Мозг Фирмы

Предположим, однако, что сама функция преобразования оказалась неверной, т.е. неверно учитывающей условия окружающей среды, в которой срабатывает или не срабатывает нейрон или руководитель. Конечно, такое суждение будет сделано метасистемой. Тогда, предположим, функция преобразования должна изменить свой знак, что никуда не годится; мы неможем позволить функции преобразования такого сальто-мортале на выходе, смены результата с 0 на 1 и обратно таким скачком просто потому, что окружающая среда несколько неустойчива. Было бы лучше постепенно изменять порог чувствительности так, чтобы решающий элемент соответственно изменял свою реакцию. Лучше всего понять это, если рассматривать серию суждений, при которых очевидно значимый результат на выходе получается более или менее резко и наблюдаются его последствия. Иначе говоря, сформировать обратную связь, которая приведет к адаптации самой функции преобразования. Заметим, что некоторые условия окружающей среды могут потребовать большей чувствительности нейронов или руководителей, а другие ее условия — ее уменьшения.

Последнее относится к особому случаю теории управления, рассматриваемому в гл. 2. При этом на сенсорном входе и моторном выходе сохраняются афферентные и эфферентные импульсы соответственно. Сохраняется также анастомотик ретикулум, который мы не собираемся детально анализировать или подвергать управлению соответствующими для этого случая командами. Более того, его действия ясно продемонстрированы (пока что) на примере машины из дерева и меди в предыдущей главе.

Рассмотрим сенсорное устройство такой машины. У нее 10 контактов, которые собирают данные, передаваемыеим из внешнего мира, представленного колесом рулетки. В свое время мы говорили, что таких контактов может быть хоть сотня. Конечно, может быть и любое произвольное число контактов, как угодно разбросанных по сенсориуму. Машина будет по-прежнему работать. Более того, предположим, что функция преобразования, представленная отношением числа контактов, находящихся на двух медных полосах А: В в любое данное время не является очень грубой. Можно представить себе в качестве примера химическую клетку, порог срабатывания которой представлен значением рН или какой-то электрической величиной, прочитанной от преобразователя на языке Мета-1 и усиленной или подавленной цепью связи.

В таком случае связь между входом и выходом проследить невозможно. Часть ее (периферийная) по характеру дискретная - поток двоичных импульсов поступает (и распространяется) в высшей степени запутанную сеть линий. Проследить все это достаточно трудно и фактически невозможно, если сеть будет непрерывно изменяться — линии могут атрофироваться или непостижимым образом включаться в работу или выключаться. Однако если их достаточно много, машина продолжит работу. Хуже того, внутриклеточная связь будет прослеживаться только на молекулярном уровне. Практически мы будем иметь дело со статистическим эффектом массы. Наиболее близкое описательное название, которое обозреватель может присвоить этой внутренней части нейрона, могло бы быть "аналоговое устройство", поскольку основной двоичный характер системы потерян. Как бы там ни было, в конечном счете вся система связи и взаимодействие в ней могли бы служить отличным примером анастомотик ретикулум.

Как представляется, реальный живой нейрон выглядит весьма на это похожим. Более того, наше его описание достаточно хорошо соответствует и управляющему. При рассмотрении сути этого замечания опасайтесь путаницы в оценке различий в их разрешающей способности (в оптическом смысле). Мы рассматриваем нейрон (как естественный, так и искусственный) и управляющего как простой элемент решения в сети нейронов (мозг) или как человека (в обществе управляющих). Тот факт, что в мозгу управляющего содержится 10 млд. нейронов, не имеет значения для нашего сравнения. Тем не менее это интересное замечание, когда мы приступаем также к рассмотрению иерархии команд. Во всем этом наблюдается удивительная гомогенность, а собственный язык управляющего, очевидно, является метаязыком n-го порядка по отношению к машинному языку его собственных нейронов.