• Перевод

Все мы помним со школы мучительные упражнения в арифметике. На то, чтобы перемножить числа вроде 3 752 и 6 901 при помощи карандаша и бумаги, уйдёт не меньше минуты. Конечно же, сегодня, когда под рукой у нас телефоны, мы быстро можем проверить, что результат нашего упражнения должен равняться 25 892 552. Процессоры современных телефонов могут выполнять более 100 млрд таких операций в секунду. Более того, эти чипы потребляют всего несколько ватт, что делает их гораздо эффективнее наших медленных мозгов, потребляющих 20 Вт и требующих гораздо большего времени на достижение того же результата.

Конечно же, мозг эволюционировал не для того, чтобы заниматься арифметикой. Поэтому у него это получается плохо. Но он прекрасно справляется с обработкой постоянного потока информации, идущего от нашего окружения. И он реагирует на неё – иногда быстрее, чем мы можем это осознать. И неважно, сколько энергии будет потреблять обычный компьютер – он с трудом будет справляться с тем, что легко даётся мозгу – например, с пониманием языка или с бегом по лестнице.

Если бы могли создать машины, вычислительные способности и энергетическая эффективность которых были бы сравнимы с мозгом, то всё поменялось бы кардинально. Роботы бы ловко двигались в физическом мире и общались бы с нами на естественном языке. Крупномасштабные системы собирали бы огромные объёмы информации по бизнесу, науке, медицине или управлению государством, обнаруживая новые закономерности, находя причинно-следственные связи и делая предсказания. Умные мобильные приложения типа Siri и Cortana могли бы меньше полагаться на облака. Такая технология могла бы позволить нам создать устройства с небольшим энергопотреблением, дополняющие наши чувства, обеспечивающие нас лекарствами и эмулирующие нервные сигналы, компенсируя повреждение органов или паралич.

Но не рано ли ставить себе такие смелые цели? Не слишком ограничено ли наше понимание мозга для того, чтобы мы могли создавать технологии, работающие на основе его принципов? Я считаю, что эмуляция даже простейших особенностей нервных контуров может резко улучшить работу множества коммерческих приложений. Насколько точно компьютеры должны копировать биологические детали строения мозга, чтобы приблизиться к его уровню быстродействия – это пока открытый вопрос. Но сегодняшние системы, вдохновлённые строением мозга, или нейроморфные, станут важными инструментами для поисков ответа на него.

Ключевая особенность обычных компьютеров – физическое разделение памяти, хранящей данные и инструкции, и логики, обрабатывающей эту информацию. В мозгу такого разделения нет. Вычисления и хранение данных происходят одновременно и локально, в обширной сети, состоящей из примерно 100 млрд нервных клеток (нейронов) и более 100 трлн связей (синапсов). По большей части мозг определяется этими связями и тем, как каждый из нейронов реагирует на входящий сигнал других нейронов.

Говоря об исключительных возможностях человеческого мозга, обычно мы имеем в виду недавнее приобретение долгого эволюционного процесса – неокортекс (новую кору). Этот тонкий и крайне складчатый слой формирует внешнюю оболочку мозга и выполняет очень разные задачи, включающие обработку поступающей от чувств информации, управление моторикой, работу с памятью и обучение. Такой широкий спектр возможностей доступен довольно однородной структуре: шесть горизонтальных слоёв и миллион вертикальных столбиков по 500 мкм шириной, состоящих из нейронов, интегрирующих и распределяющих информацию, закодированную в электрических импульсах, вдоль растущих из них усиков – дендритов и аксонов.

Как у всех клеток человеческого тела, у нейрона существует электрический потенциал порядка 70 мВ между внешней поверхностью и внутренностями. Это мембранное напряжение изменяется, когда нейрон получает сигнал от других связанных с ним нейронов. Если мембранное напряжение поднимается до критической величины, он формирует импульс, или скачок напряжения, длящийся несколько миллисекунд, величиной порядка 40 мВ. Этот импульс распространяется по аксону нейрона, пока не доходит до синапса – сложной биохимической структуры, соединяющей аксон одного нейрона с дендритом другого. Если импульс удовлетворяет определённым ограничениям, синапс преобразует его в другой импульс, идущий вниз по ветвящимся дендритам нейрона, получающего сигнал, и меняет его мембранное напряжение в положительную или отрицательную сторону.

Связность – критическая особенность мозга. Пирамидальный нейрон – особенно важный тип клеток человеческого неокортекса – содержит порядка 30 000 синапсов, то есть 30 000 входных каналов от других нейронов. И мозг постоянно приспосабливается. Нейрон и свойства синапса – и даже сама структура сети – постоянно изменяются, в основном под воздействием входных данных с органов чувств и обратной связи окружающей среды.

Современные компьютеры общего назначения цифровые, а не аналоговые; мозг классифицировать не так-то просто. Нейроны накапливают электрический заряд, как конденсаторы в электронных схемах. Это явно аналоговый процесс. Но мозг использует всплески в качестве единиц информации, а это в основе своей двоичная схема: в любое время в любом месте всплеск либо есть, либо его нет. В терминах электроники, мозг – система со смешанными сигналами, с локальными аналоговыми вычислениями и передачей информацией при помощи двоичных всплесков. Поскольку у всплеска есть только значения 0 или 1, он может пройти большое расстояние, не теряя этой основной информации. Он также воспроизводится, достигая следующего нейрона в сети.

Ещё одно ключевое отличие мозга и компьютера – мозг справляется с обработкой информации без центрального тактового генератора, синхронизирующего его работу. Хотя мы и наблюдаем синхронизирующие события – мозговые волны – они организуются сами, возникая как результат работы нейросетей. Что интересно, современные компьютерные системы начинают перенимать асинхронность, свойственную мозгу, чтобы ускорить вычисления, выполняя их параллельно. Но степень и цель параллелизации двух этих систем крайне различны.

У идеи использования мозга в качестве модели для вычислений глубокие корни. Первые попытки были основаны на простом пороговом нейроне , выдающем одно значение, если сумма взвешенных входящих данных превышает порог, и другое – если не превышает. Биологический реализм такого подхода, задуманного Уорреном Маккалохом и Уолтером Питтсом в 1940-х, весьма ограничен. Тем не менее, это был первый шаг к применению концепции срабатывающего нейрона в качестве элемента вычислений.

В 1957 году Фрэнк Розенблатт предложил другой вариант порогового нейрона, перцептрон . Сеть из взаимосвязанных узлов (искусственных нейронов) составляется слоями. Видимые слои на поверхности сети взаимодействуют с внешним миром в качестве входов и выходов, а скрытые слои, находящиеся внутри, выполняют все вычисления.

Розенблатт также предложил использовать основную особенность мозга: сдерживание. Вместо того, чтобы складывать все входы, нейроны в перцептроне могут вносить и отрицательный вклад. Эта особенность позволяет нейросетям использовать единственный скрытый слой для решения задач на XOR в логике, в которых выход равен истине, если только один из двух двоичных входов истинный. Этот простой пример показывает, что добавление биологического реализма может добавлять и новые вычислительные возможности. Но какие функции мозга необходимы для его работы, а какие – бесполезные следы эволюции? Никто не знает.

