, самостоятельно развиваться машины не могут, поэтому кроме как в головах людей машинам эволюционировать негде. Это единственная «среда», где они могут существовать. В результате, будучи ограниченными сложностью этой среды — среды наших знаний, машины всегда будут от сложности нас самих далеки. Несмотря на то, что никаких конкретных пределов усложнения нет, машины всегда будут оставаться нашими помощниками, действуя в контексте наших задач и стремлений, не имея своих.

Теперь рассмотрим аналоговые нейроморфные нейронные сети и другие подходы. Может быть, путь к созданию СИИ надо искать там?

Аналоговые нейроморфные нейронные сети уже сложные, так как в них используется реальный хаос. Хаос не алгоритм, поэтому можно сказать, что и сами такие нейроны, и сеть из них — это уже не совсем машина. Или можно вспомнить реальные биологические нейроны, из которых тоже можно «собирать» нейронные сети, — и это уже точно не машины, не цифровые вычисления.

Но тогда что же, получается, не нужно ждать недостижимую теорию всего, у нас уже есть технологии, которые как минимум в принципиальном смысле позволяют выйти и на уровень сложности ЕИ, и сложнее него?

Однако и нейроморфные нейронные сети, и искусственно созданные нейронные сети из биологических нейронов — это, по сути, те же самые недетерминированные алгоритмы. В которых всего лишь «очень мало алгоритма» по сравнению с обычной ИНС. Другими словами, в них просто очень мало понятного. В результате путь исследований и накопления знаний, чтобы создать ИИ целенаправленно — это та же самая попытка написать алгоритм мышления, то есть это путь тупиковый. А путь создания систем более или менее наугад, который поэтому остаётся единственным, это тот же самый путь усложнения недетерминированных алгоритмов и рост неопределённости — и это тоже тупик.

Кажется, если есть детали — те же биологические нейроны, и есть образец — наш мозг или мозг других животных, то только собирай, сложности не принципиальные. Однако на самом деле у нас нет ни деталей, ни образцов, так как, ввиду чувствительности к начальным условиям, все нейроны и любой мозг индивидуальны и при этом не существуют сами по себе, вне организма. И в любом случае нам нужен не ещё один человек, а что-то иное — что-то лучше нас или как минимум что-то полезное нам.

Более того, на уровне технологий, где можно ожидать появления сознания (а если создавать ИИ из биологических нейронов, то даже очевидно, что оно должно появиться), возникает ещё один уровень торможения роста сложности — этический. Как воспринимать неудачные попытки?

В итоге, теперь отягощённый ещё и этическими проблемами, тот же самый рост неопределённости и постепенного исчезновения в ней того единственного критерия для оценки поведения создаваемых вариантов, который у нас есть, — знания себя. Усложнение ИИ создаваемого из уже сложных элементов всего лишь быстрее превратится в задачу «сделай то неизвестно что» и тоже остановится.

Может быть, генная инженерия? Однако целенаправленное управление морфогенезом невозможно, так как равносильно созданию алгоритма самоорганизации, то есть теории всего (вспомним, морфогенез — это самоорганизация, молекулы ДНК лишь синтезируют вещества, необходимые для неё, а не собирают организм по зашифрованному в них плану), а если заменять непонятное угадыванием, мы придём к тем же самым недетерминированным алгоритмам. Причём в генной инженерии, помимо тех же этических проблем, может возникать ещё один уровень торможения роста сложности — никогда заранее неизвестно, как конкретно генетические изменения отзовутся в перспективе, причём не только в будущем организме в процессе его жизни, но и в его потомстве.

Итак, в статье мы рассмотрели все мыслимые пути создания интеллекта приближающегося к нашему или сложнее нашего. Обобщим.

Точное представление о том, где остановится познание, равносильно знанию того, что ещё не узнано. Это значит, что выводы в отношении пределов познания могут быть только качественного характера. Например, теория всего неизвестна, но можно показать, что она не имеет смысла, так как должна быть противоречивой. Можно предположить тенденции, которые будут сопровождать познание по мере приближения к теории всего, — и они действительно наблюдаются.

