интегральная и самоадаптирующаяся сложная система, цифровые аппроксимации немедленно отклоняются от естественного поведения реального мозга. Из-за этого отклонения, каким бы мощным ни было конкретное цифровое воплощение машины Тьюринга (даже в случае суперкомпьютера Tianhe-2 с его 55 квадрильонами операций в секунду), его внутренняя логика не позволяет с помощью стандартных стратегий моделирования полностью воспроизвести сложное динамическое богатство, обеспечивающее исключительные функции и способности живого мозга, включая человеческий.
В нашей с Рональдом Сикурелом монографии мы выдвинули еще несколько доводов против возможности сведения активности мозга к действию машины Тьюринга. Мы сгруппировали доводы против этой гипотезы в три основные категории: эволюционные, математические и вычислительные.
Эволюционный довод подчеркивает фундаментальное различие между организмом и механизмом, таким как цифровой компьютер. Этот момент часто игнорируют, хотя он является одним из важнейших в данной дискуссии. Механизмы проектируют и собирают в соответствии с заданным планом или шаблоном. Вот почему механизм можно закодировать алгоритмом, симулировать на машине и, следовательно, подвергнуть обратной разработке.
Организмы же возникают в результате прохождения огромного количества эволюционных этапов на многих уровнях организации (от молекул до целых организмов), которые не подчиняются какому-либо заранее заготовленному плану или продуманному шаблону. Скорее эти стадии реализуются в результате серий случайных событий. Таким образом, организмы тесно связаны с окружающей средой, поскольку непрерывно изменяются при изменении параметров внешнего мира. Учитывая постоянно изменяющийся характер внешней среды, эта задача решается лишь при постоянном использовании данных, собираемых организмами в отношении самих себя и окружающего мира для переформатирования и оптимизации органического субстрата, который определяет сущность живого организма и из которого возникает созданная организмом информация. Без этого непрерывного процесса создания информации организм постепенно разлагается и умирает. Как мы видели в главе 3, смерть наступает тогда, когда организм больше не способен полностью поддерживать состояние гомеостаза, что приводит к термодинамическому равновесию и распаду всей системы.
Все вышесказанное, очевидно, справедливо и для мозга. Поэтому идея о независимой от субстрата, отделенной информации неприменима в тех случаях, когда речь идет о ее потоке внутри организма. В типичной машине Тьюринга поток информации обеспечен программой или входящей перфолентой, которые не зависят от самого аппарата, определяющего физическую структуру цифровой машины, тогда как в случае организма, и особенно мозга, информация буквально записывается в органическое вещество, и поток информации направляется через целый ряд уровней организации. Кроме того, производимая организмом информация постоянно модифицирует создающий ее материальный субстрат (нейроны, дендриты, дендритные шипики или белки). Этот уникальный процесс связывает органическое вещество и информацию в неприводимую единую сущность. Таким образом, гёделевская информация в организме зависит от субстрата, и этот вывод подтверждает интегральную природу головного мозга и очевидным образом отражает непреодолимые препятствия в применении дихотомии «программа — инструмент» к центральной нервной системе животного. На самом деле эти различия четко показывают, почему мозг следует рассматривать в качестве совершенно особого типа вычислительной системы — органического компьютера.
Джон Сёрл приводит соответствующий пример, когда говорит, что можно имитировать химическую реакцию превращения двуокиси углерода в сахар, но без интеграции информации эта симуляция не приведет к естественному процессу фотосинтеза. Поддерживая эту точку зрения, Пригожин настаивал, что диссипативные системы, такие как мозг животных, существуют вдали от термодинамического равновесия. Такие системы характеризуются неустойчивостью и временной необратимостью обработки информации. В целом это не позволяет применять в отношении организмов стандартные детерминистские объяснения причинности. Организмы можно описывать лишь статистически, в терминах вероятности, как результат процесса, эволюция которого во времени необратима ни на каком уровне. Функция же машины Тьюринга, как показал Чарлз Беннеттл, логически обратима на каждом этапе — просто за счет сохранения промежуточных результатов. Это положение, обычно называемое аргументом необратимости, ранее было выдвинуто Сельмером Брингсйордом и Майклом Зензеном.
Анализируя один аспект этой временно́й необратимости, американский палеонтолог и эволюционный биолог Стивен Джей Гулд предложил мысленный эксперимент, прекрасно иллюстрирующий дилемму, стоявшую перед теми, кто верил в возможность «обратного проектирования» сложных биологических организмов с помощью цифровой детерминистской платформы. Гулд называл этот эксперимент «пленкой жизненного опыта» и писал о том, что если бы удалось смотать и запустить заново гипотетическую пленку с записью всех эволюционных событий, приведших к появлению человеческого вида, вероятность получить ту же последовательность событий, которая привела к появлению человеческой расы, была бы равна нулю. Иными словами, поскольку эволюция жизни определяется длиннейшей чередой случайных событий, никогда ранее не происходивших на Земле, надеяться на воспроизведение точно такой же ситуации, которая миллионы лет назад дала начало развитию человечества, не приходится. Этот аргумент подкрепляет сделанное мной в начале книги заявление о том, что мозг Спока, вероятнее всего, будет значительно отличаться от нашего. Следовательно, его космологическое представление о вселенной тоже будет другим.
