Лекция 16

Концептуальные теории эволюционной кибернетики. Теория метасистемных переходов В.Ф. Турчина. Проект Principia Cybernetica. Перспективы развития эволюционной кибернетики

1. Концептуальные теории эволюционной кибернетики

В прошлых лекциях мы рассмотрели некоторые модели, характеризующие эволюцию кибернетических систем. Было отмечено, что, хотя многие исследователи испытывают огромный интерес к анализу эволюции кибернетических свойств биологических организмов, реально здесь сделано очень немного. Кроме того, понятно, что одного моделирования явно недостаточно для охвата всей многогранности эволюции биокибернетических систем. Поэтому целесообразно сочетание построения базовых математических моделей с развитием общих концепций эволюционной кибернетики. К таким концепциям можно отнести теорию функциональных систем П.К. Анохина [1], (см. лекцию 15), теорию концептуальной рефлекторной дуги Е.Н. Соколова [2], анализ эволюции биологических информационных систем В.И. Корогодина [3], синтетическую схему эволюции нейронных сетей, управляющих динамикой "организмов-тележек" В. Брайтенберга [4], концептуальный анализ эволюции высшей нервной деятельности А.Н. Леонтьева [5] и Л.Г. Воронина [6], анализ моделей поведения (животных и роботов), проведенный М.Г. Гаазе-Рапопортом и Д.А. Поспеловым [7].

2. Теория метасистемных переходов

Яркий пример, иллюстрирующий разработку эволюционных концепций, – книга В.Ф. Турчина "Феномен науки. Кибернетический подход к эволюции" [8]. Книга была написана в нашей стране примерно в 1970 г., однако из-за политической деятельности ее автора впервые была издана только в 1977 г. в США.

Турчин рассматривает биологическую эволюцию с кибернетической точки зрения, а эволюцию научного познания – как продолжение биокибернетической эволюции. В книге последовательно проанализированы ступени биологической эволюции, а также этапы возникновения и развития математического знания. Книга написана исключительно четко, с хорошо обоснованной внутренней логикой. Хотя книга написана уже около 30 лет назад, идеи, изложенные в книге, очень интересны и сейчас. Конечно же, эту книгу лучше всего читать "в подлиннике".

Предмет исследования книги [8] близок к нашему анализу уровней эволюции, выполненному в предыдущей лекции (Лекция 15). Здесь мы не будем подробно пересказывать содержание "Феномена науки", а подчеркнем те идеи, которые дополняют анализ лекции 15.

Особенность книги – попытка мысленно представить механизмы эволюционного прогресса биологических кибернетических систем.

В качестве основы исследования В.Ф. Турчин использует предложенную им "теорию метасистемных переходов" [8,9] .

2.1. Общая схема метасистемного перехода

Кратко суть теории метасистемных переходов сводится к следующему: переход от нижних уровней системной иерархии к верхним происходит путем метасистемных переходов. Каждый метасистемный переход можно рассматривать как объединение ряда подсистем Si нижнего уровня и появление дополнительного механизма управления C объединенными подсистемами. В результате метасистемного перехода формируется система S' нового уровня (S' = C + S i Si), которая может быть включена как подсистема в следующий метасистемный переход (Рис.1).

wpe13.jpg (7216 bytes)

Рис. 1. Схема метасистемного перехода. Si - системы нижнего уровня, C - управление объединенными подсистемами, S' - система нового уровня иерархии.

 

В.Ф. Турчин рассматривает метасистемный переход как некий кибернетический аналог фазового перехода. Он уделяет особое внимание количественному накоплению "потенциала развития" в подсистемах Si перед метасистемным переходом на качественно новый уровень иерархии, а также процессу размножения и развития подсистем предпоследнего уровня иерархии после метасистемного перехода.

Отметим, что понятие метасистемного перехода хорошо соответствует интуитивному представлению об эволюционном прогрессе кибернетических систем. Действительно, если есть некая кибернетическая система (скажем, блок генов, блок нервной системы, блок компьютерной программы) S1, то несложно представить процесс дублирования такой системы. В результате дублирования возможно возникновение множества сходных систем: S1 --> {S1 , S2 , … , Sn }. Системы Si могут быть сходными, но не идентичными, так как они сами могут модифицироваться за счет случайных процессов, скажем, мутаций. Далее, можно представить, что в процессе развития таких систем возникает возможность появления управления поведением всего множества {S1 , S2 , … , Sn }. Этот переход {Si } --> S' значительно сложнее, чем дубликация, именно он и есть "революционный" переход с нижнего уровня иерархии на верхний. После такого метасистемного перехода естественно возникают дополнительные возможности развития систем Si .

