Постчеловек: глоссарий

Шум также следует рассматривать во временно́м измерении: распознавание и прогноз являются ключевыми для его концептуализации. Шум часто вызывается избытком информации, но также может быть результатом ее недостатка или неадекватной концептуальной рамки для моделирования. Поэтому необходимо многомасштабное, метаконтекстуальное понимание шума. Шум – важнейший аспект систем передачи сигналов, под которыми мы подразумеваем не только язык и жесты в том виде, в каком мы их знаем, но и распределенные системы обработки информации, проявляющиеся на различных экологических и эволюционных уровнях.

Равновероятностная термодинамическая система высоко симметрична, имеет высокую энтропию Больцмана, и работа в ней невозможна; равновероятностный сигнал, такой как белый шум, также высоко симметричен, с высокой энтропией Шеннона и высоким содержанием информации, но передача сообщений в нем также невозможна (Juarrero, 1999). Системы обработки информации, особенно сложные развитые нелинейные системы обработки вроде людей, всегда должны отличать сигнал от шума, поскольку не могут избежать необходимости абстрагировать и сжимать информацию. Абстракция и аппроксимация – это не недостатки рациональности или технонаучной инструментализации окружающей среды, они являются основными инструментами практического и теоретического разума. Выявление закономерностей, количественная оценка вероятностей, использование неопределенностей и поправка на шум в соответствии с отклонениями от ожиданий – все это неотъемлемые черты рационального познания.

Если мы представим логическую пропозицию как программу системы в кибернетическом смысле, то отмена вывода (defeasor) – это шум для системы. Например, робот может быть запрограммирован на уничтожение всех млекопитающих и их распознавание по теплой крови. Для такой системы помехой станут голые землекопы, поскольку они млекопитающие, но не теплокровные. В сложных условиях, где таких отмен, вероятно, будет много, придерживаться монотонных правил дедуктивного вывода – не лучшая стратегия. Абдуктивный вывод и эвристика предлагают «быстрые и недорогие» решения для навигации в шумной среде (Bechtel, Richardson, 2010). Чрезвычайная эффективность немонотонного характера абдукции в когнитивных системах основана на длительном эволюционном развитии интеллекта, и его устойчивость к ошибкам или помехам пока еще не поддается воспроизведению алгоритмическими процедурами или искусственным интеллектом (Magnani, 2009).

Шум, как правило, считается препятствием для успешной интерпретации данных, поэтому предпринимаются попытки уменьшить или отменить его. Однако его так же часто и ищут, потому что он значим сам по себе. Это особенно очевидно в науке, где наличие шума может быть важным показателем теоретических несоответствий и практических недостатков исследования или процедуры. Существует множество примеров, когда шум целенаправленно включается в систему в качестве полезного эффекта или функционального аспекта ее работы. Например, чувствительность к обнаружению сигнала может быть повышена за счет добавления определенного количества шума.

Как сознательные, так и бессознательные процессы гораздо лучше приспособлены, для того чтобы замечать отклонения от регулярности паттернов, чем для обозначения всех ее деталей. Если паттерны – это закономерности, к которым привык организм, то его внимание направлено именно на нарушения этой закономерности, а его бессознательные нейровычислительные механизмы настроены на обнаружение аномалий (Bouwer, Honing, 2012). Организм, управляемый паттернами, настроен на то, чтобы реагировать на шум. Это очевидно в тестах на распознавание слуховых паттернов при фМРТ-визуализации, показывающих потенциальные всплески активации нейронов, или реакции «негативности рассогласования» на очень сложные паттерны (Näätänena, 1990).

Какое описание лучше: сильно сжатое с высоким коэффициентом шума или менее компактное и более устойчивое к ошибкам – этот вопрос относится к прагматической ситуации и зависит от скорости, с которой требуется распознавание образов, рисков отказа и проблем с распределением когнитивных ресурсов в целом. По сути, сенсорный опыт биологических организмов представляет собой высокоразвитый механизм распознавания паттернов, чья степень сжатия с потерями допускает значительное количество шума. Результатом является снижение затрат на когнитивную обработку данных, что обеспечивает краткое время реагирования.