автоматы в нашей жизни

Автоматы в нашей жизни

На сегодняшний день индустрия азартных игр является одной из самых масштабных и распространенных. Известно большое количество различных приложений, которые пользуются огромной популярностью среди игроманов. Сейчас практически вся наша жизнь проходит в Интернете, поэтому и не удивительно, что наибольшее количество игр находятся именно на онлайн порталах. Это специальные игровые платформы, которые были созданы для удобства игроков. На них размещаются множество известных и популярных приложений от всемирно известных разработчиков.

По статистике, именно онлайн игровые сайты ежедневно посещают миллионы людей со всех уголков планеты. Одними из самых популярных являются онлайн казино. Это прототипы реальных игровых заведений, только в виртуальном пространстве.

На сайтах онлайн казино собрано большое количество различных азартных игр и приложений. Но, наибольшим спросом пользуются слот автоматы. Это одни из разновидностей видеоигр.

Что такое бесплатные слот автоматы и как они работают?

Азартные игры были популярными во все времена. Они приносили не только положительные эмоции игрокам, но и большой доход собственникам казино. Это помещения, где располагаются множество азартных видов игр. Среди них: игровые автоматы, слоты, барабаны, карточные игры и прочее. Не случайно люди, которые управляли казино были миллионерами или даже миллиардерами.

В свое время слот машины были установлены практически в каждом крупном казино. Это был один из любимых видов азартных игр. Они были достаточно популярными среди населения, поэтому их старались устанавливать в как можно большем количестве различных мест.

А с развитием Интернета доступ к подобным развлечениям стал ещё проще и доступнее. Сейчас абсолютно каждый человек независимо от того, где находится может зайти на соответствующий игровой сайт, как например http://slot-avtomat.com.ua/ и поиграть в самые известные и популярные онлайн слоты абсолютно бесплатно.

Суть игр достаточно проста и понятна. Для начала, вам нужно пополнить свой денежный счёт для того, чтобы иметь возможность играть на деньги. Вы это можете сделать через специальные электронные кошельки. После этого вы можете приступать непосредственно к самой игре. Активизация барабанов, основного механизма, осуществляется с помощью нажатия специальной кнопки старта. Вы сможете наслаждаться своей любимой игрой неограниченное количество времени, а также в любой момент выйти.

Достоинства современных слот автоматов

После изобретения первого игрового автомата прошло достаточно большое количество времени. Но, он не теряет популярность и на сегодняшний день. Ежедневно в эту игру играют миллионы людей.

Современные слот машины имеют следующие достоинства, которые отличают их от своих предшественников:

Источник

Простейшие клеточные автоматы и их практическое применение

Этот мир просто охренеть какой сложный, каждый день поражаюсь.

Чтобы хоть как-то его познавать и при этом не съехать с катушек, нам, людишкам, с нашими жалкими мозгами приходится задумчиво смотреть на происходящее, анализировать увиденное и строить модели — абстракции, с помощью которых мы с некоторой точностью кое-что иногда можем предсказывать и даже наивно полагать, что понимаем, что же на самом деле происходит.

И знаете, что удивительно? Этот подход замечательно работает. Ну, почти всегда. По крайней мере, ничего лучше мы до сих пор не придумали.

Но вообще-то я не об этом. Я хочу рассказать об одной чрезвычайно интересной как с эстетической, так и с математической точки зрения категории этих самых моделей.

Да, я о клеточных автоматах, а именно — об их подмножестве, простейших клеточных автоматах (Elementary cellular automaton). В этой статье я поведаю, что это такое, какие они бывают, какими свойствами обладают, а также отвечу на главный, на мой взгляд, и совершенно правильный вопрос, который часто несправедливо игнорируется в подобных статьях. Звучит он так: А это всё вообще зачем?

Забегая вперед, скажу, что простейшие клеточные автоматы используются в криптографии, моделировании физических процессов, поведения людей, в биологии, и в целой куче других важных и интересных штук. И вообще: во-первых, это красиво.

Я искренне надеюсь, что после прочтения статьи вы сами захотите поиграться с ними, и на этот случай у меня припасен собранный из JS и палок генератор.

Унылая теория

В зависимости от размерности решетки:
одно-, дву-, трёхмерные, и т.д.
Например, Правило 110 и другие, освещенные в этой статье, — одномерные, «Жизнь» — двумерная.

В зависимости от количества возможных состояний:
бинарные, троичные, и т.д.

В разных клеточных автоматах может по-разному определяться окрестность клетки, то есть, множество клеток, от которых будет зависеть состояние в следующий момент времени. Это может быть, например, окрестность Фон Неймана различных рангов или окрестность Мура.

КА бывают синхронные и асинхронные. В синхронных все клетки системы обновляются одновременно, в асинхронных — каждая делает это независимо.

Одна из самых важных классификаций — по типам поведения. Об этом я расскажу отдельно чуть ниже.