Примеры метасистемных переходов:

- управление положением = движение
- управление движением = раздражимость (простой рефлекс)
- управление раздражимостью = (сложный) рефлекс
- управление рефлексами = ассоциации (условный рефлекс)
- управление ассоциациями = человеческое мышление
- управление человеческим мышлением = культура

2.2. Этапы эволюции по В.Ф. Турчину

Турчин выделяет следующие этапы эволюции:

  1. Химические формы "жизни"
  2. Движение
  3. Раздражимость (простой рефлекс)
  4. Нервная сеть (сложный рефлекс)
  5. Ассоциирование (условный рефлекс)
  6. Мышление
  7. Социальная интеграция, культура

Эти этапы Турчин относит к трем эрам (химической, кибернетической и эре разума) так, как это представлено в таблице 1.

Таблица 1. Этапы эволюции жизни.
Химическая эра Химические формы "жизни"
Движение
Раздражимость (простой рефлекс)
Кибернетическая эра
Нервная сеть (сложный рефлекс)
Ассоциирование (условный рефлекс)
Эра разума Мышление
Социальная интеграция, культура

Следуя [8], кратко охарактеризуем некоторые этапы.

1. Химические формы "жизни" – это "жизнь" на уровне макромолекулярных систем. Макромолекулярные системы могут реплицироваться в результате копирования матриц и химического синтеза. Биосинтез требует энергии. Основная форма энергии биосинтеза – солнечная. Часть примитивных организмов приобретает свойство непосредственно использовать энергию Солнца в процессе фотосинтеза, другая часть приобретает способность использовать энергию продуктов распада фотосинтезирующих организмов. Возникает разделение на растительный и животный миры.

Отметим, что уже после написания книги [8] стали активно развиваться теоретические исследования по предбиологической эволюции, моделирующие "жизнь" на уровне макромолекулярных систем (см. лекции 1, 2, 5, 6).

2. Движение. Растения и животные принципиально различаются по способу получения энергии. Для получения энергии растениям важна в первую очередь площадь фотосинтезирующей поверхности, а не их движение в пространстве. Для животных ситуация принципиально другая. Животные должны находить и захватывать пищу. Для этого им надо двигаться в пространстве (хотя бы хаотическим способом). Возникает движение, как самих организмов, так и их частей (щупалец, ресничек, усиков и т.п.). Например, даже такие примитивные организмы, как амеба, должны совершать движения, чтобы захватывать пищу.

3. Раздражимость (простой рефлекс). На этом этапе движение животных становится направленным и возникает нервная система, передающая сигналы от рецепторов к эффекторам (Рис 1), и управляющая движением. Рецепторы (органы чувств) воспринимают ситуацию во внешней среде, эффекторы (моторные элементы) реализуют движения. Простой рефлекс состоит в распознавании ситуации и адекватном действии в соответствии с ситуацией. В этом простейшем случае нервная система не имеет сети, как таковой: рецепторы напрямую связаны с эффекторами.

fig2.gif (4030 bytes)

Рис. 2. Схема нервной системы "кибернетического животного".
Рисунки 2-7 скопированы из книги [8] с позволения ее автора.

 

Пример простого рефлекса – управление движениями гидры (Рис.3).

Fig3.gif (9160 bytes)

Рис.3. Схема гидры.

Если гидру уколоть иголкой, то она сожмется в клубочек. Если гидра захватывает кусочек пищи, то с помощью щупалец она подводит пищу ко рту и заглатывает ее. Эти действия можно объяснить как совокупность простых рефлексов. Например, схема на Рис. 4 иллюстрирует способность щупальца захватывать пищу. Точки A и B , B и C, …, A' и B' , B' и C' , … связаны попарно мышцами, которые могут сокращаться. Есть нервные волокна, которые обеспечивают связь между рецепторами, расположенными в точках A,B,C,…, A',B',C',… , и эффекторами, вызывающими сокращения мышц щупалец. Активация рецепторов при прикосновении пищи к щупальцу приводит к сокращениям соответствующих мышц и захвату пищи.

fig4.gif (4246 bytes)

Рис. 4. Модель щупальца.

4. Сложные рефлексы. Сеть волокон, формирующая прямые соединения между рецепторами и эффекторами и реализующая простой рефлекс, вполне могла возникнуть в процессе эволюции естественным путем, в результате проб и ошибок, так как число различных вариантов сети здесь сравнительно невелико. Но совсем другая ситуация возникает, если мы хотим построить сеть, реализующую общую схему связи между рецепторами и эффекторами (см. Рис.2), – число возможных вариантов сети неограниченно возрастает, и найти "нужную" сеть методом проб и ошибок практически невозможно.

