Одним из главных принципов уникальной «системы Физтеха», заложенной в основу образования в МФТИ, является тщательный отбор одаренных и склонных к творческой работе представителей молодежи. Абитуриентами Физтеха становятся самые талантливые и высокообразованные выпускники школ всей России и десятков стран мира.

Студенческая жизнь в МФТИ насыщенна и разнообразна. Студенты активно совмещают учебную деятельность с занятиями спортом, участием в культурно-массовых мероприятиях, а также их организации. Администрация института всячески поддерживает инициативу и заботится о благополучии студентов. Так, ведется непрерывная работа по расширению студенческого городка и улучшению быта студентов.

Адрес e-mail:

Храмов О.С. "Информационная модель организма: оптимизация структуры при ее усложнении"

Доклад был представлен на секции философских проблем науки  XLVII Научной конференции при МФТИ "Современные проблемы фундаментальных и прикланых наук" прошедшей 26-27 ноября 2004 г.

В работе мы будем рассматривать организмы с информационной точки зрения. Уместно сказать, что мы будем строить модель информационного метаболизма организма. В этой связи на первый план выходит такая характеристика, как объем информации, перерабатываемой информационной системой. Основной вопрос, поднимаемый в этой работе - как должна изменяться структура системы при увеличении этого объема. Несмотря на то, что мы рассматриваем нашу информационную систему, как модель реальных биологических объектов, мы не претендуем на полное соответствие исследуемой модели её биологическим аналогам, но рассчитываем на адекватное описание некоторых их аспектов. Подобное описание дает возможность лучше понять механизмы, управляющие организмами.

Поскольку речь идет о моделировании реальных биологических объектов, мы можем приписать модели некоторые характеристики исходя из натурных наблюдений за поведением организмов. Прежде всего, введем критерий эффективности деятельности организма: деятельность организма тем более эффективна, чем больше она способствует выживанию популяции данного вида организмов.

Подобным же образом определяем механизм закрепления изменений в последующих поколениях организмов. Для нашей модели – это естественный отбор. Эта работа – не место для споров о том насколько правильна дарвиновская теория, просто для определенности примем, что организмы, действующие эффективно с точки зрения критерия эффективности, имеют большие шансы закрепить свою наследственность в последующих поколениях. Мы еще будем возвращаться к «биологическим» аналогиям при рассмотрении модели, но сейчас сместим акцент на ее информационную составляющую.

Организм существует в условиях постоянно изменяющейся внешней среды. Для успешного функционирования ему необходимо воспринимать эти изменения и адекватно на них реагировать. Следовательно, ему необходимы средства, которые позволят организму сделать это. Пока назовем эти средства рецепторами и эффекторами, а их определения дадим ниже. После восприятия рецептором внешнего события, данные о нем попадают в систему управления организмом, – в ней они перерабатываются и их можно считать информацией до момента, когда они, посредством эффекторов, не превращаются в акты действия. Будем рассматривать организм, как систему, состоящую только из рецепторов, системы управления и эффекторов. Остальные компоненты реальных организмов нас интересуют мало, – для системы управления, события, происходящие в этих компонентах, имеют тот же статус, что и события вне организма – они воспринимаются рецепторами, и система управления реагирует на них посредством эффекторов. Итак, рецепторы порождают информацию, система управления оперирует ей, а эффекторы превращают ее в действие. Избавиться в этой схеме от рецепторов и эффекторов невозможно, поскольку, как это будет показано ниже, от их сложности зависит сложность управляющей системы.

Рассмотрим рецептор и эффектор более подробно. Дадим следующие определения:

Рецептор - элемент организма, который преобразует воздействие на него в информацию с последующим ее вводом в систему управления.

Эффектор - элемент организма, который преобразует информацию из системы управления, в действие.

Физиологически рецепторы представляют собой чувствительные клетки способные формировать ответ на соответствующее воздействие. Ответ воспринимается периферией системы управления. Эффекторы - это в свою очередь клетки, вырабатывающие определенные ферменты, или способные к механическому сокращению и т.п. Причем эти процессы «запускаются» по команде системы управления. Совместная деятельность рецепторов  - есть восприятие. Совместная деятельность эффекторов - есть поведение организма.

