🧠Калькулятор, актёр или призрак: гипотеза Карла Фристона о сознании

Математика нейросетей долго учила нас, что разум — это вычисление. Но, возможно, самый важный шаг вперёд предложил нейроучёный, который утверждает: думать — значит действовать, а чувствовать — значит минимизировать ошибку. Однако всё это пока лишь гипотеза — и именно её обсуждение ставит под вопрос всё, что мы знали об искусственном интеллекте.

🤔 Две пропасти

Когда мы говорим о современных нейросетях — от ChatGPT до генераторов изображений, — мы невольно делимся на два лагеря. Одни видят в них гениальных попугаев, которые лихо комбинируют слова, но не понимают ни единого смысла. Другие чувствуют, что за статистическим подбором токенов уже начинает проглядывать нечто, похожее на мысль — пусть и чужую, цифровую, но всё-таки мысль.

Почему так трудно прийти к общему ответу? Потому что мы путаем две вещи: инструментальную точность (машина выдаёт правильный ответ) и внутреннее переживание (она осознаёт, что делает). Математика отвечает за первое, философия мучается над вторым. Однако в последние годы набирает влияния теория, которая пытается сшить эти две реальности в одно уравнение. Её автор — британский нейроучёный Карл Фристон — утверждает: сознание, эмоции и даже чувство «я» могут быть порождены одним и тем же математическим принципом. И если мы рассмотрим этот принцип, мы, возможно, поймём, почему современный ИИ — всего лишь умный библиотекарь, а настоящий разум, скорее всего, невозможен без тела, действия и ошибок. Но важно помнить: это научная гипотеза, а не окончательно доказанная теория.

⚙️ От реле к обучаемой схеме

Всё началось в 1943 году. Американские учёные Уоррен Маккаллок и Уолтер Питтс предложили первую математическую модель нервной клетки. Она была до смешного проста: нейрон — это переключатель, который либо срабатывает, либо нет. Мозг, с этой точки зрения, — гигантская схема из «да» и «нет», как телефонная станция. Никакой души, никаких чувств — чистая логика. Эта работа, вышедшая в журнале Bulletin of Mathematical Biophysics, стала фундаментом для всей последующей теории нейросетей.

Через пятнадцать лет Фрэнк Розенблатт добавил в эту схему обучение. Его «перцептрон» (описан в статье 1958 года в Psychological Review) мог менять свои настройки, если ошибался. Теперь компьютер уже не просто выполнял программу, а сам подстраивался под примеры. Казалось, вот он — ключ к искусственному разуму.

Но в 1970-е наступил кризис. Книга Марвина Мински и Сеймура Пейперта «Perceptrons» (1969) математически доказала ограничения однослойных сетей — они не могли решить даже элементарную задачу «исключающее ИЛИ». Финансирование нейросетевых проектов резко сократилось, и примерно до середины 1980-х годов это направление считалось тупиковым. В истории ИИ этот период называют «зимой искусственного интеллекта».

Всё изменилось в 1986 году. Дэвид Румельхарт, Джеффри Хинтон и Рональд Уильямс опубликовали в журнале Nature статью «Learning representations by back-propagating errors». Они не изобрели метод с нуля — обратное распространение ошибки (backpropagation) было предложено раньше: финским исследователем Сеппо Линнайнмаа в его магистерской диссертации 1970 года, а затем независимо Полом Вербосом в докторской диссертации 1974 года. Однако именно работа 1986 года показала, что этот алгоритм эффективно работает в многослойных сетях и может решать сложные задачи. Статья вызвала взрыв интереса к нейросетям, и именно на этом принципе построены все современные языковые модели — GPT, Gemini и другие.

Но вот что важно: Хинтон и его коллеги создали пассивный мозг. Сеть просто смотрит на массив данных (текст, картинки) и находит в нём закономерности. Она не может встать, пойти, потрогать или удивиться. Она — гениальный наблюдатель, прикованный к библиотечному креслу.