Нам известно, что впечатляющих вычислительных результатов можно добиться и без попыток создать биологический реализм. Исследователи глубинного обучения продвинулись очень далеко в деле использования компьютеров для анализа крупных объёмов данных и выделения определённых признаков из сложных изображений. Хотя созданные ими нейросети обладают большим количеством входов и скрытых слоёв, чем когда бы то ни было, они всё-таки основаны на крайне простых моделях нейронов. Их широкие возможности отражают не биологический реализм, а масштаб содержащихся в них сетей и мощность используемых для их тренировки компьютеров. Но сетям с глубинным обучением всё ещё очень далеко до вычислительных скоростей, энергетической эффективности и возможностей обучения биологического мозга.

Огромный разрыв между мозгом и современными компьютерами лучше всего подчёркивают крупномасштабные симуляции мозга. За последние годы было сделано несколько таких попыток, но все они были жёстко ограничены двумя факторами: энергией и временем симуляции. К примеру, рассмотрим симуляцию , проведённую Маркусом Дайсманом с его коллегами несколько лет назад при использовании 83 000 процессоров на суперкомпьютере К в Японии. Симуляция 1,73 млрд нейронов потребляла в 10 млрд раз больше энергии, чем эквивалентный участок мозга, хотя они и использовали чрезвычайно упрощённые модели и не проводили никакого обучения. И такие симуляции обычно работали более чем в 1000 раз медленнее реального времени биологического мозга.

Почему же они такие медленные? Симуляция мозга на обычных компьютерах требует вычисления миллиардов дифференциальных уравнений, связанных между собой, и описывающих динамику клеток и сетей: аналоговые процессы вроде перемещения заряда по клеточной мембране. Компьютеры, использующие булевскую логику – меняющую энергию на точность – и разделяющие память и вычисления, крайне неэффективно справляются с моделированием мозга.

Эти симуляции могут стать инструментом познания мозга, передавая полученные в лаборатории данные в симуляции, с которыми мы можем экспериментировать, а затем сравнивать результаты с наблюдениями. Но если мы надеемся идти в другом направлении и использовать уроки нейробиологии для создания новых вычислительных систем, нам необходимо переосмыслить то, как мы разрабатываем и создаём компьютеры.

Нейроны в кремнии.

Копирование работы мозга при помощи электроники может быть более выполнимым, чем это кажется на первый взгляд. Оказывается, что на создание электрического потенциала в синапсе тратится примерно 10 фДж (10 -15 джоулей). Затвор металл-оксид-полупроводникового (МОП) транзистора, значительно более крупного и потребляющего больше энергии, чем те, что используются в ЦП, требует для заряда лишь 0,5 фДж. Получается, что синаптическая передача эквивалентна зарядке 20 транзисторов. Более того, на уровне устройств биологические и электронные схемы не так уж сильно различаются. В принципе можно создать структуры, подобные синапсам и нейронам, из транзисторов, и соединить их так, чтобы получить искусственный мозг, не поглощающий таких вопиющих объёмов энергии.

Идея о создании компьютеров при помощи транзисторов, работающих как нейроны, появилась в 1980-х у профессора Карвера Мида из Калтеха. Одним из ключевых аргументов Мида в пользу «нейроморфных» компьютеров было то, что полупроводниковые устройства могут, работая в определённом режиме, следовать тем же физическим законам, что и нейроны, и что аналоговое поведение можно использовать для расчётов с большой энергоэффективностью.

Группа Мида также изобрела платформу для нейрокоммуникаций, в которой всплески кодируются только их адресами в сети и временем возникновения. Эта работа стала новаторской, поскольку она первой сделала время необходимой особенностью искусственных нейросетей. Время – ключевой фактор для мозга. Сигналам нужно время на распространение, мембранам – время на реакцию, и именно время определяет форму постсинаптических потенциалов.

Несколько активных сегодня исследовательских групп, например, группа Джиакомо Индивери из Швейцарской высшей технической школы и Квабены Боахен из Стэнфорда, пошли по стопам Мида и успешно внедрили элементы биологических корковых сетей. Фокус в том, чтобы работать с транзисторами при помощи тока низкого напряжения, не достигающего их порогового значения, создавая аналоговые схемы, копирующие поведение нервной системы, и при этом потребляющие немного энергии.

Дальнейшие исследования в этом направлении могут найти применение в таких системах, как интерфейс мозг-компьютер. Но между этими системами и реальным размером сети, связности и способностью к обучению животного мозга существует огромный разрыв.

Так что в районе 2005 году три группы исследователей независимо начали разрабатывать нейроморфные системы, существенно отличающиеся от изначального подхода Мида. Они хотели создать крупномасштабные системы с миллионами нейронов.

Ближе всех к обычным компьютерам стоит проект SpiNNaker , руководимый Стивом Фёрбером из Манчестерского университета. Эта группа разработала собственный цифровой чип, состоящий из 18 процессоров ARM, работающих на 200 МГц – примерно одна десятая часть скорости современных CPU. Хотя ядра ARM пришли из мира классических компьютеров, они симулируют всплески, отправляемые через особые маршрутизаторы, разработанные так, чтобы передавать информацию асинхронно – прямо как мозг. В текущей реализации, являющейся частью проекта Евросоюза «Человеческий мозг» , и завершённой в 2016 году, содержится 500 000 ядер ARM. В зависимости от сложности модели нейрона, каждое ядро способно симулировать до 1000 нейронов.

Чип TrueNorth, разработанный Дармендра Мода и его коллегами из Исследовательской лаборатории IBM в Альмадене, отказывается от использования микропроцессоров как вычислительных единиц, и представляет собой на самом деле нейроморфную систему, в которой переплелись вычисления и память. TrueNorth всё равно остаётся цифровой системой, но основана она на специально разработанных нейроконтурах, реализующих определённую модель нейрона. В чипе содержится 5,4 млрд транзисторов, он построен по 28-нм технологии Samsung КМОП (комплементарная структура металл-оксид-полупроводник). Транзисторы эмулируют 1 млн нейроконтуров и 256 млн простых (однобитных) синапсов на одном чипе.

Я бы сказал, что следующий проект, BrainScaleS , отошёл довольно далеко от обычных компьютеров и приблизился к биологическому мозгу. Над этим проектом работали мы с моими коллегами из Гейдельбергского университета для европейской инициативы «Человеческий мозг». BrainScaleS реализует обработку смешанных сигналов. Он комбинирует нейроны и синапсы, в роли которых выступают кремниевые транзисторы, работающие как аналоговые устройства с цифровым обменом информацией. Полноразмерная система состоит из 8-дюймовых кремниевых подложек и позволяет эмулировать 4 млн нейронов и 1 млрд синапсов.