Намеренно не говорится о рецепторах или об эффекторах, как об органах. Редко можно выделить чисто рецепторный орган, как правило, орган - это сложная комбинация рецепторов эффекторов и прочего. В качестве иллюстрации приведем такой традиционно «рецепторный» орган, как глаз. Согласно вышесказанному - зрительный рецептор - светочувствительные клетки сетчатки глаза. А такие элементы глаза, как хрусталик, роговица, глазодвигательные мышцы - это система эффекторов, которая обеспечивает оптимальный режим работы светочувствительных клеток. А нейронные сети в сетчатке, воспринимающие и обрабатывающие сигналы от светочувствительных клеток и передающие информацию  вглубь нервной системы по глазному нерву - компонент системы управления. Таким образом, орган - глаз - это не рецептор, а сложная комбинация рецепторов, эффекторов, и компонентов системы управления. Было бы некорректно определять его, как рецепторный орган. Он не более рецепторный, чем, например, человеческая рука (обычно определяемая, как эффекторный орган) с ее сложной системой рецепторных осязательных клеток.

Однако рецепторная клетка - слишком незначительная рецепторная единица. Обычно рецепторные клетки одного типа располагаются группами, образуя рецепторную область. Поэтому целесообразно рассматривать такую область, как единый, но составной рецептор, состоящий из более простых элементов. Аналогично и эффекторные клетки располагаются областями, и можно эти области рассматривать, как составной эффектор. В качестве примера составного рецептора можно привести все светочувствительные клетки одного глаза, а примером составного эффектора будет мышечная ткань.

События внутри или вне организма, воздействуя на рецепторы, порождают их ответ и активацию периферийных рецепторных областей системы управления. Так в нее попадает информация о событии. Для адекватного реагирования на это событие информация должна быть интерпретирована. Но это уже задача системы управления.

Рассмотрим функции системы управления. Полный цикл включает в себя следующие обязательные компоненты: после восприятия или приема информации,  происходит ее интерпретация, затем выбор программы поведения, в соответствии с которой и происходит реагирование. Этот процесс можно изобразить следующей функциональной схемой: восприятиеинтерпретация  анализ  реакция  действие. За восприятие и действие ответственны знакомые нам рецепторы и эффекторы соответственно. Системе управления остаются функции интерпретации, анализа и реагирования, и в соответствии с ними ее можно подразделять на интерпретатор, анализатор и реактор (см. рис.1). Интерпретатор и реактор являются периферийными областями системы управления, они связаны между собой через анализатор.

Самый простой способ интерпретации, который можно представить, - это хранение в интерпретаторе всех возможных состояний рецептора. Процесс интерпретации тогда будет заключаться в процедуре сравнения текущего состояния рецептора с хранящимися в системе эталонами восприятия. Определенный подобным образом интерпретатор будем называть простым интерпретатором. Ниже будет приведена иллюстрация работа простого интерпретатора.

Аналогично и с реакцией. Все возможные типы реакции – программы или эталоны поведения - можно также хранить в системе управления. Аналогично интерпретатору называем такой реактор простым реактором.

Самый простой анализатор тогда можно представить себе как систему, обеспечивающую однозначное соответствие выявленного в процессе интерпретации эталона восприятия эталону поведения. То есть, от выявленного эталона восприятия зависит дальнейшее поведение: эталон запускает соответствующую программу поведения. Например, текущее состояние рецептора было интерпретировано, как нападение хищника. Это автоматически запускает программу бегства, то есть такую последовательность сигналов для эффекторов, в результате выполнения которых организм избежит нежелательного столкновения с предполагаемым хищником.

Не нарушая однозначности соответствия между эталонами восприятия и поведения можно несколько усложнить схему простого анализатора. Интерпретация одного эталона восприятия может блокировать другой эталон и, таким образом будет проявляться иерархичность при выборе эталонов поведения. Например, организм ощущает присутствие хищника, что заставляет его затаиться. Вместе с тем он ощущает наличие пищи, и эта интерпретация при условии отсутствия хищника запустила бы программу кормления. Но это бы выдало организм перед хищником – эффективней затаиться и переждать опасность. Очевидно, что те организмы, в системе управления которых предусмотрено подавление менее важных эталонов поведения (с точки зрения критерия эффективности), имеют преимущество при эволюционном отборе. Таким образом, в анализаторе появился новый параметр – коэффициент важности эталона восприятия, однако однозначность соответствия в простом анализаторе сохранилась. Нововведение позволяет говорить нам, о том, что в простом анализаторе хранятся стратегии поведения организма, от которых зависит, какая именно модель поведения будет выбрана в ответ на интерпретированную сенсорную информацию.