Простейших клеточных автоматов существует всего 256, и поведение некоторых из них дублирует другие. Но, несмотря на это, широко известный в узких кругах Стивен Вольфрам посвятил годы жизни их изучению, до него этим также занимались десятки математиков, да и по сей день ученые пишут диссертации и научные труды на эту тему.

Для начала определимся с терминологией. Так как вариантов таких автоматов всего 256, тот самый Вольфрам (я часто буду на него ссылаться) не стал сильно заморачиваться и предложил называть их числами от 0 до 255. Это именование по причине своей лаконичности и удобства отлично прижилось, и с тех пор оно называется, вы не поверите, «Код Вольфрама».

Я вас понимаю, мне тоже лень ходить по ссылкам, поэтому я коротко расскажу о том, как эти коды понимать. А если вы это и без меня отлично знаете, можете не разворачивать спойлер, а просто читать дальше.

Рассмотрим сразу на примере.
Возьмём номер правила, например, 110.
1. 110₁₀ = 01101110₂.
2. Впишем цифры двоичного представления числа в таблицу:

В зависимости от состояний соседа слева, самой клетки и соседа справа (первая строка таблицы) на следующем шаге клетка примет одно из состояний, указанных во второй строке.

Еще более наглядно это можно представить так:

Также Вольфрам предложил разделить клеточные автоматы на четыре класса по типу поведения:

1 класс: все клетки быстро принимают одинаковое состояние, которое становится стабильным.
Например, Правило 40:

2 класс: состояние всех клеток быстро стабилизируется, либо возникают периодические колебания.
Например, Правила 3 и 33:

3 класс: автомат порождает хаотические, непериодические структуры. Небольшие изменения исходного состояния влекут значительные изменения в результате.
Например, правило 22:

4 класс: автомат порождает сложные, взаимодействующие между собой структуры, способные выживать длительное время, однако не достигает стабильности.
Например, правило 193:

ПКА в жизни

Правило 30

Иногда элементарные клеточные автоматы обнаруживаются в совершенно неожиданных местах.
Вот, например, посмотрите, какой милашка.

Только не обольщайтесь. Он вас не любит. Это — Текстильный конус, самый опасный для человека моллюск из семейства Конусы. Противоядия от его яда пока нет.

Рисунок на его раковине — не что иное как узор, порожденный «Правилом 30». По крайней мере, именно так считают в Ноттингемском университете.

Так выглядит развитие «Правила 30» из одной точки.

То же самое Правило 30 до недавнего времени использовалось в пакете Mathematica для генерации псевдослучайных чисел. Это стало возможным благодаря важному его свойству: порождаемые им результаты хаотичны, то есть, незначительное изменение в начальных условиях оказывает значительное влияние на порождаемые результаты.

Однако, существует огромное множество начальных условий, при которых правило порождает повторяющиеся паттерны. Например, если в начальных условиях «жива» каждая 14-я клетка, в результате получается вот такой скандинавский свитер.

Правило 110

Одно из самых интересных правил. Вольфрам относит его к классу 4, но в зависимости от начальных условий оно может вести себя как представитель класса 1, 2, 3 или 4.
Для сравнения, эволюция из одной точки:

Налицо периодические структуры у левой границы треугольника, стабильное гомогенное состояние в правой половине, и хаотические структуры, перемежающиеся нестабильными периодическими, в центральной и правой частях треугольника.
А вот — эволюция из случайного начального состояния, заполненного живыми клетками на 50%.

Тут также видны и периодические (что интересно, с разными периодами), и хаотические.
Не буду долго тянуть, в 2000 году Мэтью Кук доказал, что этот клеточный автомат является Тьюринг-полным, то есть, на его основе можно реализовать любую вычислимую функцию.

Фракталы

Есть целый ряд клеточных автоматов (правила 18, 22, 126, 161, 182, 218, etc.), которые, развиваясь из одной точки, порождают фрактальные изображения. Например, рисунок правила 22 — это треугольник Паскаля по модулю 2 (эдакий дискретный аналог «Салфетки Серпинского»). Связь салфетки Серпинского и треугольника Паскаля уже достойно освещалась на Хабре три года назад.
А выглядит всё это счастье так:

Правило 161 порождает инвертированный вариант того же самого фрактала.

Кстати, забыл упомянуть один важный момент, касающийся реализации автоматов.

Для того, чтобы избежать «краевого эффекта», то есть, влияния границ на пограничные клетки, нужно замкнуть автомат в кольцо, т.е. сделать крайнюю левую клетку правым соседом крайней правой, и наоборот.

Иначе вместо вполне ожидаемого полностью закрашенного прямоугольника (эволюция правила 161 с начальным состоянием, полностью состоящим из живых клеток) можно увидеть кое-то неожиданное:

Правило 184

С его помощью довольно эффективно моделируются транспортные потоки.

