Паутина жизни. Новое научное понимание живых систем - Капра Фритьоф (читаем бесплатно книги полностью TXT) 📗
Признание этого пришло в науку в 20-е годы, когда экологи начали Изучать пищевые паутины. Вскоре после этого, признавая сеть как общий паттерн жизни, системные философы распространили сетевые мо-Дели на все системные уровни. Кибернетики, в частности, пытались понять мозг как нейронную сеть и разработали специальный математически аппарат для анализа ее паттернов. Структура человеческого мозга чрезвычайно сложна. Она содержит около 10 миллиардов нервных клеток (нейронов), которые связаны друг с другом через 1000 миллиардов узлов (синапсов), образуя обширную сеть. Весь мозг может быть разделен на автономные участки, или подсети, которые взаимодействуют друг с другом в сетевом режиме. Все это приводит к сложным паттернам переплетенных паутин, сложных сетей, вложенных в еще более крупные сети15.
Первое и наиболее очевидное свойство любой сети — ее нелинейность: сеть нелинейна по всем направлениям. Поэтому и взаимоотношения в сетевом паттерне нелинейны. В частности, воздействие, или сообщение, может следовать по круговой траектории, которая становится петлей обратной связи. Понятие обратной связи тесно связано с паттерном сети16.
Поскольку сети могут содержать в себе петли обратной связи, постольку они приобретают способность регулировать самих себя. Например, сообщество, которое поддерживает активную сеть связи, будет учиться на своих ошибках, потому что последствия ошибки распространяются по сети и возвращаются к источнику по петле обратной связи. Таким образом, сообщество может исправлять свои ошибки, регулировать себя и организовывать себя. Действительно, идея самоорганизации возникла как, возможно, центральная концепция системного мировоззрения и, подобно концепциям обратной связи и саморегуляции, тесно связана с сетями. Мы могли бы сказать, что паттерн жизни — это сетевой паттерн, способный к самоорганизации. Это простое определение, но оно основано на последних открытиях, сделанных на переднем фронте науки.
Концепция самоорганизации возникла уже в первые годы кибернетики, когда ученые начали разрабатывать математические модели, представляющие логику, свойственную нейронным сетям. В 1943 г. нейробиолог Уоррен Мак-Каллок и математик Уолтер Питтс опубликовали новаторскую статью, озаглавленную «Логическое исчисление идей, присущих нервной деятельности»., в которой показали, что логика любого физиологического процесса, любого поведения может быть трансформирована в правила для построения сети17.
Авторы представили идеализированные нейроны в виде двоичных переключателей — элементов, которые могут находиться в одном из состояний «вкл» или «выкл», — и дали модель нервной системы как сложной сети этих двоичных переключателей. В сети Мак-Каллока-Пит-тса узлы «вкл-выкл» связаны друг с другом таким образом, что активность каждого узла управляется предыдущей активностью других узлов в соответствии с некоторым «правилом переключения». Например, данный узел может в следующий момент переключиться во «вкл» только в случае, если определенное количество смежных с ним узлов находятся в этот момент в положении «вкл». Мак-Каллоку и Питтсу удалось показать, что, хотя двоичные сети такого рода — лишь упрощенные модели, они являются хорошим приближением сетей, составляющих нервную систему.
В 50-е годы ученые начали строить реальные модели таких двоичных сетей; некоторые из моделей содержали в узлах маленькие лампочки, то зажигающиеся, то гаснущие в соответствии с состоянием узла. К великому удивлению ученых, в большинстве цепей после короткого периода беспорядочного мерцания возникали некоторые упорядоченные паттерны. Можно было видеть, как по сети проходили волны мерцания или же наблюдались повторяющиеся циклы. Даже в том случае, когда начальное состояние сети выбиралось произвольно, в ней через некоторое время спонтанно возникали упорядоченные паттерны, и именно это спонтанное возникновение порядка стало известно как самоорганизация.
