Мозг и машина Тьюринга

При рассмотрении машины Тьюринга в качестве алгоритмической модели мозга животного или человека мы можем пока говорить лишь о самых общих свойствах модели в самом общем виде. К таким общим свойствам следует отнести: обучаемость модели, ее эволюцию, пластичность и устойчивость модели, а также еще одно важное свойство, о котором будет сказано ниже. Обратимся сначала к специализированной модели, изображенной на рис. 11.

Специализированная модель оперирует следующим набором символов:

- входные символы ленты, то есть внешние символы (им мы поставим в соответствие сигналы внешнего мира, поступающие в мозг через множество соответствующих рецепторов; к таковым можно отнести также определенную часть сигналов, вырабатываемых самим мозгом и по цепям обратной связи передаваемых на вход и поэтому являющихся как бы составной частью внешней среды);

- выходные сигналы ленты (с этими символами можно сопоставить различные командные сигналы органам тела; какую-то часть элементов памяти, созданных в онтогенезе, также можно отнести к выходной информации, хотя при определенных условиях эти сигналы могут стать входными, так как, несмотря на то, что рассматриваемая группа символов относится к внутренним проявлениям модели или моделируемого объекта, по существу значительная их часть адресована внешнему миру);

- символы, составляющие описание функционирования таблицы управляющего устройства.

Рассмотрим эту последнюю группу более детально. Ее в свою очередь можно разделить на три подгруппы.

Первая - подгруппа внешних символов, идентифицирующих строки таблицы. Важно отметить, что когда речь идет о машине Тьюринга как вычислительной машине, то эта подгруппа совпадает с ранее упомянутыми входными символами ленты. Однако когда речь заходит об алгоритмической модели мозга, то о совпадении говорить не приходится, только - о соответствии. Например, к внешним символам ленты мы могли бы, допустим, отнести образ, запечатленный на сетчатке глаза. Соответствующий ему внешний символ из подгруппы символов, идентифицирующих строки таблицы, это, видимо, эталон данного образа, хранящийся в памяти (на самом деле зрительный образ сам состоит из множества элементарных символов, но в качестве поясняющего примера упомянутое сравнение вполне допустимо). Хотя рассматриваемая подгруппа символов сопоставлена нами с внешними сигналами, она в действительности имеет двойную природу; с одной стороны, это отражение внешнего мира, с другой - отражение внутренних функциональных и структурных характеристик самого мозга, появляющихся в филогенезе и онтогенезе. Для модели ригидного мозга состав подгруппы неизменен в течение жизни особи; модель пластичного мозга допускает подвижность подгруппы.

Вторая - подгруппа внутренних символов, идентифицирующих столбцы таблицы. Применительно к тьюринговой машине символы этой подгруппы образуют множество состояний модели. Чем выше мощность этого множества, тем сложнее, при прочих равных условиях, возможное поведение модели. Множество состояний модели дискретно. Когда встает вопрос о мозге, то дискретное множество его состояний может оказаться лишь удобной абстракцией, позволяющей описывать происходящие в нем непрерывные процессы. Очевидно, что группа символов состояний характеризует сугубо внутреннюю природу модели, а значит, и мозга.

Третья - подгруппа символов, образующих тройки таблицы. Среди символов каждой тройки - уже указанные ранее внешние символы и символы состояний. Но коль скоро эти символы находятся в другом месте таблицы, то надо полагать, что соответствующие им в реальном мозге сигналы, имеют другое кодовое представление. Кроме того, среди символов троек имеется еще один символ, управляющий перемещением головки в модели. Его мы также отнесем к внутренним символам, имеющим природу, аналогичную природе символов состояний.

В специализированной модели можно попытаться рассмотреть два способа разделения ленты на зоны для представления различной информации: один способ, когда информация внешней среды и информация о собственном описании представлены в разных зонах ленты, что подчеркивает несвязность этих видов информации (лента а на рис.11) и второй способ, когда оба вида записаны в одной зоне (лента b на рисунке). Вскоре мы увидим, что первый способ в специализированной модели фактически не может быть реализован. Здесь следует специально отметить, что наличие на ленте собственного описания, если модель рассматривать как вычислительную машину, просто не нужно, однако если речь идет о моделировании информационных процессов, например, в мозге, наличие подобного описания оказывается необходимым.

В специализированной модели, как было отмечено выше, структура управляющего устройства настроена на решение одной задачи или одного единственного множества, рассматриваемого как единая задача, что соответствует определенному набору алгоритмов. Такая модель может работать следующим образом. Считывающая головка прочитывает слова из зоны информация внешней среды, вырабатывает на нее реакцию согласно заложенным в устройстве управления алгоритмам и записывает их в зону реакции на внешнюю среду. Информация, записываемая в этой зоне, имеет временный характер: появляется новое внешнее воздействие, записывается новая реакция, а старая стирается. Кроме того, в данной модели предусматривается возможность каждую пару стимул-реакция записывать в зоне памяти.

Поиск по сайту: