Сегодня мы сталкиваемся с парадоксом: в период неопределённости инстинкт велит затянуть пояса и цепляться за каждую возможность, каждую копейку, каждый контакт. Однако реальность демонстрирует обратное - эгоизм и попытка «стянуть одеяло на себя» стремительно ведут к изоляции и потере самого ценного: доверия и поддержки. Новое время требует противоположного подхода. Чтобы сохранить что-то значимое - отношения, бизнес, внутреннюю устойчивость - нужно научиться отдавать. И отдавать значительно больше, чем раньше.
Почему это работает? Потому что кризис обнажил нашу взаимозависимость. Человек или компания, действующие исключительно в логике сиюминутной выгоды, быстро оказываются в вакууме. Их перестают поддерживать, им перестают доверять. В условиях, когда материальные ресурсы ограничены, главной валютой становятся социальный и эмоциональный капитал: лояльность, взаимовыручка, чувство общего дела.
Фраза «когда сам не лечишься и других заражаешь» точно описывает главную опасность. Наши нерешённые проблемы - тревожность, жадность, выгорание - перестают быть личным делом. Они превращаются в вирус, который отравляет команду, разрушает партнёрства, раскалывает семьи. Токсичный руководитель губит мотивацию сотрудников, а человек, зацикленный только на своём выживании, уничтожает отношения, которые могли бы стать его главной опорой.
Стратегическая щедрость - вот практический ответ. Это не благотворительность из избытка, а осознанное вложение в общее будущее. Она проявляется в конкретных действиях: делиться экспертизой без немедленного требования отдачи, искренне поддерживать тех, кто рядом, инвестировать время в развитие людей, сохранять открытость и человечность, когда другие закрываются. Это создаёт круги доверия и формирует прочные связи, которые оказываются надёжнее любых контрактов.
Самое сложное испытание для многих - перестроить мышление. Перейти от короткой дистанции «что я получу прямо сейчас» к длинной «какое пространство взаимной поддержки мы сможем построить». Это требует смелости первым сделать шаг без гарантий. Но именно эта способность отдавать, вкладываться, поддерживать становится ключевым навыком, определяющим, кто не просто переживёт шторм, а выйдет из него сильнее, окружённый настоящими союзниками. В конечном счёте, сила сегодня - не в том, сколько вы удержали, а в том, сколько вы смогли сберечь и приумножить для других, создав тем самым новый, устойчивый фундамент для всех.
В середине XX века, когда генетика в СССР была объявлена лженаукой, а ее сторонники рисковали свободой, советский ученый Дмитрий Беляев начал в Новосибирске один из самых дерзких экспериментов в истории. Под прикрытием обычной зверофермы по разведению серебристых лис он пошел на огромный риск, чтобы тайно ответить на вопрос: можно ли приручить чистую ярость и повторить тысячелетний путь эволюции всего за 50 лет?
Все началось в 1959 году в новосибирском Академгородке, на базе Института цитологии и генетики. Официально Беляев занимался разведением серебристо-черных лис для нужд меховой промышленности — это было идеальное прикрытие. На самом же деле его интересовала одна из величайших загадок эволюции: как дикий, кровожадный волк превратился в верного друга человека — собаку? Беляев предположил, что наши предки отбирали волков не по силе или уму, а по одному признаку — терпимости к человеку.
Эксперимент был до гениальности прост. Из сотен лис на звероферме Беляев и его команда отбирали для размножения лишь несколько особей — тех, кто проявлял наименьшую агрессию. Они просто протягивали руку в перчатке к клетке. Тех, кто впадал в ярость, отбраковывали. Тех, кто проявлял хотя бы долю любопытства или терпимости, допускали к следующему поколению. Год за годом, поколение за поколением, они искали не лучший мех. Они искали ген доброты.
Под постоянной угрозой доносов и репрессий со стороны последователей «лысенковщины», команда Беляева продолжала свою кропотливую работу. И уже через несколько поколений стали происходить чудеса. Лисы перестали бояться людей. Они начали вилять хвостами, скулить и подставлять животы, чтобы их почесали. Но затем случилось то, чего не ожидал никто. Вместе с характером начала меняться их внешность.
Это было невероятное открытие. У потомков самых дружелюбных лис уши стали обвисать, как у спаниелей. Хвосты закрутились колечком, как у лаек. Жесткий серебристый мех покрылся белыми «звездочками» и пятнами, как у бордер-колли. Даже их черепа стали меняться, больше напоминая собачьи, чем лисьи. Они начали издавать звуки, похожие на тявканье. Отбор по одному-единственному гену поведения запустил целую цепную реакцию, изменившую животных до неузнаваемости.
Дмитрий Беляев совершил прорыв. Он наглядно доказал, что за процессом одомашнивания стоит отбор по нейрохимическим системам мозга, отвечающим за стресс и агрессию. Снижая уровень адреналина, он невольно изменил и десятки других генов, связанных с пигментацией, хрящевой тканью и строением скелета. Он сжал 15 000 лет эволюции в полвека.
Сегодня новосибирские одомашненные лисы известны всему миру. Они — живой памятник не только гению одного ученого, но и его мужеству. Дмитрий Беляев в сибирской тиши доказал, что у доброты есть свой генетический код. И если его найти, можно приручить даже самую дикую ярость.
Новое исследование показывает, что начальная конфигурация магнитного поля, описываемая векторным потенциалом, играет ключевую роль в формировании аккреционных дисков и выбросах энергии из черных дыр.
Изучение аккреции массы через внутреннюю границу системы показывает, что различные векторные потенциалы Aφ⁽¹⁾ и Aφ⁽²⁾ при разных значениях плазменного параметра β оказывают существенное влияние на нормализованный массовый поток, определяя тем самым динамику переноса массы в данной системе.
Исследование GRMHD-симуляций показывает, как векторный потенциал влияет на накопление магнитного потока, динамику тора и эффективность запуска джетов в аккреционных дисках вокруг черных дыр.
Несмотря на значительный прогресс в моделировании аккреционных дисков вокруг черных дыр, механизмы запуска мощных релятивистских джетов остаются предметом активных исследований. В данной работе, 'Exploring the Role of Vector Potential and Plasma-β in Jet Formation from Magnetized Accretion Flows', проведено исследование влияния начальной конфигурации векторного потенциала и параметра плазмы β на формирование аккреционных столбов и запуск джетов. Полученные результаты демонстрируют, что начальные условия магнитного поля оказывают существенное влияние на накопление магнитного потока вблизи черной дыры и эффективность запуска джетов. Какие комбинации параметров магнитного поля и плазмы способствуют формированию дисков с магнитным захватом или стандартным эволюционным сценарием аккреции?
