Принятие решений в биосистемах

Что такое принятие решений и почему говорят, что живые системы принимают решения? Ниже я привожу свой ответ на вопрос, заданный мне на кураевском форуме по поводу принятия решений, реализованного в живых организмах.

Принятие решений — это, по определению, выбор из альтернатив, осуществляемый в рамках планирования. Этот выбор делается так называемым лицом, принимающим решения (ЛПР), или агентом. Представьте себя в магазине со списком покупок, список большой, денег на все не хватает. Вы начинаете принимать решения: вот это я куплю, а вот это не буду. Выбор из альтернатив совершается для какой-то определенной цели, исходя из каких-то определенных условий и ограничений. Например, целью может быть комбинация: сэкономить средства и купить как можно больше продуктов, содержащих такие-то витамины. Цель может быть сформулирована как оптимизация по какому-то одному или нескольким критериям. В случае нескольких критериев выбор приемлемого оптимума также осуществляется ЛПР из т.наз. парето-множества на основе приемлемого компромисса (парето-оптимальность).

Рис.1. Принятие решений. Примеры критериев оптимизации — качество продукта и его долговечность.

Как я уже сказал выше, принятие решений осуществляется агентом. Однако оно может также быть делегировано автоматике, программе. Примеры: станки с ЧПУ, программа Windows XP, синтез белка, нанотехнологии (молекулярная логика, процессоры на кристаллах). Но даже если в какой-то рассматриваемой нами системе принятие решений происходит автоматически, эти решения, неформально говоря, ЛПР должен был заранее запрограммировать на будущее. Более строго говоря, эксперт при написании программы определяет эвристический ход поиска решений задачи, направляя будущий поиск в области пространства состояний, в которых, как он полагает, плотность решений выше среднего. При этом эксперт (явно или неявно) сообщает системе так называемую активную информацию [1] о желаемых характеристиках как процесса решения задачи, так и самого решения.

ЛПР обязательно необходим для появления программы. Иных способов появления программы как останавливающейся осмысленной законченной последовательности инструкций не существует. Почему это так? На основе заданных прагматических критериев (как в примере выше, экономия денежных средств и максимизация витаминосодержания) программа осуществляет выбор между состояниями системы, которые являются равновесными и безразличными с точки зрения физики и химии. По этой причине выбор между такими состояниями не может быть осуществлен средой автоматически и, следовательно, программа необходима.

Легко видеть, что принятие решений вовсе не обязательно означает осознанность выполняемых непосредственно рассматриваемой системой действий в том случае, когда их выполнение так или иначе запрограммировано, однако при определенных условиях велика вероятность того, что сама эта система явилась результатом осознанных действий ЛПР. Более того, в ряде случаев эта вероятность столь близка к единице, что в практической деятельности мы можем с уверенностью говорить об интеллектуальном происхождении исследуемой системы как целого.

С точки зрения теории сложности вычислений для появления самой программы нужен неалгоритмический оракул, то есть агент. Это, на мой взгляд, следует из фундаментального результата теории вычислимых функций — отсутствия алгоритмического решения проблемы остановки машины Тьюринга. Машина Тьюринга — это математическая модель алгоритма. Остановке машины Тьюринга отвечает успешное завершение работы соответствующего алгоритма. Можно дискутировать по поводу того, может ли программа случайно измениться и при этом "не поломаться", в каких конкретно пределах возможны на практике подобные изменения кода и что для этого нужно практически, но не подлежит никакому сомнению, что первая программа живого должна была появиться исключительно интеллектуальным путем.

Теоретиками и практиками ID была предложена конкретная метрика функциональной информации, а также выявлены практические статистические нижние оценки количеств функциональной информации, по достижении которых определяющим фактором в генерации таких количеств функциональной информации является исключительно интеллект ЛПР, тогда как факторы стохастической природы и закономерные факторы физико-химической природы, хотя и присутствуют, но не являются решающими в процессе генерации той или иной рассматриваемой конфигурации. Обратите внимание на то, что это делается в статистической постановке. По мере увеличения функциональной информации в системе вероятность того, что эта система явилась результатом осознанного планирования, то есть принятия решений со стороны ЛПР, возрастает. И, соответственно, вероятность определяющего влияния стохастики и закономерности падает. Выше определенного уровня функциональной информации (для каждой системы своего, как производить подсчет — отдельный разработанный вопрос) говорить об определяющем влиянии стохастики и физико-химических взаимодействий, с точки зрения статистики, не приходится.

Теперь о том, что касается животных. Главный вывод биологии, биохимии, биоинформатики, математики, кибернетики последних десятилетий — это вывод о том, что вся известная науке биота имеет под собой программную, кибернетическую основу. Кибернетика — наука об управлении, занимающаяся изучением вопросов организации управления, оптимизации и пр. 

Живые системы осуществляют автоматическое управление своим состоянием. Биосистемы реализованы таким образом, что принятие решений в них запрограммировано. Автоматическое принятие решений лежит в основе инстинктов. Инстинкты — это программы действия организма, реализованные на разных уровнях: клеточном, тканевом, на уровне отдельных органов и систем, и, наконец, на уровне всего организма. Одним из множества примеров автоматики, реализованной на макромолекулярном уровне, является хемотаксис. Высшая нервная деятельность человека позволяет ему помимо инстинктов осуществлять также и осознанное принятие решений.

Литература

1. Winston Ewert, George Montanez, William A. Dembski, Robert J. Marks II, "Efficient Per Query Information Extraction from a Hamming Oracle," Proceedings of the the 42nd Meeting of the Southeastern Symposium on System Theory, IEEE, University of Texas at Tyler, March 7-9, 2010, pp.290-297.