Каждый отдельно взятый автомобиль передвигается вперед, в то время как волна траффика движется назад.
(картинка с Википедии)

Также оно применимо к моделированию осаждения аэрозолей на поверхность и к моделированию аннигиляции частиц. И вроде бы даже (утверждать не берусь, так как из статьи толком ничего не понял) на его основе можно построить мажоритарный элемент.

Заключение

Математика, как ни крути, царица наук (хотя вряд ли её саму можно считать наукой), и работы в ней — непочатый край. Существует множество нерешенных физических задач, многие из которых не решены только из-за того, что еще не придуман математический аппарат для их решения.
А бывает и наоборот — есть, казалось бы, никому не нужный математический аппарат, и тут возникает задача, для которой он внезапно оказывается пригодным (как, например, с правилом 184 и транспортными потоками).
Да и, в конце-то концов, красиво же.

Источник

Как автоматизация повышает уровень жизни и спасает рабочие места

Многие аналитики сегодня предсказывают грядущие изменения на рынке труда — по их мнению в ближайшие годы миллионы людей могут лишиться своих рабочих мест из-за внедрения новых технологий и автоматизации многих задач.

Исследователи Джеймс Шерк (James Sherk) и Линдси Берк (Lindsey Burke) проанализировали статистику и пришли к выводу о том, что подобные опасения беспочвенны — автоматизация часто меняет то, какую работу выполняют люди, но не уменьшает общую потребность экономики в труде. В итоге уровень жизни только повышается.

Взглянем на тезисы исследователей и рассмотрим их в привязке к реальному бизнесу.

Потребность в труде бесконечна

Многие экономисты сходятся во мнении о том, что в экономике существует практически безграничное количество работы, которую можно выполнить. Причина этого — в растущих потребностях людей. Средний житель многих стран (самый яркий пример — США и Европа) в целом наслаждается уровнем жизни в разы более высоким, чем его соотечественники в начале двадцатого века. Но тем не менее, никто из современных людей не откажется от дополнительных покупок товаров и услуг, если получит дополнительные деньги (бонус или повышение).

Автоматизация снижает количество работы, которое требуется для производства определенных товаров и оказания усуг, но одновременно с этим снижаются и производственные издержки. Конкуренция заставляет компании использовать эту выгоду для снижения цен, в итоге выигрывают потребители, которые за те же деньги, могут позволить себе больше. А если люди хотят покупать разные товары и услуги, то в соответствующих секторах экономики повышается спрос на работников.

Тезис о перераспределении труда отлично иллюстрируется историей США. В 1910 году примерно треть американцев работали на фермах, еда стоила дорого, и средняя семья тратила почти половину своего дохода на покупку еды. К 1960 году развитие технологий (например, распространение сельскохозяйственной техники вроде тракторов) снизили число занятых на фермах жителей США до примерно одной десятой части населения. В наши дни на ферма работает примерно 2% американцев.

Рост уровня жизни

Бывшие работники сферы сельского хозяйства переехали в города и стали работать на заводах и в офисах. При этом еда стала стоить дешевле, а доступных для покупки товаров стало больше. Технологический прогресс позволил с помощью одного и того же количества труда производить больше. В итоге выросли зарплаты — рынок стимулирует работодателей платить сотрудникам пропорционально их продуктивности. Таким образом, развитие технологий снизило бы общую занятость только в том случае, если люди перестали бы тратить дополнительные доходы на покупку новых товаров и услуг.

График выше иллюстрирует среднюю продуктивность труда в США между 1973 и 2014 годом. В этот период технологические инновации позволили увеличить продуктивность на 108%. При этом средняя почасовая ставка оплаты труда увеличилась за это время на 85%. При этом распределение занятости по возрастам не изменилось. Более того, в экономике нашлась работа и для миллионов женщин, которые вышли на рынок труда в 70-е и 80-е годы прошлого века. Таким образом, технологии и автоматизация увеличили зарплаты, но не снизили общую занятость.

Технологии даже увеличивают потребность в труде

Взаимосвязь технического прогресса и работы сложнее, чем простая передача рутинных задач компьютерам. Многие профессии подразумевают выполнение как рутинных, так и более сложных интеллектуальных задач. Соответственно, автоматизация рутины позволяет высвободить больше времени на более сложную работу, а значит, повышается и продуктивность труда.

Этот тезис можно проиллюстрировать примеров из сферы ресторанного бизнеса. Многие заведения используют системы автоматизации (например, Jowi) и заменяют меню планшетами.

Новые технологии позволяют людям быстрее осуществлять заказ и оплачивать свою еду. Кроме того, увеличиваются продажи — люди с большей долей вероятности закажут тот же десерт, если пирожные и чизкейки постоянно отображаются на планшете.

Внедрение возможности мгновенной оплаты сокращает общее время обеда примерно на пять минут. В итоге автоматизированные рестораны (вскоре к используемым гаджетам могут добавиться и умные часы) могут обслуживать больше людей даже в «горячие часы». В итоге возрастает спрос на официантов, поваров, администраторов, которые готовят вкусные блюда, быстро и качественно обслуживают клиентов и грамотно управляют рассадкой гостей.