Сложность нашего интеллекта тоже неизвестна, но, как выясняется, она равна теории всего, и подтверждает этот вывод не только логика, но и физические особенности нашего устройства.

Действительно, что бы мы ни исследовали — окружающий нас мир или самих себя, мы всегда познаём себя, так как мир дан нам через ощущения — собственно, почему алгоритм мышления и равносилен теории всего. То же самое с созданием машин — мы создаём себя, даже когда создаём грузовик, так как он тоже воплощение нашего опыта. Поэтому чем сложнее становятся машины, тем ближе они подтягиваются к нашей сложности, в конечном итоге приобретая и наши черты тоже.

Таким образом, изучение себя, исследование природы и технологический прогресс — это просто разные стороны процесса познания. А значит, тенденции, которые сопровождают процесс исследования себя или окружающей природы, должны возникать и в процессе создания всё более сложных машин — и эти тенденции тоже несложно увидеть. 

Исследуя природу или изучая себя мы, отталкиваясь от того, что уже известно, строим гипотезы, и, чем дальше в область неизвестного, тем выше неопределённость. Которая стремится к полной, потому что теория всего не имеет смысла, такой теории не может быть ни в каком виде. Точно так же, отталкиваясь от известного, мы создаём всё более сложные машины. Но известного для этого недостаточно — известное много проще нас, так как всё известное, сколько бы его ни было, заведомо далеко от теории всего. Поэтому, основываясь на известном, ничего не создать ни сложнее себя, ни даже равное себе. А за рамками известного находится неопределённость, и она точно так же стремится к полной по мере приближения сложности машин к нашей сложности.

Что бы ни делать, каким путём ни идти, какие системы и из чего бы их ни создавать — это всегда или детерминированные алгоритмы, если нам всё понятно, мы мысленно всё уже сами просчитали, или это недетерминированные алгоритмы, подразумевающие случайный выбор там, где понятно ещё не всё. Но непонятного становится всё больше, количество возможных вариантов ширится, их отбор занимает всё больше времени, и в конечном итоге развитие технологий останавливается — качественные прорывы сменяют отдельные улучшения, но и затраты на них тоже перестают оправдывать получаемую выгоду. Когда выбор слишком широк, стремясь к полной неопределённости, то не помогут и недетерминированные алгоритмы. И когда-нибудь — вероятно, очень скоро — мы с этим столкнёмся: интенсивное усложнение систем ИИ замедлится, перейдёт в экстенсивную фазу и прекратится. Потому что любой путь усложнения систем неизбежно ведёт к нам — к пределу, который нельзя ни перешагнуть, ни даже к нему приблизиться.

Значит, тупик? 

И всё-таки один путь к сложным системам остаётся. По изложенным в этой главе причинам участие нашего интеллекта в нём минимально, из-за чего неопределённость результата и конкретики движения к нему максимальная, но именно поэтому нет ограничения сложности создаваемых систем нашими знаниями. Путь не оригинальный, но он единственный и он возможен.

Путь, который теоретически всё-таки может привести к интеллекту сложнее нашего нынешнего, — это биологическая эволюция.

По человеческим меркам она идёт долго, так как при прочих равных сложность связана с интенсивностью обмена систем со средой. Для живой природы этой средой выступают в том числе другие организмы, а для человека — ещё и техносфера. Поэтому постепенное «количественное» усложнение среды время от времени приводит к качественным скачкам сложности у тех или иных образующих её биологических систем, но в целом эволюция всё равно процесс более или менее постепенный.

Здесь сделаем сноску и ответим на вопрос, почему эволюция смогла, а мы нет? Ответ подчеркнёт колоссальный разрыв между сложностью алгоритмов и сложностью систем, в которых все алгоритмы возникают.

