Что, если бы жизнь была просто другим видом компьютера? Это не метафора, а точное научное определение. Идея в том, что Джон фон Нейман (John von Neumann) предложенный в 1948 году и что Алан Тьюринг исследовали, как пятна леопарда возникают из-за простых химических закономерностей. Сегодня, благодаря нейронные клеточные автоматы, которые «выращивают» сложные узоры e нейронные сети, обученные с помощью контролируемой случайностиЭта интуиция кажется всё более убедительной. ДНК — это код. Клетки — это параллельные процессоры. Размножение — это выполнение инструкций. Мы говорим не об аналогиях, а о вычислительной эквивалентности. И если бы это было правдой, это изменило бы всё.
Когда машина дублировала себя
в 1994, на экране ожила пиксельная машина. Она считывала последовательность инструкций, копировала их и создавала клон себя. Точно так же, как фон Нейман предсказал Полвека назад. Это был не просто компьютерный эксперимент: это было конкретное доказательство того, что воспроизведение, как и вычисления, могут осуществляться машинами, следуя закодированным инструкциям.
Самовоспроизводящийся клеточный автомат фон Неймана, разработанный в 40-х годах без помощи компьютера, требовал 6.329 ячеек и 63 миллиарда временных шагов для завершения репродуктивного цикла. Это была двумерная машина Руба Голдберга, которая располагалась над лентой инструкций длиной 145 315 ячеек, перекачивая информацию и используя «печатающую руку» для медленной печати своего функционирующего клона выше и правее оригинала.
Фон Нейман понял нечто глубокое: искусственная жизнь Это не фантастика, это вычислительная инженерия. Автомат, считывающий и выполняющий инструкции для создания своих копий, работает точно так же, как ДНК, когда отдаёт команду: «Если следующий кодон — CGA, добавить аргинин к строящемуся белку». Назвать ДНК «программой» — это не метафора. Она ею является в буквальном смысле.
Биологические вычисления против цифровой жизни: различия в реальном мире
Конечно, существуют значительные различия между биологическими и цифровыми вычислениями. ДНК тонкая и многослойная, и такие явления, как эпигенетика и эффекты генетической близости. Клеточная ДНК — это ещё не всё: наши тела содержат (и постоянно обмениваются) бесчисленное множество бактерий и вирусов, каждый из которых имеет свой собственный код.
Биологическое исчисление - это массивно-параллельный, децентрализованный и шумный. Ваши клетки имеют около 300 квинтиллионов рибосом, работающие одновременно. Каждая из этих плавучих белковых фабрик, по сути, представляет собой небольшой стохастический компьютер: движения его взаимосвязанных компонентов, захват и высвобождение более мелких молекул, а также манипуляции с химическими связями — всё это по отдельности случайным, обратимым и неточным образом, и осуществляется в обратном направлении постоянной тепловой бомбардировкой.
Только статистическая асимметрия отдаёт предпочтение одному направлению перед другим: хитроумные движения молекулярного оригами имеют тенденцию «блокировать» определённые шаги, делая следующий более вероятным. Это кардинально отличается от работы логических вентилей в компьютере – базовых компонентов, преобразующих двоичные входные данные в выходные по фиксированным правилам. Они необратимы и разработаны с расчётом на 99,99% надёжности и воспроизводимости.
Тьюринг и морфогенез: модель жизни, начинающаяся с простых правил
Алан Тьюринг, ближе к концу своей жизни он исследовал, как биологические узоры, такие как пятна леопарда могли возникнуть из простых химических правил, в области, которую он назвал морфогенезВ своей единственной биологической работе, опубликованной в 1952 году, Тьюринг предположил, что асимметрия в биологических системах может возникать из-за того, что сигнальные молекулы (морфогены) диффундируют из источника, создавая градиенты концентрации.
Модель морфогенеза Тьюринга была формой вычисления массивно-параллельный и распределенный, вдохновлённый биологическими исследованиями. То же самое относится и к его более ранней концепции «неорганизованной машины» — случайно соединённой нейронной сети, смоделированной по образцу мозга новорождённого. Это были представления о том, как могли бы выглядеть вычисления без центрального процессора: точно так же, как это происходит в живых системах.