Кроме того, с помощью систем автоматизации можно настраивать и величину чаевых, которые будут включены в счет — а значит, официанты будут получать больше (меньше людей уйдет не оставив чаевые).

Кому-то все же придется сменить род занятий

Исторические данные говорят о том, что люди реагируют на технологические изменения, находя новую работу, часто более высокооплачиваемую, чем до внедрения автоматизации. Однако технологии иногда и полностью уничтожают определенные профессии, этот тренд продолжится и в будущем — разработчики различных продуктов по автоматизации стараются охватить сферы, которые раньше компьютерам были полностью неподвластны. Вот лишь краткий список профессий, в которые неожиданно пришла автоматизация:

Источник

Автоматы и жизнь 1/2

Источник: журнал «Техника – молодёжи», №10, 1961 год.

Уже общепризнано, что развитие исследований в области новой науки о принципах управления – кибернетики – остро необходимо для прогресса техники автоматического управления и может содействовать успеху многих других областей. Но до сих пор вокруг проблем кибернетики не умолкают споры. До какого предела возможно совершенствование кибернетических машин? Может ли кибернетике объединять проблемы математики, биологии, техники, психологии? Все это вопросы, на которые ещё нет всеми признанных, установившихся ответов. Вот почему редакция решила пригласить выступить на страницах журнала математиков, философов, инженеров, биологов – всех, кто интересуется проблемами кибернетики. Обсуждение мы начинаем выступлением выдающегося математика, академика Андрея Николаевича КОЛМОГОРОВА.

Мой доклад «Автоматы и жизнь», подготовленный для семинара научных работников и аспирантов механико-математического факультета Московского государственного университета, вызвал интерес у самых широких кругов слушателей.

Редакция журнала «Техника – молодёжи» решила опубликовать популярное изложение доклада, подготовленное моей сотрудницей по Лаборатории вероятностных и статистических методов МГУ Н. Г. Рычковой. Изложение это во всех существенных чертах правильно, хотя иногда словесное оформление мысли, а следовательно, и некоторые её оттенки принадлежат Н. Г. Рычновой.

Подчеркну основные идеи доклада, имеющие наиболее широкий интерес.

I. Определение ЖИЗНИ как особой формы существования белковых тел было прогрессивно и правильно, пока мы имели дело только с конкретными формами жизни, развившимися на Земле. В век космонавтики возникает реальная возможность встречи с формами движения материи, обладающими основными, практически важными для нас свойствами живых и даже мыслящих существ, устроенных иначе (см. статью «ЖИЗНЬ» в БСЭ). Поэтому приобретает вполне реальное значение задача более общего определения понятия ЖИЗНИ.

II. Современная электронная техника открывает весьма широкие возможности МОДЕЛИРОВАНИЯ жизни и мышления. Дискретный (арифметический) характер современных вычислительных машин и автоматов не создаёт в этом отношении существенных ограничителей. Системы из очень большого числа элементов, каждый из которых действует чисто «арифметически», могут приобретать качественно новые свойства.

III. Если свойство той или иной материальной системы «быть живой» или обладать способностью «мыслить» будет определено чисто функциональным образом (например, любая материальная система, с которой можно разумно обсуждать проблемы современной науки или литературы, будет признаваться мыслящей), то придётся признать в принципе вполне осуществимым ИСКУССТВЕННОЕ СОЗДАНИЕ живых и мыслящих существ.

IV. При этом, однако, следует помнить, что реальные успехи кибернетики и автоматики на этом пути ещё значительно более скромны, чем иногда изображается в популярных книгах и статьях. Например, при описании «самообучающихся» автоматов или автоматов, способных «сочинять» музыку или писать стихи, иногда исходят из крайне упрощённого представления о действительном характере высшей нервной деятельности человека и, в частности, творческой деятельности.

V. Реальное продвижение в направлении понимания механизма высшей нервной деятельности, включая и высшие проявления человеческого творчества, естественно, не может ничего убавить в ценности и красоте творческих достижений человека. Я думаю, что это то же самое, что и лозунг «Материализм – это прекрасно!», поставленный подзаголовком в мой доклад.

Академик А. Н. КОЛМОГОРОВ (25 августа 1961 года)

«В век бурного развития науки ещё большую актуальность приобретает разработка философских проблем современного естествознания на основе диалектического материализма, как единственно научного мировоззрения и метода познания».

– Я принадлежу, – сказал Колмогоров, – к тем крайне отчаянным кибернетикам, которые не видят никаких принципиальных ограничений в кибернетическом подходе к проблеме жизни и полагают, что можно анализировать жизнь во всей её полноте, в том числе и человеческое сознание со всей его сложностью, методами кибернетики.