Сложность знания можно выразить через время познания, и сложность человека скрыта в миллиардах лет «экспериментов» природы, происходящих на совершенно иных масштабах, чем доступные человеку. Любой организм — это эксперимент, проводимый природой, вариант для последующего отбора в жизненном цикле. Однако этот вариант уже изначально сложнее любого алгоритма, так как любой организм — это диссипативная система, любой организм обладает невоспроизводимым в алгоритмах гомеостазом. Тем не менее, даже имея преимущество ещё на старте, для создания человека природе всё равно потребовалась огромная сложность биосферы и миллиарды лет эволюции. Следовательно, чтобы обогнать эволюцию и создать существо равное человеку за какое-то приемлемое время, система потребуется много более сложная, чем биосфера и эволюционный процесс, происходящий на Земле. Однако более интенсивные процессы самоорганизации в такой среде потребуют и другого элементного состава организмов, способных в ней эволюционировать (на Земле это, по убывающей, водород, кислород, углерод, азот, фосфор и сера). Но вряд ли какой-либо другой набор элементов сможет обеспечить необходимое богатство химических соединений, чтобы стала возможной сложная жизнь. К тому же быстрая эволюция — это, вероятно, и быстрое достижения предела сложности для данных систем в данной среде, и в конечном итоге торможение прогресса, застой, деградация и разрушение сложной жизни, например, по типу известного эксперимента Вселенная 25. 

Тем не менее в случае человека предел сложности, возможно, ещё не достигнут, а длительное ожидание само по себе ещё не тупик. Долгий ход эволюции означает всего лишь то, что стартовать лучше с уже сложных систем. Такие системы у нас есть — это мы. Надо просто подождать.


Дополнительно

Наиболее глубоко тема пределов, сходств и отличий интеллекта естественного и искусственного раскрыта в статье «Сильный искусственный интеллект не будет создан. Значение противоречивости теории всего». Первая глава этой статьи посвящена интерпретациям математических теорем, парадоксов и противоречий, во второй подробнее описан рост неопределённости. Неопровержимость себя подробнее рассмотрена в статье «Эволюция форм познания». Физические основания жизни, сознание, свобода воли и работа мозга описаны в статье «Жизнь как самоорганизация».


Использованная литература
                1. Bell J. Speakable and Unspeakable in Quantum Mechanics. — Cambridge: Cambridge University Press, 2011.
2. Дирак П. Принципы квантовой механики. — Москва: Наука, 1979.
3. Maldacena J. The Large N Limit of Superconformal Field Theories and Supergravity — Advances in Theoretical and Mathematical Physics,1998, Vol. 2, Issue 2, pp. 231–252.
4. Richard D. String Theory and the Scientific Method. — Cambridge: Cambridge University Press, 2013.
5. Декарт Р. Медитации о первой философии, в коих исследуется существование Бога и различие между человеческой душой и телом. — Москва: Издательство Московского Университета, 1994.
6. Mermin N. What’s Wrong with this Quotation? — Foundations of Physics, 2005, Volume 35, pages 2073–2077.
7. Chalmers D. The Conscious Mind. — Oxford: Oxford University Press, 1996.
8. Князева Е. Н., Курдюмов С. П. Законы эволюции и самоорганизации сложных систем. — Москва, Наука, 1994
9. Singer W. Dynamic coordination in the brain: from neurons to mind. — Cambridge: MIT Press, 2010.
10. Womesdorf T., Fries P. The role of neuronal synchronization in selective attention. — National Library of Medicine, 2007.
11. Борисюк Г. Н., Борисюк Р. М., Казанович Я. Б., Иваницкий Г. Р. Модели динамики нейронной активности при обработке информации мозгом — итоги "десятилетия". — Успехи физических наук, 2002, том 172, номер 10. страницы 1189–1214.
12. Пригожин И. Р., Стенгерс И. Порядок из хаоса. Новый диалог человека с природой. — Москва: Прогресс, 1986.
13. Пригожин И. Р. Время, структура и флуктуации. Нобелевская лекция по химии 1977. — Успехи физических наук, 1980, том 131, номер 2, страницы 185–207.
14. Френкель Я. И. Кинетическая теория жидкостей. — Ленинград: Издательство академии наук СССР, 1945.
15. Moravec H. Robot: Mere Machine to Transcendent Mind. — Oxford: Oxford University Press, 1999.

***