В предыдущей статье Метрика в машинном обучении сложных систем, алгоритм и программный код предложена формула для отношения сигнала к шуму в сложных нелинейных системах с тенденцией к самоорганизации. С опытом применения в обработке данных электрокардиограмм, землетрясения. Сложной системой является и биологическая нейросеть.

Искусственные нейронные сети возникли в качестве попытки моделировать организацию и функционирование биологических нейронных сетей – сетей нервных клеток живого организма. В существующих алгоритмах искусственного интеллекта ключевым звеном является решение задачи оптимизации и при этом остаётся вопрос - решает ли биологическая нейронная сеть задачу оптимизации? Задача оптимизация - это нахождение экстремумов целевой функции в процессе проектирования параметров системы. Под задачу оптимизации сформировался функциональный подход, который предполагает рассмотрение объекта как комплекса выполняемых им функций, а не как набора элементов и их взаимосвязей.

Ключевым условием в постановке задачи оптимизации является наличие управляющих факторов или заданных внешних правил. Например, выбор оптимального хода по правилам игры в шахматы или в чайнике вода превращается в пар и управляющим фактором выступает температура, где применимы постановки задач оптимизации. При детонации взрывчатых веществ жидкость превращается в газы при отсутствии управляющих факторов. Отсутствуют внешние управляющие факторы в лавинообразных процессах.

Отсутствие управляющих факторов и масштабная инвариантность процессов самоорганизованной критичности (SOC) не являются интуитивно понятными и привычными. Будет очевидной реакция некоторых читателей – «ничего не понимаю», хотя речь идёт об активности нашего мозга.

Подход SOC был предложен для описания активности мозга, а первые степенные распределения нейронных лавин были обнаружены: M. Usher, M. Stemmler, and Z. Olami, Phys. Rev. Lett. 74, 326 (1995).

Наиболее мощная нейронная сеть экспериментально обнаружена у младенцев (Mostafa Jannesari, Alireza Saeedi, Marzieh Zare, Silvia Ortiz-Mantilla. (2020) Stability of neuronal avalanches and long range temporal correlations during the first year of life in human infants. Brain Structure and Function 225:1169–1183), способствующая адаптации младенцев в нестабильном внешнем окружении. Интеллект младенца или стадный интеллект обозначает задачу численного моделирования интеллекта в традиционном для физики подходе «эксперимент – модель», в отсутствии внешних управляющих факторов. Характерно проявление стадного интеллекта в межвидовых и внутривидовых конфликтах, в предельно нестабильном внешнем окружении и в отсутствии каких-либо извне установленных правил, в отличие от существующей концепции искусственного интеллекта с алгоритмом оптимизации.

Важный эксперимент: когда функция мозга нарушается во время эпилептических припадков, биологическая нейронная сеть теряет свои нелинейные характеристики лавины и становится гауссовой (Meisel, C., Storch, A., Hallmeyer-Elgner, S., Bullmore, E. & Gross, T. (2012) Failure of adaptive self-organized criticality during epileptic seizure attacks. PLOS Computational Biology 8, 1–8.). Когда теряются характеристики лавины, обработка данных приближается к существующим гауссовым алгоритмам искусственного интеллекта с постановкой задачи оптимизации. В существующих алгоритмах искусственного интеллекта увеличение управляющих факторов и устанавливаемых правил неминуемо приведёт к «приступам эпилепсии» в сложной системе.

При обработке данных ЭКГ столкнулся с любопытным наблюдением: каждый удар сердца уникален и больше не повторяется ни в ЭКГ, ни в жизни, скорее всего. Как и нет двух одинаковых снежинок, но благодаря уникальности снежинок возникают масштабно инвариантные снежные лавины.

Математика существующих алгоритмов искусственного интеллекта в постановке задачи оптимизации не учитывает лавинообразные процессы.

В связи с отсутствием управляющих параметров в сложной системе с тенденцией к самоорганизации возникает вопрос о выполнении принципа причинности в окрестности критичности. Принцип причинности — один из самых общих физических принципов, устанавливающий допустимые пределы влияния событий друг на друга. Эмпирически установленный принцип, справедливость которого неопровержима на сегодняшний день, но нет доказательств его универсальности. При этом неявно предполагается существование самого функционального подхода (набора каких-либо математических функций), способного хотя бы в принципе описывать влияние событий друг на друга.

Таким образом, комплекс интуитивно непонятных аспектов самоорганизованной критичности, описывающих активность мозга, включает в себя:

·       Обнуление управляющих факторов;

·       Масштабная инвариантность;

·       Нарушение принципа причинности.

Включение хаба «Исследования в IT» оправдывает рассмотрение в публикациях:

1.     Оригинальной формулы для отношения сигнала к шуму (SNR) в сложных системах;

2.     Ограничения алгоритма искусственного интеллекта в постановке задачи оптимизации для сложной системы, биологической нейросети.  

На экономическом форуме в Давосе перед IT поставлена амбициозная задача по замене депутатства искусственным интеллектом. Но тогда вопрос в выборе концепции ИИ: индивидуальная оптимизация по заданным правилам в стабильном внешнем окружении или стадная самоорганизация в мире без правил и уже без выбора персональной оптимизации.