Очень часто задают такие вопросы:

– Могут ли машины воспроизводить себе подобных и может ли в процессе самовоспроизведения происходить прогрессивная эволюция, приводящая к созданию машин, существенно более совершенных, чем исходные?

– Могут ли машины испытывать эмоции: радоваться, грустить, быть недовольными чем-нибудь, чего-нибудь хотеть?

– Могут ли, наконец, машины сами ставить перед собой задачи, не поставленные перед ними их конструкторами!

Иногда пытаются отделаться от этих вопросов или обосновать отрицательные ответы на них, предлагая, например, определить понятие «машина» как нечто каждый раз искусственно создаваемое человеком.

При таком определении часть вопросов, скажем первый, автоматически отпадает. Но вряд ли можно считать разумным упорное нежелание разобраться в вопросах, действительно интересных и сложных, прикрываясь насильственно ограниченным пониманием терминов.

Вопрос о том, возможно ли на пути кибернетического подхода к анализу жизненных явлений создать подлинную, настоящую жизнь, которая будет самостоятельно продолжаться и развиваться, остаётся насущной проблемой современности. Уже сейчас он актуален, годен для серьёзного обсуждения, ибо изучение аналогий между искусственными автоматами и настоящей живой системой уже сейчас служит принципом исследования самих явлений жизни, с одной стороны, и способом, помогающим изыскивать пути создании новых автоматов, – с другой.

Есть и другой способ сразу ответить на все эти вопросы. Он заключается в ссылке на математическую теорию алгоритмов. Математикам хорошо известно, что в пределах каждой формальной системы, достаточно богатой математически, можно сформулировать вопросы, которые кажутся содержательными, осмысленными и должны предполагать наличие определённого ответа, хотя в пределах данной системы такого ответа найти нельзя. Вот поэтому-то и провозглашается, что развитие самой формальной системы есть задача машины, а обдумывание правильного ответа на вопрос – это уже дело человека, преимущественное свойство человеческого мышления.

Такая аргументация, однако, использует идеалистическое толкование понятия «мышление», с помощью которого можно легко доказать, что не только машина, но и сам человек мыслить не может. Здесь предполагается, что человек может давать правильные ответы на любые вопросы, в том числе и на поставленные неформально, а мозг человека способен производить неограниченно сложные формальные выкладки. Между тем нет никаких оснований представлять себе человека столь идеализированным образом – как бесконечной сложности организм, в котором умещается бесконечное количество истин. Чтобы достичь такого положения, заметим в шутку, пришлось бы расселить человечество по звёздным мирам, чтобы, пользуясь бесконечностью мира, организовать формальные логические выкладки в бесконечном пространстве и даже передавать их по наследству. Тогда можно было бы считать, что любой математический алгоритм человечество может развивать до бесконечности.

Но вряд ли эта аргументация имеет отношение к реальному вопросу. И уж, во всяком случае, это не возражение против постановки вопроса о том, возможно ли создание искусственных живых существ, способных к размножению и прогрессивной эволюции, в высших формах обладающих эмоциями, волей и мышлением.

Этот же вопрос поставлен изящно, но формально математиком Тьюрингом в его книге «Может ли машина мыслить?». Можно ли построить машину, которую нельзя было бы отличить от человека? Такая постановка как будто ничуть не хуже нашей и к тому же проще и короче. На самом же деле она не вполне отражает суть дела. Ведь, по существу, интересен не вопрос о том, возможно ли создать автоматы, воспроизводящие известные нам свойства человека. Хочется знать, возможно ли создать новую жизнь, столь же высокоорганизованную, хотя, может быть, очень своеобразную и совсем не похожую на нашу. В современной научной фантастике сейчас появляются произведения, затрагивающие эти темы. Интересен и остроумен рассказ «Друг» в сборнике Станислава Лема «Вторжение с Альдебарана» о машине, пожелавшей управлять человечеством. Однако фантазия романистов не отличается особой изобретательностью. И. А. Ефремов, например, выдвигает концепцию: все совершенное похоже друг на друга. Стало быть, у высокоорганизованного существа обязаны, по его мнению, быть два глаза и нос несколько изменённой формы. В век космонавтики не праздно предположение, что нам, может быть, придётся столкнуться с другими живыми существами, весьма высокоорганизованными и в то же время совершенно на нас не похожими. Сможем ли мы установить, каков внутренний мир этих существ, способны они к мышлению или нет, присущи ли им эстетические переживания, идеалы красоты или чужды и т. п. Почему бы, например, высокоорганизованному существу не иметь вид тонкой плёнки – плесени, распластанной на камнях?

ЧТО ТАКОЕ ЖИЗНЬ? ВОЗМОЖНО ЛИ ИСКУССТВЕННОЕ РАЗУМНОЕ СУЩЕСТВО?