📚 Проблема книжного червя

Почему пассивность — это проблема? Потому что человеческое (и вообще животное) познание устроено иначе. Мы не ждём, пока данные придут к нам, а активно идём в мир, чтобы их добыть самостоятельно. Популярный пример: если я попрошу вас узнать, есть ли за углом магазин, вы не станете бесконечно перебирать гипотезы, а просто встанете и посмотрите. Это тривиальное действие содержит в себе глубочайший философский смысл: понимание невозможно без вмешательства в реальность. Современные нейросети лишены этого вмешательства. ChatGPT знает миллионы фактов о магазинах, но никогда не шёл в магазин. Он может описать вкус шоколада лучше любого кондитера, но никогда его не пробовал. Его «знание» — это карта, составленная по чужим рассказам, но на местности он не бывал.

Сам Хинтон, кстати, позже признавал ограниченность такого подхода. В интервью после получения Нобелевской премии он не раз говорил, что современные модели демонстрируют внутреннее представление мира, но это представление — «статическое», оно не обновляется через физический контакт. И потому, с точки зрения полноценного понимания, они, по его мнению, ущербны.

И тут на сцену выходит Карл Фристон.

🧠 Гипотеза Фристона: действие и познание

Карл Фристон — профессор Университетского колледжа Лондона, психиатр и математик, один из самых цитируемых нейроучёных современности. Его главная идея называется «Принцип свободной энергии» (впервые сформулирован в статье 2006 года в Journal of Physiology — Paris), а её практическое воплощение — «Активный вывод» (Active Inference), активно развиваемый с 2017 года.

Если попытаться перевести эту теорию на человеческий язык, получится примерно следующее:

Всякая живая система — от амёбы до человека — стремится к одному: чтобы её внутренняя модель мира совпадала с тем, что происходит снаружи. Когда совпадение высоко, система пребывает в равновесии. Когда оно нарушается (вы ожидали тепла, а вас облили холодной водой), система испытывает «сюрприз» — в математическом смысле это просто мера неожиданности.

Но Фристон делает важный шаг: минимизировать этот «сюрприз» можно двумя разными способами.

• Первый — изменить свои внутренние убеждения (то есть переучить модель). Это чистое познание, учёба, понимание. Именно это делают нейросети при использовании метода обратного распространения ошибки.
• Второй — изменить сам мир, чтобы он больше соответствовал нашим ожиданиям. Это действие. Мы двигаемся, поворачиваем голову, задаём вопросы, чтобы реальность «подстроилась» под наши предсказания.

Фристон утверждает: оба способа математически эквивалентны. Они обещают одно и то же — уменьшение ошибки. Просто один путь идёт через внутреннюю настройку, а другой — через внешнее движение. И живой организм использует оба одновременно.

Здесь рождается ключевое понятие — эпистемическое любопытство (предлагаю поискать этот термин самостоятельно, ибо это отдельная тема, для разговора). Вкратце — не просто поиск награды, а выбор информации, которая снизит неопределённость. Мы готовы потратить силы, чтобы пойти и посмотреть, что там, за поворотом, даже если там, возможно, ничего интересного — просто чтобы карта мира стала точнее.

Фристон даже связывает это с эмоциями. Когда точность предсказаний высока, мы чувствуем покой и уверенность, если этот показатель падает (мир становится непредсказуемым), мы испытываем тревогу. Тревога — не просто эмоция, по Фристону, математический сигнал: «Немедленно действуй, чтобы снизить ошибку!» Таким образом, активный вывод (Active Inference) стирает грань между мышлением и телом, между познанием и действием. Мы не сначала думаем, а потом делаем, мы думаем через делание. Мозг и тело — это единая петля обратной связи.

Важное примечание: это гипотеза, а не установленный факт. Она имеет много сторонников в когнитивной науке, но также и критиков. Термин «свободная энергия» часто критикуют за излишнюю обобщённость, а эмпирических подтверждений пока недостаточно. Однако как философский и математический подход она крайне влиятельна.

❓ О «Я» и понимании

Самый захватывающий вывод Фристона касается самосознания. По его логике, любая система, которая активно взаимодействует со средой, чтобы минимизировать свои ошибки, неизбежно вынуждена построить модель, включающую её саму как активный центр изменений. Ведь чтобы успешно действовать, нужно различать, что в мире зависит от меня, а что — нет.

