Обсуждение темы “Жизнь с точки зрения логики”

на сайте http://e-science.ru/node/145335?page=16

bulygin69

Итак, по первым двум пунктам разногласия нет,

2.1) способ Y=F(X) универсален. Каждое однозначно замкнутое преобразование (под ОЗП будем в дальнейшем иметь ввиду ОЗП с конечным числом элементов) строится именно на основе Y=F(X). И эта запись читается как [ Если F однозначно относит X к Y, то Y – то же самое, что X, однозначно отнесенное к Y благодаря F ]

2.2) Каждое ОЗП стремится к устойчивости (т.е к циклам, наиболее простой вид цикла имеет вид А->А).  И, таким образом, устойчиво то, что не порождает новых состояний.

Теперь хотел бы прокомментировать фильм. Конечно, неизвестно как именно эти алгоритмы построены. Но они могли быnь построены следующим образом. Упростим задачу. Пусть  человечек будет одноногим и будет он учиться не ходить, а скользить по поверхности. Иначе говоря, можно просто представить себе стержень, который может изменять угол к горизонтальной поверхности и может изменять скорость “скольжения” и скорость скольжения, естественно, может быть больше чем скорость наклона. Каждому известно, что без движения наклонное тело падает, но можно бежать даже с наклоненным телом. Причем, чем меньше угол к горизонтальной поверхности, тем больше должна быть скорость скольжения (бега). Получается, если кто-либо толкнет, и стержень окажется с наклоном меньше 90 градусов, стержень должен сначала (чтобы не упасть) резко увеличить скорость скольжения и за это время постепенно придать себе вертикальное положение. … Может ли алгоритм сам себя так оптимизировать? Почему бы и нет? Главное, чтобы цель оставалась постоянной, а не изменялась после первой неудачи.

Или вот еще один пример. Подходит малыш к телевизору, берет пульт в руки и нажимает в случайной последовательности кнопки, с целью получить канал с мультиками. Рано или поздно он получит: … есть_изображение=нажать_кнопку_питания(нет_изображения); есть_мультики=кнопка_детского_канала(есть_изображение).

Между двумя этими примерами, если абстрагироваться от содержания цели и способа ее получения, нет никакой разницы. Все сводится к Y=F(X). И эволюция (как и мышление) начинается там, где такие зависимости начинают искаться (любой природы) просто потому, что цель так сформулирована – искать Y=F(X) и неважно что здесь X,Y,F. И некоторые из найденных Y=F(X) пригодятся – дадут преимущество перед другими видами.  Разница в описании таким образом, между нейронной сетью и информацией заложенной в ДНК лишь в том, что в последнем случае время проб и ошибок измеряется поколениями, а для нейронной сети это время может измеряться секундами.

folk в 14.06.2015, 22:32 написал(а): link

а связь с жизнью (живой природой) будет? Или все ограничивается оптимизацией функций?

bulygin69

Попробую в ваших терминах

Ранее folk писал в 14.06.2015, 14:04 написал(а): link

я слишком хорошо знаю генетические алгоритмы чтобы путать их с жизнью и эволюцией. Давайте использовать более корректный термин - оптимизация сложной функции в условиях неизвестности. То есть дано: некая функция оценки которая позволяет оценить множество объектов и отобрать из них те которые "лучше", дано некое пространство переменных которые можно варьировать в этих объектах. Задача - подобрать переменные так чтобы максимизировать оценочную функцию. Генетические алгоритмы оптимизации используют когда непонятно как эти переменные влияют на результат (взаимосвязи слишком сложны). Утверждается что сама процедура генетического алгоритма не может ухудшить первоначальный случайный набор кандидатов. Отсюда почему то делается вывод что генетические алгоритмы это прямо таки волшебный способ решения задач по оптимизации. Не волшебный. Успех такого алгоритма 100% зависит от способа описания модели (выделения параметров) - угадали модель, получаем хороший результат. Вля прелесть ГА состоит только в том, что не требуется понимать как устроено решение - оно строится "само") Чуда тут вроде как нет.

