А.Г. Ничего хорошего он не ждёт от неё.
В.Н. Да, ничего хорошего не ждёт.
А.Ж. То есть, он уже чего-то ожидает, он уже какую-то гипотезу выд
винул.
В.Н. Что получается в результате? Ручейник может выйти за преде
лы участка со скорлупой и двигаться дальше по коридору. Ещё раз повторю, ч
то если бы он начал пробовать песчинки в коридоре, то застрял бы там надол
го. Но, как правило, ручейник их не пробует, а очень быстро пробегает этот к
оридор, потому что не ждёт ничего хорошего. Конечно, он иногда может взять
какую-то песчинку и тут же бросить её. Иногда может даже приклеить, если о
на более плоская, чем другие. Но это исключения, и ручейник, в конце концов,
возвращается на участок со скорлупой. И здесь, когда он натыкается на ско
рлупку, то чаще всего её берёт. Но, тем не менее, из-за того что он двигается
и «ничего хорошего не ждёт», ручейник может и проскочить несколько раз э
тот участок. Но опять-таки, эксперименты с десятками личинок показывают,
что они в целом, строят свои домики на этом участке и строят из скорлупок.
Другими словами, эта не очень, казалось бы, рациональная стратегия предс
казания по единичным событиям позволяет ручейникам в целом выигрывать.

Мы это проверяли, построив математическую модель, где правила поведения
, о которых я говорю, были заложены в программу. И модель подтвердила, что э
тих правил достаточно для того, чтобы ручейники собирались и строили име
нно на том участке, где есть скорлупки. Здесь, естественно, возникает тако
й вопрос: когда мы моделируем, мы вводим правила, но это ничего не говорит
о механизме управления поведением, то есть о том, откуда берутся эти прав
ила. Единственное, что можно здесь сделать, с моей точки зрения, Ц это пре
дложить следующую аналогию.
Есть динамические системы, так называемые нелинейные системы (одна из ни
х здесь изображена), поведение которых может быть очень сложным Ц несмо
тря на то, что сама система описывается очень простым уравнением. В завис
имости от величины параметра «А» (показано на рисунке), переменная в урав
нении может изменяться сложным образом, как периодически, так и не перио
дически. И поведение системы оказывается одновременно и случайным, и пре
дсказуемым. Оно случайно в том смысле, что невозможно предсказать, в како
й момент времени произойдёт переход от больших значений переменной к ма
лым значениям. В то же время, поведение системы упорядочено: мы видим, что
большие и малые значения идут друг за другом сериями.
Здесь есть аналогия с ручейником, у которого реакции тоже повторяются се
риями. Пусть эта аналогия поверхностная, но пока я буду на ней, так сказать
, настаивать. Далее, если некий внешний сигнал (некая положительная велич
ина) прибавляется к параметру «А», то затем переменная надолго увеличива
ется, несмотря на то, что сигнал Ц коротенький. Это Ц ещё одна аналогия с
ручейником: одна частица может надолго изменить его поведение. Конечно,
такого простого уравнения недостаточно для того, чтобы моделировать по
ведение целого ручейника. Всё-таки его поведение сложнее: он и берёт част
ицы, и крутит их.
А.Ж. Но вы сейчас моделируете какую-то одну составляющую.
В.Н. Да, и мы решили пойти несколько более простым путём: модели
ровать не ручейника, а некую условную инфузорию, которая движется в усло
вном пространстве и находит там участки с пищей. Пища Ц это просто химич
еские вещества, которые инфузория может в буквальном смысле всасывать. Н
икакого сложного пищевого поведения здесь не нужно. Когда на эту инфузор
ию не действуют никакие сигналы, то её поведение определяется единствен
ным уравнением, а траектория её движения получается такая, что в ней чере
дуются почти прямые пробеги с петлями. Эти петли (опять-таки с точки зрени
я внешнего наблюдателя), можно интерпретировать как отыскивание какого-
то места в пространстве.
А.Ж. То есть, идёт такой локальный поиск, который чередуется с к
рупными перемещениями в попытке найти какое-то или более богатое «место
рождение».
В.Н. На данном этапе, когда нет никаких сигналов, искать, собств
енно говоря, нечего. Я хотел бы подчеркнуть, что это поведение, чередовани
е таких спонтанных поисков на одном месте…
А.Ж. Очень красивая картинка. Этот спонтанный поиск, эти вот пе
тли, узлы такие. И длинные эти пробеги. Очень красиво.
В.Н. Это поведение на самом-то деле типично для многих животны
х. И не только инфузорий, но и для червей, для насекомых Ц для таких животн
ых, не слишком крупных, для которых можно построить экспериментальную ус
тановку, в которой нет никаких сигналов, освещение и все внешние факторы
распределены равномерно.