Поставленный нами вопрос тесно связан с другими: а что такое жизнь, что такое мышление, что такое эмоциональная жизнь, эстетические переживания? В чём, скажем, состоит отличие последних от простых, элементарных удовольствий – от пирога, например, или ещё чего-нибудь в этом роде? Если говорить в более серьёзном тоне, то можно сказать следующее: точное определение таких понятий, как воля, мышление, эмоции, ещё не удалось сформулировать. Но на естественнонаучном уровне строгости такое определение возможно. Если мы не признаем эту возможность, мы окажемся безоружными против аргументов солипсизма.

Хотелось бы научиться на основании факторов поведения, например, делать выводы о внутреннем состоянии живого высокоорганизованного существа.

Как изучать высшую нервную деятельность, используя кибернетический подход? Здесь открываются следующие пути: во-первых, можно детально изучать поведение животных или человека; во-вторых, изучать устройство их мозга; можно, наконец, иногда довольствоваться и так называемым симпатическим пониманием. Если, скажем, просто внимательно наблюдать кошку или собаку, то и не зная науки о поведении и условных рефлексах можно прекрасно понять, что они думают и чего хотят. Несколько труднее достигнуть такого понимания с птицами или, например, с рыбами, но вряд ли и это невозможно. Это вопрос не новый, частично он уже решён, частично легко решаем, частично – трудно. Опыт индуктивного развития науки говорит нам, что все вопросы, долго не находившие решения, постепенно разрешаются, и вряд ли нужно думать, что именно здесь существуют заранее установленные пределы, дальше которых продвинуться нельзя.

Если считать, что анализ любой высокоорганизованной системы естественно входит в состав кибернетики, придётся отказаться от распространённого мнении, что основы кибернетики включают в себя лишь изучение систем, имеющих заранее назначенные цели. Часто кибернетику определяют как науку, занимающуюся изучением управляющих систем. Считается, что все такие системы обладают общими свойствами и свойство № 1 у них – наличие цели. Это верно лишь до тех пор, пока всё, что мы выделяем в качестве организованных систем, управляющих собственной деятельностью, похоже на нас самих. Однако если мы хотим методами кибернетики изучать происхождение таких систем, их естественную эволюцию, то такое определение становится узким. Вряд ли кибернетика поручит какой-либо другой науке выяснять, каким образом обычная причинная связь в сложных системах путём естественного развития приводит к возможности рассматривать всю систему как действующую целесообразно.

Обычно понятие «действовать целесообразно» включает умение охранять себя от разрушающих внешних воздействий, или, скажем, способность содействовать своему размножению. Спрашивается: кристаллы действуют целесообразно или нет? Если «зародыш» кристалла поместить в некристаллическую среду, будет ли он развиваться? Ведь никаких отдельных органов у кристалла различить невозможно, стало быть, это есть некая промежуточная форма. И существование таковых неизбежно.

По-видимому, частные задачи, подобные этой, будут решать науки, непосредственно с ними связанные. Опытом частных наук никак нельзя пренебрегать. Но исключать из содержания кибернетики общие представления о причинных связях в целесообразно действующих системах, ставящих себе цели, также никак нельзя. Так же как нельзя, например, уже при имитации жизни автоматами не считаться, скажем, с тем, что и сами эти цели меняются в процессе эволюции, а вместе с этим изменяется и представление о них.

Когда говорят, что организация механизма наследственности, позволяющего живым организмам передавать своё целесообразное устройство потомкам, имеет целью воссоздать данный вид, придать ему определённые свойства, а также возможности изменчивости, прогрессивной эволюции, то кто же ставит эту цель? Или если рассматривать систему в целом, то кто же, как не она сама, ставит перед собой цель развития путём отсеивания негодных экземпляров и размножения совершенных?

Подводя итоги, можно сказать, что изучение в общей форме возникновения систем, к которым применимо понятие целесообразности, есть одна из главных задач кибернетики. При этом изучение в общей форме естественно предполагает знание, отвлечённое от деталей физического осуществления, от энергетики, химии, возможностей техники и т. п. Нас здесь интересует только, как возникает возможность сохранять и накапливать информацию.

Такая широкая постановка задачи содержит в себе много трудностей, но отказаться от неё на современном этапе развития науки уже невозможно.

Если признавать важность задачи определения в объективных обобщённых терминах существенных свойств внутренней жизни (высшей нервной деятельности) какой-то незнакомой нам и в похожей на нас высокоорганизованной системы, то нельзя ли тот же путь предложить и в применении к нашей системе – человеческому обществу? Хотелось бы на общем языке, одном и том же для всех высокоорганизованных систем, уметь описывать и все явления жизни человеческого общества.

