Эмерджентность: Связанная жизнь муравьев, мозга, городов и компьютерных программ - Стивен Джонсон Страница 10

возможностей, ее способности выполнять бесконечное множество вычислительных программ. Но Шеннон подталкивал его к тому, чтобы думать о машине как о чем-то более близком к реальному человеческому мозгу, способном распознавать более тонкие паттерны. Однажды за обедом в лаборатории Тьюринг шутливо воскликнул, обращаясь к коллегам: «Шеннон хочет скармливать мозгу не просто данные, а культурные вещи! Он хочет играть ему музыку!» Музыкальные ноты тоже были паттернами, понимал Шеннон, и если можно научить электронный мозг понимать логические паттерны из нулей и единиц и реагировать на них, то, возможно, когда-нибудь в будущем мы сможем научить наши машины ценить эквивалентные паттерны минорных аккордовых последовательностей и арпеджио. В то время эта идея казалась фантастической — трудно было заставить машину делить в столбик, не говоря уже о том, чтобы наслаждаться Девятой симфонией Бетховена. Но распознавание паттернов, которое Тьюринг и Шеннон предвидели для цифровых компьютеров, в последние годы стало центральной частью нашей культурной жизни: машины как генерируют музыку для нашего развлечения, так и рекомендуют нам новых исполнителей. Связь между музыкальными паттернами и устройством нашей нервной системы сыграет центральную роль в одном из основополагающих трудов по современному искусственному интеллекту — книге Дугласа Хофштадтера «Гёдель, Эшер, Бах». Наши компьютеры все еще не обрели подлинного музыкального слуха, но если они когда-нибудь его обретут, их мастерство будет восходить к тем обеденным беседам между Шенноном и Тьюрингом в лабораториях Белла. И это обучение тоже станет своего рода эмерджентностью, порядком более высокого уровня, формирующимся из относительно простых составляющих частей.

Через пять лет после общения с Тьюрингом Шеннон опубликовал в Bell System Technical Journal длинную статью, которую вскоре переиздали в виде книги под названием «Математическая теория связи». Наполненная уравнениями и загадочными названиями глав вроде «Дискретные системы без шума», книга сумела стать чем-то вроде культовой классики, а порожденная ею дисциплина — теория информации — оказала глубокое влияние на последующие научные и технологические исследования как на теоретическом, так и на практическом уровне. Книга «Математическая теория связи» содержала элегантное, понятное неспециалистам введение в теорию Шеннона, написанное уважаемым ученым Уорреном Уивером, который одним из первых осознал значимость работы Шеннона. С 1932 года Уивер играл ведущую роль в отделении естественных наук Рокфеллеровского фонда, а когда в конце пятидесятых годов он вышел на пенсию, то составил для фонда подробный отчет, оглядываясь на научный прогресс, достигнутый за предшествующую четверть века. Этот повод предполагал размышления о прошлом, но документ, созданный Уивером (основанный в общих чертах на статье, которую он написал для American Scientist), оказался гораздо более дальновидным, устремленным в будущее. Во многих отношениях он заслуживает того, чтобы считаться основополагающим текстом теории сложности — моментом, когда исследование сложных систем начало осознавать себя как единую область. Опираясь на исследования в области молекулярной биологии, генетики, физики, компьютерных наук и теории информации Шеннона, Уивер разделил последние несколько веков научных изысканий на три больших лагеря. Во-первых, изучение простых систем: задач с двумя или тремя переменными, таких как вращение планет или связь между электрическим током, его напряжением и сопротивлением. Во-вторых, проблемы «неорганизованной сложности»: проблемы, характеризующиеся миллионами или миллиардами переменных, к которым можно подступиться только с помощью методов статистической механики и теории вероятностей. Эти инструменты помогли объяснить не только поведение молекул в газе или паттерны наследственности в генофонде, но и помогли компаниям по страхованию жизни получать прибыль, несмотря на их ограниченные знания о будущем здоровье каждого отдельного человека. Благодаря работе Клода Шеннона статистический подход также помог телефонным компаниям предоставлять более надежную и разборчивую междугороднюю связь.

Но в этом поступательном движении существовала и третья фаза, которую мы только-только начинали понимать. «Этот статистический метод работы с неорганизованной сложностью, ставший столь мощным шагом вперед по сравнению с прежними методами с двумя переменными, оставляет нетронутой огромную область», — писал Уивер. Существовала промежуточная область между уравнениями с двумя переменными и задачами, включающими миллиарды переменных. Традиционно считалось, что эта область имеет дело с «умеренным» числом переменных, однако масштаб системы на самом деле был второстепенной характеристикой:

Гораздо важнее самого количества переменных тот факт, что все эти переменные взаимосвязаны... Эти проблемы, в отличие от неорганизованных ситуаций, с которыми справляется статистика, демонстрируют важнейшую черту организации. Поэтому мы будем называть эту группу проблем проблемами организованной сложности.

Представьте эти три категории проблем в свете нашей аналогии с бильярдным столом из введения. Задача с двумя или тремя переменными — это обычный бильярдный стол, где шары сталкиваются друг с другом по простым правилам, определяемым их скоростями и трением о сукно стола. Это пример «простой системы» — и действительно, в школьных учебниках физики бильярдные шары часто используются для иллюстрации базовых законов. Система неорганизованной сложности представляла бы собой тот же самый стол, увеличенный настолько, чтобы вместить миллион шаров, сталкивающихся друг с другом миллионы раз в секунду. Предсказать поведение какого-то конкретного шара в этом хаосе было бы трудно, но можно было бы сделать довольно точные прогнозы относительно поведения стола в целом. При условии, что изначально в системе достаточно энергии, шары распределятся так, что заполнят весь стол, подобно молекулам газа в сосуде. Эта система сложна, поскольку в ней много взаимодействующих агентов, но она неорганизованна, потому что они не порождают никакого поведения более высокого уровня, помимо общих статистических тенденций. Организованная сложность, напротив, подобна нашему моторизованному бильярдному столу, где шары следуют определенным правилам и в результате различных взаимодействий создают отчетливое макроповедение, выстраиваясь в определенную фигуру или формируя со временем особый узор. Подобное поведение, с точки зрения Уивера, указывало на проблему организованной сложности — проблему, которая внезапно оказывалась вездесущей в природе, стоило лишь начать ее искать:

Что заставляет вечернюю примулу раскрываться именно тогда, когда она это делает? Почему соленая вода не утоляет жажду? <...> Как описать старение в биохимических терминах? <...> Что такое ген и как исходная генетическая конституция живого организма выражается в развившихся характеристиках взрослой особи?

Все это, безусловно, сложные проблемы. Но это не проблемы неорганизованной сложности, ключом к которым служат статистические методы. Все они представляют собой проблемы, требующие одновременного рассмотрения значительного числа факторов, взаимосвязанных в единое органическое целое.

Решение таких проблем требовало нового подхода: «К важнейшим, центральным вопросам биологии... теперь подходят не только сверху, с широким взглядом натурфилософа, обозревающего весь живой мир, но и снизу, силами специалистов по количественному анализу, которые измеряют лежащие в основе факты». Пользуясь языком Томаса Куна, это был подлинный сдвиг парадигмы научных исследований — революция не столько в интерпретациях, которые выстраивала наука в попытках объяснить