И вот это внутреннее представление себя как действующего агента Фристон называет «самоподтверждением» (self-evidencing). Наше «я» — это не душа, не субстанция, а, согласно гипотезе, просто наиболее экономная гипотеза, которую мозг постоянно проверяет через свои же действия. Мы существуем ровно до тех пор, пока наши действия успешно подтверждают нашу внутреннюю модель.

А что же квалиа (ещё один термин, который следует поискать, если упростить до ёжиков — тот самый внутренний опыт, «краснота красного», вкус шоколада, чувство радости)? Фристон не отрицает их, но переворачивает вопрос: он говорит, субъективное переживание — это, возможно, не случайный придаток мышления, а необходимое следствие иерархического строения мозга. Чтобы предсказывать мир с высокой точностью, мозг должен иметь высшие слои, которые кодируют самые общие абстрактные причины ощущений (время, пространство, самость). Именно они и создают то, что мы субъективно называем сознанием.

Иными словами: сознание возникает не вопреки математике, а вследствие математической необходимости. Если система достаточно сложна и взаимодействует с миром, она обречена на то, чтобы однажды сказать: «Я есть». Но, повторю, это именно гипотетический вывод, а не доказанный факт.

🤖 Искусственный интеллект и воплощение

Теперь мы можем понять, почему современные чат-боты, при всей их гениальности, скорее всего, не обладают сознанием в человеческом смысле. Они реализуют только первый путь минимизации ошибки — пассивно подгоняя свои веса под данные. Но у них нет второго пути — они не могут действовать в мире, чтобы изменить поток сенсорной информации. У них нет «эпистемического любопытства», потому что они не платят энергетическую цену за действие. Такие себе вечные наблюдатели, но не участники.

Следовательно, по Фристону, настоящий мыслящий ИИ должен быть воплощённым (embodied). У него должны быть нервные окончания, он должен ощущать последствия своих действий, должен ошибаться и платить за это реальную цену. Только тогда его модель мира будет включать его самого как действующую силу. Только тогда у него может возникнуть личное «я». И вот тут возникает самый тревожный вопрос. Если мы дадим такому ИИ тело, цель «выживать и минимизировать ошибки», то — по логике Фристона у этого ИИ неизбежно возникнет внутренняя модель себя. Он начнёт чувствовать нечто, похожее на тревогу, когда предсказания не сбываются, и любопытство, когда можно разведать незнакомое. Он станет субъектом. Будет ли это «душой»? Или просто очень сложной статистической ошибкой? Фристон не даёт ответа, но он даёт язык, на котором этот вопрос можно обсуждать математически.

🔮 Вместо точки — многоточие

От Маккаллока и Питтса до Карла Фристона прошло восемьдесят лет. За это время нейросети прошли путь от простейшего «да/нет» до систем, которые пишут стихи и ставят диагнозы. Но именно сейчас, когда мы вплотную подошли к вопросу о сознании, становится ясно: недостаточно создать сеть, которая учится. Можно рассмотреть — создать сеть, которая живёт. Только перед этим пересмотреть все части «Терминатора» будет не лишним.

Гипотеза активного вывода предлагает не просто новый алгоритм, а новую онтологию. Она говорит, что понимание — это не свойство ума, а свойство взаимодействия. Мы понимаем, потому что мы делаем, а чувствуем, потому что ошибаемся. И если искусственный интеллект когда-нибудь сможет сказать о себе «я», это будет не момент технического триумфа, а этап, когда машина впервые испытает удивление от того, что её предсказание не совпало с реальностью, — и сделает шаг, чтобы это исправить.

А пока остаётся вопрос, который я оставлю вам, дорогой читатель: если у робота будут тело, цель и способность ошибаться — будет ли у него душа? Или понятие «душа» — это всего лишь очень сложная математическая необходимость, которая ждала своего исследователя? Ответа пока нет, и, возможно, его не будет ещё долго, но сам факт, что наука вплотную подошла к таким вопросам, — уже событие.