Истинный творец всего. Как человеческий мозг сформировал вселенную в том виде, в котором мы ее воспринимаем

Фолдинг белка — это проблема оптимизации, т. е. она заключается в поиске оптимального решения среди всего спектра возможных решений. Такие решения обычно выражаются в виде максимумов или минимумов математической функции. Большинство проблем оптимизации попадают в разряд неразрешимых задач, обычно называемых NP-трудными задачами. Это такие задачи, решения для которых могут быть проверены детерминистической машиной Тьюринга за полиноминальное время[18]

. Все задачи, которые умеет решать сложный мозг, попадают в эту категорию. В симуляциях такие задачи обычно решают с помощью аппроксимационных алгоритмов, дающих решение, близкое к оптимальному. Однако при симуляции активности мозга аппроксимационные решения должны быть найдены одновременно на разных уровнях организации (например, молекулярном, фармакологическом, клеточном, сетевом, атомном и квантовом), что делает задачу еще более сложной, поскольку оптимизация сложной адаптивной системы часто предполагает оптимизацию составляющих ее подсистем. В частности, путем ограничения уровней организации, учитываемых при симуляции интегральной системы, как это обычно делается в ходе грубой симуляции активности мозга, с некоторой вероятностью упускаются важные явления, которые происходят на нижних уровнях интегральной системы и могут быть критическими для оптимизации всей системы.

Этот пример прекрасно показывает, что Тьюринг подразумевал под «оракулом из реального мира»: в реальной жизни такая интегральная биологическая система, как белок, решает задачу за миллисекунды, тогда как алгоритмическому компьютеру для получения того же решения может потребоваться больше времени, чем все время существования вселенной. Разница в том, что «белковая аппаратура» рассчитывает оптимальное решение и «находит» трехмерную конфигурацию, просто подчиняясь законам физики в аналоговом режиме, тогда как машина Тьюринга следует алгоритму, созданному для решения той же задачи на цифровом устройстве. Организмы из реального мира, являющиеся интегральными системами, справляются со сложностями аналоговым путем, но этот процесс не может быть точно воспроизведен формальной системой и, следовательно, алгоритмом.

Обычно решаемые алгоритмы создаются как аппроксимации для оценки будущих состояний природных систем, исходя из некоторых начальных условий. В частности, так метеорологи пытаются моделировать погоду и делать предсказания, точность которых, как известно, стремительно снижается с увеличением временного отрезка. При симуляции активности мозга проблема разрешимости становится еще более принципиальной, поскольку огромное количество взаимосвязанных нейронов взаимодействует в строго определенной временной последовательности. Например, поскольку в цифровом компьютере есть часы, которые последовательно отсчитывают время, проблема обновления данных в точном соответствии со временем для миллиардов или даже триллионов параметров, определяющих текущее состояние мозга, становится полностью неразрешимой. Опять-таки любая следующая попытка предсказать состояние мозга в будущем, исходя из произвольно выбранных начальных условий, дает ненадежную аппроксимацию. В итоге на длинном отрезке времени в результате работы программы невозможно получить значимых предсказаний для эмерджентных свойств, даже в таких ограниченных временных рамках, как несколько миллисекунд.

И опять же, если предположить, что некоторые фундаментальные аспекты функционирования мозга опосредованы аналоговыми полями, такими как электромагнитные поля нейронов в релятивистской теории мозга, цифровая машина никогда не сможет ни симулировать эти функции, ни обновлять гигантское количество параметров (миллиарды или триллионы операций) точным синхронным образом в одном временном цикле. Иными словами, цифровые симуляции не смогут воспроизводить никакие реальные эмерджентные свойства головного мозга.