Регулятивное развитие как модель происхождения жизни
В развитие темы: Технологический подход к разуму (TAME).
Живые системы представляют собой иерархическое расположение компонентов, которые, что особенно важно, демонстрируют многоуровневую архитектуру компетенций.
Компоненты на каждом уровне компетентны выполнять функции, соответствующие этому масштабу, без явных инструкций сверху вниз. Человеческим клеткам, например, не нужно указывать, как делиться, с помощью мозга или какой-либо более крупной системы; они способны делать это самостоятельно.
На любом масштабе j поведение компонентов на более низком масштабе j−1 обеспечивает механизмы, обеспечивающие подходящее поведение, в то время как поведение компонентов на более высоком масштабе j+1 накладывают граничные условия. Поскольку граничные условия эффективно ограничивают пространство возможностей в масштабе j, изменения состояния в масштабе j+1 могут модулировать или деформировать пространство возможностей в масштабе j, обеспечивая источник нисходящей новизны.
Деление клеток, например, обеспечивается экспрессией генов внутри клетки и ограничивается передачей сигналов из окружающей многоклеточной ткани или через нее. «Инструкции» сверху вниз от окружающих или даже дистальных тканей могут увеличивать или уменьшать скорость деления клеток, например, во время заживления ран.
Чтобы сделать выше высказанную идею точной, необходимо иметь точную формулировку того, что считается «компетенцией». Чтобы разработать точную формулировку компетентности, мы обратимся к вариационному принципу свободной энергии.
Впервые (FEP) была представлена как теория функций мозга, впоследствии она превратилась в теоретическую основу для моделирования живых систем, а в последнее время расширена до основы для моделирования любой физической системы, которая остается отличимой от окружающей среды в течение некоторого периода времени.
[Принцип свободной энергии:]
Принцип свободной энергии (FEP) утверждает, что при подходящих условиях слабой связи случайные динамические системы с достаточными степенями свободы будут вести себя так, чтобы минимизировать верхнюю границу, формализованную как вариационная свободная энергия, для неожиданностей (также известной как самоинформация).
Эту верхнюю границу можно интерпретировать как ошибку байесовского предсказания. Эквивалентно, его отрицательное значение является нижней границей свидетельств байесовской модели (также известной как предельная вероятность).
Ключевые моменты:
• Адаптивные агенты должны занимать ограниченный репертуар состояний и следовательно, минимизировать долгосрочное среднее удивление, связанное с сенсорным обменом с миром. Сведение к минимуму неожиданностей позволяет им противостоять естественной склонности к беспорядку.
• Удивление основывается на предсказаниях ощущений, которые зависят от внутренней модели мира. Агенты минимизируют свободную энергию, изменяя свои предсказания (восприятие) или изменяя предсказанные сенсорные входы (действие).
• Восприятие оптимизирует прогнозы за счет минимизации свободной энергии в отношении синаптической активности (выводы восприятия), эффективности (обучения и памяти) и усиления (внимания и выделения). Это дает оптимальные по Байесу (вероятностные) представления о том, что вызвало ощущения (обеспечивая связь с байесовской гипотезой мозга).
• Оптимальное по Байесу восприятие математически эквивалентно прогнозирующему кодированию и максимизации взаимной информации между ощущениями и представлениями об их причинах. Это вероятностное обобщение принципа эффективного кодирования (принцип инфомакса) или принципа минимальной избыточности.
• Обучение по принципу свободной энергии можно сформулировать в терминах оптимизации силы связи в иерархических моделях сенсориума. Это основано на ассоциативной пластичности для кодирования каузальных закономерностей и апеллирует к тем же синаптическим механизмам, что и те, что лежат в основе формирования сборки клеток.
• Действие по принципу свободной энергии сводится к подавлению ошибок сенсорного предсказания, зависящих от предсказанных (ожидаемых или желаемых) траекторий движения. Это дает простое описание моторного контроля, при котором действие подчиняется перцептивным (проприоцептивным) предсказаниям.
