Парадоксы эволюции. Как наличие ресурсов и отсутствие внешних угроз приводит к самоуничтожению вида и что мы можем с этим сделать

Теория вычислительной сложности – частный раздел теории алгоритмов и информатики – рассматривает вычислительную сложность алгоритмов, определяемую как функцию зависимости объема информационных ресурсов системы (памяти и быстродействия) от размера (описательной сложности) входных данных.

К сожалению, прямое применение методов вычислительной сложности к биологическим системам сталкивается пока еще с фундаментальными трудностями описания биологических процессов и систем «инженерным» языком (эту задачу также можно отнести к области биоматематики). Как показано ранее, биологические системы в принципе обладают вычислительной сложностью, которая может быть определена как минимальный объем их информационных ресурсов, требуемый для прогнозирования состояния на заданное время с заданной точностью. Возможно, вместе с обменом веществ и энергией или вместо них достаточная вычислительная сложность служит водоразделом живого и неживого, и именно это направленная вовне функция является основной для всех систем живого, включая человеческий мозг. Напротив, стремящиеся к нулю временной и погрешностный пределы этой функции обращают ее вовнутрь, к «осознанию» самой себя, что естественным образом вытекает из квантовой теории информации (Ллойд С., 2013), согласно которой любая физическая система мгновенно «вычисляет» саму себя (состояние, в котором она должна оказаться в данный момент). Соответственно, еще раз экстраполируя обратно, появление у такой системы предиктивной способности может означать возникновение (признаков) живого.

Принцип свободной энергии Карла Фристона

В более строгой и невероятно сложной математической форме обоснование результата предикативной деятельности – разницы между вычисленным (предсказанным) и сенсорным (наблюдаемым), как основополагающей характеристики живого, дает Карл Фристон (Karl Friston, 2013; Allen M. and Friston K., 2018). Эта разница обозначается им как «свободная энергия». Эта свободная энергия не эквивалентна «классической» свободной энергии Гиббса, это скорее информационное понятие: оно ограничивает верхний предел статистической неожиданности, к которой стремится названная разница. Принцип свободной энергии (ПСЭ, Free Energy Principle, FEP) постулирует, что живые биологические объекты стремятся минимизировать свободную энергию, то есть действовать так (именно действовать), чтобы избегать феноменов неожиданности. Это вполне сообразуется с фундаментальным (и также труднодоказуемым) принципом наименьшего действия, введенного в научный оборот еще Готфридом Лейбницом и Леонардом Эйлером в XVIII веке. Свободная энергия Фристона – то, что «экономят» живые сущности, то «наименьшее действие» в биологических объектах.

Как работает ПСЭ? Полагается, что живые системы имеют свое внутреннее и внешнее состояние и могут воспринимать структурные закономерности из флуктуаций окружающей среды (например, ее физических параметров или изменений концентрации химических веществ) и отображать их в динамике своего внутреннего состояния. Отображая, они сами становятся моделями причинной структуры своего локального окружения, что позволяет им прогнозировать дальнейшее развитие событий и активно реагировать на неожиданные нарушения сделанных прогнозов. Через радикальное ограничение числа своих возможных состояний появляется способность поддерживать гомеостаз (постоянство внутренней среды). Статистически эта способность показывает высокую вероятность нахождения системы в одном из немногих избранных состояний, и низкую вероятность – в любом другом.

Карл Фристон для исследования динамики взаимодействия внутреннего состояния системы с окружающей средой через ее внешнее состояние использует понятие марковского ограждения. Марковское ограждение узла (концептуальной информационной единицы, обладающей свойствами хранить информацию и ссылаться на другие узлы), или группы узлов – это набор «родителей» этих узлов, «детей» этих узлов и других «родителей его детей», то есть содержит все переменные, которые отделяют узел от остальной сети (рис. 18).

Рис. 18. Схема марковского ограждения. В байесовской сети марковское ограждение узла А формируют его «родительские» узлы, узлы «детей» и другие «родительские» узлы его детей

Фактически марковское ограждение узла является единственным и исчерпывающим знанием, необходимым для предсказания поведения узла и его «детей».