Важно заметить, что логика в основе эксперимента с пленкой жизни строго указывает на невозможность использования детерминистских и обратимых моделей для воспроизведения процесса, возникающего в результате последовательности случайных событий. Поэтому любая модель, реализуемая на машине Тьюринга (являющейся детерминистским устройством), цель которой заключается в отслеживании эволюции нашего вида, очень быстро отклонится от реального исторического пути формирования человечества. По сути, это означает невозможность обратной разработки того, что изначально не было преднамеренно разработано. Таким образом, как бы парадоксально это ни звучало, сторонники идеи обратной разработки, которую некоторые считают самым передовым достижением современной биологии, не могут понять, что на этой теоретической позиции они напрямую ставят под сомнение самую долговечную теорию, когда-либо существовавшую в их собственной сфере науки, — дарвиновскую теорию эволюции за счет естественного отбора. Более того, признание идеи обратной разработки полностью согласуется с тем, что в процессе формирования человека и его мозга была задействована некая версия разумного проектирования.
До недавнего времени никто не признавал эволюционных возражений против создания цифровой реплики человеческого мозга, но вот логические основания описанных ниже математических и вычислительных возражений до некоторой степени основаны на работах 1930-х годов самого Тьюринга и другого гения — австрийского математика и логика Курта Гёделя. Как считал Гёдель, его знаменитые теоремы о неполноте четко и ясно указывали, что человеческий разум преодолевает ограничения машины Тьюринга, а алгоритмические схемы не могут полностью описать возможности человеческого мозга. Как писал Гёдель, «мои теоремы лишь показывают, что механизация математики, т. е. устранение разума и абстрактных сущностей, невозможна для установления четких основ. Я не показал, что существуют неразрешимые для человеческого мозга вопросы — лишь то, что не существует машин, которые могут разрешить все вопросы теории чисел».
В своей знаменитой Гиббсовской лекции[15] Гёдель также заметил, что его теоремы о неполноте подразумевают, что человеческий мозг намного опережает мощность машины Тьюринга: на самом деле пределы формальной системы не влияют на человеческий мозг, поскольку центральная нервная система может генерировать и устанавливать истину, не доказуемую соответствующей формальной системой, т. е. алгоритмом машины Тьюринга. Первая теорема о неполноте в формулировке Роджера Пенроуза проясняет этот момент: «Если вы считаете, что конкретная формальная система непротиворечива, вы также должны признать, что в этой системе есть истинные утверждения, справедливость которых не может быть доказана формальной системой».
Роджер Пенроуз настаивал, что аргументы Гёделя ясно указывают на некоторое ограничение цифровых компьютеров, не существующее для человеческого разума. Поддерживая позицию Пенроуза, Сельмер Брингсйорд и Константин Аркудас представили очень убедительные доказательства в подтверждение тезиса Гёделя, показав, что человеческий разум работает как некий «гиперкомпьютер», поскольку человеческий мозг имеет такие способности (например, может признавать истинность какого-то утверждения), которые нельзя симулировать с помощью алгоритма на машине Тьюринга[16].
Непосредственный вывод из всех этих утверждений ясен: полный репертуар человеческих ментальных активностей не сводится к цифровым программным алгоритмам. Эти сущности не поддаются вычислению. Соответственно, главный принцип гипотезы сингулярности полностью опровергается тем простым фактом, что цифровые машины никогда не справятся с тем, что называют аргументом Гёделя.
Для выдвижения соответствующих доводов не обязательно опираться только на логику. В книге «Релятивистский мозг» мы с Рональдом перечислили математические и вычислительные препятствия для принятия тезиса о скорой победе цифровых машин над человеческим мозгом. Ниже представлен краткий перечень наших доводов.
Цифровая симуляция основана на многих предвзятостях и предположениях, таких как способ подачи информации. Кроме того, на этом пути нужно преодолеть множество различных препятствий. Исходные предположения могут в конце полностью обесценить саму модель. Например, давайте представим себе любую физическую систему S, эволюцию которой мы хотим симулировать. Первая аппроксимация состоит в том, чтобы назвать S изолированной системой. При соприкосновении с реальной жизнью выясняется, что биологические системы не могут быть изолированными от окружающей среды без значительной потери функциональности. В частности, если S — живая система, в каждый конкретный момент времени ее структура полностью зависит от обмена веществом и информацией с окружающей средой. S — интегрированная система. Следовательно, если рассматривать ее в качестве изолированной системы, это может кардинально отклонить симуляцию от реальности, особенно если речь идет о такой живой системе, как мозг. В частности, это ограничение обесценивает любые попытки построить реалистичную модель мозга живой взрослой мыши на основании данных, полученных на таких экспериментальных образцах, как срезы мозга молодых мышей. Такие экспериментальные образцы значительно снижают истинную сложность исходной системы и не учитывают ее взаимодействие с окружающей средой. Распространение результатов, полученных на основании редуцированной модели, на реальное поведение живого мозга просто бессмысленно, даже если модель создает некое тривиальное эмерджентное поведение, такое как осцилляции активности нейронов.