Рассмотрим проблему сложности системы управления. Будем рассматривать рецептор и интерпретатор. Рецептор состоит из некоторого количества элементов Sр, каждый из которых может находиться в α состояниях. Оценим количество элементов Sи, потребное для построения простого интерпретатора. Интерпретатор должен хранить все эталоны восприятия, то есть все состояния рецептора. Количество состояний рецептора очевидно: αS р. Количество элементов интерпретатора, необходимое для хранения одного эталона равно количеству элементов рецептора Sр. Полное количество элементов интерпретатора, очевидно, есть произведение числа эталонов αS р на количество элементов в эталоне. То есть получается следующая формула:

                                                                            

 Для иллюстрации этой зависимости приведем следующий пример (см. рис.2). Пусть имеется рецептор, состоящий из трех элементов, каждый из которых способен находиться в двух состояниях – отметим одно из них «0», другое - «1». То есть α=2. На рисунке 2 изображен рецептор и интерпретатор в виде всех возможных состояний рецептора. Получилось восемь  состояний – эталонов.

Каждый эталон содержит столько же элементов, что и рецептор, то есть - три. В итоге имеем 24 элемента интерпретатора, что совпадает с результатом, вычисленным по формуле 1.

В случае если каждый элемент рецептора воспринимает внешнее событие как непрерывное значение некоторой величины, то α можно оценить, как отношение диапазона значений воспринимаемой величины D к точности σ восприятия этой величины. Например, допустим, что элементы рецептора измеряют яркость попадающего на них света. Нижний порог регистрации яркости 10 -2 кд/м2, верхний – 10 2 кд/м2, точность измерения 10 -2 кд/м2. Тогда α=104. В соответствии с этим утверждением модифицируем формулу 1 следующим образом:

                                                                

Внимательно посмотрим на выражения 1 и 2. Легко видеть, что сложность (количество элементов) простого интерпретатора невероятно растет с увеличением сложности рецептора. Если же каждый элемент рецептора воспринимает еще и непрерывный спектр значений, то громоздкость простого интерпретатора возрастает особенно быстрыми темпами. Несложный подсчет показывает, что простой интерпретатор, получающий информацию от фасеточного глаза насекомого, должен содержать количество элементов, превышающее число атомов на планете. Основная польза, которую можно получить от формулы 1 – это вывод о том, что применение простого интерпретатора ограничено случаями очень простых рецепторов – состоящих из небольшого количества элементов, каждый из которых может находиться в небольшом количестве состояний. Таков, например интерпретатор системы втягивания жабры у моллюска аплизии, или интерпретатор системы равновесия у простейших ракообразных.

Ситуация со сложностью эффектора и управляющего им реактора совершенно аналогична. Сложность простого реактора при росте сложности эффектора растет слишком быстро.

Основной вывод из вышесказанного таков: при усложнении рецептора и эффектора необходимо отказаться от схемы простого интерпретатора и реактора. Структура их громоздка и ограничена, хотя у нее есть несомненный плюс – на любой сенсорный сигнал будет дана адекватная реакция.

Что же можно сделать для того, чтобы модифицировать схему простого интерпретатора. Первый ответ дает нам сама формула 1. Единственный параметр, который поддается коррекции – это количество состояний элемента рецептора – α. Его можно ограничить α =2. Интенсивность же воспринимаемого сигнала можно кодировать изменением частоты переключения состояния элемента рецептора. Именно этот путь использован в природе. Любая рецепторная клетка передает именно такого рода сигнал и именно так кодирует интенсивность воздействия.

Следующее, что можно предложить – это воспользоваться уже введенным нами коэффициентом важности. Идея проста: игнорировать состояния рецептора, эталон восприятия для которого важным не считается. Это может существенно снизить громоздкость интерпретатора, поскольку интуитивно понятно, что в реальных биологических системах, не так уж и много сенсорных сигналов, которые действительно важны для выживания. Это неплохой ход для стационарных внешних условий, но если внешние условия будут меняться, то популяция организмов окажется под угрозой: возможны такие жизненно важные условия изменения внешней среды, на которые организм не только не сможет реагировать – он их даже не заметит. Значит, в интерпретаторе должен быть механизм, запоминающий сенсорные сигналы, коэффициент важности которых оказался значительным. Далее этот сенсорный сигнал запоминается, как эталон восприятия, и интерпретируется в обычном порядке. Разумеется, не все организмы популяции переживут это изменение внешних условий, но в конечном итоге отбор сделает свое дело, и новый эталон восприятия закрепится в популяции. На индивидуальном уровне описанный механизм запоминания нового тождественен обучению.

Предложенные решения по оптимизации интерпретатора и реактора системы управления, конечно, несколько улучшают ситуацию, но это – далеко не кардинальные решения. Не решая проблему качественно, они лишь позволяют количественно снизить порог, за которым число элементов интерпретатора возрастает настолько, что делает систему управления нецелесообразно громоздкой.