Представим себе воображаемого постороннего наблюдателя нашей жизни, который совершенно не обладает ни симпатиями к нам, ни умением понять, что мы думаем и переживаем. Он просто наблюдает большое скопление организованных существ и желает понять, как оно устроено. Совершенно так же, как, скажем, мы наблюдаем муравейник. Через некоторое время он, пожалуй, без особого труда сможет понять, какую роль играет информация, содержащаяся, например, в железнодорожных справочниках (человек теряет такой справочник и не может попасть на нужный поезд). Правда, наблюдателю пришлось бы столкнуться с большими трудностями. Как, например, понять ему следующую картину? Множество людей приходит вечером в большое помещение, несколько человек поднимаются на возвышение и начинают делать беспорядочные движения, а остальные сидят при этом спокойно и по окончании расходятся баз всякого обсуждения. Один из молодых математиков (может быть, в шутку) приводит и другой пример необъяснимого поведении: люди заходят в помещение, там получают бутылки с некоей жидкостью, после чего начинают бессмысленно жестикулировать. Постороннему наблюдателю будет трудно установить, что же это такое – просто разлад в машине, какая-то пауза в её непрерывной осмысленной работе, или же можно в объективных терминах описать, что происходит в этих двух случаях, и даже, может быть, установить разницу между ними.

Оставив шутливый тон, сформулируем серьёзно возникающую здесь проблему: нужно научиться в терминах поведения осуществлять объективное описание самого механизма, это поведение обусловливающего, уметь различать отдельные виды деятельности высокоорганизованной системы. Впервые в нашей стране И. П. Павлов установил возможность объективного изучения поведения животных и человека, а также регулирующих это поведение мозговых процессов без всяких субъективных гипотез, выраженных в психологических терминах. Глубокое изучение предложенной проблемы есть не что иное, как павловская программа анализа высшей нервной деятельности в её дальнейшем развитии.

Создание высокоорганизованных живых существ превосходит возможности техники наших дней. Но всякие ограничительные тенденции, всякое неверие или даже утверждение невозможности на рациональных путях достичь объективного описания человеческого сознания во всей его полноте сейчас явились бы тормозом в развитии науки. Разрешение этой проблемы необходимо, ибо уже истолкование разных видов деятельности может служить толчком для развития машинной техники и автоматики. С другой стороны, возможности объективного анализа нервной системы сейчас столь велики, что не хочется заранее останавливаться перед задачами любой трудности.

Если технические трудности будут преодолены, то вопрос о практической целесообразности осуществления соответствующей программы работ останется по меньшей мере спорным.

Однако в рамках материалистического мировоззрения не существует никаких состоятельных принципиальных аргументов против положительного ответа на наш вопрос. Более того, этот положительный ответ является сейчас современной формой убеждений о естественном возникновении жизни и материальной основе сознания.

ДИСКРЕТНА ИЛИ НЕПРЕРЫВНА МЫСЛЬ?

Иногда делают вывод, что кибернетика должна заниматься исключительно дискретными устройствами. Против такого подхода имеются два возражения. Во-первых, реальные сложные системы, как многие машины, так и все живые существа, действительно имеют определённые устройства, основанные на принципе непрерывного действия. Что касается машин, то таким примером может служить, скажем, руль автомобиля и т. д. Если мы обратимся к человеческой деятельности, сознательной, но не подчинённой законам формальной логики, то есть интуитивной или полуинтуитивной, например к двигательным реакциям, то мы обнаружим, что большое совершенство и отточенность механизма непрерывного движения построено на движениях непрерывно-геометрического характера. Если человек совершает тройной прыжок или прыжок с шестом или, например, готовится к дистанции слалома, его движение должно быть заранее намечено как непрерывное (для математиков: путь слаломиста оказывается даже аналитической кривой). Можно полагать, однако, что это не есть радикальное возражение против дискретных механизмов. Скорее всего интуиция непрерывной линии в мозга осуществляется ив базе дискретного механизма.

Второе возражение против дискретного подхода заключается в следующем: заведомо человеческий мозг и даже, к сожалению, часто вычислительные машины отнюдь не всегда действуют детерминированно – полностью закономерным образом. Результат их действия в некоторый момент в данной ячейке нередко зависит от случая. Желая обойти эти возражения, можно сказать, что и в автоматы можно «ввести случайность», вряд ли имитирование случайности (то есть замена случая какими-то закономерностями, не имеющими отношения к делу) может принести сколь-нибудь серьёзный вред при моделировании жизни. Правда, вмешательство случайности часто рассматривается несколько примитивно: заготавливается достаточно длинная лента случайных чисел, которая затем используется для имитации случая в различных задачах. Но при частом употреблении эта заготовленная «случайность» в конце концов перестанет быть случайностью. Исходя из этих соображений, к вопросу имитации случая на автоматах следует подходить с большой осторожностью. Однако принципиально это вещь, во всяком случае, возможная.

Только что изложенная аргументация приводит нас к следующему основному выводу. Несомненно, что переработка информации и процессы управления в живых организмах построены на сложном переплетении дискретных (цифровых) и непрерывных механизмов, с одной стороны, детерминированного и вероятностного принципов действия – с другой.

