Аналитические оценки перспектив матмоделирования живых систем

«В качестве постулатов моделей используются экспериментальные факты, но необходимость некоторых допущений и предположений является важным теоретическим компонентом моделирования. Эти допущения и предположения являются гипотезами, которые могут быть подвергнуты экспериментальной проверке. Таким образом, модели становятся источниками гипотез, притом экспериментально верифицируемых».

«МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЖИВЫХ СИСТЕМ» под общей редакцией доктора физико-математических наук, профессора О. Э. Соловьевой.

Практика создания электронных микропроцессорных систем, обладающих зачатками разума, а в перспективе – искусственным интеллектом (ИИ) странным образом переплелась с создаваемыми последнее время средствами математического моделирования живых систем. Речь не только о генной инженерии на микроуровне, но и моделировании видовых эволюционных процессов, экосистем. Разум – способность ставить цели и прогнозировать последствия действий. Компьютерные системы лишены способности ставить цели – этим занимаются программисты, однако интуитивно понятно, что даже в этом машины могут превзойти человека, если смогут отличать полезные результаты от вредных (учитывая, что цели, которые ставит человек далеко не всегда полезны, порой целенаправленно деструктивны). Скорость генерации и анализа спектра всевозможных вариантов с появлением суперкомпьютеров с оптическими процессорами и логикой кубитов в перспективе позволит находить и просчитывать дальние последствия вмешательства в генетические процессы биосистем, что сделает естественный отбор атавизмом экосистемы.

Очевидно ИИ способен возникнуть только в результате интеграции моделей развития электронно-механических и биологических форм существования материи. В настоящее время развитие матмоделирования успешно ведётся в независимых специализированных областях и ориентировано оно на совершенно различные цели:

1. Микропроцессорные системы развиваются и оптимизируются для получения универсальных вычислительных систем на «рельсах» Неймановской архитектуры.

2. Биосистемы изучаются для объяснения существующих генетических механизмов эволюционного развития и аналитических способов прогноза биогеоценологического взаимодействия.

ИИ должен уметь находить нечто общее в столь непохожих областях знаний и предлагать разумные объяснения смысла их существования. Многолетнее обучение человека, его познание окружающего мира постоянно сталкивается с противоречиями, но разум человека способен отбрасывать необъяснимое, непознанное и базироваться на практическом опыте, принимая ошибочные решения. ИИ не будет иметь право на самостоятельное существование до тех пор, пока в его ответах и действиях будут возможны ошибки. Познание мира – единая теория поля и всеобщее понимание взаимосвязей - причинно-следственных и флуктуационно-стохастических, диапазонные методы представления информации и генерация «абсолютной истины» в качестве фундамента для следующего поколения систем ИИ – вот на мой взгляд самые важные задачи математического моделирования.

«В настоящее время особенно бурно развиваются специализированные области применения математического моделирования живых систем — математическая физиология, математическая иммунология, математическая эпидемиология». Вот этим и займусь ближайшее время – интересно, будет ли научное сообщество возмущаться тем фактом, что я без разрешения профилирующих академиков решил написать пару статей на эту тему? Пусть это будет новогодним сюрпризом. «Качественные методы затруднительно (если вообще возможно) применять для сложных систем большой размерности, и в таких случаях требуется предварительное применение специальных методов редукции (декомпозиции) систем». Предлагаемые в книге способы создания моделей, основанные на «фазовых точках и векторах» сразу немного разочаровали, поскольку введение в генную инженерию, основанное на вероятностных моделях и «мутационном давлении» пока не даёт полной картины эволюции биосферы, аналогично не создано пока единой теории поля, несмотря на тщательные исследования свойств различных полевых компонент. Метод декомпозиции как видим в таких случаях не срабатывает. 

Поразительно, но математические способы описания квазистационарных биосистем (гомеостаза) в 2013 году напомнили мне лекции по электронике в БГУИР в 1992-93 годах: «Стационарное состояние х = х уравнения устойчиво по Ляпунову, если для любого е > 0 найдется такое б > 0, что если | х (/0) - х |< 5, то | x(t) - х |< г для всех t0". Неужели конструктора микропроцессоров так обгоняли биологов? Но если говорить серьёзно, то готовить специалистов без понимания общей картины методом древних философов – от частного к общему (когда этого общего не создано) всё же несколько неправильно. Это равносильно углубленному изучению процессов в ламповых телевизорах в то самое время, когда перед вами стоит панель ЖК 3Д смарт. Бедные студенты… Мы то получали стипендию, а они сами за всё это платят… Однако заболтался я с вами, пойду спать, продолжим завтра.

   7 января 2016 г.                       Конструктор   Гаврук  В.  В.                        МТС  + 375 29 8464082        ©