Если мы хотим и дальше усложнять структуру интерпретатора, делая его более компактным, нам рано или поздно придется смириться с тем, что часть данных рецептора мы будем терять. И здесь важно не потерять то, что существенно для организма. То есть необходимо предложить механизм фильтрации данных с рецептора, выделяющий наиболее важные элементы информации. Один из способов создания подобного фильтра – это так называемая кластеризация – разделение рецепторного поля на отдельные области (см. рис.3б), каждую из которых обрабатывает простой интерпретатор – интерпретатор первого уровня, «настроенный» на поиск в своей части рецепторного поля примитивных сенсорных элементов. В качестве таковых, например, могут выступать границы контрастности – когда одна часть рецепторного поля существенно отличается от другой части. В случае, когда такая граница действительно обнаружена, интерпретатор первого уровня передает интерпретатору второго уровня информацию об этом и конкретизирует, например, ориентацию границы. Интерпретатор второго уровня работает с сенсорными примитивами, полученными от интерпретаторов первого уровня, то есть с объемом данных на порядки  меньшим по сравнению с «сырой» сенсорной информацией. Однако, не смотря на уменьшение объема данных, потери существенной информации не произошло. Интерпретатор второго уровня может выделять более сложные сенсорные примитивы, например, из границ контрастности строить контуры. А интерпретаторы следующего уровня будут в этих контурах искать характерные признаки знакомых объектов, важных для жизнедеятельности организма. В итоге мы получаем каскадную или слоистую структуру интерпретатора, причем на каждом из слоев относительно небольшим количеством элементов мы добиваемся существенного уменьшения объема сенсорной информации. Если выяснится, что при данной сложности рецептора интерпретатор слишком громоздок, то нужно просто ввести необходимое число слоев, кластеризировав рецепторное поле каждого из слоев. Тем самым уменьшится общее количество элементов интерпретатора, он станет менее громоздким.

Что касается реальных биологических объектов, то обнаруживается, что в роли элементарных интерпретаторов в них выступают отдельные нейроны. Они образуют структуру, похожую на рассмотренную слоистую структуру – так называемые слоистые сети (см. рис.3в). Они встречаются повсеместно во многих отделах мозга, особенно в сенсорных и моторных областях. Согласно современным представлениям слоистые сети хранят информацию в образной форме.

Итак, коль речь зашла об образной информации, выясним, что же именно хранит интерпретатор со слоистой структурой, и насколько этот способ хранения информации тождественен образной информации.

Образ – это один из самых сложно определяемых в психологии объектов, поэтому существует немало определений образной информации, большинство из которых признано неверными. Собственно строгого определения до сих пор не сформулировано – исследователи дают его через примеры, а затем делают следующее пространное и не совсем понятное заявление – «образ есть синтез ощущений». Из примеров особенно подчеркивается момент «схватывания» образа, высказывается удивление по поводу того, что ярко окрашенная поверхность предмета порождает не «хаотичную мозаику ощущений», а цельное восприятие объекта. Но вообще образ признан запутанным и трудно поддающимся формализации объектом, более того, высказывается мнение, что он никогда и не будет формализован. Этот результат кажется вполне ожидаемым, если учесть, что понятие образа пытались сформулировать из субъективных ощущений. Здесь же мы подошли к решению этой проблемы с другой стороны – путем последовательного и постепенного усложнения системы обработки сенсорных данных от примитивного простого интерпретатора к слоистым структурам – как инженеры, которые предлагают схему машины, а потом, исходя из этой схемы, определяют ее свойства.

Итак, выясним, как бы могла работать предложенная схема интерпретатора со слоистой структурой. Для определенности считаем, что речь идет о восприятии и интерпретации зрительной информации. Информация обрабатывается послойно – сначала выделяются границы контрастности, затем из них строится контур – затем из контура выделяются характерные признаки класса объектов – и на последнем этапе в выделенном классе объектов ищется аналог соответствующий выделенным характерным признакам. Интерпретация по контуру закончена. Параллельно выделяются цвета поверхности внутри контура, затем выделяется характерная фактура поверхности – ищется аналог с похожей фактурой. Интерпретация по цвету и фактуре закончена. Если организм обладает стереоскопическим зрением, то параллельно проводится еще и интерпретация по пространственной геометрической форме. Отдельно оценивается динамика объекта – подвижный или неподвижный, как двигается, нет ли в движении характерных жестов. На последнем этапе происходит интеграция всех типов интерпретации – и если среди восприятия имеется  такой, характерные признаки которого совпадают с интерпретируемым объектом, то объект идентифицируется. Если аналога не найдено, то суммируются все выделенные признаки, которые были «узнаны» и объект определяется как нечто неизвестное, но похожее на некоторые из эталонов по аналогии. В момент интерпретации, когда информация  из разных параллельных потоков суммируется и объект идентифицируется, происходит узнавание – «схватывание». Насколько я могу судить, все сказанное здесь вполне соответствует субъективным ощущениям, изложенным в упомянутых выше исследованиях, и можно считать, что в слоистой структуре с послойной кластеризацией происходит образная обработка информации.