Как вы объясните недавнее исследование квантовых эффектов В клетках живые организмы могли обрабатывать информацию в миллиарды раз быстрее благодаря таким явлениям, как сверхизлучениеЖизнь — это не только вычисления: это вычисления, способы применения которых мы еще только изучаем.
Нейронные клеточные автоматы: от Тьюринга до наших дней
в 2020, исследователь Алекс Мордвинцев объединил современные нейронные сети, морфогенез Тьюринга и клеточные автоматы фон Неймана в нейронный клеточный автомат (NCA), заменяя простое попиксельное правило классического клеточного автомата нейронной сетью. Эта сеть, способная воспринимать и влиять на определённые значения, представляющие локальные концентрации морфогенов, может быть обучена «выращивать» любой желаемый узор или изображение, а не только полосы зебры или пятна леопарда.
Реальные клетки не имеют в буквальном смысле нейронных сетей внутри, но они выполняют высокоразвитые, нелинейные, целенаправленные программы решать, какие действия предпринять в мире, учитывая внешний стимул и внутреннее состояние. NCA предлагают общий способ для моделирования диапазона возможных поведений клеток, действия которых не подразумевают движения, а только изменения состояния и поглощение или высвобождение химических веществ.
Первым, что показал Мордвинцев, был эмодзи ящерицы, способной регенерировать не только хвост, но и конечности, и голову. Наглядная демонстрация того, как сложная многоклеточная жизнь может «думать локально», но «действовать глобально», даже если каждая клетка (или пиксель) запускает одну и ту же программу, точно так же, как каждая ваша клетка запускает одну и ту же ДНК.
Случайность — это свойство жизни, а не ошибка.
Тот факт, что биологические вычисления используют случайность, не является недостатком, а является её важнейшей особенностью. Многие классические алгоритмы в информатике также требуют случайности (хотя и по другим причинам), что может объяснять, почему Тьюринг настоял на том, чтобы Ferranti Mark I, примитивный компьютер, который он помог разработать в 1951 году, включал инструкцию для генерации случайных чисел. Таким образом, случайность — это небольшое, но важное концептуальное расширение оригинальной машины Тьюринга, хотя любой компьютер может имитировать её, вычисляя детерминированные, но выглядящие случайными, или «псевдослучайные», числа.
Параллелизм также становится всё более важным фактором в современных вычислениях. Например, современный искусственный интеллект зависит от обоих факторов. Массовый параллелизм, который случайно: в алгоритме «стохастического градиентного спуска» (SGD), который сегодня используется для обучения большинства нейронных сетей, в настройке «температуры», которая используется в чат-ботах для внесения степени случайности в их выходные данные, и в параллелизме графических процессоров, которые обеспечивают работу большинства систем искусственного интеллекта в центрах обработки данных.
Универсальная вычислительная эквивалентность
Тьюринг и фон Нейман поняли нечто фундаментальное: вычисления не требуют центрального процессора, логических вентилей, двоичной арифметики или последовательных программ. Существует бесконечное множество способов вычислений, и, по сути, все они эквивалентны. Это понимание — одно из величайших достижений теоретической информатики.
Эта «платформенная независимость» или «множественная реализуемость» означает, что любой компьютер может эмулировать любой другой. Однако, если компьютеры имеют разную архитектуру, эмуляция может быть мучительно медленной. По этой причине самовоспроизводящийся клеточный автомат фон Неймана так и не был физически реализован, хотя было бы интересно увидеть его.
Демонстрация 1994 года, первая успешная эмуляция самовоспроизводящегося автомата фон Неймана, не могла произойти намного раньше. Последовательному компьютеру требуется серьёзная вычислительная мощность для обработки 6.329 ячеек автомата за 63 миллиарда тактов, необходимых автомату для завершения репродуктивного цикла.
На экране все работало так, как и было заявлено: двухмерная пиксельная машина Руба Голдберга, расположенная над лентой инструкций длиной в 145 315 ячеек, которая простиралась вправо, перекачивала информацию с ленты и вытягивалась «пишущей рукой», чтобы медленно напечатать работающий клон самой себя выше и правее оригинала. Как показывает недавнее исследование, мы можем быть ближе, чем думаем, к возникновению форм сознания в сложных вычислительных системах.
В конечном счёте, жизнь может оказаться просто другим видом компьютера. Более старым, более элегантным и более надёжным. Фон Нейман и Тьюринг поняли это десятилетия назад. Мы только начинаем это осознавать.
