О границах термина распознавание

от статистических моделей к биохимическому нахождению соответствия.

Аннотация.

В междисциплинарных исследованиях термин «распознавание» нередко используется для описания принципиально различных по своей природе процессов — от работы искусственных нейронных сетей до ферментативного катализа и матричных биосинтезов. В статье обосновывается необходимость строгой терминологической дифференциации. На основе анализа литературы по машинному обучению, супрамолекулярной химии и молекулярной биологии показано, что процессы, обозначаемые как «распознавание образов» в искусственных системах, и процессы избирательного связывания в биологических макромолекулах не являются гомологичными. Предлагается выделить биохимическое нахождение соответствия в отдельный класс процессов, критериями выделения которого выступают термодинамическая обратимость, отсутствие обучения и принципиально иной характер ошибки. Проведенное разграничение позволяет устранить тавтологию в научном дискурсе и способствует более точной постановке задач на стыке вычислительных и естественных наук.

Введение.

Стремительное развитие методов машинного обучения привело к экспансии терминологии, изначально сформировавшейся в рамках Computer Science, в смежные области знания. Одним из наиболее показательных примеров такой экспансии является понятие «распознавание». В сообществе исследователей, работающих на стыке искусственного интеллекта и биологии, нередко можно встретить утверждения о том, что транскрипция РНК или иммунологическое узнавание антигена представляют собой «распознавание» — если не тождественное, то, по крайней мере, аналогичное тому, что происходит в нейросетевых моделях.
Однако за внешним сходством языковых формулировок скрываются процессы, несовместимые по своим физическим механизмам, термодинамическим условиям и эпистемологическому статусу. Цель настоящей статьи — установление границ их применимости. Опираясь на классические работы по супрамолекулярной химии, кинетике ферментативных реакций и теории кинетической коррекции показано, что для описания матричных биосинтезов и молекулярного узнавания требуется отдельный термин, свободный от коннотаций, привнесенных из бытового понимания и области искусственных нейронных сетей.

Распознавание образов как статистическая процедура.

Исторически термин «распознавание образов» (pattern recognition) сформировался в контексте задач, где требовалось отнести предъявляемый объект к одному из заранее заданных классов на основании набора признаков. В ранних нейросетевых моделях этот процесс носил принципиально стохастический характер: ошибки были не исключением, а имманентным свойством системы, обусловленным как неполнотой обучающей выборки, так и внутренней случайностью (aleatoric uncertainty) самих данных. Обучение сети представляло собой итеративную процедуру минимизации эмпирического риска, в ходе которой весовые коэффициенты постепенно адаптировались к статистическим закономерностям, присутствующим в обучающей выборке. При этом итоговое решение системы всегда оставалось вероятностным и не гарантировало безошибочности — сохранялась неустранимая неопределенность, связанная с шумом во входных данных.
Существенно, что распознавание в нейросетевой парадигме не требует физического контакта между «распознающим» и «распознаваемым» в том смысле, в каком этот контакт имеет место в химии. Речь идет о вычислении функции, отображающей вектор признаков в пространство меток классов. Именно эта вычислительная природа процесса — его опосредованность алгоритмом и отсутствие прямой физико-химической связи между элементами системы — служит концептуальной границей, за которой использование термина «распознавание» требует осторожности.

Молекулярное "узнавание" как физико-химический процесс.

В отличие от статистического распознавания образов, молекулярное узнавание (molecular recognition) представляет собой физическое событие: избирательное связывание двух или более молекул за счет нековалентных взаимодействий — водородных связей, электростатических сил, гидрофобных эффектов и ван-дер-ваальсовых контактов. Это понятие, составляющее концептуальный фундамент супрамолекулярной химии, описывает способность молекул образовывать устойчивые комплексы благодаря структурной и энергетической комплементарности рецептора и лиганда.
Принципиальное отличие молекулярного узнавания - молекула не «обрабатывает информацию» о другой молекуле, она взаимодействует с ней, и результат этого взаимодействия определяется разностью свободных энергий образующегося комплекса и окружающей среды. Специфичность связывания в данном случае — следствие тонкой организации пространственной структуры и распределения электронной плотности, сформировавшейся в ходе эволюции или химического дизайна. Более того, молекулярное узнавание в подавляющем большинстве случаев обратимо и равновесно (или близко к равновесию). Ошибка связывания — присоединение «неправильного» лиганда — не является статистическим выбросом. Это термодинамически разрешенное событие, вероятность которого определяется константой диссоциации комплекса. Исправление такой ошибки требует либо дополнительных неравновесных механизмов, либо изменения условий среды, но не «дообучения» системы.