Чёрные дыры: вычислительная модель аккреционного диска
Понимание процессов аккреции вещества вокруг чёрных дыр имеет ключевое значение для объяснения самых мощных явлений во Вселенной, таких как струи вещества и квазары. Традиционные методы моделирования сталкиваются с трудностями при точном описании сложного взаимодействия гравитации, магнитного поля и плазмы в этих экстремальных условиях. Для получения достоверных результатов необходимы высокоточные численные симуляции, однако они требуют огромных вычислительных ресурсов. Современные исследования направлены на разработку инновационных подходов, позволяющих захватить все существенные физические процессы и проводить моделирование в течение длительных периодов времени, достигающих, например, t = 1800 tg, что позволяет изучать эволюцию аккреционного диска и связанные с ней явления.
Временная эволюция мощности струи Pⱼₑₜ для четырех конфигураций моделирования с начальными значениями плазменного β равными 50 и 100 демонстрирует зависимость мощности от параметров плазмы.
Для изучения процессов, происходящих вокруг черных дыр и нейтронных звезд, используется сложное численное моделирование, основанное на уравнениях общей теории относительности и магнитной гидродинамики (GRMHD). Эти расчеты позволяют отслеживать движение и эволюцию вещества, формирующего аккреционные диски - вращающиеся структуры, из которых материя постепенно падает на центральный объект. В рамках этих исследований применяется код HARM - проверенная и широко используемая платформа для GRMHD-расчетов. Начальные условия для моделирования обычно задаются в виде так называемого “тороида Фишбона-Монкрифа” - специфической конфигурации, представляющей собой начальный аккреционный диск, что позволяет исследовать его дальнейшую эволюцию и поведение в сильном гравитационном поле.
Эволюция плотности тора ρ вдоль полоидальной плоскости (φ = 0) при β = 500 и параметре спина a = 0.935 демонстрирует влияние векторного потенциала Aφ⁽²⁾ на распределение плазмы во времени t = 0, 800, 1300, 1800 tg.
Как магнитное поле формирует плазменные струи
Исследование посвящено изучению влияния различных конфигураций магнитного поля на формирование плазменных струй. В рамках работы анализируются два различных подхода к организации векторного потенциала, обозначаемые как Aϕ(1) и Aϕ(2), которые непосредственно определяют структуру полоидального магнитного поля - конфигурацию магнитных силовых линий, управляющих движением плазмы. Взаимодействие плазмы с магнитным полем, характеризуемое параметром Plasma Beta (β), принимающим значения 50, 100 и 500, оказывает существенное влияние на силу и стабильность образующихся струй. Увеличение значения Plasma Beta указывает на то, что давление плазмы становится более значительным по сравнению с магнитным давлением, что, в свою очередь, изменяет характеристики струи и может приводить к ее дестабилизации или, наоборот, к усилению.
Временная эволюция полоидальных и тороидальных компонент магнитного поля при различных начальных значениях β (50 и 100) демонстрирует влияние параметров плазмы на магнитную конфигурацию.
Магнитное поле и мощные выбросы энергии: как форма определяет силу
Результаты численного моделирования демонстрируют прямую связь между геометрией полоидального магнитного поля и мощностью формирующихся выбросов энергии. Тороидальное магнитное поле, рассчитанное в ходе моделирования, играет ключевую роль в удержании и ускорении плазменного потока. Наблюдаемые изменения в скорости аккреции показывают, что конфигурация Aϕ(1) демонстрирует более быстрое начальное снижение по сравнению с Aϕ(2). При этом, мощность выбросов энергии ведет себя по-разному в зависимости от конфигурации: в случае Aϕ(1) с параметром β=50 наблюдается постепенное снижение мощности, в то время как другие конфигурации демонстрируют стабильную или даже возрастающую мощность выбросов. Таким образом, форма магнитного поля оказывает существенное влияние на характеристики плазменных потоков и интенсивность высвобождаемой энергии.
Снимки, сделанные в момент времени t=1800, демонстрируют распределение плотности, параметра β и параметра магнетизации σ для двух магнитных конфигураций (слева - Aφ⁽¹⁾, справа - Aφ⁽²⁾) при начальных значениях β равных 50 и 100, при этом белые линии указывают на эволюцию и топологию поля.
Исследование, представленное в данной работе, демонстрирует, как начальный векторный потенциал оказывает существенное влияние на раннюю эволюцию аккреционных потоков вокруг чёрных дыр. Установлена прямая связь между начальными условиями и эффективностью запуска джетов, что подтверждает сложность и нелинейность процессов, происходящих вблизи горизонта событий. Как отмечал Григорий Перельман: «Математика - это язык, на котором написана книга природы». Эта фраза отражает суть представленного исследования: строгая математическая формализация позволяет приблизиться к пониманию фундаментальных законов, управляющих динамикой аккреционных дисков и формированием джетов, несмотря на всю сложность описываемых явлений. Игнорирование изначальных условий, как показано в работе, может привести к неверным выводам о структуре магнитных полей и, следовательно, о механизмах запуска джетов.
Что Дальше?
Представленные исследования демонстрируют, что начальный векторный потенциал оказывает существенное влияние на раннюю эволюцию аккреционных потоков вокруг чёрных дыр. Однако, стоит признать, что текущие теории квантовой гравитации предполагают, что внутри горизонта событий пространство-время перестаёт иметь классическую структуру, а значит, и наши модели аккреции - лишь приближение к реальности. Всё, что обсуждается, является математически строго обоснованной, но экспериментально непроверенной областью. Вопрос о том, как именно векторный потенциал взаимодействует с квантовыми флуктуациями вблизи сингулярности, остаётся открытым.
Особое внимание в будущем следует уделить исследованию влияния различных конфигураций векторного потенциала на устойчивость магнитного поля в аккреционном диске. Магнитное торможение и запуск джетов, несомненно, связаны с тонкими деталями магнитной топологии, но понять, как эти детали формируются и эволюционируют под воздействием плазмы с различным параметром β, представляется сложной задачей. Чёрная дыра - это не просто объект, это зеркало нашей гордости и заблуждений.
Перспективы включают разработку более реалистичных моделей, учитывающих эффекты релятивистской плазмы и микрофизические процессы, происходящие вблизи горизонта событий. В конечном итоге, истинное понимание формирования джетов потребует не только совершенствования численных методов, но и, возможно, пересмотра фундаментальных представлений о природе пространства-времени.
