Мозг и душа. Как нервная деятельность формирует наш внутренний мир

Уже в 1943 году Уоррен Маккаллок и Уолтер Питтс выдвинули новую нейронную доктрину, согласно которой нейрон – это элементарная функциональная единица мозга, служащая для обработки информации. Маккаллок и Питтс также предположили, что из обширных сетей простых электронных "нейронов" можно сконструировать искусственный мозг. Первые компьютеры были сделаны не по образцу нейронных сетей, однако, подобно искусственным нейронным сетям, они представляли собой устройства, способные хранить, передавать и видоизменять информацию в соответствии с определенными правилами. Когда в сороковых годах были сконструированы первые такие компьютеры, их сразу стали называть "электронные мозги". Такие машины можно было научить делать то, что делает наш мозг.

На что же способны хитроумные устройства?

В 1956 году наука о создании устройств, способных делать разные хитроумные вещи, получила название "искусственный интеллект". Исследовательская программа этой науки, как и любой другой, предполагала, что начать нужно с решения самых легких проблем. Восприятие окружающего мира казалось сравнительно легким делом. Почти все люди умеют с легкостью читать рукописный текст и узнавать лица, и поначалу казалось, что создать машину, способную читать рукописный текст и узнавать лица, должно быть тоже не особенно сложно. Игра в шахматы – напротив, очень сложное дело. Очень немногие люди способны играть в шахматы на уровне гроссмейстера. Создание машин, умеющих играть в шахматы, лучше было отложить на потом.

Прошло пятьдесят лет, и компьютер, предназначенный для игры в шахматы, выиграл у чемпиона мира. [118] Проблема научить машину восприятию, напротив, оказалась очень сложной. Люди по-прежнему умеют узнавать лица и читать рукописный текст намного лучше, чем машины. Почему же эта проблема оказалась такой сложной? Оказывается, даже моей способностью видеть, что сад у меня за окном полон разных объектов, очень сложно наделить машину. Тому есть много причин. Например, видимые объекты перекрывают друг друга, а некоторые из них еще и движутся.

118

В 1997 году сконструированный корпорацией IBM суперкомпьютер Deep Blue выиграл в шахматы у Гарри Каспарова, которого многие считают одним из величайших шахматистов всех времен. Компьютер победил во многом благодаря своей способности проводить сложные математические расчеты. Он мог анализировать 200 миллионов ходов в секунду. Люди так в шахматы не играют. — Примеч. авт.

Откуда я знаю, что это за коричневое пятно – часть забора, или дерева, или птицы? Мой мозг решает все эти удивительно сложные задачи и заставляет меня думать, что я воспринимаю мир, не прилагая никаких усилий. Как же он это делает?

Развитие теории информации и цифровых компьютеров показало, что наше восприятие – дело очень сложное. Но наш мозг с ним справляется. Означает ли это, что цифровой компьютер не может служить хорошей моделью мозга? Или нам нужно найти какие-то новые способы обработки информации и научить им компьютеры?

Проблема с теорией информации

Создание теории информации было очень важным достижением. Оно позволило нам понять, как физическое явление – электрический импульс – может стать психическим явлением – нервным сигналом (сообщением). Но с первоначальной формулировкой была связана одна принципиальная проблема. Предполагалось, что объем информации в любом сообщении или, в более общем случае, в любом раздражителе полностью определяется этим раздражителем. Прекрасная концепция информации, но из нее следуют некоторые парадоксальные вещи.

Вспомним, что каждая буква в сообщении несет тем больше информации, чем она необычнее. Поэтому буква Q обычно несет много информации, а идущая за ней буква U не несет никакой информации. Тот же подход можно применить и к изображениям. Любое изображение состоит не из букв, а из элементов изображения (или пикселов), которые могут быть разного цвета. Рассмотрим простое изображение черного квадрата на белом фоне. Какие элементы этого изображения наиболее информативны? Когда наш взгляд движется по однотонно окрашенному участку, он не видит ничего необычного, потому что при этом не происходит никаких изменений. Но вот наш взгляд достигает границы, где проходит контур квадрата, и происходит неожиданное изменение цвета. Следовательно, в соответствии с теорией информации, наиболее информативны должны быть именно контуры изображения. О том же говорит нам интуиция. Если заменить объект его контурами, иными словами, оставить только информативные границы, мы по-прежнему сможем распознать этот объект.

Рис. 5.2. Мы лучше всего распознаем объекты по их контурам.