Система может воспроизводить девять различных режимов срабатывания биологических нейронов, и разработана в тесном сотрудничестве с нейробиологами. В отличие от аналогового подхода Мида, BrainScaleS работает в ускоренном режиме, его эмуляция в 10 000 раз быстрее реального времени. Это особенно удобно для изучения процесса обучения и развития.

Обучение, скорее всего, станет критическим компонентом нейроморфных систем. Сейчас чипы, сделанные по образу мозга, а также нейросети, работающие на обычных компьютерах, тренируются на стороне при помощи более мощных компьютеров. Но если мы хотим использовать нейроморфные системы в реальных приложениях – допустим, в роботах, которые должны будут работать бок о бок с нами, они должны будут уметь учиться и адаптироваться на лету.

Во втором поколении нашей системы BrainScaleS мы реализовали возможность обучения, создав на чипе «обработчики гибкости». Они используются для изменения широкого спектра параметров нейронов и синапсов. Эта возможность позволяет нам точно подстраивать параметры для компенсации различий в размере и электрических свойствах при переходе от одного устройства к другому – примерно как сам мозг подстраивается под изменения.

Три описанных мной крупномасштабных системы дополняют друг друга. SpiNNaker можно гибко настраивать и использовать для проверки разных нейромоделей, у TrueNorth высока плотность интеграции, BrainScaleS разработана для постоянного обучения и развития. Поиски правильного способа оценки эффективности таких систем пока продолжаются. Но и ранние результаты многообещающие. Группа TrueNorth от IBM недавно подсчитала, что синаптическая передача в их системе отнимает 26 пДж. И хотя это в 1000 раз больше энергии, требующейся в биологической системе, зато это почти в 100 000 раз меньше энергии, уходящей на передачу в симуляции на компьютерах общего назначения.

Мы всё ещё находимся на ранней стадии понимания того, что могут делать такие системы и как их применять к решению реальных задач. Одновременно мы должны найти способы комбинировать множество нейроморфных чипов в крупные сети с улучшенными возможностями к обучению, при этом понижая энергопотребление. Одна из проблем – связность: мозг трёхмерный, а наши схемы – двумерные. Вопрос трёхмерной интеграции схем сейчас активно изучают, и такие технологии могут нам помочь.

Ещё одним подспорьем могут стать устройства, не основанные на КМОП – мемристоры или PCRAM (память с изменением фазового состояния). Сегодня веса, определяющие реакцию искусственных синапсов на входящие сигналы, хранятся в обычной цифровой памяти, отнимающей большую часть кремниевых ресурсов, необходимых для построения сети. Но другие виды памяти могут помочь нам уменьшить размеры этих ячеек с микрометровых до нанометровых. И основной трудностью современных систем будет поддержка различий между разными устройствами. Для этого смогут помочь принципы калибровки, разработанные в BrainScaleS.

Мы только начали свой путь по дороге к практичным и полезным нейроморфным системам. Но усилия стоят того. В случае успеха мы не только создадим мощные вычислительные системы; мы даже можем получить новую информацию о работе нашего собственного мозга.

Как бы они ни старались, нейрофизиологи и когнитивные психологи никогда не найдут в мозгу копию пятой симфонии Бетховена или копии слов, изображений, грамматических правил или любых других внешних раздражителей. Человеческий мозг, конечно, пуст не в буквальном смысле. Но он не содержит большинство вещей, которые, по мнению людей, должен - в нем нет даже таких простых объектов, как «воспоминания».

Наше ложное представление о мозге имеет глубокие исторические корни, но изобретение компьютера в сороковых годах прошлого века особенно запутало нас. Вот уже больше полувека психологи, лингвисты, нейрофизиологи и другие исследователи человеческого поведения заявляют: человеческий мозг работает подобно компьютеру.

Чтобы понять всю поверхностность этой идеи, давайте представим, что мозг - это младенец. Благодаря эволюции новорожденные люди, как и новорожденные любого другого вида млекопитающих, входят в этот мир готовыми к эффективному с ним взаимодействию. Зрение ребенка расплывчато, но он уделяет особое внимание лицам и быстро может распознать лицо матери среди других. Он предпочитает звук голоса другим звукам, он может отличить один базовый речевой звук от другого. Мы, без сомнения, построены с оглядкой на социальное взаимодействие.

Здоровый новорожденный обладает более чем десятком рефлексов - готовых реакций на определенные раздражители; они нужны для выживания. Ребенок поворачивает голову в направлении того, что щекочет ему щеку, и сосет все, что попадает в рот. Он задерживает дыхание, когда погружается в воду. Он хватает вещи, которые попадают ему в руки, так сильно, что почти повисает на них. Возможно, самое важное заключается в том, что младенцы появляются в этом мире с весьма мощными механизмами обучения, которые позволяют им стремительно изменяться так, чтобы они могли взаимодействовать с миром с возрастающей эффективностью, даже если этот мир и не похож на тот, с которым сталкивались их дальние предки.

Чувства, рефлексы и механизмы обучения - все то, с чем мы начинаем, и по правде говоря, этих вещей довольно много, если задуматься. Если бы у нас не было одной из этих возможностей с рождения, нам было бы значительно труднее выжить.

Но есть и то, с чем мы не родились: информация, данные, правила, программное обеспечение, знания, лексикон, представления, алгоритмы, программы, модели, воспоминания, образы, обработка, подпрограммы, кодеры и декодеры, символы и буферы - дизайнерские элементы, которые позволяют цифровым компьютерам вести себя таким образом, который несколько напоминает разумный. Мы не просто не рождаемся с этим - мы это в себе не развиваем . Никогда.

Мы не храним слова или правила, сообщающие нам, как их использовать. Мы не создаем визуальные проекции раздражителей, не храним их в буфере кратковременной памяти, а после этого не передаем их в хранилище памяти долговременной. Мы не извлекаем информацию или образы и слова из реестров памяти. Этим занимаются компьютеры, но не организмы.

Компьютеры в буквальном смысле слова обрабатывают информацию ― числа, буквы, слова, формулы, изображения. Информация изначально должна быть закодирована в формат, которым могут пользоваться компьютеры, а значит, она должна быть представлена в виде единиц и нулей («битов»), которые собраны в маленькие блоки («байты»). На моем компьютере, где каждый байт содержит 8 бит, некоторые из них обозначают букву «К», другие ― «О», третьи ― «Т». Таким образом все эти байты образуют слово «КОТ». Одно единственное изображение – скажем, фотография моего кота Генри на рабочем столе ― представлена особенным рисунком миллиона таких байтов («один мегабайт»), определенных специальными символами, которые сообщают компьютеру, что это фотография, а не слово.