Проиллюстрируем сказанное цифрами. Рассмотрим сначала схему сети, реализующей простой рефлекс, предполагая, что есть n рецепторов и n эффекторов, которые соединены в пары. Предполагая, что веса связей между рецепторами и эффекторами могут принимать только два значения: +1 (возбуждение) либо –1 (торможение), имеем, что имеется 2n вариантов различных сетей.

Для произвольной сети будем считать, что для нас существенно только соответствие между входами и выходами. Число входов (рецепторов) и число выходов (эффекторов) также полагаем равным n. Предположим также, что входы и выходы принимают два значения: 0 (покой) либо 1 (возбуждение). Если мы рассмотрим фиксированный выход, то число возможных вариантов действия входов на данный выход равно числу всевозможных булевых функций от переменных, что составляет 22n. А общее число функционально различных сетей, т.е. число возможных типов поведения, равно 2 (2n) n. При больших n это число значительно больше, чем 2n . Следовательно, число вариантов для произвольной сети радикально превышает переборные возможности, и необходимо проанализировать, как такие сети могли возникнуть в процессе эволюции.

Турчин аргументирует, что сложные нейронные сети в процессе эволюции могли бы формироваться в результате дублирования блоков и возникновения иерархии сетевых модулей.

Рисунки 5-7 иллюстрируют возможные схемы возникновения иерархии в нейронных сетях. Рис.5 иллюстрирует простую схему репликации рецепторов, Рис.6 – схему репликации эффекторов. Варианты постепенного формирования более сложных нейронных структур показаны на Рис. 7. Светлыми кружочками показаны рецепторные входы нейронов, темными – сами нейроны.

fig5.gif (1875 bytes)

Рис. 5. Схема репликации рецепторов.

fig6.gif (4072 bytes)

Рис.6. Схема репликации эффекторов.

fig7.gif (7155 bytes)

Рис. 7. Варианты формирования нейронных структур в результате репликации блоков. Кружками обведены реплицируемые блоки.

Отметим, что задача формирования структуры нейронной сети актуальна для активно развивающегося сейчас направления исследований "Адаптивное поведение" [10,11]. В частности, это важно нашей модели эволюционного возникновения целенаправленного адаптивного поведения (лекция 14).

В иерархических нейронных сетях происходит группировка сигналов от рецепторов и формирование обобщенных признаков объектов. Иерархические нейронные сети могут обеспечивать достаточно сложное поведение, состоящее из нескольких согласованных между собой действий в соответствии с целями поведения и планом действий.

С учетом перечисленных особенностей, Турчин определяет сложный рефлекс, как процесс, вызываемый стимулами от внешней среды (получаемыми от рецепторов), в этом процессе нейронная сеть формирует план действий, который сразу же выполняется.

Характеризуя следующие уровни, В.Ф. Турчин обращает особое внимание на следующие особенности поведения животных:

- целенаправленность поведения,
- прогнозирование событий путем моделирования,
- формирование понятий,
- иерархичность систем управления.

В книге [8] также рассматриваются процессы возникновения мышления человека, особенности представления информации в символьной форме, логической обработки символьной информации. Характеризуется примитивное и критическое мышление. Анализируются ступени развития математического знания.

Заканчивается книга обсуждением перспектив развития человечества и роли феномена науки в этом развитии.

Еще раз повторю, что эту книгу лучше читать в подлиннике.

3. Проект Principia Cybernetica

На базе концепций, разработанных в "Феномене науки", развивается уникальный Интернет-проект “Principia Cybernetica Project” [URL= http://pespmc1.vub.ac.be/ ], редактируемый В.Ф. Турчиным (Нью-Йорк), Ф. Хейлигхеном (F. Heylighen) (Брюссель), К. Джослиным (C. Joslin) (Лос Аламос). В этом проекте делается попытка осмыслить на основе эволюционной научной концепции вечные вопросы человечества: "Почему мир такой, какой он есть? Откуда мы (люди, человечество) произошли? Кто мы? Куда эволюционирует человечество?".

Проект представляет собой Интернет-журнал, в котором можно публиковать статьи по вопросам эволюции, кибернетики, интеграции человеческого сообщества в единое целое. Материал в форме статей проходит серьезный редакционный отбор. Но, вместе с тем, проект очень демократичен, можно выступить в текущей дискуссии, самому предложить тему дискуссии, сделать комментарий к уже опубликованным статьям, написать статьи по темам, предложенным редакторами.

Проект рассматривается как развивающаяся энциклопедия идей по кибернетической эволюции человечества.