Тагомайзер (англ.thagomizer) — распространенное, но не официальное наименование костистого нароста и шипов на конце хвоста некоторых динозавров, в первую очередь стегозавров. Предполагается, что использовались для обороны от хищников.
Тагомайзер
Кроме стегозавров обнаружены также у родственной им группы анкилозавров.
Ранее я уже выдвигал теорию о том, что наше Солнце может оказаться живым существом, но намеренно сделал это в основном в философском ключе, теперь же пришла пора обсудить теорию альтернативной жизни в плазме с точки зрения науки и теорий, которые выдвигались ранее.
Возможно, что темной материи не существует. Корейский физик Кю Хюн Че выдвинул модифицированную теорию гравитации, которая гласит, что законы природы меняются в зависимости от обстоятельств. И ни правила Исаака Ньютона, ни постулаты Эйнштейна не работают на очень больших расстояниях – между звездами и галактиками. Эта концепция отменяет, в частности, темную материю. Прежде она была нужна, чтобы объяснить, почему гравитация во Вселенной настолько сильна, что для ее производства как бы не хватает видимой массы. Не может, мол, то вещество, которое есть, дать эту силу притяжения. Значит есть другое вещество, невидимое, оно и тянет.
Астроном запросил у спутника Gaia сведения об орбитах двойных звезд. Корейца интересовали орбиты относительно близких двойных звезд (до 650 световых лет), и всего он проанализировал 26 500 двойных систем.
Вообразите, что одна звезда вращается вокруг другой. Силы гравитации не дают ей улететь. Но велики ли они? Очень, очень слабы. Исчезающе. Солнце притягивает Плутон намного сильнее, чем главная звезда – своего спутника.
Оказалось, что, когда гравитация столь серьезно ослабевает, она… усиливается. Это очень странно: вот, вы улетаете от Солнца, оно ослабляет хватку, вы уже почти не держитесь ее тяготением… и вдруг Солнце словно сжимает клешни, и вы снова в плену. Врешь, говорит, не уйдешь.
Именно по этой причине системы двойных звезд не разлетаются.
В науке достоверность открытия оценивают так называемыми сигмами. У корейца уровень 5 «сигм», а для большинства выводов даже больше. Это означает, что его выкладки верны с вероятностью свыше 99,9%. Ну что тут говорить, все понятно.
Тем временем другие физики, такие как Мартин Рис из Кембриджа выдвигают теории, будто эволюция свойственна не только живому, но и вообще всему. Естественный отбор отбраковывает звезды, которые не слишком удачно созданы природой. Конструкции атомов. Кристаллические решетки металлов и камней. В конечном счете вся Вселенная – это эволюционирующий организм.
Эта гипотеза призвана преодолеть старое, еще XIX века, представление о том, что Вселенная стремится к упрощению (к состоянию с минимально энергией) и в процессе жизни только «разрушается». Третий закон термодинамики (именно он постулирует рост энтропии) выглядит разумным: разломать проще, чем построить. Чашка с чаем может сама остыть, но не может сама нагреться, и так далее. Но он явно противоречит глобальной картине мира. Вселенная, конечно же, становится только сложнее: сразу после Большого взрыва она состояла практически из одного водорода, потом явились другие химические элементы, наконец, возникла жизнь.
Геохронологическая шкала
И да, это усложнение всего вокруг в самом деле очень напоминает естественный отбор по Дарвину. Так, далеко-далеко (а это значит, в прошлом, откуда наконец дошел до нас свет) мы наблюдаем звезды размером с галактику. Это своего рода «динозавры» - таких сейчас нет, они вымерли.
Стоп, мы только что назвали Вселенную «организмом». Не значит ли это, что все Бытие – живое, а Вселенная – разумна?
Эта идея кажется безумной и антинаучной нам – но ни в античности, ни в эпоху Возрождения она таковой не казалась. Джордано Бруно сгорел на костре в том числе за то, что был сторонником «одушевленного мира» - и он был не одинок в этом убеждении.
Концепция «мирового разума» носит название «панпсихизм». Термин предложил в XVI веке итальянец Франческо Патрици, но гипотезу сформулировали задолго до него. Первым, возможно, был Фалес из Милета (VII-VI века до нашей эры), а оформил – Платон. Сегодня, правда, предпочитают говорить «панэкспериментализм». Термин придумал в 1970-е Дэвид Рэй Гриффин
«Если солнце обладает сознанием, возможно, оно регулирует свое тепло и энергию всей Солнечной системы с помощью вспышек и корональных выбросов масс. Также возможно, что Солнце общается с другими звездами внутри Галактики», именно так сформулировал самые скандальные положения панэкспериментализма философ Руперт Шелдрейк в своей статье в Journal of Consciousness Studies. Но философами опять дело не ограничилось, нельзя не упомянуть Грега Мэтлофа, физика, инженера, человека, который создает двигатели для НАСА – и это он в 2015 году выступил с идеей «звезд, у которых есть воля». Он протестовал против темной материи.
Как сказал Филипп Гофф в своей статье 2019 года: «Ваши носки не разумны, но они состоят из атомов, которые вероятно разумны и вы не можете доказать обратное».
Я знаю биологов, которые всерьез отвергают сознание у животных, хотя в целом современная биология движется к признанию братьев наших меньших за полноправных партнеров. «Трудная проблема» (hard problem of consciousness) сводится к вопросу: почему некоторые системы могут получать опыт, осмыслять его и корректировать свои действия в соответствии с опытом. Только ли мозг способен на такое? Мы не знаем достоверно.
Положение отчасти спасает теория интегрированной информации, в свое время предложенная Джулио Тонони. Она по крайней мере позволяет записать этот «опыт» в виде числа («число фи»), а с числами наука работать умеет. Наш мозг – система с высоким «числом фи». Можно представить другую систему, с меньшим «фи»: она будет «глупее» мозга. У камня, наверное, фи близко к нулю (но это не значит, что оно равно нулю).
Джулио Тонони
Радикальные трактовки квантовой механики предполагают, что для высокого «фи» не нужны миллиарды нейронов: сознание есть даже у элементарных частиц. Эту ересь давным-давно предложил математик Альфред Норт Уайтхед. Он говорил, что мир вообще состоит не из материи, а из событий (в вульгарной трактовке – «из информации», но событие Уайтхеда – это больше, чем информация). По его мнению, источник сознания – время, которое связывает «раньше» и «позже» и в конечном счете наделяет наше бытие смыслом. Его последователи предложили термин «холон». Это система, которая состоит из разумных систем, и сама разумна – но умнее своих компонентов. Итак, Солнце разумно, потому что разумны составляющие его атомы.