Компьютеры в буквальном смысле перемещают эти рисунки с места на место в различных отсеках физического хранилища, выделенных внутри электронных компонентов. Иногда они копируют рисунки, а иногда изменяют их самыми разнообразными способами ― скажем, когда мы исправляем ошибку в документе или ретушируем фотографию. Правила, которым следует компьютер для перемещения, копирования или оперирования этими слоями данных также хранятся внутри компьютера. Собранные воедино наборы правил называются «программами» или «алгоритмами». Группа алгоритмов, которые работают совместно для помощи нам в чем-то (например, при покупке акций или поиске данных онлайн) называется «приложением».

Прошу меня простить за это введение в мир компьютеров, но мне нужно, чтобы вам было все предельно ясно: компьютеры в действительности работают над той стороной нашего мира, которая состоит из символов . Они действительно хранят и извлекают . Они действительно обрабатывают . У них действительно есть физические воспоминания . Они действительно управляются алгоритмами во всем, что делают, без каких-либо исключений.

С другой стороны, люди так не делают - никогда не делали и делать не будут. Учитывая это, хочется спросить: почему же так много ученых рассуждают о нашем психическом здоровье так, будто бы мы и есть компьютеры?

В своей книге «In Our Own Image» (2015) эксперт в области искусственного интеллекта Джордж Заркадакис описывает шесть различных метафор, которые люди использовали в течение двух последних тысячелетий, пытаясь описать человеческий интеллект.

В самой первой, библейской, люди были созданы из глины и грязи, которую затем разумный Бог наделил своей душой, «объясняя» наш интеллект - по крайней мере, грамматически.

Изобретение гидравлической техники в 3 веке до н.э. привело к популяризации гидравлических моделей человеческого интеллекта, идеи о том, что различные жидкости нашего тела - т.н. «телесные жидкости» - имеют отношение как к физическому, так и к психическому функционированию. Метафора сохранялась более 16-ти столетий и все это время применялась в медицинской практике.

К 16-му веку были разработаны автоматические механизмы, приводимые в движение пружинами и шестеренками; они наконец вдохновили ведущих мыслителей того времени, таких как Рене Декарт, на гипотезу о том, что люди представляют собой сложные машины. В 17-м веке британский философ Томас Гоббс предположил, что мышление возникло из-за механических колебаний в мозге. К началу 18-го века открытия в области электричества и химии привели к новым теориям человеческого интеллекта - и они опять же, имели метафорический характер. В середине того же столетия немецкий физик Герман фон Гельмгольц, вдохновленный достижениями в области связи, сравнил мозг с телеграфом.

Каждая метафора отражала самые передовые идеи эпохи, которая ее породила. Как и следовало того ожидать, почти на заре компьютерных технологий, в 40-х годах прошлого века, мозг по принципу работы был сравнен с компьютером, при этом роль хранилища была отдана самому мозгу, а роль программного обеспечения - нашим мыслям. Знаковым событием, с которого началось то, что сейчас называется «когнитивистикой», стала публикация книги психолога Джорджа Миллера «Язык и общение» (1951). Миллер предположил, что ментальный мир можно изучать с помощью концепций информационной, вычислительной и лингвистической теорий.

Такой образ мыслей получил свое окончательное выражение в небольшой книге «Компьютер и мозг» (1958), в которой математик Джон фон Нейман категорично заявил: функция нервной системы человека является «в первую очередь цифровой». Хотя он признал, что тогда в самом деле было очень мало известно о той роли, которую мозг играет в мышлении и памяти, он проводил параллели за параллелями между компонентами ЭВМ того времени и компонентами человеческого мозга.

Движимая последующими достижениями в области компьютерных технологий и исследований мозга, а также амбициозным междисциплинарным стремлением познать природу постепенно развивающегося человеческого интеллекта, в умах людей прочно засела идея о том, что люди, подобно компьютерам, являются информационными процессорами. Сегодня это направление включает в себя тысячи исследований, потребляет миллиарды долларов финансирования, оно породило обширный пласт литературы, состоящий как из технических, так и из иных статей и книг. Книга Рэя Курцвейла «Как создать разум» (2013) иллюстрирует эту точку зрения, спекулируя на «алгоритмах» мозга, на том, как мозг «обрабатывает данные», и даже на внешнем его сходстве с интегральными схемами и их структурами.

Метафора человеческого мозга, построенная на обработке информации (здесь и далее IP-метафора, от Information Processing - прим. Newoчём ), в наши дни доминирует в умах людей, как среди обывателей, так и в среде ученых. По факту не существует дискурса по поводу разумного человеческого поведения, который бы проходил без применения этой метафоры, равно как и то, что подобные дискурсы не могли возникать в определенные эпохи и внутри определенной культуры без отсылок к духам и божествам. Справедливость метафоры об обработке информации в современном мире, как правило, подтверждается без каких-либо проблем.

Однако IP-метафора - только одна из многих, это лишь история, которую мы рассказываем, чтобы придать смысл чему-то, чего мы сами не понимаем. И, как и все предшествующие метафоры, эта, безусловно, в какой-то момент будет отброшена - заменена или очередной метафорой, или истинным знанием.

Чуть больше года назад при посещении одного из самых престижных исследовательских институтов я бросил вызов ученым: объяснить разумное человеческое поведение без отсылок к любому из аспектов IP-метафоры об обработке информации. Они этого сделать не смогли , а когда я снова вежливо поднял вопрос об этом в последующей электронной переписке, спустя месяцы они так ничего и не смогли предложить. Они понимали, в чем проблема, не открестились от задачи. Но они не могли предложить альтернативу. Другими словами, IP-метафора «прилипла» к нам. Она обременяет наше мышление словами и идеями, настолько серьезными, что у нас возникают проблемы при попытке их понять.

Ложная логика IP-метафоры достаточно проста в формулировке. Она основывается на ложном аргументе с двумя разумными предположениями и единственным ложным выводом. Разумное предположение № 1: все компьютеры способны вести себя разумно. Разумное предположение № 2: все компьютеры есть информационные процессоры. Ложный вывод: все объекты, способные на разумную деятельность, являются информационными процессорами.

Если отбросить формальную терминологию, идея того, что люди являются информационными процессорами лишь потому, что компьютеры являются таковыми, звучит глупо, а когда однажды IP-метафора в конце концов изживет себя, когда от нее окончательно откажутся, она почти наверняка будет рассматриваться историками именно так, как мы сейчас смотрим на высказывания о гидравлической или механической природе человека.

Если эта метафора так глупа, почему она все еще правит нашими умами? Что удерживает нас от того, чтобы отбросить ее в сторону как ненужную, так же, как мы отбрасываем ветку, которая преграждает нам путь? Существует ли способ понять человеческий интеллект, не опираясь на выдуманные костыли? И какой ценой нам обойдется столь долгое использование этой опоры? Данная метафора, в конце концов, вдохновила писателей и мыслителей на огромное количество исследований в самых разных областях науки на протяжении десятилетий. Какой ценой?