Теперь мы вводим в это пространство пищу: у нас есть три участка, на слайде
это можно показать. На одном участке концентрация пищи маленькая, на дру
гом Ц большая, а между ними находится пустой участок. И вот наша условная
инфузория начинает поиск с бедного участка. В какой-то момент ей не везёт
, не попадается пищевых веществ. В результате инфузория перестаёт описыв
ать петли на этом участке и начинает двигаться прямо. Здесь работает про
стая система, показанная раньше, которая из одного режима поведения пере
ходит в другой режим: вместо больших значений переменной, которые обеспе
чивают поворот, теперь наблюдаются малые значения, соответствующие пря
мому пробегу. Поэтому инфузория теперь летит прямо, пролетает пустое мес
то и попадает на богатый участок. Конечно, она может и уйти из богатого уча
стка. Однако на богатом участке пища сосредоточена плотнее, там меньше в
ероятность серии неудач, и поэтому, в конце концов, инфузории скапливают
ся на богатых участках.
Так, собственно, поступают и реальные инфузории Ц я хотел бы подчеркнут
ь сходство поведения модели с реальными организмами. Мало того, с помощь
ю такой простой системы можно добиться ещё более богатого поведения, есл
и добавить к ней разные сенсоры, разные органы чувств. Вот на следующем сл
айде, например, показана ориентация…
А.Ж. А можно остановиться на этом слайде на секундочку. Хочется
обратить внимание на то, что эта картинка характерна не только для инфуз
орий, для рассматриваемых здесь объектов, а это вообще житейская картина
. Когда мы обсуждали в передаче наши проблемы, возникла очень хорошая ана
логия с человеком, который тоже ищет, где лучше и где глубже. Допустим, он и
щет в пределах своего города, находит всё, что может, а когда решает, что вс
ё здесь уже найдено, то он совершает какую-то миграцию.
А.Г. Скачок в пространстве.
А.Ж. Да. И там опять начинает локальный поиск. После чего может п
оследовать опять такой длинный бросок куда-то. Очень интересно. То есть, э
тот алгоритм реализуется, видимо, на многих, на разных уровнях управлени
я, для разных объектов, и мне он кажется очень интересным.
В.Н. Вот здесь я хотел бы добавить, что, конечно, этот алгоритм, э
то порождение гипотез действительно аналогично у разных организмов. Но
это не значит, что механизм порождения гипотез всегда один и тот же. Пока ч
то мы рассматриваем поведение очень простенького уравнения. Вся пробле
ма-то в том, что в таком виртуальном пространстве, такую виртуальную инфу
зорию довольно легко имитировать. А вот когда речь идёт о животном уже с н
ервной системой, сложной, которое не просто двигается, но ещё манипулиру
ет предметами, решает задачу не просто поиска в физическом пространстве
, а поиска в каком-то пространстве возможностей, всё становится сложнее. П
онятно, что в этих случаях работает более сложная система. Аналогией зде
сь, может быть, полезно руководствоваться, но сама аналогия не является м
оделью.
Я продолжу, чтобы закончить с этой инфузорией. Здесь показана её ориента
ция на источник запаха. Источник показан кружком, а инфузория двигается
к нему такими вот зигзагами. Почему так происходит? Дело в том, что мы ввел
и в модель сенсор, который воспринимает разницу между раздражением на да
нный момент времени и предыдущий момент времени. Чем больше эта разница,
тем больше подавляется тенденция модели к поворотам. Собственно говоря,
таков же механизм ориентации у реальных инфузорий и бактерий. Что делает
наша инфузория? Вместо того чтобы всё время корректировать свой путь к и
сточнику запаха, она генерирует гипотезы, хотя это звучит как преувеличе
ние. Вот пример: если разница между последовательными раздражениями пол
ожительна, то инфузория бросается прямо вперёд, хотя это может увести её
в сторону от источника запаха.
А.Г. «Что-то пахнет, по-моему, там». И рванула, да?
В.Н. Да. И она опомнится только тогда, когда рассогласование ме
жду направлением движения и целью будет очень сильным. Затем она скоррек
тирует своё движение, может быть, опять неточно. Но, в конце концов, она при
ходит к этому источнику. Расчёты показывают, что на самом деле такое пове
дение экономнее и быстрее, чем если бы она всё время пыталась…
А.Г. Идти по прямой к этой цели.
В.Н. Да. Она просто тратила бы время на постоянную коррекцию св
оего движения. Кроме того, модель также предполагала, что во время поворо
та, как любое физическое тело, инфузория движется медленнее, чем когда он
а летит прямо. Но это…
А.Ж. А вот во время такого большого броска, она уже не принимает
решений, да? То есть она просто отрабатывает уже принятое решение соверш
ить бросок.