Мы можем легко узнать лицо по одним контурам (справа), но улыбка лучше распознается на размытом изображении (слева).

Но из этой формулировки следует парадокс. Согласно этому определению самым информативным изображением будет такое, в котором мы никак не сможем угадать следующий элемент, на который, двигаясь, упадет наш взгляд. То есть это изображение, целиком состоящее из точек, окрашенных случайным образом. Такие изображения мы видим, когда у нас что-то не так с телевизором и на его экране возникает рябь, так называемый "снег".

Рис. 5.3. Высокоинформативный набор случайных точек.

Это изображение несет максимум информации, так как нельзя предсказать, какой цвет имеет та или иная точка.

Как справедливо отмечает профессор английского языка, когда я показываю ей иллюстрации, сгенерированные компьютером, это самые скучные изображения, которые ей доводилось видеть. Проблема концепции, которую дает нам теория информации, состоит в том, что в ней никак не учитывается субъект, смотрящий на изображение. [119] В рамках этой концепции все смотрящие равны, и их восприятие раздражителя должно быть одинаковым. Но мы-то знаем, что все смотрящие разные. Они отличаются разным прошлым опытом и разными ожиданиями. Эти отличия сказываются на нашем восприятии. Рассмотрим черный квадрат на рис. 5.4. Для некоторых смотрящих это не просто черный квадрат. Это "Черный квадрат" Казимира Малевича, выставленный им в 1915 году первый образец отвлеченного, абстрактного искусства русских супрематистов. В данном случае знание того, что это значительное произведение искусства, меняет наше восприятие объекта, [120] несмотря на то что объем содержащейся в нем информации при этом не меняется. Этот простейший пример показывает, как наши исходные знания влияют на наше восприятие.

119

Я преувеличиваю несовершенство теории информации. Идеального байесовского наблюдателя, с которым мы вскоре познакомимся, можно описать и в терминах теории информации: он максимизирует полное количество информации, общей для окружающего мира и его самого. — Примеч. авт.

120

А может быть, и не меняет. — Примеч. авт.

Рис. 5.4. Казимир Северинович Малевич "Черный квадрат" (начало XX века).

Преподобный Томас Байес

Как же тогда мы можем видоизменить теорию информации, чтобы она учитывала различия в опыте и ожиданиях наблюдателей ? Нам нужно сохранить нашу идею, что информативность сообщения (или изображения) определяется его новизной и неожиданностью. Но теперь ее нужно дополнить новой идеей, что сообщение может для одного человека быть неожиданнее, чем для другого. Объективно новое и неожиданное сообщение можно определить как сообщение, меняющее наше представление о мире и, следовательно, наше поведение.

Сегодня вечером я собирался пойти на семинар по нейроэстетике, но его отменили. Вместо этого я могу пойти в бар. Там я встречаю профессора английского языка. На нее это сообщение никак не повлияло. Она никогда не ходит на нейробиологические семинары.

Мы можем также сказать, что информативность сообщения определяется степенью, в которой оно меняет наши убеждения [121] об окружающем мире. Чтобы узнать, какой объем информации содержится в сообщении, передаваемом получателю, нужно узнать, каковы были убеждения получателя до поступления этого сообщения. Тогда мы сможем увидеть, насколько эти убеждения изменились после того, как сообщение было получено. Но можем ли мы определить такие априорные убеждения и происходящие в них изменения?

121

Слово "убеждение" (belief) здесь используется в особом смысле: степень моего убеждения в истинности некоторого утверждения есть предполагаемая мной вероятность того, что это утверждение истинно. — Примеч. авт.

Решение этой проблемы нашел человек, который будет, наверное, самым необычным из всех ученых, попавших на страницы этой книги. Преподобный Томас Байес (1702-1761) был пресвитерианским священником и за всю свою жизнь не опубликовал ни одной научной работы, хотя и стал в 1742 году членом Лондонского королевского общества. Только через два года после его смерти его классическая работа была наконец опубликована в "Философских трудах Королевского общества". После этого она больше ста лет пребывала в забвении. Только в двадцатых годах XX века слава Байеса начала расти. Для Рональда Фишера, бывшего тогда президентом Королевского статистического общества, Байес был настоящим кумиром, и в результате усердного лоббирования со стороны статистиков его в конце концов включили в "Национальный биографический словарь". И все же он оставался почти неизвестным за пределами круга тех, кто профессионально занимался статистикой. И даже те, кто слышал о байесовской статистике, часто считали, что ей не хватает должной объективности.