• Прогнозы восприятия основаны на предварительных ожиданиях относительно траектории или движения в пространстве состояний агента. Эти априоры могут быть приобретенными (как эмпирические априорные при иерархическом выводе) или они могут быть врожденными (эпигенетическими) и следовательно, подвергаться избирательному давлению.
• Прогнозируемые переходы движения или состояния, реализуемые действием, соответствуют политике теории оптимального управления и обучения с подкреплением. В этом контексте ценность обратно пропорциональна неожиданности (и косвенно свободной энергии), а вознаграждение соответствует врожденным априорным установкам, ограничивающим политику.
Статьи по теме "Принцип свободной энергии" (FEP):
Принцип свободной энергии.
Смена парадигмы рациональности для принятия решений.
Преодоление неопределенности.
Истоки сознания.
Что такое жизнь?
Free Energy Principle | Часть №1
Free Energy Principle | Часть №2
Возникновение «Я» в сложных агентах.
От свободной энергии к свободной воле.
В контексте Принципа свободной энергии (FEP) система является «компетентной» тогда и только тогда, когда она способна сохранять свою отличимость от своей среды в течение некого периода времени, поддерживая функциональную целостность (или, в квантовых терминах, ее отделимость от своей среды).
Компетентность системы измеряется ее способностью минимизировать свободную энергию. В этом случае свободная энергия фактически представляет собой неуверенность в том, что среда будет делать дальше.
По этому высококомпетентные системы обладают высокой компетентностью в предсказании того, что их среда будет делать дальше и в реагировании на поведение своей среды таким образом, чтобы сохранить свою предсказательную способность.
Два общих вывода:
1. Размножение посредством клеточного деления - это уловка эффективности, дешевая эвристика, в которой эволюция «застыла», выбрав сильные системы распознавания себя/других, начиная с бактерий. Отделение репликации от самоорганизации обобщает системы, представляющие интерес для исследований развития, в сторону «эгалитарных» совокупностей не связанных или, в эволюционном случае, только отдаленно связанных компонентов, которые «просто случайно» хорошо работают вместе.
Это позволяет упростить происхождение жизненных историй.
Симбиотические системы, такие как микробные маты, являются «каноническими» по крайней мере в той же степени, что и многоклеточные с облигатным половым путем.
В этом случае в центре внимания становится то, как взаимодействуют компоненты, когда они находятся во взаимной близости, независимо от их происхождения.
2. «Самоорганизация» всегда зависит от среды, поэтому мы можем рассматривать ее, по крайней мере частично, как направляемую средой: некоторая поучительная информация изначально находится в среде, а не в собирающемся «Я».
С точки зрения физического взаимодействия это очевидно.
Зависимость самоорганизации от среды является следствием того, что среда действует как байесовский агент.
Любое взаимодействие системы и среды является информационно симметричным (одинаковое количество информации передается в обоих направлениях), то, что две стороны делают с полученной информацией, может радикально различаться. Иными словами, симметричные информационные потоки согласуются с «когнитивными световыми конусами» разной ширины и глубины и, следовательно, с разными возможностями активного вывода по обе стороны границы системы и среды.
Иными словами, можно ожидать, что среда любой системы будет действовать таким образом, чтобы увеличить сложность этой системы, и вероятным результатом будет усложняющаяся «гонка вооружений» между системой и ее средой, если обе они обладают достаточными вычислительными ресурсами.
Рост сложности - это следствие двунаправленного обмена информации между системой и ее окружением.
Рост сложности является следствием общих термодинамических требований к двунаправленному обмену информацией между системой и ее окружением. Это приводит к возникновению иерархических вычислительных архитектур в системах, которые работают достаточно далеко от теплового равновесия. В таких условиях окружающая среда любой системы увеличивает ее способность предсказывать поведение системы путем “инженерии”, направленной на увеличение морфологической сложности и, как следствие, более масштабного и более макроскопического поведения.
/Источник/