Данный способ интерпретации хорош тем, что не нужно наблюдать весь объект целиком, объекту не обязательно принимать какое либо знакомое положение или позу – достаточно выделить характерные признаки, которые ему присущи. Например, если глаз увидит торчащий из-за угла кошачий хвост, то этот объект и будет идентифицирован, как кошачий хвост. Анализатору будет дана установка, что из-за угла торчит часть кошки и, учитывая, что в интерпретаторе будет активизирован образ кошки, анализатору несложно будет догадаться, что за углом сидит кошка.

Образы, как эталоны восприятия, значительно отличаются от эталонов восприятия простого интерпретатора - жестко заданных состояний рецептора. Четкой интерпретации тут вообще быть не может – ведь на каждом слое мы теряли информацию. Ничто не мешает интерпретатору ошибиться и определить объект неправильно. Достаточно рецептору работать на границе своей воспринимающей способности, например, глаз при неярком освещении, чтобы ошибки интерпретации возрастали многократно. Образному интерпретатору свойственно ошибаться – это плата за компактность системы управления. Образы это не более чем аттракторы в пространстве эталонов (категорий). Интерпретации не обязаны четко попадать в этот аттрактор. Слоистая структура принципиально недетерминистична. Это чрезвычайно важный момент, но мы его обсудим в конце нашего сообщения.

Все те проблемы, что касались компактности интерпретатора, касаются и реактора. Правда, здесь проблема не столь остра. Интуитивно мне представляется, что реакция существенно бедней информацией, чем восприятие. Однако сложность эффекторов возрастает и ими необходимо управлять. Решение проблемы здесь симметрично решению проблемы восприятия – это тоже слоистая структура, но она будет зеркально противоположна слоистой структуре интерпретатора. От слоя к слою объем информации в ней будет возрастать. Это может показаться странным – терять информацию несложно, но появляться ей, казалось бы, неоткуда. На самом деле механизм получения информации прост – она не берется из ниоткуда – она изначально находится в элементах реактора. Так же, как элементы интерпретатора «знают», как нужно правильно фильтровать сенсорную информацию, так же и элементы периферийных слоев реактора «знают», как управлять эффектором. А попадает она туда в процессе научения реактора. Контроль за научением анализатор осуществляет посредством системы восприятия, поскольку эффекторы являются обязательным объектом восприятия. Он получает информацию об ошибках реактора и «указывает» ему, каким образом нужно устранить эти ошибки. Таким образом реактор учится выполнять команды анализатора более точно.

Не только реактор и интерпретатор нуждаются в оптимизации. Чем более совершенен интерпретатор, тем более разнообразную информацию он передает анализатору, и тем более сложная требуется реакция. Значит, усложнять структуру необходимо и анализатору. И здесь тоже будут незаменимы слоистые структуры. Но это означает, что анализатор перестанет быть детерминистичной системой. Недетерминизм интерпретатора или реактора компенсируется там, что над ними осуществляется контроль со стороны анализатора. Но что же будет контролировать его самого? Ведь ошибки анализатора в выборе стратегии поведения с большой степенью вероятности приведут к тому, что поведение организма будет противоречить критерию эффективности. Недетерминизм анализатора означает, что организм волен поступать так, как ему заблагорассудится. Это значит, что выживание популяции организмов будет под угрозой. Решить эту проблему можно только введением системы правил, нарушение которых означало бы к снижению эффективности. А анализатор необходимо будет дополнить системой самоконтроля, которая будет оценивать решения анализатора с точки зрения соответствия их этим правилам. По аналогии с существующими биологическими системами назовем систему правил – инстинктами, а систему самоконтроля – системой мотивации. Это даст анализатору инструмент, с помощью которого он будет ориентироваться при выборе стратегии поведения.

Так, вкратце, с информационной точки зрения выглядит логика построения управляющей системы организма.

Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2016 Московский физико-технический институт
(государственный университет)

Техподдержка сайта

МФТИ в социальных сетях

soc-vk soc-fb soc-tw soc-li soc-li
Яндекс.Метрика