В аудитории на занятии, которое я проводил за эти годы уже множество раз, я начинаю с выбора добровольца, которому говорю нарисовать купюру в один доллар на доске. «Побольше деталей», - говорю я. Когда он заканчивает, я закрываю рисунок листом бумаги, достаю купюру из кошелька, приклеиваю ее к доске и прошу студента повторить задание. Когда он или она заканчивает, я убираю лист бумаги с первого рисунка и тогда класс комментирует различия.

Возможно, вы никогда не видели подобной демонстрации, или, быть может, у вас могут возникнуть проблемы с тем, чтобы представить результат, поэтому я попросил Джинни Хён, одну из интернов в институте, где я провожу свои исследования, сделать два рисунка. Вот рисунок «по памяти» (обратите внимание на метафору):

А вот рисунок, который она сделала с использованием банкноты:

Джинни была так же удивлена исходом дела, как, возможно, удивлены и вы, но в этом нет ничего необычного. Как вы видите, рисунок, выполненный без опоры на купюру, ужасен в сравнении с тем, что был срисован с образца, несмотря на то, что Джинни видела долларовую купюру тысячи раз.

Так в чем дело? Разве у нас нет «загруженного» в мозговой «регистр памяти» «представления» о том, как выглядит долларовая банкнота? Неужели мы не можем просто-напросто «извлечь» его оттуда и использовать при создании нашего рисунка?

Конечно, нет, и даже тысячи лет исследования в области неврологии не помогут обнаружить представление о виде долларовой банкноты, сохраненное в человеческом мозге, просто потому, что его там нет.

Значительный объем исследований мозга показывает, что в действительности многочисленные и иногда обширные участки мозга зачастую вовлечены в, казалось бы, самые банальные задачи по запоминанию информации. Когда человек испытывает сильные эмоции, в мозгу могут активизироваться миллионы нейронов. В 2016 году нейрофизиолог из Университета Торонто Брайан Левин с коллегами провел исследование , в котором приняли участие люди, выжившие в авиакатастрофе, позволившее прийти к выводу, что события аварии способствовали росту нейронной активности в «мозжечковой миндалине, медиальной височной доле, передней и задней срединной линии, а также в зрительной коре пассажиров».

Выдвинутая рядом ученых идея о том, что специфические воспоминания каким-то образом сохраняются в отдельных нейронах , абсурдна; если уж на то пошло, это предположение лишь возводит вопрос памяти на еще более сложный уровень: как и где, в конечном счете, память записана в клетку?

Итак, что происходит, когда Джинни рисует долларовую банкноту, не пользуясь образцом? Если Джинни никогда прежде не видела купюру, ее первый рисунок, вероятно, ни в коей мере не будет похож на второй. Тот факт, что она видела долларовые банкноты прежде, каким-то образом изменил ее. Собственно, ее мозг был изменен так, что она смогла наглядно представить себе банкноту - что, в сущности, эквивалентно - по крайней мере, отчасти - тому, чтобы заново переживать ощущение зрительного контакта с купюрой.

Различие между двумя набросками напоминает нам, что визуализация чего-либо (что представляет собой процесс воссоздания зрительного контакта с тем, что больше не находится у нас перед глазами) намного менее точна, чем если бы мы по-настоящему видели что-либо. Именно поэтому нам намного лучше удается узнавать, нежели вспоминать. Когда мы ре-продуцируем что-то в памяти (От латинского re - «снова», и produce - «создавать»), мы должны попробовать снова пережить столкновение с предметом или явлением; однако когда мы узнаем что-то, мы всего лишь должны отдавать себе отчет в том, что ранее у нас уже был опыт субъективного восприятия этого объекта или явления.

Возможно, у вас есть что возразить на это доказательство. Джинни видела долларовые банкноты и раньше, однако она не предпринимала осознанных усилий к тому, чтобы «запомнить» детали. Вы можете заявить, что, если бы она так поступила, она, возможно, смогла бы нарисовать второе изображение, не пользуясь образцом долларовой купюры. Однако даже в этом случае никакое изображение банкноты не было никоим образом «сохранено» в мозгу Джинни . У нее просто возросла степень подготовленности к тому, чтобы нарисовать ее с соблюдением деталей, так же, как, посредством практики, пианист становится искуснее в исполнении фортепианных концертов, при этом не загружая в себя копию нот.

Исходя из этого простого эксперимента, мы можем начать выстраивать основу свободной от метафор теории интеллектуального поведения человека - одну из тех теорий, согласно которым мозг не полностью пуст , однако по меньшей мере свободен от груза IP-метафор.

По мере того, как мы движемся по жизни, мы подвергаемся воздействию множества происходящих с нами событий. Следует особо отметить три типа опыта: 1) Мы наблюдаем за тем, что происходит вокруг нас (как ведут себя другие люди, звуки музыки, адресованные нам указания, слова на страницах, изображения на экранах); 2) Мы подвержены сочетанию незначительных стимулов (к примеру, сирены) и важных стимулов (появление полицейских машин); 3) Мы бываем наказаны или вознаграждены за то, что ведем себя определенным образом.

Мы становимся эффективнее, если меняемся сообразно этому опыту - если теперь мы можем рассказать стихотворение или спеть песню, если мы способны следовать данным нам указаниям, если мы реагируем на незначительные стимулы так же, как и на важные, если мы стараемся не вести себя так, чтобы нас наказали, и чаще ведем себя таким образом, чтобы получить награду.

Несмотря на вводящие в заблуждение заголовки, никто не имеет ни малейшего представления о том, какие изменения происходят в мозге после того, как мы научились петь песню или выучили стихотворение. Однако ни песни, ни стихотворения не были «загружены» в наш мозг. Он просто упорядоченноизменился таким образом, что теперь мы можем петь песню или рассказывать стихотворение, если соблюдены определенные условия. Когда нас просят выступить, ни песня, ни стихотворение не «извлекаются» из какого-то места в мозге - точно так же, как не «извлекаются» движения моих пальцев, когда я барабаню по столу. Мы просто поем или рассказываем - и никакого извлечения нам не нужно.

Популярно утверждение, что человеческий мозг мощнее любого компьютера.
В настоящей заметке такая постоновка вопроса подвергается сомнению.
И предлагается рассматривать мозг с иных позиций.

Фёдор Проходский, редактор

Ваш мозг не обрабатывает информацию, не извлекает знания и не хранит воспоминания. Короче говоря, ваш мозг - не компьютер. Американский психолог Роберт Эпштейн объясняет, почему представление о мозге как о машине неэффективно ни для развития науки, ни для понимания человеческой природы.

Несмотря на все усилия, неврологи и когнитивные психологи никогда не найдут в мозге копии Пятой симфонии Бетховена, слов, картинок, грамматических правил или любых других внешних сигналов. Конечно же, мозг человека не совсем уж пустой. Но он не содержит большинства вещей, которые, по мнению людей, в нем содержатся - даже таких простых вещей, как «воспоминания».