Как только этот многообещающий термин появился в литературе, системные философы стали широко использовать его в различных контекстах. Росс Эшби в одной из своих ранних работ, вероятно, впервые описал нервную систему как «самоорганизующуюся»18. Физик и кибернетик Хайнц фон Форстер сыграл роль главного катализатора идеи самоорганизации в конце 50-х, организуя конференции по этой теме, оказывая финансовую помощь многим участникам и публикуя их статьи19.
В течение двух десятилетий Форстер поддерживал междисциплинарную группу, созданную при Университете Иллинойса для изучения самоорганизующихся систем. Она называлась Лабораторией биокомпьютеров и представляла собой тесный круг друзей и коллег, которые работали вдалеке от редукционистского направления и чьи идеи, опережающие время, широко не публиковались. Тем не менее эти идеи стали семенами, из которых в конце 70-х и в 80-е годы выросло множество удачных моделей самоорганизующихся систем.
Сам Хайнц фон Форстер внес свой вклад в теоретическое понимание самоорганизации гораздо раньше. Его исследования касались понятия порядка. Он задался вопросом: существует ли мера порядка, которую можно было бы использовать для оценки увеличения порядка, обусловленного «организацией»? Для решения этой проблемы Форстер использовал концепцию «избыточности», оформленную математически в рамках теории информации Клодом Шэнноном; избыточность и есть мера относительного порядка системы по отношению к изначальному максимальному беспорядку20.
Позже этот подход был вытеснен новой математикой сложных систем, однако в конце 50-х он позволил Форстеру разработать первую качественную модель самоорганизации в живых системах. Он ввел выражение «порядок из шума», подчеркнув тем самым, что самоорганизующаяся система не просто «импортирует» порядок из своего окружения, но отбирает богатую энергией материю, интегрирует ее в свою структуру и таким способом повышает уровень собственного внутреннего порядка.
В течение 70-х и 80-х годов ключевые идеи этой ранней модели были усовершенствованы и развиты исследователями из многих стран; феномен самоорганизации в разнообразных системах, от микроскопических до очень крупных, изучали Илья Пригожий в Бельгии, Герман Хакен и Манфред Эйген в Германии, Джеймс Лавлок в Англии, Линн Маргулис в США, Умберто Матурана и Франциско Варела в Чили21. Все полученные ими модели самоорганизующихся систем обладают некоторыми очень важными общими характеристиками, которым предстоит стать фундаментом единой теории живых систем; очерк такой теории и предлагается к обсуждению в этой книге.
Первое важное отличие между изначальной концепцией самоорганизации в кибернетике и более сложными поздними моделями состоит в том, что последние предусматривают создание новых структур и новых режимов поведения в ходе процесса самоорганизации. Для Эшби все возможные структурные изменения происходят в рамках «резерва разнообразия» структур, а шансы на выживание системы зависят от богатства или «необходимого разнообразия» этого резерва. Здесь не существует ни творчества, ни развития, ни эволюции. Поздние модели, напротив, включают создание новых структур и режимов поведения в процессе развития, обучения и эволюции.
Вторая общая для этих моделей самоорганизации особенность заключается в том, что все они представляют открытые системы, функционирующие вдали от состояния равновесия. Для того чтобы осуществлялась самоорганизация, необходим непрерывный поток материи и энергии сквозь систему. Удивительное внезапное зарождение новых структур и новых форм поведения — самое важное отличительное свойство самоорганизации — возможно только при том условии, что система далека от равновесия.
Третья особенность самоорганизации, тоже общая для всех моделей, — нелинейная взаимосвязанность компонентов системы. Физически этот нелинейный паттерн выражается в появлении петель обратной связи; математически он описывается нелинейными уравнениями.
Суммируя эти три характеристики самоорганизующихся систем, можно сказать, что самоорганизация — это спонтанное зарождение новых структур и новых форм поведения в далеких от состояния равновесия открытых системах, которое характеризуется появлением внутренних петель обратной связи и математически описывается нелинейными уравнениями.