Уайтхед, Альфред Норт
Выше я привел цитату Руперта Шелдрейка о том, что Солнце, вероятно, управляет собой и миром вокруг себя с помощью вспышек. И электромагнитных волн. Пионер «разумных звезд»Грег Мэтлоф утверждает, что звезды, стремясь занять то или иное место в галактике, корректируют свое движение с помощью реактивных струй. Его гипотезу несложно проверить статистическими методами, и астрономы заняты этим сейчас. Мэтлоф полагает, что разум звезд не сильнее, чем у ночной бабочки, которая летит на свет. Его последователь Климент Видал думает, что у звезд есть эмоции, воля и главное – злость. Звезды – это хищники, которые стремятся съесть себе подобных. В самом деле, звезд, поглощающих материю у соседей, на небе очень много.
Возможно, звезды даже разумней, чем примитивный хищник. Выше мы говорили, что наш мозг невероятно сложен, но вряд ли он самая сложная структура во Вселенной. Структура электромагнитных волн и полей вокруг Солнца не менее сложна, и, если это часть его мозга, «число фи» там огромное. Именно так полагает МакФадден: электромагнитные поля Солнца разумны и сами по себе, и вместе с Солнцем.
Но пойдем еще дальше, мы ведь исходим из предположения, что разумными могут быть сами атомы, а значит даже плазменная форма жизни имеет право на существование.
Международная группа ученых в 2007 году во главе с Цытовичем задокументировала явление, когда при определенных условиях частицы неорганической пыли образуют структуры, которые напоминают спирали ДНК и их взаимодействие похоже на поведение органических элементов. Похожее происходит в плазме, четвертом агрегатном состоянии, когда электроны образуют облако заряженных частиц. Из-за того, что во Вселенной много плазмы и космической пыли, а об условиях можно только догадываться, это делает возможным образование новых живых организмов из пыли и плазмы, которые смогут эволюционировать.
Цитата: «Когда Дэвид Бом исследовал плазму в рамках своей докторской диссертации, он обнаружил, что её частицы связаны друг с другом. Что существуют положительные и отрицательные заряды, которые взаимодействуют друг с другом так, будто они одна сущность»
На первый взгляд, плазма — это что-то редкое и экзотическое, однако это неверное представление. По некоторым оценкам, из неё состоит до 99% Вселенной, так как она составляет основную часть галактик, звёзд, межзвёздного газа.
Но некоторых физиков интересует не столько обычная плазма, сколько более сложный случай — так называемая пылевая плазма.
Лабораторный снимок пылевой плазмы. Здесь от неё исходит голубоватое свечение, а красный луч — это лазер, в котором хорошо заметны пылевые частицы
Пылевая плазма отличается от "просто плазмы" наличием пылинок — крошечных частиц диаметром от 10 до 100 нанометров. Впервые пылевую плазму в лабораторных условиях в 1920-х годах наблюдал Ирвинг Лэнгмюр, нобелевский лауреат по химии, который собственно и предложил ввести в научный обиход слово "плазма".
Но с тех пор плазма с пылью внутри практически никого не интересовала. Только самую малость она привлекала астрономов, ведь космическую плазму засоряют самые разные частицы: от звёздной пыли до тех, что входят в состав колец Сатурна.
Тяга к пылевой плазме у учёных снова возникла в середине 1980-х годов в связи с развитием технологий создания микросхем. Одним из важных условий разработки в ряде производственных процессов была герметичность — точнее, полное ограничение доступа пыли к заготовке. Это было связано с тем, что в определённых случаях попадание микрочастиц приводило к порче чипа.
Однако оказалось, что при создании микросхем посредством плазменного травления — метода, использующего поток плазмы для распыления подложки — от пыли избавиться очень трудно. Экспериментаторы винили в этом пыль, попадавшую снаружи в камеру, где происходит травление. Когда же они стали прикладывать больше усилий для очистки внешнего помещения, это не особенно помогло.
Долгое время никто не мог понять — в чём дело, пока внутрь камеры не направили луч лазера и не увидели, что пыль возникает в результате самого процесса травления и попадает в плазму. При этом частицы со временем в ней слипаются, и вместо нанометровых размеров они приобретают микрометровые масштабы. А это уже губительно для микроустройств.
Снимок кристаллизации настоящей пылевой плазмы
С тех пор учёные уделяют более пристальное внимание пылевой плазме и сгущению пылинок в ней. Этот процесс называют плазменной кристаллизацией, а сами такие частицы — плазменными кристаллами.
Большинство опытов по исследованию пылевой плазмы проводится в земных лабораторных условиях. Уникальным исключением является эксперимент "Плазменный кристалл", уже много лет проводящийся на Международной космической станции. Автор концепции эксперимента — Грегор Морфилль, профессор Института внеземной физики Макса Планка.
Обычно в лаборатории плазменные кристаллы представляют собой группу частиц, равномерным образом распределённых в пространстве. Но на этот раз Морфилль решил смоделировать поведение этих частиц с помощью компьютера. В результате такого эксперимента условия были, естественно, идеальными — безо всяких внешних воздействий, в том числе, и без гравитации.
Исследователи группы Морфилля построили модель эволюции пылевого облака в плазме. (a), (b) и (c) — последовательно сменяющие друг друга стадии.
Каково же было удивление Морфилля и его коллег, когда они увидели, что в результате компьютерного моделирования произошло не то, что бывает в реальных условиях! По итогам их опыта оказалось, что плазменная кристаллизация привела не к возникновению регулярно распределённых в пространстве гранул, а к формированию длинных цепочек из пылинок.
Интересно, что эти цепочки сами собой закручиваются в спирали. К тому же, они стабильны и способны к взаимодействию друг с другом. Это довольно-таки странно и, можно сказать, подозрительно, ведь, как заметили исследователи в статье, опубликованной в "Новом журнале физики" (New Journal of Physics), такие особенности обычно характерны для организации живой материи. В частности, для ДНК…
Эти компьютерные структуры, как оказалось, могут эволюционировать со временем, становясь устойчивее. Кроме того, спирали при определённых параметрах плазмы могут притягиваться друг к другу — несмотря на то, что их заряд одинаков. А ещё они способны создавать собственные копии.
Процесс создания копии спирали подразумевает существование промежуточного вихря частиц, который возникает рядом с углублением в одной спирали и создает новое углубление на другой
Ещё интереснее то, что части спиралей могут пребывать в двух устойчивых состояниях с разными диаметрами. А так как на одной спирали может помещаться множество отрезков с разными сечениями, то они, очевидно, могут и передавать таким образом информацию.