Наше ложное представление о мозге имеет глубокие исторические корни, но особенно запутало нас изобретение компьютеров в 1940-х годах. На протяжении полувека психологи, лингвисты, нейрофизиологи и другие эксперты по вопросам человеческого поведения утверждали, что человеческий мозг работает подобно компьютеру.

Чтобы представить, насколько легкомысленна эта идея, рассмотрим мозг младенцев. Здоровый новорожденный обладает более чем десятью рефлексами. Он поворачивает голову в том направлении, где ему чешут щечку, и всасывает все, что попадает в рот. Он задерживает дыхание при погружении в воду. Он так сильно хватает вещи, попавшие ему в руки, что почти может удерживать свой собственный вес. Но, возможно, важнее всего то, что новорожденные обладают мощными механизмами обучения, позволяющими им быстро изменяться, чтобы они могли более эффективно взаимодействовать с окружающим миром.

Чувства, рефлексы и механизмы обучения - это то, что есть у нас с самого начала, и, если задуматься, это достаточно много. Если бы нам не хватало каких-либо из этих способностей, наверное, нам было бы трудно выжить.

Но вот, чего в нас нет с рождения: информации, данных, правил, знаний, лексики, представлений, алгоритмов, программ, моделей, воспоминаний, образов, процессоров, подпрограмм, кодеров, декодеров, символов и буферов - элементов, которые позволяют цифровым компьютерам вести себя в какой-то степени разумно. Мало того, что этих вещей нет в нас с рождения, они не развиваются в нас и при жизни.

Мы не храним слова или правила, говорящие нам, как ими пользоваться. Мы не создаем образы визуальных импульсов, не храним их в буфере кратковременной памяти и не передаем затем образы в устройство долгосрочной памяти. Мы не вызываем информацию, изображения или слова из реестра памяти. Все это делают компьютеры, но не живые существа.

Компьютеры в буквальном смысле слова обрабатывают информацию - цифры, слова, формулы, изображения. Сначала информация должна быть переведена в формат, который может распознать компьютер, то есть в наборы единиц и нулей («битов»), собранные в небольшие блоки («байты»).

Компьютеры перемещают эти наборы с места на место в различные области физической памяти, реализованной в виде электронных компонентов. Иногда они копируют наборы, а иногда различными способами трансформируют их - скажем, когда вы исправляете ошибки в рукописи или ретушируете фотографию. Правила, которым следует компьютер при перемещении, копировании или работе с массивом информации, тоже хранятся внутри компьютера. Набор правил называется «программой» или «алгоритмом». Совокупность работающих вместе алгоритмов, которую мы используем для разных целей (например, для покупки акций или знакомств в интернете) называется «приложением».

Это известные факты, но их нужно проговорить, чтобы внести ясность: компьютеры работают на символическом представлении мира. Они действительно хранят и извлекают. Они действительно обрабатывают. Они действительно имеют физическую память. Они действительно управляются алгоритмами во всем без исключения.

При этом люди ничего такого не делают. Так почему так много ученых говорит о нашей умственной деятельности так, как если бы мы были компьютерами?

В 2015 году эксперт по искусственному интеллекту Джордж Заркадакис выпустил книгу «По нашему образу», в которой он описывает шесть различных концепций, используемых людьми в течение последних двух тысяч лет для описания устройства человеческого интеллекта.

В наиболее ранней версии, изложенной в Библии, люди были созданы из глины или грязи, которую разумный Бог затем пропитал своим духом. Этот дух и «описывает» наш разум - по крайней мере, с грамматической точки зрения.

Изобретение гидравлики в III веке до нашей эры стало причиной популярности гидравлической концепции человеческого сознания. Идея состояла в том, что ток различных жидкостей в теле - «телесных жидкостей» - приходится и на физические, и на духовные функции. Гидравлическая концепция существовала на протяжении более чем 1600 лет, все это время затрудняя развитие медицины.

К XVI веку появились устройства, приводимые в действие пружинами и зубчатыми передачами, что вдохновило Рене Декарта на суждения о том, что человек - это сложный механизм. В XVII веке британский философ Томас Гоббс предположил, что мышление происходит благодаря небольшим механическим движениям в мозгу. К началу XVIII века открытия в области электричества и химии привели к появлению новой теории человеческого мышления, опять-таки имеющей больше метафорический характер. В середине XIX века немецкий физик Герман фон Гельмгольц, вдохновленный последними достижениями в области связи, сравнил мозг с телеграфом.

Математик Джон фон Нейман заявил, что функция человеческой нервной системы является «цифровой при отсутствии доказательств в пользу противного», проводя параллели между компонентами компьютерных машин того времени и участками человеческого мозга.

Каждая концепция отражает самые передовые идеи породившей её эпохи. Как и следовало ожидать, всего через несколько лет после зарождения компьютерных технологий в 1940-х годах стали утверждать, что мозг работает, как компьютер: роль физического носителя играл сам мозг, а наши мысли выступали в качестве программного обеспечения.

Такая точка зрения достигла максимального развития в книге «Компьютер и мозг» 1958 года, в которой математик Джон фон Нейман решительно заявил, что функция нервной системы человека является «цифровой при отсутствии доказательств в пользу противного». Хоть он и признавал, что о роли мозга в работе интеллекта и памяти известно очень мало, ученый проводил параллели между компонентами компьютерных машин того времени и участками человеческого мозга.

Благодаря последующим достижениям в области компьютерных технологий и исследования мозга, постепенно развивалось амбициозное междисциплинарное учение о человеческом сознании, в основе которого лежит идея о том, что люди, как и компьютеры - это информационные процессоры. Эта работа в настоящее время включает в себя тысячи исследований, получает миллиарды долларов финансирования, и становится темой для множества трудов. Книга Рэя Курцвейла «Как создать разум: Раскрытие тайны человеческого мышления», выпущенная в 2013 году, иллюстрирует эту точку зрения, описывает «алгоритмы» мозга, методы «обработки информации» и даже то, как он внешне напоминает в своей структуре интегральные схемы.

Представление о человеческом мышлении как об устройстве обработки информации (ОИ) в настоящее время доминирует в человеческом сознании как среди обычных людей, так и среди ученых. Но это, в конце концов, просто еще одна метафора, вымысел, который мы выдаем за действительность, чтобы объяснить то, что на самом деле не понимаем.

Несовершенную логику концепции ОИ довольно легко сформулировать. Она основана на ошибочном силлогизме с двумя разумными предположениями и неверным выводом. Разумное предположение №1: все компьютеры способны на разумное поведение. Разумное предположение №2: все компьютеры являются информационными процессорами. Неверное заключение: все объекты, способные вести себя разумно - информационные процессоры.

Если забыть о формальностях, то идея о том, что люди должны быть информационными процессорами, только потому, что компьютеры являются таковыми – это полная глупость, и когда от концепции ОИ окончательно откажутся, наверняка историками она будет рассматриваться с этой же точки зрения, как сейчас для нас выглядят чушью гидравлическая и механическая концепции.

