В экстремальной форме компьютационализм не только постулирует, что весь спектр человеческого опыта можно воспроизвести и инициировать с помощью цифровой симуляции, он также подразумевает, что в ближайшем будущем благодаря экспоненциальному росту мощности компьютеров машины смогут полностью заменить мыслительные способности человека. Это последнее утверждение, высказанное Реем Курцвейлом и другими, называют гипотезой сингулярности. В книге «Эпоха духовных машин: когда компьютеры превзойдут человеческий разум» Курцвейл выдвигает радикальную версию тезиса Чёрча – Тьюринга: «Если проблема не решается с помощью машины Тьюринга, она также неразрешима для человеческого разума». Однако истоки такого видения восходят к 1940-м и 1950-м годам, когда несколько прежних коллег Клода Шеннона из Массачусетского технологического института, такие как Норберт Винер и Уоррен Маккалок, а также многие другие уважаемые ученые, среди которых был и Джон фон Нейман, начали шире смотреть на многие спорные вопросы, чтобы сформулировать совершенно новую парадигму для определения человеческого разума и процесса обработки информации человеческим мозгом. Это движение было названо кибернетикой и на протяжении следующего десятилетия или около того обеспечивало интеллектуальные основы и обоснования той сферы исследований, которую теперь называют сферой искусственного интеллекта.
Как пишет в своей великолепной книге «Как мы становимся постлюдьми» моя коллега из Университета Дьюка Н. Кэтрин Хейлс, эта группа провела серию встреч, названных конференциями Мэйси по кибернетике [14], чтобы создать совершенно новую сферу исследований. Они объединили теорию информации Клода Шеннона, модель Уоррена Маккалока с индивидуальными нейронами в качестве единиц обработки информации, новую архитектуру цифровых компьютеров на основе бинарной логики и цифровых сетей Джона фон Неймана и концепцию Норберта Винера о восприятии машин и человеческих существ в качестве представителей одного класса автономных самонаправляющих устройств. Хейлс пишет: «Результатом этого революционного предприятия стало не что иное, как новый способ восприятия человеческих существ. С этих пор людей стали воспринимать в первую очередь как обрабатывающих информацию субъектов, по сути напоминающих разумные машины».
Людей вдруг стали воспринимать так, как будто они состоят из огромного числа битов, и в таком случае их разум, историю жизни, уникальный перцептивный опыт и воспоминания, их вкусы и решения, любовь и ненависть, вплоть до составляющей их органической материи, могут воспроизвести (и в какой-то момент воспроизведут) машины. Как считали кибернетики, цифровые машины будущего смогут загружать, ассимилировать, повторять, воспроизводить по своему желанию и, главное, симулировать все, что делает человека человеком. Таких разумных машин еще не существовало в то время, когда проходили конференции Мэйси (конечно же, их нет и до сих пор), но, как и современные пророки от мира искусственного интеллекта, некоторые участники кибернетического движения, по-видимому, считали, что это был лишь вопрос времени и, главным образом, вопрос уровня развития технологии. В этом контексте возникло много исследовательских программ (в том числе программа «сильного искусственного интеллекта», которая не смогла реализовать предшествовавшие оптимистические предсказания), нацеленных на создание аналогичных мозгу машин или по меньшей мере на симуляцию физиологического поведения мозга животного с помощью суперкомпьютеров (такие проекты, как Brain Project компании IBM и Human Brain Project Европейского союза). В 1968 году руководитель лаборатории искусственного интеллекта в МТИ Марвин Минский заявил: «За одно поколение мы получим разумные компьютеры, как HAL в фильме „2001“». Понятно, что его предсказание не сбылось, и недавно Минский объявил, что программы по симуляции мозга имеют очень небольшой шанс на успех.
Как рассказывает Хейлс в своей книге, довольно интересно, что Клод Шеннон не был склонен экстраполировать свое довольно узкое определение информации на другие сферы, в которых происходит обмен информацией. Как показала история, эта осторожность Шеннона была абсолютно оправданна. Вообще говоря, его определение информации никоим образом не учитывало смысла, контекста, семантики или, если уж на то пошло, особенностей среды. Более того, основываясь исключительно на бинарной логике и жестком цифровом синтаксисе, что невероятно облегчало применение алгоритмов в цифровых машинах, Шеннон также отделил свою идею от богатых в семантическом плане и зависящих от контекста процессов человеческого мышления и функционирования мозга.
В целом нейробиологи полагают, что высшие неврологические функции и животных, и человека проистекают из сложных эмерджентных свойств мозга, хотя происхождение и природа этих свойств остаются спорными. Эмерджентными свойствами обычно называют общие признаки системы, не определяющиеся ее индивидуальными компонентами. Такие эмерджентные свойства встречаются в природе повсеместно – там, где элементы взаимодействуют и сливаются между собой с образованием единого целого, как стая птиц, косяк рыб или фондовый рынок. Такие системы называют сложными. Таким образом, изучение сложных систем стало центром внимания в широком диапазоне дисциплин – от естественных наук, таких как химия и биология, до общественных наук, включая экономику и социологию.
Мозг животного – пример архетипа сложной системы. Следовательно, поведение мозга определяется разными уровнями организации мозга: его молекулярным, клеточным и сетевым строением вплоть до всей нервной системы в целом. Поэтому для точного моделирования мозга конкретного животного мы должны включить в описание его сложности обмен между центральной нервной системой и внешними элементами, такими как окружающая среда и мозг других существ, поскольку все они также взаимодействуют с конкретным изучаемым мозгом и непрерывно его модифицируют.
Как мы видели в главе 4, мозг пластичен; в отношении человеческого мозга информация обладает причинной эффективностью, изменяя конфигурацию его структуры и функцию, постоянно рекурсивным образом интегрируя информацию в сгусток органического вещества, формирующего нашу центральную нервную систему. Именно по этой причине нейробиологи обычно называют такие системы, как человеческий мозг, сложными самоадаптирующимися системами. Важно, что характеристики сложной самоадаптирующейся системы определяют нашу способность точно предсказывать или симулировать ее динамическое поведение. Например, в начале XX века гениальный французский математик Анри Пуанкаре показал, что эмерджентные поведенческие реакции системы, состоящей всего из нескольких взаимосвязанных элементов (не говоря уже о десятках миллиардов чрезвычайно тесно связанных нейронов), невозможно формально предсказать путем анализа ее составляющих. В такой сложной системе, как мозг, отдельные элементы динамически взаимодействуют друг с другом, создавая новые поведенческие реакции системы в целом. В свою очередь, эмерджентные реакции напрямую влияют на различные элементы системы. И поэтому сложный мозг животных, включая наш собственный, необходимо рассматривать в качестве интегральной системы – определенного континуума, который обрабатывает информацию как единое целое, в котором невозможно отделить аппаратуру от программного обеспечения или память от процессора.
В одном из наиболее примечательных пассажей в своей книге Хейлс рассказывает о том, как на конференциях Мэйси британский ученый Дональд Маккей активно защищал идею о том, что получение информации изменяет образ мыслей получателя. В результате этого явления причинной эффективности, по мнению Маккея, адекватная теория информации не должна исключать роль смыслового фактора. Поэтому Маккей указывал на необходимость учитывать ментальное состояние получателя и количественное воздействие информации, о чем, по мнению Хейлс, мы до сих пор не можем даже мечтать.