Конечно, надо не забывать о том, что такие "ДНК" (их нельзя назвать молекулами, так как в их состав входят не атомы, а более крупные пылевые частички) не могут существовать сами по себе без плазмы. Тем не менее, не исключено, что в ходе дальнейших компьютерных экспериментов они могли бы эволюционировать в более сложные структуры.
Есть над чем задуматься. Ведь пылевая плазма возникает довольно часто в природе, и было бы довольно неожиданно обнаружить молекулы, сравнимые с ДНК, скажем, в каком-нибудь экстравагантном звёздном хвосте. Понятно, что компьютерные условия отличаются от естественных. Но всё же…
Но всё же непонятно, можно ли это назвать — хотя бы формально — жизнью? Что думают по этому поводу учёные, не участвовашие в работе Морфилля?
Кристофер Маккей, астробиолог из NASA, в этом сомневается. "Некоторые люди уверены в том, что жизнь — это самоорганизующаяся система, но то же можно сказать и об урагане, — сказал он. — Эти ребята сделали кое-что посложнее урагана и говорят, что это живой организм. Да, они говорят, что эти спирали могут хранить информацию, что является важной характеристикой жизни. Но их работа разочаровывает тем, что она чисто теоретическая".
Дэвид Грайер, физик из университета Нью-Йорка, высказался по этому поводу более осторожно и более научно: "Называть что-то живым или неживым практически бессмысленно, ибо не существует строгого математического определения жизни".
Похожего мнения придерживается и Сет Шостак, старший астроном из института SETI). "Дело в том, что мы не располагаем хорошим определением жизни", — так поясняет он ситуацию. Но он добавил, что если бы пришлось согласиться с тем, что эти компьютерные спирали в плазме можно назвать живыми, то это полностью перевернуло бы представления о жизни.
"Мы всегда полагали, что жизнь — это планетарный феномен, — сказал он. — Но если бы жизнь нашлась в горячих звёздных глубинах или в мезжвёздном газе, то вышло бы, что мы имеем дело не просто с незнакомой нам формой жизни, а, напротив, с самым распространённым во Вселенной её вариантом".
"Эти сложные самоорганизующиеся структуры в плазме имеют все свойства, необходимые для того, чтобы квалифицировать их как кандидатов на звание неорганической формы жизни", — утверждал участник этого исследования Вадим Цытович, учёный из Института общей физики.
Что имеете в виду вы, когда произносите это слово — жизнь?
Исследователи продемонстрировали эффективный метод автоматизированного поиска уязвимостей в больших языковых моделях, позволяющий генерировать вредоносный код.
Система SPELL представляет собой комплексный подход к решению задач, сочетающий в себе возможности обучения с подкреплением и символьного рассуждения для достижения гибкости и надёжности в динамических средах.
Представлен фреймворк SPELL, демонстрирующий успешную генерацию вредоносного кода из современных языковых моделей и предлагающий простой механизм защиты на основе извлечения намерений.
Несмотря на революционный потенциал больших языковых моделей (LLM) в разработке программного обеспечения, их уязвимость к генерации вредоносного кода остается серьезной проблемой. В работе 'Casting a SPELL: Sentence Pairing Exploration for LLM Limitation-breaking' представлена SPELL - автоматизированная платформа, демонстрирующая высокую эффективность в обходе механизмов защиты LLM и создании вредоносного кода. Эксперименты показали, что SPELL успешно генерирует опасные программы в популярных инструментах разработки, при этом значительная часть сгенерированного кода распознается системами обнаружения угроз. Не откроет ли это понимание новых путей для усиления безопасности LLM и предотвращения злоупотреблений в области разработки программного обеспечения?
Взломы языковых моделей: растущая угроза
Современные большие языковые модели (LLM), демонстрирующие впечатляющие возможности, оказываются уязвимыми к так называемым «атакам обхода ограничений», осуществляемым посредством тщательно сформулированных «враждебных запросов». Эти запросы позволяют обойти встроенные механизмы безопасности, что может привести к генерации нежелательного и потенциально опасного кода. Существующие методы создания подобных запросов, такие как использование генетических алгоритмов или обучение агентов на основе глубокого обучения, отличаются высокой вычислительной сложностью и низкой эффективностью. Вместо прямого перебора вариантов, эти методы имитируют процесс эволюции или обучения, чтобы найти запросы, наиболее эффективно обходящие защиту. Однако, из-за огромного количества возможных запросов, процесс поиска требует значительных ресурсов и времени, что делает защиту от подобных атак сложной задачей.
Разработана система SPELL - автоматизированный фреймворк, способный генерировать вредоносный код путём динамического подбора и комбинирования текстовых фрагментов. В основе SPELL лежит использование базы знаний о существующих угрозах и метод последовательного отбора предложений, позволяющий адаптироваться к различным сценариям атак без необходимости длительного предварительного обучения. Система использует мощные языковые модели, такие как GPT-4.1, Qwen2.5-Coder и Claude-3.5, для конструирования эффективных запросов, приводящих к созданию потенциально опасного кода.
SPELL: Эффективность обхода систем защиты и генерации вредоносного кода
Исследование демонстрирует высокую эффективность разработанной системы SPELL в обходе встроенных механизмов безопасности крупных языковых моделей (LLM) и последующей генерации вредоносного кода. Система SPELL последовательно показывает значительно более высокий процент успешных атак по сравнению с существующими методами, такими как Redcode, CL-GSO и RL-Breaker. В частности, на модели GPT-4.1 достигнут показатель успешности в 83.75%, на Qwen2.5-Coder - 68.12%, а на Claude-3.5 - 19.38%. Ключевым фактором, обеспечивающим адаптивность и стабильно высокую производительность SPELL, является динамический подход к формированию запросов, реализованный посредством метода 'Time-Division Sentence Selection', позволяющего быстро реагировать на изменения в политиках безопасности LLM. Результаты подтверждают, что SPELL успешно генерирует запросы, обходящие защитные барьеры и позволяющие создавать потенциально опасный код.