bulygin69

Дано:
1) функция оценки которая позволяет оценить множество объектов и отобрать из них те которые "лучше"
2) некое пространство переменных которые можно варьировать в этих объектах
Цель:
3) подобрать переменные так чтобы максимизировать оценочную функцию
Трудность:
4) Успех такого алгоритма 100% зависит от способа описания модели
Преимущество:
5) не требуется понимать как устроено решение - оно строится "само"

Но я ведь и говорю, что жизнь это не только пункт 5 (строится само в рамках модели), но и (в первую очередь) нацеленность на поиск новых моделей, из которых этот мир и состоит. И как только процесс поиска этих моделей прекращается (при этом, этот объект может быть очень сложным и он может решать многомиллионные задачи), но он уже неживой.

P.S. В статье как раз и описывается (на примере с домом с приведениями) эти этапы: создается модель (отбирается все, что согласуется с Y=F(X) ..), ищется цель в рамках этой модели (тишина в доме)
 

folk в 16.06.2015, 11:22 написал(а): link

Спасибо, про цель вроде понятно. А на вопрос КАК описывать ответьте пожалуйста в общих чертах..

bulygin69

Думаю, что механизм функционирования (в общих чертах) следующий.
Поскольку для любой системы важно (гомеостаз) не допустить отклонение существенных характеристик, а этой существенной характеристикой для живого является отыскание зависимостей вида Y=F(X), то (на этом уровне абстракции) берется либо пара Y,X либо пара Y,F (на самом деле таких пар неограниченно много, поэтому и процесс этих выборок столько же неограничен). И затем, поскольку (в большинстве случаев) они попарно не равны, система (поиска конкретных этих пар) не успокаивается, пока они не будут выражены через равенство. В таком виде - это обычный автомат. И поэтому говорить о нем как о "слепом часовщике" - значит метко подметить (Докинз) его суть. Он и впрямь не ведает, что творит (однако, делает это).

beaver в 16.06.2015, 14:55 написал(а): link

Извините, но цель науки - это понимание. А управление - это совсем по другой части, за этим к технологии (просто или био- не суть).

bulygin69

Задачей кибернетики как науки и является понимание законов управления

bulygin69

Есть два способа исследовать.

1) Есть обратная связь. ... Воздействие на входные значения - наблюдение за выходными значениями. Это классический черный ящик. Добиваемся представления чего-либо в терминах "однозначно и замкнуто". Если повезет, то получаем их сразу. Если нет, то можно переформулировать. Например, учесть память системы (рассмотреть зависимость от предыдущих состояний, предпредыдущих и т.д.). Либо вообще упростить систему (гомоморфизм) в том смысле, что если встречается неоднозначность (B->A. B->S), то и сформулировать, что из B следует только "неоднозначность A,S".

2) нет обратной связи ... Можно рассуждать следующим образом. Если имеется неоднозначность, то можно допустить, что возникает она из-за того, что управляющая часть скрыта. В этом случае по числу неоднозначных переходов управляемой части и можно заключить об устройстве управляющей части.

Поэтому:
Беря за основу определение Шредингера, жизнь - это то, что питается тем, что «однозначно и замкнуто», увеличивая свою упорядоченность. Причем, то, что представлено как «однозначно и замкнуто», качественно различно относительно друг друга, а не копирует себя как однотипную структуру (типа кристалл, например) Таким образом, если нечто увеличивает количество «cъеденных порядков типа Y=F(X) или, что то же, Y<->F(X) », то 'это нечто - живое.

И, наконец:
Считается, что живому свойственно сохранять себя. Но это не так! Механизм репликации - не есть жизнь, а есть лишь способ ее сохранения. Он – всего лишь способ компенсировать неудачные попытки находить все новые однозначно замкнутые преобразования (особенно, если этим способом поиска является простое правило - случайный перебор). - See more at: http://e-science.ru/node/145335#sthash.hf7itdzB.dpuf

Думаете, этого достаточно для определения жизни?