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

ситуации. Максимизация будущей свободы действий – это часть общего стремления избегать термодинамического равновесия, поэтому термин «причинная энтропийная сила», которым Висснер-Гросс обозначил эту естественную тенденцию, кажется вполне уместным.

Если причинное энтропийное воздействие реально и связано со вторым законом термодинамики, то, возможно, нам и не нужен четвертый закон. Быть может, достаточно новой интерпретации второго закона, которая бы объясняла его связь с возникновением и эволюцией интеллекта. Висснер-Гросс публично заявлял, что активно ищет такое объяснение. Обратившись к принципам кибернетики, вдохновившим такие идеи, как расширение возможностей, мы придем к эволюционному объяснению того, почему причинная энтропийная сила неизбежно порождает интеллектуальных агентов со все большими вычислительными способностями.

Взаимосвязь между энтропией и неопределенностью

Вспомните обсуждение энтропии из второй главы и важность различия между микросостоянием и макросостоянием. Макросостояние – это что-то вроде средней температуры системы молекул газа (глобальная мера оценки), а микросостояние – это описание положения и скорости каждой молекулы в системе (измерить которые не представляется возможным). В результате хитроумных экспериментов была подтверждена интуитивная догадка Больцмана о том, что возможно множество различных микросостояний (специфических расположений частиц), соответствующих одному макросостоянию. Это связано с тем, что существует много эквивалентных способов распределения отдельных молекул, дающих одинаковое среднее суммарное количество кинетической энергии.

Больцман показал, что энтропия – это мера того, сколькими различными способами может быть устроена система без изменения ее макросостояния. Чем выше энтропия, тем больше микросостояний соответствует одному макросостоянию. Причина, по которой системы, находящиеся в равновесии или близкие к нему, естественным образом дрейфуют в сторону более высокой энтропии или беспорядка, заключается в том, что способов быть эквивалентно «перемешанными» и хаотичными гораздо больше, чем способов быть организованными и упорядоченными. Системы естественным образом дрейфуют в сторону неупорядоченности из-за крупномасштабного влияния случайности.

Но в открытых системах на этот случайный дрейф начинает влиять поток энергии, который толкает систему к аттрактору, ограничивая случайность и трансформируя ее в необходимость или неизбежность. Теперь система уже не является эргодической, то есть не исследует пространство конфигураций случайным и исчерпывающим образом; неэргодические системы, такие как адаптивные системы, эволюционируют в направлении конфигураций, удерживающих систему от распада. Неравновесный аттрактор, к которому движется система, представляет собой конфигурацию, предназначенную для извлечения энергии из окружающей среды. Самоорганизация – это то, что мы называем системой, движущейся к аттрактору, а самоорганизуется она благодаря дарвиновской динамике – слепой изменчивости и избирательному сохранению. Естественный отбор самоорганизующихся систем можно резюмировать в двух словах так: то, что работает, сохраняется.

В 1960-х годах Эдвин Томпсон Джейнс показал, что энтропия Больцмана не просто мера неупорядоченности или количество микросостояний, соответствующих определенному макросостоянию. Энтропия – это еще и мера неопределенности или незнания наблюдателя, наблюдающего за макросостоянием системы и не имеющего представления о конкретном микросостоянии. Поскольку состояния с большей неупорядоченностью имеют больше эквивалентных микросостояний, соответствующих уникальному макросостоянию, то более высокая энтропия означает больше незнания – и меньше уверенности – о конкретном микросостоянии, в котором находится система. Это также означает, что при изучении фактического микросостояния системы появляется больше неожиданностей и информации, потому что больше узнается (приобретается больше бит информации), когда есть больше вариантов, которые исключаются в результате измерения и наблюдения.

Конечно, как мы уже установили, точное измерение микросостояния невозможно из-за квантовой неопределенности и хаоса в классическом масштабе, однако этот нарратив позволяет нам рассматривать энтропию в терминах информации, и при этом мы видим, что энтропия любопытным образом связана со знаниями наблюдателя и точностью его модели наблюдаемой системы. Вот почему статистическая термодинамика и теория информации Шеннона – это, в сущности, одна и та же теория: энтропия Шеннона есть мера того, в скольких состояниях может находиться система или сколько вариантов сообщений может быть отправлено по каналу. Мы подробно обсуждали это в пятой главе. Главное, нам нужно знать, что энтропия может быть мерой количества возможных состояний системы или количества вариантов ее конфигурации. По этой причине количественные критерии энтропии могут использоваться для измерения сложности, но чтобы как следует разобраться почему, мы должны хотя бы кратко затронуть два принципа кибернетики: теорему Эшби о хорошем регуляторе и закон необходимого разнообразия.

Теорема о хорошем регуляторе и закон необходимого многообразия

Теорему о хорошем регуляторе предложили Уильям Росс Эшби и Роджер Конант в важной работе 1970 года под названием «Каждый хороший регулятор системы должен быть моделью этой системы». Шесть лет спустя эта теорема была переформулирована как принцип внутренней модели – важнейший компонент теории управления. Теорема о хорошем регуляторе применительно к эволюционной биологии гласит, что любая адаптивная система (организм) должна моделировать значимые переменные окружающей среды, чтобы продолжать существовать. Значимыми переменными являются те, что связаны с внутренней термодинамической задачей нахождения вдали от равновесия. Извлечение энергии, избегание угроз и поддержание упорядоченности, несмотря на возмущения окружающей среды, – это важнейшие усилия, позволяющие разумной системе оставаться в игре на выживание и сохраняться дольше.

Мы можем легко предположить, что бактерия, осуществляющая хемотаксис (движение в ответ на химический стимул), и растение, осуществляющее гелиотропизм (движение в направлении Солнца), смоделировали свой источник энергии в самом общем смысле этого слова, но эти теоремы математически формулируют, почему это должно быть верно. Невозможно по-настоящему понять организм, не поняв его взаимосвязи с окружающей средой, поскольку, как напоминает нам Фристон, организм сам является моделью своего окружения. Возможно, у не имеющего мозга организма нет никакого субъективного опыта, связанного с моделью мира, но у него есть своего рода абстрактная карта местности, дающая системе статистическое представление о том, с чем она может столкнуться.

Закон необходимого разнообразия Эшби – это принцип кибернетики, сообщающий нам кое-что о вычислительной сложности внутренней модели агента. Этот закон – применительно к эволюционной биологии – гласит, что для выживания организм должен иметь репертуар состояний, который как минимум равен количеству различных вызовов или возмущений, создаваемых окружающей средой, и он математически объясняет, почему этот принцип также должен быть верен. Джон Нотон, старший научный сотрудник Кембриджского университета, резюмирует этот закон следующим образом:

Если обойтись без научных терминов, то закон Эшби стал пониматься как простое утверждение: чтобы система могла успешно справляться с разнообразием вызовов среды, ей необходимо иметь репертуар ответов, который (по меньшей мере) столь же детализирован, как и проблемы, порождаемые окружающей средой. Таким образом, жизнеспособная система – это система, способная справляться с изменчивостью окружающей среды. Или, как сформулировал Эшби, только разнообразие может усвоить разнообразие 6.

Проиллюстрируем это парой примеров: кошка, которая ловит мышей, чтобы выжить, должна иметь по крайней мере столько же поведенческих состояний, сколько у