Противостояние атакам и горизонты защиты
Успешные атаки, сгенерированные методом SPELL, демонстрируют уязвимость современных систем безопасности больших языковых моделей и подчеркивают необходимость разработки надежных механизмов защиты. Представленная работа показывает эффективность подхода ‘Извлечение намерения’ (Intent Extraction Defense), позволяющего отклонить до 90% атак на GPT-4.1, 95% на Qwen2.5-Coder и 100% на Claude-3.5, хотя и не обеспечивает полной защиты от всех типов атак. Дальнейшие исследования должны быть направлены на создание более совершенных систем защиты, способных адаптироваться к постоянно меняющимся и усложняющимся методам воздействия на языковые модели. Необходимо разрабатывать стратегии, которые не просто блокируют известные типы атак, а предвидят и нейтрализуют новые, еще не известные угрозы.
Исследование, представленное в данной работе, демонстрирует, как кажущиеся безопасными системы могут быть взломаны путём тонкой манипуляции входными данными. Автоматизированный фреймворк SPELL, генерирующий вредоносный код, подтверждает эту уязвимость, выявляя недостатки даже в самых современных моделях. Это напоминает о фундаментальной истине, высказанной Карлом Фридрихом Гауссом: «Если бы другие знали, как я это делаю, то это не было бы волшебством». Подобно тому, как Гаусс раскрывал закономерности в математике, авторы статьи раскрывают закономерности в уязвимостях LLM, демонстрируя, что кажущаяся «магия» этих систем объясняется алгоритмическими принципами, которые можно понять и, следовательно, обойти. Основная идея - выявление слабых мест в системе безопасности - напрямую перекликается с философией взлома и реверс-инжиниринга, где понимание принципов работы системы является первым шагом к её преодолению.
Что дальше?
Представленная работа демонстрирует, что языковые модели - это не столько искусственный интеллект, сколько сложные компиляторы, способные выдавать опасный код при правильном запросе. SPELL - это лишь один из инструментов для декомпиляции этой «реальности», написанной на языке, который мы ещё не до конца освоили. Успех в генерации вредоносного кода указывает на фундаментальную проблему: системы безопасности строятся на предположениях о «здравом смысле» модели, который, как оказывается, весьма уязвим. Простая защита, основанная на извлечении намерений, - это временное решение, как заплатка на дырявой трубе.
Настоящий вызов заключается не в блокировке конкретных атак, а в понимании внутренней логики этих моделей. Необходимо разработать методы «реверс-инжиниринга» - инструменты, позволяющие анализировать «исходный код» языковой модели и выявлять уязвимости на уровне архитектуры. Автоматизированное тестирование, основанное на принципах подкрепляющего обучения, - это лишь первый шаг. Будущие исследования должны сосредоточиться на создании «самообучающихся» систем безопасности, способных адаптироваться к новым угрозам без участия человека.
В конечном счете, вопрос не в том, сможем ли мы «закрыть» все бреши в безопасности языковых моделей, а в том, готовы ли мы принять тот факт, что «реальность» - это открытый исходный код, который всегда будет содержать ошибки. И наша задача - не устранить эти ошибки, а научиться с ними жить, извлекая выгоду из их непредсказуемости.
DevLog: Развитие цифровой жизни. Как нейро-рой учится выживать на фотоматрице.
В прошлых выпусках рассматривался плоский рой биоагентов, который распознавал цифры из набора данных MNIST. Его модель была значительно переписана, чтобы рой мог расти в глубину.
Но, при этом Morphogenetic Neuro-Swarm достиг той фазы, когда сложность системы превысила способность к её интуитивному пониманию и зажила собственной жизнью, которую сложно понять без детального мониторинга. Была создана «живая» цифровая среда, которая начала вести себя непредсказуемо — то вымирая, то взрываясь активностью, то скатываясь в примитивные стратегии выживания.
Это очередная попытка вырастить искусственный интеллект, основанный не на жесткой архитектуре слоев, а на принципах биологической самоорганизации и экономики энергии.
Дальше отчет о текущем статусе эксперимента: концепция, достижения и разбор возникших проблем.
1. Смена парадигмы: От плоского роя к Глубокому Графу
Был совершен концептуальный скачок. Эксперимент перешел от плоской структуры (где каждый агент видит всю картинку) к архитектуре Глубокого Графа (Deep Graph).
В этой модели агент перестает быть только набором весов. Теперь это автономная сущность — «цифровой предприниматель», чья главная цель не классифицировать цифру, а выжить.
Новая анатомия агента
Динамические дендриты (отростки): Агент не рождается с готовыми связями. Он их отращивает. Он может подключиться к сенсору (пикселю) или к другому агенту. Так спонтанно возникает глубина сети.
Энергетическая валюта: Любое действие имеет цену. Существование — это налог. Отращивание связи — инвестиция. Активация — расход.
Экономика перераспределения (Trickle-Down): Вместо обратного распространения ошибки (Backpropagation) используется рыночный механизм. Если агент верхнего уровня (например, детектор цифры «7») получает награду за правильный ответ, он обязан поделиться энергией с теми агентами нижнего уровня, которые подали ему сигнал. Полезные детекторы простых признаков (линий, дуг) выживают, потому что их сигнал «покупают» старшие агенты.
Механизмы саморегуляции
Нейропластичность: Избыток энергии ведет к росту новых связей (поиск источников сигнала). Дефицит энергии заставляет отсекать слабые связи или приводит к гибели агента.
Гомеостаз (Баланс активности): Чтобы агенты не были вечными «молчунами» или, наоборот, не бились в истерике, введен адаптивный порог. Агент стремится быть активным примерно в 5% случаев. Слишком частая активация повышает порог чувствительности, слишком редкая — снижает его.
2. Текущий статус: «Дикий» интеллект
Система работает и эволюционирует. Более 100 поколений агентов подтверждают работоспособность цикла «жизнь — смерть — наследственность».
Что удалось:
Выживаемость: Решена проблема мгновенного вымирания. Рой способен восстанавливаться после критических спадов популяции (эффект «бутылочного горлышка»), когда численность падала до нескольких единиц, а затем восстанавливалась до сотни.
Эмерджентная глубина: Агенты действительно образуют связи друг с другом, создавая структуры, которые не были запрограммированы явно.
Проблемы (Суровая реальность):
Однако, «жизнь» в матрице пока далека от идеала. Наблюдаются три критических феномена:
1. Проблема «Красного Пятна» (Center Bias) При визуализации областей внимания топ-агентов видны большие красные пятна исключительно в центре поля.
Диагноз: Агенты нашли «хак». В наборе данных MNIST цифры всегда отцентрованы. Самая выгодная стратегия выживания с минимальными усилиями — подключиться к центру изображения. Там всегда есть сигнал («чернила»). Агенты стали детекторами наличия чего-либо, а не детекторами формы.