Проведите эксперимент: нарисуйте сторублевую купюру по памяти, а потом достаньте ее из кошелька и скопируйте. Видите разницу?

Рисунок, сделанный в отсутствие оригинала, наверняка окажется ужасен в сравнении с рисунком, сделанным с натуры. Хотя вообще-то вы видели эту купюру не одну тысячу раз.

В чем проблема? Разве «образ» банкноты не должен «храниться» в «запоминающем регистре» нашего мозга? Почему мы не можем просто «обратиться» к этому «образу» и изобразить его на бумаге?

Очевидно, нет, и тысячи лет исследований не позволят определить расположение образа этой купюры в мозге человека просто потому, что его там нет.

Продвигаемая некоторыми учеными идея о том, что отдельные воспоминания каким-то образом хранятся в специальных нейронах, абсурдна. Помимо прочего эта теория выводит вопрос об устройстве памяти на еще более неразрешимый уровень: как и где тогда память хранится в клетках?

Сама идея того, что воспоминания хранятся в отдельных нейронах, абсурдна: как и где в клетке может храниться информация?

Нам никогда не придется беспокоиться о том, что человеческий разум выйдет из-под контроля в киберпространстве, и нам никогда не удастся достичь бессмертия, скачав душу на другой носитель.

Одно из предсказаний, которое в том или ином виде высказывали футуролог Рэй Курцвейл, физик Стивен Хокинг и многие другие, заключается в том, что если сознание человека подобно программе, то скоро должны появиться технологии, которые позволят загрузить его на компьютер, тем самым многократно усилив интеллектуальные способности и сделав возможным бессмертие. Эта идея легла в основу сюжета фильма-антиутопии «Превосходство» (2014), в котором Джонни Депп сыграл ученого, похожего на Курцвейла. Он загрузил свой разум в интернет, чем вызвал разрушительные последствия для человечества.

К счастью, концепция ОИ даже близко не имеет ничего общего с действительностью, так что нам не стоит волноваться о том, что человеческий разум выйдет из-под контроля в киберпространстве, и, как это ни прискорбно, нам никогда не удастся достичь бессмертия, скачав душу на другой носитель. Дело не только в отсутствии какого-то ПО в мозге, проблема здесь еще глубже – назовем ее проблемой уникальности, и она одновременно восхищает и угнетает.

Поскольку в нашем мозге нет ни «запоминающих устройств», ни «образов» внешних раздражителей, а в ходе жизни мозг меняется под действием внешних условий, нет повода считать, что любые два человека в мире реагируют на одно и то же воздействие одинаково. Если вы и я посетим один и тот же концерт, изменения, которые произойдут в вашем мозге после прослушивания, будут отличаться от изменений, которые произойдут в моем мозге. Эти изменения зависят от уникальной структуры нервных клеток, которая формировалась в ходе всей предыдущей жизни.

Именно поэтому, как написал Фредерик Бартлетт в 1932 году в книге «Память», два человека, услышавшие одну и ту же историю, не смогут пересказать ее полностью одинаково, а со временем их версии истории будут все меньше походить друг на друга.

По-моему, это очень вдохновляет, ведь это значит, что каждый из нас по-настоящему уникален, не только по набору генов, но и по тому, как меняется наш мозг со временем. Однако это также и угнетает, ведь это делает и без того трудную работу нейробиологов практически неразрешимой. Каждое изменение может затронуть тысячи, миллионы нейронов или весь мозг целиком, причем природа этих изменений в каждом случае тоже уникальна.

Хуже того, даже если бы мы смогли записать состояние каждого из 86 миллиардов нейронов мозга и сымитировать все это на компьютере, эта громадная модель оказалась бы бесполезной вне тела, которому принадлежит данный мозг. Это, пожалуй, самое досадное заблуждение об устройстве человека, которым мы обязаны ошибочной концепции ОИ.

В компьютерах хранятся точные копии данных. Они могут оставаться без изменений долгое время даже при отключении питания, в то время как мозг поддерживает наш интеллект, только пока он остается живым. Нет никакого рубильника. Либо мозг будет работать без остановки, либо нас не станет. Более того, как отметил нейробиолог Стивен Роуз в 2005 году в работе «Будущее мозга», копия текущего состояния мозга может быть бесполезна и без знания полной биографии его владельца, даже включая социальный контекст, в котором рос человек.

Тем временем огромные средства расходуются на исследования мозга, основанные на ложных идеях и обещаниях, которые не будут исполнены. Так, в Евросоюзе был запущен проект исследования человеческого мозга стоимостью $1,3 млрд. Европейские власти поверили заманчивым обещаниям Генри Маркрэма создать к 2023 году действующий симулятор работы мозга на базе суперкомпьютера, который бы в корне изменил подход к лечению болезни Альцгеймера и других недугов, и обеспечили проекту практически безграничное финансирование. Меньше чем через два года после запуска проекта он обернулся провалом, и Маркрэма попросили уйти в отставку.

Люди – это живые организмы, а не компьютеры. Примите это. Нужно продолжать тяжелую работу по пониманию самих себя, но не тратить время на ненужный интеллектуальный багаж. За полвека существования концепция ОИ дала нам всего несколько полезных открытий. Настало время нажать на кнопку Delete.

Печально осознавать, что в эпоху технического прогресса человеческий мозг по-прежнему остаётся загадкой. Кроме того, мы тратим миллионы долларов на развитие гигантских суперкомпьютеров и используем огромное количество энергии из невосполнимых ресурсов, чтобы обеспечить питанием эти приборы. А сравнительно маленький по размерам человеческий мозг по многим показателям по-прежнему превосходит самые мощные компьютеры. /сайт/

Суперкомпьютеру требуется 82 944 процессоров и 40 минут работы, чтобы симулировать одну секунду мозговой активности человека.

В прошлом году суперкомпьютер K использовался учёными из Окинавского технологического университета в Японии и Исследовательского центра Юлих в Германии в попытке симулировать 1 секунду активности человеческого мозга.

Компьютер смог воссоздать модель из 1,73 миллиарда нейронов (нервных клеток). Однако в человеческом мозге около 100 миллиардов нейронов. То есть в человеческом мозге примерно столько нейронов, сколько звёзд в Млечном пути. Несмотря на то, что компьютеру удалось успешно симулировать 1 секунду мозговой активности, это заняло 40 минут.

Работник Корейского научного института проверяет суперкомпьютеры в Тэджоне, Южная Корея, 5 ноября 2004 г. Фото: Chung Sung-Jun/Getty Images

Версия на английском

Установили бы Вы себе на телефон приложение для чтения статей сайта epochtimes?

На наших глазах разворачивается настоящая война стремительно развивающихся технологий и мозга человека. И вот мы уже слышим, что борьба «машина — человек» завершится отнюдь не в пользу последнего. Причем в ближайшее время. Насколько правомерна идея замены «несовершенного биологического компьютера более совершенным электронным» и чем отличается мозг человека от самого современного устройства? Размышляет психолог, сертифицированный тренер по методам мышления Эдварда де Боно Андрей Беспалов.