Транскрипция РНК как биохимическое нахождение соответствия.

Наиболее показательным примером процесса, который нередко ошибочно относят к «распознаванию», является транскрипция — синтез молекулы РНК на матрице ДНК. Скорость элонгации РНК-полимеразы II оценивается примерно в 20 нуклеотидов в секунду для эукариотических клеток. За этой внешне простой цифрой скрывается процесс, который по своей логике радикально отличается от распознавания.
РНК-полимераза осуществляет избирательный захват нуклеозидтрифосфата из окружающего раствора и катализирует его присоединение к растущей цепи только в том случае, если он комплементарен матричному основанию. Точность этого процесса поражает воображение: частота ошибочного включения составляет примерно одну ошибку на 10 в 5 включенных оснований. Такая точность недостижима в равновесных условиях на основе одной лишь разницы в энергии комплементарного спаривания. Она достигается за счет неравновесных механизмов, в первую очередь — кинетической коррекции (kinetic proofreading), впервые теоретически описанной Хопфилдом и Нинио.
Кинетическая коррекция предполагает, что между первичным связыванием субстрата и необратимым химическим шагом (включением нуклеотида в цепь) существует по крайней мере одна стадия, на которой комплекс может диссоциировать, причем вероятность диссоциации для «неправильного» субстрата выше, чем для «правильного». В случае РНК-полимеразы роль такого механизма играет конформационная динамика так называемой триггерной петли (trigger loop), которая закрывает активный центр только при правильном спаривании оснований, обеспечивая дополнительную дискриминацию за счет индуцированного соответствия.
Именно этот процесс — избирательный захват, проверка соответствия и необратимое включение предлагается обозначать как биохимическое нахождение соответствия. Он не является ни распознаванием (поскольку отсутствует процедура сравнения с эталоном в пространстве признаков), ни простым молекулярным узнаванием (поскольку включает неравновесную стадию, необратимо фиксирующую результат). Это процесс, в котором соответствие не «устанавливается» и не «вычисляется», а физически реализуется через последовательность химических превращений, каждое из которых смещает систему в сторону одного из возможных исходов.

Классы процессов и критерии разграничения.

Проведенный анализ позволяет выделить три качественно различных класса процессов, которые в литературе нередко смешиваются.

К первому классу относится статистическое распознавание образов, реализуемое в искусственных системах. Его отличительными признаками являются: вычислительная природа (опосредованность алгоритмом), наличие процедуры обучения, стохастический характер ошибки и отсутствие прямой физико-химической связи между «распознающим» и «распознаваемым».

Ко второму классу принадлежит молекулярное узнавание, описывающее избирательное связывание молекул в равновесных или близких к равновесию условиях. Здесь нет ни обучения, ни вычисления; специфичность определяется структурной и энергетической комплементарностью, а ошибка — термодинамически разрешенным событием, а не статистическим отклонением.

Наконец, третий класс — биохимическое нахождение соответствия — охватывает процессы матричного синтеза (транскрипцию, трансляцию, репликацию), в которых избирательность достигается за счет сопряжения узнавания с необратимой химической реакцией, что позволяет многократно усилить дискриминацию по сравнению с равновесным пределом. Ошибка в таких системах контролируется кинетически, а не статистически, и ее вероятность определяется соотношением констант скоростей отдельных стадий процесса.

Предложенное разграничение имеет и методологическое значение. Оно позволяет избежать неоправданных аналогий между работой искусственных нейронных сетей и функционированием биологических макромолекул, а также способствует более точной постановке экспериментальных задач. В частности, при изучении механизмов точности транскрипции или трансляции исследователь должен анализировать кинетические схемы и энергетические ландшафты, а не пытаться описать наблюдаемые явления в терминах «обучения» или «классификации».

Заключение.

Термин «распознавание» обладает мощным эвристическим потенциалом, однако его эвристичность не отменяет необходимости строгой дисциплины понятий. Перенос этого термина из области искусственного интеллекта в биохимию без соответствующих оговорок создает иллюзию понимания там, где на самом деле требуется анализ принципиально иных механизмов. Предложенное выделение биохимического нахождения соответствия в отдельный класс процессов представляется необходимым для сохранения концептуальной ясности на границе вычислительных и естественных наук.