Однако дискретные механизмы являются ведущими в процессах переработки информации и управления в живых организмах. На существует состоятельных аргументов в пользу принципиальной ограниченности возможностей дискретных механизмов по сравнению с непрерывными.

ЧТО ТАКОЕ – ОЧЕНЬ МНОГО?

Эта деятельность, однако, связана не с разрозненными нервными клетками, а с довольно большими агрегатами их. Невозможно представить себе, чтобы, скажем, какая-нибудь математическая теорема «сидела» в одной единственной, специально для неё заготовленной нервной клетке или даже в каком-то определённом числе их. По-видимому, дело обстоит совершенно иначе. Наше сознание оперирует небольшими количествами информации. Количество единиц информации, которое человек воспринимает и перерабатывает в секунду, совсем невелико.

Вот один несколько парадоксальный пример: слаломист, преодолевая дистанцию, в течение десяти секунд воспринимает и перерабатывает значительно большую информацию, чем при других, казалось бы, более интеллектуальных видах деятельности, во всяком случае больше, чем математик пропускает через свою голову за сорок секунд напряжённой работы мысли. Вообще вся сознательная жизнь человека устроена как-то очень своеобразно и сложно, но когда закономерности её будут изучены, может оказаться, что для моделирования её потребуется гораздо меньше элементарных ячеек, чем для моделирования всего мозга, как это ни странно.

Какие же объёмы информации могут создавать уже качественное своеобразие сложных явлений, подобных жизни, сознанию и т. п.?

Можно разделить все числа на малые, средние, большие и сверхбольшие. Эта классификация не строга, в рамках её нельзя будет сказать, что такое-то число, скажем, среднее, а следующее за ним уже большое. Здесь числа делятся на категории с точностью до порядка величин. Но большая строгость нам здесь оказывается и ненужной. Каковы же эти категории? Начнём с определений, понятных лишь математикам.

I. Число А назовём малым, если практически возможно перебрать все схемы из А элементов с двумя входами и выходами (или выписать для них все функции алгебры логики с А аргументами).

II. Число Б называется средним, если мы оказываемся не в состоянии перебрать практически все схемы из Б элементов, а можем перебрать лишь сами эти элементы или (что чуть-чуть сложнее) выработать систему обозначений для любой схемы из Б элементов.

III. И, наконец, число В – большое если мы не в состоянии практически перебрать такое число элементов, а можем лишь установить систему обозначений для этих элементов.

IV. Числа будут сверхбольшими, если практически и этого нельзя сделать; они нам, как мы увидим дальше, и не понадобятся.

Поясним теперь эти определения на доступных примерах.

1. Пусть к одной электрической лампочке подсоединено три выключателя, каждый из которых может находиться в левом (Л) или правом (П) положении. Тогда, очевидно, возможных совместных положений трёх выключателей будет 2 3 = 8. Перечислим их для наглядности:

1) Л Л Л,
2) Л П Л,
3) Л П П,
4) Л Л П,
5) П Л Л,
6) П П Л,
7) П Л П,
8) П П П.

Тот факт, что такое упражнение под силу читателю и не займёт у него слишком много времени, и убеждает нас в том, что число 3 (число выключателей) относится к малым. Если бы выключателей было не 3, а, скажем, 5, то пришлось бы выписать 2 2^5 = 4 294 927 296 различных совместных положений выключателей, сопровождённых отметками «горит», «не горит». Вряд ли можно за какое-нибудь разумное время практически проделать всё это, не сбившись. Поэтому число 5 уже нельзя считать малым.

Чтобы стал понятен термин «среднее число», приведём другой пример. Представьте себе, что вас ввели в помещение, где находится 1000 человек, и предложили с каждым из них поздороваться за руку. Правда, ваша рука после таких упражнений будет чувствовать себя неважно, но практически (по времени) проделать такое упражнение вполне возможно. Вы вполне сумеете, не сбившись, подойти к каждому из тысячи и протянуть ему руку. А если бы последовало предложение всей тысяче присутствующих обменяться друг с другом рукопожатиями, да ещё каждой компании из трёх человек внутри своего кружка обменяться рукопожатиями и т. д., то это оказалось бы немыслимым. Число 1000 и есть среднее. Можно сказать, что мы «перебрали» тысячи элементов, отметив при этом каждого (рукопожатием).

Совсем простым примером большого числа является число видимых звёзд на небосклоне. Каждый знает, что невозможно пересчитать звёзды пальцем, а тем не менее существует каталог звёздного неба (то есть выработана система обозначений), пользуясь которым мы в любой момент можем получить справку о нужной нам звезде.

Естественно, что вычислительная машина может, во-первых, дольше работать не сбиваясь, а во-вторых, она составляет различные схемы во много раз быстрее, чем человек. Поэтому в каждой категории соответствующие числа для машины будут больше, чем для человека.

Приведём сравнительную табличку соответственных возможностей машины и человека.

Источник