Романтика реальности. Как Вселенная самоорганизуется, порождая жизнь, сознание и сложность Космоса - Бобби Азарян

посвящена тому, как информация попала туда изначально. Думаю, вы можете охарактеризовать двадцатый век в биологии как век, когда она стала наукой об информации в живых системах 2.

Однако биологическая информация категорически отличается от того типа информации, который квантифицировал Шеннон. В частности, она имеет не только синтаксический, но и семантический характер. Как некоторое время назад отметили Мейнард Смит и Ричард Докинз, биологическая информация «значима» в том смысле, что она выстраивает организм, надежную систему структурной и функциональной сложности, и наделяет его инструкциями о том, как выживать в окружающей среде. С такой точки зрения жизнь – это биологическое оборудование, работающее под управлением программного обеспечения для выживания. Можно сказать, что ДНК содержит программу развития и поведения, а программам требуются коды, которые определяют и исполняют алгоритмы. Когда рождается муха, червь или какое-либо другое простое существо, оно автоматически взрослеет по заранее определенному пути развития, и его не нужно учить, как вести себя, чтобы продлить собственное существование, – оно инстинктивно знает, что делать. Наше новое термодинамическое определение жизни позволяет утверждать, что значимая биологическая информация – это такая информация, которая удерживает организованную систему от равновесия, неупорядоченности и распада.

Как всякая значимая информация, биологическая информация имеет ценность только в контексте. Без клеточного механизма и биомолекул, считывающих и исполняющих генетический код, информация бесполезна: несведущий наблюдатель счел бы ее случайным набором символов. А если организм поместить в физическую среду, сильно отличающуюся от той, в которой он эволюционировал, то его поведенческая программа окажется такой же бесполезной, как случайные биты. Чтобы понять, какое количество значимой информации действительно содержится в генах организма, нам нужно знать, как эти гены связаны с функционированием агента и его успехом в соответствующей естественной среде.

Но, принимая во внимание многообразие усложняющих факторов, как нам измерить биологическую информацию, чтобы ответить на вопросы «накапливается ли значимая генетическая информация в результате эволюции?» и «нарастает ли этот тип информации с усложнением систем?» Это помогло бы нам определить, должна ли жизнь на планете неизбежно становиться более разумной по мере того, как естественный отбор отсекает генетические вариации. Без понимания жизни в информационных терминах невозможно точно оценить ее космическое значение – то, насколько сильное влияние она способна оказать на будущую эволюцию Вселенной.

Конечно, методами Шеннона мы могли бы измерить количество синтаксической информации в нити ДНК. Поскольку ДНК представляет собой код, состоящий из молекул-нуклеотидов, которых существует всего четыре типа (обозначаемых буквами A, C, T и G), нетрудно подсчитать, что мы имеем два бита информации на каждый декодируемый нуклеотид. Если мы знаем количество нуклеотидов в геноме вида, определяемом с помощью генетического тестирования, то мы можем просто умножить это число на два, чтобы с удовлетворительной точностью оценить количество битов синтаксической информации в ДНК организма.

Хотя это может помочь ответить на некоторые вопросы, например, сколько места на жестком диске компьютера потребуется для хранения генетической информации определенного числа индивидуумов, это, похоже, совсем не отражает объем информации, которую мы определили как значимую – информации, влияющей на выживание организма. При такой оценке случайный и бесполезный набор из трех миллиардов нуклеотидов без какой-либо кодирующей функции содержит такое же количество информации, как геном человека, кодирующий очень сложные биологические структуры, функции и поведение. Игнорируя значение, метод Шеннона не учитывает знание, то есть причинную силу информации.

К счастью, здесь нам на помощь приходит теория сложных систем. Используя математические инструменты неравновесной статистической механики и теории информации, исследователи работают над количественными критериями оценки информации, учитывающими смысл и биологическую значимость. Например, ученые из Института Санта-Фе, в частности Артемий Колчинский и выдающийся физик Дэвид Уолперт, разрабатывают меру семантической информации, основываясь на подходе, известном как телеосемантика, согласно которому анализируемая система преследует некоторую цель. Для живых систем эта цель состоит в стремлении отдалиться от равновесия, что мы также называем выживанием. Уолперт и Колчинский формально определяют семантическую информацию как «синтаксическую информацию между физической системой и ее окружением, которая каузально необходима для поддержания существования системы»3.

По Уолперту, такая мера информации позволяет выявлять агентность, отличая живые системы от неживых, таких как камни, а также неорганические диссипативные системы, например ураганы и водовороты. Семантическую информацию такого рода иногда называют интенциональной информацией, но проще, пожалуй, считать ее адаптивной информацией или знанием, поскольку она уменьшает неопределенность окружающей среды и, следовательно, незнание сложной системы. Итальянский физик-теоретик и популярный автор Карло Ровелли взялся за дальнейшее уточнение меры информации Уолперта и Колчинского, и многие физики и специалисты по информатике наверняка последуют его примеру, как только станет ясно, что объяснение агентности и намерения является (если не полностью, то, по крайней мере, частично) математической проблемой.

Ученые из Висконсинского университета в Мэдисоне, в том числе Джулио Тонони, Лариса Альбантакис и Эрик Хоэл (в настоящее время работающий в Университете Тафтса), а также физики из Университета штата Аризона, в частности Сара Уокер и Пол Дэвис, разработали и усовершенствовали дополнительные количественные критерии информации, применимые к биологическим или когнитивным системам, такие как интегрированная информация и эффективная информация. Оба этих теоретических инструмента определяют, в какой мере то или иное состояние системы влияет на ее будущее состояние. Эти меры информации и энтропии могут не только помочь обнаружить агентность, но и количественно оценить способность системы к разумной деятельности и, возможно, даже степень ее сознательности. По этой причине мы вернемся к понятию интегрированной информации во второй и третьей частях.

Хотя эти критерии находятся только на начальной стадии, они показывают нам, что количественная оценка биологических знаний – информации, способствующей выживанию в далеких от равновесия условиях, – когда-нибудь может стать выполнимой задачей. Могут ли они также использоваться для определения того, действительно ли информация и сложность, ассоциируемые с жизнью, неуклонно увеличиваются в ходе эволюции? Можно ли применить их не только к организмам, но и к другим сложным адаптивным системам, таким как экосистемы или биосфера в целом? А как насчет интернета? Теоретически это вполне возможно, и популярность исследований в этой области быстро растет, хотя их практическое применение пока остается делом будущего.

Однако живые организмы не только хранят и передают информацию. Биологические агенты постоянно обрабатывают информацию или выполняют вычисления. Это означает, что возникновение жизни можно считать появлением первого в природе компьютера. Живые агенты могут кардинально отличаться от вашего ноутбука и смартфона в том, что касается материалов, конструкции и поведения, но они тоже являются вычислительными машинами.

Живые системы – это вычислительные системы

Любая живая организованная система для поддержания своего далекого от равновесия состояния должна быть способна решать ряд вычислительных задач. Прежде всего она должна находить способы постоянно извлекать