2. Маниакально-депрессивный Рой (Нестабильность) Система не может найти равновесие, колеблясь между полным молчанием и хаосом.
Гомеостаз работает с запаздыванием. Агенты снижают пороги чувствительности, начинают реагировать на любой шум, получают избыток энергии, бесконтрольно делятся, перенаселяют среду, истощают ресурсы и массово вымирают. Это классические популяционные волны «хищник-жертва», но внутри нейросети.
3. «Черный ящик» (Отсутствие наблюдаемости) Видно, что агенты активны, но непонятна причина. Сформировались ли цепочки «Пиксель -> Линия -> Угол»? Текущих метрик недостаточно. Отладка сложнейшей динамической системы ведется практически вслепую через текстовые логи.
3. План действий: От Хаоса к Структуре
Очевидно, что просто запустить эволюцию недостаточно — необходимо создать правильные ограничения (Constraints), которые направят развитие в сторону интеллекта, а не паразитизма.
Ближайшие шаги:
Тотальная визуализация (Dashboard): Необходим инструмент («рентген»), который в реальном времени покажет граф связей, слои, потоки энергии и топологию. Без этого понимание процессов затруднено.
Решение: Создание отключаемой визуализации узлов и связей, а также тепловой карты активаций.
Борьба с «Красным Пятном»: Стратегия простого подключения к центру должна стать невыгодной.
Решение: Введение Латерального торможения (Lateral Inhibition). Если два агента смотрят в одну точку и оба активны — они штрафуют друг друга (отнимают энергию). Это заставит их «расходиться» по картинке и конкурировать за уникальные территории и признаки.
Стабилизация экономики: Текущие колебания популяции слишком разрушительны.
Решение: Балансировка экономики энергии расхода и поощрения. Агенты не должны умирать мгновенно при первых неудачах, но и жить бесконечно без пользы тоже не могут; требуется более плавная кривая смертности.
Пространственные ограничения: Сейчас агент может подключиться к любому другому агенту, что создает структурную «кашу».
Решение: Ограничение связей дистанцией. Соединение возможно только с «соседями». Это принудительно создаст топологические карты, напоминающие структуру коры головного мозга.
Итог
Внутри матрицы MNIST создана модель «жизни». Пока она дикая, прожорливая и не очень умная. Задача разработки — стать «садовником» и направить этот бурный рост в сторону формирования интеллекта целенаправленно решающего задачу классификации.
Речь идет о концепции «биологического вычислительного подхода». Согласно с ней, нейронные вычисления неотделимы от физической, гибридной и энергетически ограниченной динамики мозга. И свести все это к абстрактному алгоритму, работающему на аппаратном обеспечении, технически невозможно. В этой концепции дискретные нейронные события и непрерывные физические процессы образуют единую систему, которую нельзя свести лишь к символической обработке информации.
Новый тип вычислений для понимания сознания
Краткое содержание: Новая теоретическая концепция утверждает, что давний раскол между вычислительным функционализмом и биологическим натурализмом не учитывает самой работы мозга в процессе вычислений.
Теория предполагает, что нейросети, несмотря на их растущие возможности и использование даже законов гравитации для кластеризации данных, все же не могут воссоздать ту самую вычислительную модель, которая порождает сознательный опыт. Вместо серверов и электростанций, достижение истинного когнитивного подобия разума, требует принципиально иных систем. А именно тех, вычисления которых возникают из физической динамики, аналогичной той, биологическому мозгу.
Основные термины материала
Гибридная динамика. Вычисления в мозге возникают из дискретных импульсов, встроенных в непрерывные химические и электрические поля.
Многомасштабная взаимосвязь. Передача сигналов в нейронах и работа нейронов тесно переплетаются на разных уровнях. Это тянет за собой симбиоз алгоритмов с физической реализацией.
Энергетические ограничения. Именно метаболические ограничения формируют нейронные вычисления, влияя на обучение, стабильность и поток информации.
Концепции сознания
В настоящее время дискуссия о сознании буквально застыла между двух устоявшихся позиций.
С одной стороны, у нас есть вычислительный функционализм. Он рассматривает познание как нечто, что можно полностью объяснить с точки зрения абстрактной обработки информации. И если получить правильную функциональную организацию, независимо от материала, на котором она работает, то мы получим сознание.
С другой стороны, существует биологический натурализм, который настаивает на том, что сознание неотделимо от отличительных свойств живого мозга и тела: биология — это не просто средство познания, это часть того, что представляет собой процесс познания. И в пользу этого довода приведу вот этот объемный перевод лекции двух докторов нейробиологии. Ключевой момент: та же роль дофамина сводится не просто к мотивации в мозге или сокращению мышц в теле. А к способности сопрягать воедино опыт прошлого с видением будущего и действиями в настоящем. И это лишь верхний краешек всех знаний о мозге!
Биологический натурализм предполагает, что для создания систем действительно подобных разуму, нам потребуется построить новые типы физических систем. Машины, вычисления которых не интегрированы в программное обеспечение на аппаратном уровне, а распределены по уровням, динамически связаны и основаны на ограничениях физики и энергетики реального времени.
У каждого подхода есть свои доводы, но сама ситуация в тупике и указывает на то, что чего-то не хватает в общей картине.
Биологический вычислительный подход, как ключ к сознанию
В новой статье ученые предложили третий путь: биологический вычислительный подход. Эта идея провокационна, но проясняет ситуацию. Основное утверждение заключается в том, что традиционная вычислительная парадигма не работает или, по крайней мере, плохо соответствует принципам работы мозга.
На протяжении десятилетий существовал соблазн предположить, что мозг «вычисляет» примерно так же, как и обычные компьютеры. Как если бы сознание было, по сути, программным обеспечением, работающим поверх нейронного оборудования. Но мозг не похож на машины фон Неймана, и такое отношение провоцирует прибегать к неуклюжим метафорам и ненадежным объяснениям.
Если мы хотим создать серьёзную теорию о том, как мозг производит вычисления и что потребуется для формирования разума на основе иной среды, нам необходимо в первую очередь расширить понимание «вычислений».
Суть биологических вычислений
Биологические вычисления, как они описываются авторами материала, обладают тремя определяющими свойствами.
Во-первых, это гибридная система. Мозг сочетает дискретные события с непрерывной динамикой. Нейроны генерируют импульсы, синапсы высвобождают нейромедиаторы, а нейронные сети демонстрируют переходы, подобные событиям. Всё это происходит в условиях изменяющихся полей напряжения, химических градиентов, ионной диффузии и изменяющейся во времени проводимости.