4. Перспективы развития эволюционной кибернетики

Заканчивая лекции, я хотел бы отметить, что в ходе работы над материалом лекций стало видно, что есть ряд интересных и важных направлений исследований, которые я не успеваю представить в данных лекциях в достаточно полной мере. Это исследования обучению с подкреплением (Reinforcement learning) [12,13], классифицирующие системы (Classifier systems) [14,15], системы управления с "адаптивной критикой" (Adaptive critic designs) [15,16], последние работы по моделям привыкания и условного рефлекса [10]. Поэтому я пока просто привожу ссылки на эти работы (см. список литературы и Интернет-ссылки в нем), надеясь рассказать о них в какой-либо форме в будущем.

Теперь о перспективах развития эволюционной кибернетики. Я не буду много говорить о значении исследований эволюции биологических кибернетических систем. Скажу только, что такие исследования
- просто интересны;
- важны с точки зрения теории познания (подробная аргументация приведена в лекции 15);
- могут служить естественно-научной основой многочисленных прикладных работ, от простых эволюционных методов оптимизации в инженерных задачах, до разработки иерархических систем управления человеческим сообществом.

Литература

  1. Анохин П.К. Системные механизмы высшей нервной деятельности. М.: Наука, 1979. 453с.
  2. Соколов Е.Н. Концептуальная рефлекторная дуга // Вопросы кибернетики: нейрокибернетический анализ механизмов поведения / Под. Ред. Е.Н. Соколова, Л.А. Шмелева. М.: Научный АН СССР "Кибернетика", 1985. С. 5-28.
  3. Корогодин В.И. Информация и феномен жизни. Пущино, 1991, 202 с.
  4. V.Braitenberg. Vehicles. Experiments in Synthetic Psychology. The MIT Press, Cambridge et al: 1984. 152p.
  5. Леонтьев А.Н. Проблемы развития психики. М.: Изд-во Московского университета, 1981. 584 с.
  6. Воронин Л.Г. Эволюция высшей нервной деятельности. М.: Наука. 1977. 128 с.
  7. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. М.: Наука, 1987. 288 с.
  8. Турчин В.Ф. Феномен науки. Кибернетический подход к эволюции. М.: Наука, 1993. 295 с. Английский вариант книги доступен в Интернете: http://pespmc1.vub.ac.be/POSBOOK.html.
  9. Turchin V. A Dialogue on Metasystem Transition // In Heylighen F., Joslyn C. & Turchin V. (1995) (eds.): The Quantum of Evolution. Toward a theory of metasystem transitions, (Gordon and Breach Science Publishers, New York) (special issue, Vol. 45:1-4, of "World Futures: the journal of general evolution). PP. 5-58.
  10. Meyer J.-A., Guillot, A. From SAB90 to SAB94: Four years of Animat research. // In: Proceedings of the Third International Conference on Simulation of Adaptive Behavior. The MIT Press: Cambridge, Cliff, Husbands, Meyer J.-A., Wilson S. W. (Eds) 1994. See also:  http://www-poleia.lip6.fr/ANIMATLAB/#Publications
  11. Meyer, J.A. (1998). "Evolutionary Approaches to Walking and Higher-Level Behaviors in 6-Legged Animats". In Gomi (Ed.).Evolutionary Robotics. Vol II. From Intelligent Robots to Artificial Life (ER'98). AAAI Books.  See also: http://www-poleia.lip6.fr/ANIMATLAB/#Publications
  12. R. Sutton and A. Barto. Reinforcement Learning: An Introduction. Cambridge: MIT Press, 1998. 432 p.  See also: http://www-anw.cs.umass.edu/~rich/book/the-book.html
  13. Kaelbling L.P, Littman M.L, and Andrew W. Moore A.M. Reinforcement learning: A survey. Journal of Artificial Intelligence Research, 4:237-285, 1996. See also: http://www.cs.duke.edu/~mlittman/docs/refer.html
  14. Holland J.H., Holyoak K.J., Nisbett R.E., Thagard P. Induction: Processes of Inference, Learning, and Discovery. Cambridge: MIT Press, 1986. 416 p.
  15. Wilson, S.W. and Goldberg, D.E. (1989), " A Critical Review of Classifier Systems", in Proceedings of the Third International Conference on Genetic Algorithms pp. 244-255, Los Altos, California: Morgan Kaufmann. See also:  http://www.csm.uwe.ac.uk/personal/am-barry/LCSWEB/online.htm
  16. Prokhorov D., Wunsch D. Adaptive Critic Designs // IEEE Transactions on Neural Networks, September 1997, pp. 997-1007.
  17. Werbos P.J. (1998) Stable Adaptive Control Using New Critic Designs // http://xxx.itep.ru/html/adap-org/9810001

Copyright © Vladimir Red'ko,  Nov 29, 1999 ( redko@keldysh.ru )

Last modified: Nov 29, 1999