В.Н. Да, и в этой модели, в этой динамической системе происходит
это очень просто, потому что сигнал подавляет переменную, управляющую по
воротом, так что инфузория не может повернуть. А когда наступает сильное
рассогласование, сигнал становится отрицательным. И тогда система начи
нает снова работать. Она снова начинает искать. И снова выбирает какое-то
направление.
Когда инфузория достигает цели, она там не останавливается, а начинает о
быскивать окрестности источника запаха (на этом рисунке это, может быть,
не очень сильно выражено). Результат этого поведения такой: если в простр
анстве есть много других источников, и некоторые издают более сильный за
пах, то у инфузории есть шанс найти другой, лучший источник.
Этот способ ориентации, на самом деле, существует и у реальных бактерий, о
ни ориентируются с помощью именно таких бросков. Здесь серой полосой пок
азан разрыв в градиенте запаха, как и бывает в реальной жизни. Но наша инфу
зория тоже проскакивает разрыв…
А.Ж. Разрыв Ц это что?
В.Н. Например, разрыв может быть в воде: турбулентность воды ил
и какое-то течение вызывает…
А.Г. Ну, или ветер в другую сторону…
В.Н. Если в воздухе Ц то это ветер.
Когда наша инфузория сориентирована примерно на источник, естественно,
активность динамической системы подавлена и поворот не осуществляется
. Поэтому, если разрыв узкий, она его просто пролетает. Если же он широкий, и
нфузория переходит к блужданию. Но блуждание приводит её либо по ту стор
ону разрыва, которая удалена от источника, либо на ту сторону, которая к ис
точнику ближе. В последнем случае всё хорошо…
А.Ж. То есть, если бы она решения принимала постоянно, она бы в эт
ой полосе запуталась бы сразу…
В.Н. Она бы не знала, что там делать.
А.Г. А так, маршем её берёт.
В.Н. Либо она должна знать карту местности, которой у неё нет, ли
бо пользоваться каким-то другим алгоритмом. А как действовать на пустом
месте, собственно…
А.Ж. Разумно.
А.Г. Более чем…
В.Н. Для инфузории даже очень разумно. И, наконец, её поведение о
казывается ещё богаче, если приделать ещё один сенсор, который подавляет
повороты при касании с твёрдой поверхностью, с препятствием. Препятстви
е пропускает запах, но не пропускает инфузорию. Происходит очень интерес
ная вещь, которая поразила даже нас Ц тех, кто делал эту модель: повороты
происходят реже. И кончается тем, что инфузория скользит вдоль этого пре
пятствия в ту или в другую сторону, пока его не обойдёт.
А.Г. Потому что она чувствует постоянный сигнал?
В.Н. Она чувствует сигнал, который не даёт ей уйти в другую стор
ону. И кроме того, поскольку она скользит по стенке, повороты происходят с
небольшой вероятностью. Поэтому она, грубо говоря, не мельтешит вдоль ст
енки, не теряет время, чтобы ходить туда-сюда, и, в конце концов, обходит это
препятствие, если оно не бесконечно длинное. Опять-таки, это поведение на
блюдается у простых животных: и червей и инфузорий.
А.Ж. Не только у простых, я вам скажу. Я примерно так же тоже обхо
жу препятствие.
В.Н. Особенно, когда задумаешься над какой-нибудь научной проб
лемой, это так…
А.Ж. Или забор высокий.
В.Н. Ещё раз скажу, что, конечно, это Ц простая модель. Какой бы п
родуктивной она не казалась в качестве аналогии, она не может объяснить
поведение животных, решающих более сложные задачи. Здесь нужна исследов
ательская работа с роботами. Получается, собственно говоря, взаимодейст
вие между этологией Ц наукой о поведении, и робототехникой. Если я говор
ю, что я умею делать радиоприёмники, то мне могут сказать: возьми да и сдел
ай. Если я говорю, что понимаю, как ведёт себя животное, то разумно потребо
вать, чтобы я запрограммировал робота. Но тут-то и выясняется, что наши те
ории недостаточны для этого, хотя этология существует уже 50 лет, а поведен
ие животных изучается больше ста лет. На самом деле существующие теории
поведения очень ограничены. Они не позволяют воспроизвести адаптивное
поведение животных в роботе, и отсюда сразу видно, что наши знания ограни
чены. Это приходится признать.
Получается, что работа с роботами оказывается, с точки зрения биолога, но
вым инструментом исследований, который позволяет проверять наши знани
я.
А.Г. Это, в общем, довольно идеальный инструмент. Это в каком-то
смысле лучше, чем знаменитая дрозофила. Потому что здесь можно плодить п
опуляции, если говорить об эволюции этих искусственных объектов, как у н
ас шла речь в одной из программ.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47