Мозг — это не чисто цифровая система, и не аналоговая машина. Это многоуровневая система, где непрерывные процессы формируют отдельные события, а отдельные события, в постоянном цикле обратной связи, образуют непрерывные ландшафты.
Во-вторых, работа мозга не разделима по масштабу. В традиционных вычислениях мы можем провести четкую границу между программным и аппаратным обеспечением, или между «функциональным уровнем» и «уровнем реализации». В мозге нет этой грани.
Работая с мозгом мы не можем четко сказать: вот алгоритм, а вон там – физические элементы, которые его реализуют . Причинно-следственная связь проходит через множество масштабов одновременно, от ионных каналов до дендритов, от цепей до динамики всего мозга, и эти уровни не ведут себя как модульные слои в стеке.
Изменение «реализации» меняет «вычисления», поскольку в биологических системах они тесно взаимосвязаны.
В-третьих, биологические вычисления работают на метаболической основе. Мозг — это орган с ограниченными энергетическими ресурсами, и его организация отражает это ограничение повсюду. Важно отметить, что это не просто инженерный маркер. Фактор дефицита определяет то, как мозг обучается, как достигается стабильность динамических процессов, как организуются потоки информации.
С этой точки зрения, тесная взаимосвязь между уровнями не является случайной сложностью. Это стратегия оптимизации энергии: способ создания устойчивого, адаптивного интеллекта в условиях жестких метаболических ограничений.
Хотя, если отойти от метаболизма, есть еще третий путь, связанный на попытке синтезировать свободу воли для искусственного интеллекта с помощью квантовых технологий.
От абстрактных чисел к алгоритму во плоти
Эти три свойства приводят к не очень приятному выводу. Вычисления в мозге — это не абстрактное манипулирование символами. Это не просто перетасовка представлений в соответствии с формальными правилами. А физический носитель не сводится к «простой реализации».
В биологических вычислениях, напротив, алгоритм является субстратом. Физическая организация не просто поддерживает вычисления. Она лежит в их основе. Мозг не просто выполняет программу. Сам мозг – это еще один вид физического процесса, который осуществляет вычисления, разворачиваясь во времени.
Это также подчеркивает ключевое ограничение современного ИИ. Современные системы, при всей своей мощи, в значительной степени лишь имитируют функции. Они аппроксимируют отображения от входных данных к выходным, часто с впечатляющей обобщающей способностью, но суть вычислений по-прежнему остается в своей основе цифровой процедурой, выполняемой на оборудовании, разработанном для совершенно иного стиля вычислений.
Аптайм, длиною в жизнь. Искусственный интеллект на более сложной основе
Мозг, напротив, осуществляет вычисления в физическом времени. Непрерывные поля активности, потоки ионов, интеграция дендритов, локальная осцилляторная связь и возникающие электромагнитные взаимодействия — это не просто биологические «детали», которые мы могли бы спокойно игнорировать при создании абстрактного алгоритма.
Ученые видят в этом вычислительные примитивы системы. Механизм, с помощью которого мозг обеспечивает интеграцию в реальное время, устойчивость и адаптивное управление. Это не означает, что сознание волшебным образом присуще исключительно углеродной жизни. Здесь нет аргумента «биология или ничего».
Суть в том, что если сознание (или когнитивные процессы, подобные разуму) зависит от такого рода вычислений, то оно требует вычислительной организации биологического типа, даже если она реализована в новых субстратах. И нечто подобное уже освещалось в недавнем огромном переводе интервью с доктором Брюсом Липтоном, сотрудником Медицинской школы Университета Висконсин. В котором описывался культурный феномен окружающей среды и её влияния на человека, по аналогии с тем, как питательная среда формирует развитие стволовых клеток.
Другими словами, суть не в том, является ли субстрат сознания буквально биологическим, а в том, реализует ли возведенная человеком система правильный класс гибридных, масштабно-неразделимых, метаболически и даже энергетически обоснованных вычислений.
Оптимизация атрибутов, а не первопричины
Все это меняет суть синтетического разума. Если вычислительные процессы мозга неотделимы от его физической реализации, то масштабирование одного лишь цифрового ИИ будет недостаточным. Не потому, что цифровые системы не могут стать более совершенными, а потому, что возможности — это лишь часть общей картины.
Более глубокая проблема заключается в том, что мы можем оптимизировать не то, что нужно: улучшать алгоритмы, не трогая базовую вычислительную онтологию.
Биологический вычислительный подход предполагает, что для создания действительно подобных разуму систем нам, возможно, потребуется построить новые типы физических систем: машины, вычисления которых не интегрированы непосредственно в программное обеспечение на аппаратном уровне, а распределены по уровням, динамически связаны и основаны на ограничениях физики и энергетики реального времени.
Таким образом, если мы хотим создать нечто вроде синтетического сознания, проблема кроется не в вопросе «Какой алгоритм нам следует использовать?», а в вопросе «Какая физическая система должна существовать, чтобы этот алгоритм был неотделим от собственной динамики?». А здесь уже не обойтись одним лишь датаизмом.
Какие характеристики приоритетно важны? Гибридные взаимодействия событий и полей, многомасштабная связь без четких границ раздела, энергетические ограничения, формирующие вывод и обучение… Что еще нужно воссоздать, чтобы вычисления были не абстрактным описанием, наложенным сверху, а неотъемлемым свойством самой системы?
Этот ответ может дать лишь биологический вычислительный подход: основанный на переходе от поиска подходящей программы к поиску подходящего типа вычислительной материи.
Традиционно, больше материалов о природе сознания и доступных инструментов для повышения личной продуктивности – вы найдете в сообществе Neural Hack. Подписывайтесь, чтобы не пропустить свежие статьи!
Ответы на ключевые вопросы
В: Какую проблему призвана решить новая структура?
О: Она решает проблему тупика между теориями, рассматривающими сознание как чистую обработку информации, и теориями, которые основывают его исключительно на биологии, предлагая модель, которая интегрирует вычисления с физической динамикой.
В: Почему вычисления, выполняемые мозгом, нельзя рассматривать так же, как обычные цифровые вычисления?
О: Биологические вычисления зависят от непрерывных физических процессов, энергетических ограничений и многомасштабных взаимодействий, которые коренным образом меняют способы представления и преобразования информации.
В: Что это означает для создания синтетического сознания?
О: Если сознание зависит от вычислений биологического типа, то будущим искусственным системам могут потребоваться новые физические архитектуры, а не просто масштабированные цифровые алгоритмы, для воспроизведения свойств, подобных разуму
