Том 13. Сумма технологии

Но, может быть, хватит уже метафор. Начнем с моделирования отдельных явлений определенного класса. Исходную информацию мы собираем сами — «классическим» методом. Теперь нужно перенести ее на информациеносный субстрат. Такой субстрат должна поставить нам химия синтетических полимерных соединений.

Наша задача состоит в том, чтобы изобразить траекторию системы (ход явления) посредством динамической траектории и другой системы. Мы должны процессы представить процессами же, а не формальными символами. Оплодотворенное яйцо изоморфно со своим «атомным портретом», нарисованным на бумаге, или с пространственной моделью из шариков, имитирующих атомы. Но это — не изодинамические модели, ибо модель из шариков, вполне понятно, не будет развиваться. Модель содержит ту же информацию, что и яйцо. Однако носитель информации тут другой. Поэтому яйцо может развиваться, а бумажный носитель — не может. Нам нужны модели, способные развиваться. Разумеется, если бы символы в написанных на бумаге уравнениях соизволили реагировать друг с другом, то не к чему было бы «выращивать информацию»[217]. Но это, увы, недостижимо.

А создание «информационной фермы» есть дело, правда, невероятно трудное и очень еще от нас далекое, но, как можно надеяться, не абсурдное.

Сырьем для «носителей информации» будут, например, большие молекулы синтетических полимеров. Такие молекулы развиваются, растут, усложняют структуру, присоединяя частички «корма», растворенные в среде, где находятся «носители». Носители подбираются так, чтобы их развитие, их последовательные изменения изодинамически соответствовали изменениям определенной системы (явления) во внешнем мире. Каждая такая молекула — это «генотип», который развивается в соответствии с представляемой им ситуацией.

Вначале мы вводим в резервуар большое количество (несколько миллиардов) молекул, о которых нам уже известно, что первые этапы их изменений идут в нужном направлении. Начинается «эмбриогенез», означающий, что траектория развития носителя соответствует динамической траектории реального явления. Развитие контролируется связями с реальной ситуацией. Эти связи являются селективными (это значит, что «неправильно развивающиеся» молекулы отсеиваются). Все молекулы вместе образуют «информационную популяцию». Популяция поочередно переходит из одного резервуара в другой. Каждый резервуар является селекционной станцией. Сокращенно назовем ее «ситом».

«Сито» — это аппаратура, соответствующим образом подключенная (например, через автоматические манипуляторы, перцептроны и т. п.) к реальному явлению. «Сито» переводит структурную информацию о состоянии явления на молекулярный язык и создает особый вид микроскопических частичек, каждая из которых представляет собой «запись состояния явления» или мгновенное сечение его динамической траектории. Таким образом, сталкиваются два потока частиц. Первые своим состоянием, достигнутым к этому моменту в ходе своего развития как самоорганизующихся систем, «предсказывают» состояние реального явления. Второй поток — это частицы, созданные в «сите», несущие информацию о том, каково действительное состояние явления.

В «сите» происходит реакция, подобная осаждению антигенов антителами в серологии. Но осаждение происходит на основе различия между «истиной» и «ложью». Осаждаются все частицы, которые правильно предсказывали явление, поскольку их молекулярная структура «согласуется» с молекулярной структурой ловушки на частицах, высылаемых «ситом». Осажденные носители как «правильно предсказавшие» состояние явления поступают на следующую селекцию, где процесс повторяется (они снова сталкиваются с частицами, несущими сведения об очередном состоянии явления; частицы-носители, правильно «предугадавшие» это состояние, вновь осаждаются и так далее). В конце концов мы получаем определенное количество частиц, которые представляют собой изодинамическую, селекционированную модель развития всего явления. Зная их начальный химический состав, мы знаем тем самым, какие молекулы можно считать динамическими моделями развития исследуемого явления.

Таков пролог информационной эволюции. Мы получаем определенное количество информационных «генотипов», хорошо предсказывающих развитие явления X. Одновременно проводится аналогичное «выращивание» частиц, моделирующих явления Y, Z... которые относятся ко всему исследуемому классу. Допустим, что мы получили наконец носители для всех семисот миллионов элементарных явлений этого класса. Теперь нам нужна «теория класса», которая состоит в определении его инвариантов, то есть параметров, общих для всего класса. Следовательно, надлежит отсеять все несущественные параметры.