Многие думают, что с прогрессом технологий необходимость запоминать информацию сама собой отпадет. Ведь исчезла же нужда в устном счете с появлением калькуляторов! Уже сейчас любые сведения можно «нагуглить» за несколько минут, а лозунги в стиле «ваш мозг — самый мощный компьютер» теряют актуальность. Компьютер/облако/«Гугл» способны запоминать настолько лучше и больше, чем мы, что нет никакого смысла с ними соревноваться. Но действительно ли наш мозг — это ЭВМ в голове? И почему даже самая продвинутая техника не сможет сравниться с работой серого вещества человека?

Иерархия памяти

Обратимся к простому примеру. Все работающие на компьютере хорошо знают, что файл с инструкцией «как сделать оглавление в Word» выглядит примерно так: «Обозначьте в документе место, куда следует вставить оглавление, откройте вкладку “Ссылки”, нажмите кнопку “Оглавление”» — и так далее. Но в голове все это происходит иначе. В противном случае, если бы друг спросил меня по телефону о том, как сделать автооглавление, я бы сразу ответил. Но я говорю: «Подожди, сейчас программу открою», и только после того, как увижу Word перед собой, могу вспомнить, что нужно делать.

Вся загадка кроется в том, что в отличие от файлов, которые записываются и считываются линейно, воспоминания в мозгу хранятся иерархически. Что происходит, когда человек видит, например, букву Н? Изображение попадает на сетчатку, а оттуда — в первичную зрительную кору, которая занимается узнаванием простых образов: две вертикальных палочки, одна горизонтальная. Данные об этих палочках она передает во вторичную зрительную кору, которая складывает из них более сложный паттерн («Н») и передает результат в следующую зону, где буквы, полученные из разных участков вторичной зрительной коры, соединяются в слова и передаются «наверх».

Сила предсказания

Кора мозга поделена на множество зон, по которым постоянно движется информация, причем не только вверх по иерархии, но и вниз. Мозг человека настолько эффективен, утверждает Джефф Хокинс в книге «Об интеллекте», что умеет предсказывать будущие события, основываясь на опыте, хранящемся в памяти. Для того чтобы произвести определенное действие (например, поймать мяч), мозг не должен долго вычислять — ему достаточно вспомнить, как он действовал раньше, и на этом основании предсказать полет мяча и скоординировать свои движения. Цепи нейронов, находящиеся в коре, образуют иерархическую структуру, в которой высшие уровни постоянно посылают информацию к нижним уровням. Это позволяет сравнивать поступающую последовательность образов с последовательностями из предыдущего опыта. Так, на основании слов «Давным-давно, много лет…» можно предсказать, что следующими словами будут «…тому назад».

Хокинс сравнивает работу нашего мозга с иерархией военных команд: «Генералы на армейской верхушке говорят: “Выдвинуть войска во Флориду на зиму”». Простая высокоуровневая команда разворачивается в более детальные по последовательности команды, спускаясь вниз по уровням иерархии. И тысячи отдельных структур выполняют десятки тысяч действий, приводящих в результате к перемещению войск. Отчеты о том, что происходит, генерируются на каждом уровне и поступают наверх до тех пор, пока генерал не получит последний доклад: «Перемещение произошло успешно». Генерал не вникает в детали.

Вспомнить все

В отличие от мозга, в компьютере за «память» отвечают два очень разных устройства: HDD (винт) и RAM (оперативка). Казалось бы, аналогия налицо: винт — кора, а оперативка — гиппокамп. Но присмотримся повнимательнее к тому, как система работает. Изначально новая информация поступает в гиппокамп через зоны коры. Если больше мы с этой информацией не столкнемся, гиппокамп постепенно забывает ее. И чем чаще мы что-то вспоминаем, тем прочнее становятся связи в коре до тех пор, пока гиппокамп не «передаст ей все полномочия» касательно этого паттерна. Этот процесс называется «консолидацией памяти» и может длиться до двух лет. Пока он не закончен, говорить о том, что информация надежно хранится в долгосрочной памяти, рановато.

Попытайтесь в унылую осень вспомнить свой отпуск: как лежали на морском пляже и смотрели на песок. Присмотритесь: вы уже различаете в нем отдельные песчинки, камушки, осколки ракушек. Очень сомнительно, что вы на самом деле это помните, — в какой-то момент в этот образ вклинивается фантазия и услужливо предоставляет нужные детали. Но в какой именно период воспоминания и фантазии сливаются в единое целое – определить невозможно.

Таким образом, любая информация, которая возвращается из долгосрочной памяти в рабочую, приводится в соответствие изменившемуся контексту и текущим задачам, а потом консолидируется в обновленном виде. И каждый раз, когда мы вспоминаем события прошлого, это уже воспоминание не о самом событии, а о последней «редакции» мозга. Варианта «открыть файл для просмотра» у нашей памяти просто нет — любое обращение к ней предполагает определенное изменение.

Память как искусство

В компьютере удалить или сохранить файл — действия противоположные, для человеческой памяти — это две стороны одной медали.
«Для нашего интеллекта забвение составляет такую же важную функцию, как и запоминание , — писал Уильям Джеймс больше ста лет назад. — Если бы мы помнили решительно все, то были бы в таком же безвыходном положении, как если бы не помнили ничего. Припоминание некоего события требовало бы столько же времени, сколько и само это событие ».

Да, возможно, компьютер способен лучше сохранять информацию, но он не способен так же хорошо ее забывать. Мы ведь забываем далеко не случайно — воспоминание очищается от шелухи (которую, как в примере с песком, при необходимости можно будет заполнить воображением) и сохраняется лишь значимый каркас. А выявить и обозначить этот каркас нам помогает размышление.
Именно поэтому Уильям Джеймс утверждает, что «искусство помнить – это искусство мыслить». Запомнить – это значит связать новую информацию с той, которую мы уже знаем. Чем больше человек помнит, тем проще остаться в памяти новому. А лучший способ что-то запомнить — упорное размышление о поступившей информации.

Как не утонуть в море фактов

Какие же напрашиваются выводы? Мы можем только порадоваться возможностям собственного мозга. Наша память, в отличие от компьютерной, не просто склад информации, а неотъемлемая часть мышления. А это колоссальный шанс для развития.

Для восполнения знаний можно запросить в «Гугле» любую информацию, но, чтобы сделать это, необходимо понять, что конкретно вы не знаете. Это как пазл — когда вокруг недостающего кусочка картинка уже собрана, очень просто понять, что именно нужно найти. Но когда все кусочки в беспорядке, даже непонятно, с чего начать. В этом случае «Гугл» способен лишь утопить нас в море фактов, но никак не приблизить к их пониманию. И только мозг подсказывает, каких фрагментов не хватает. Таким образом, нам остается только регулярно загружать себя новыми, интересными заданиями, чтобы поддерживать мозг в прекрасной форме.