„Išlieka tik tie, kurie darosi altruistiški. Visos populiacijos, kurios nebuvo altruistiškos, išmirė. Tie, kurie vienas kitam padeda, mažiau rizikuoja“, - tvirtina profesorius Šarūnas Raudys.
„Pasaulis sudarytas iš elementarių dėsningumų ir juos dabar tiriame, - „Lietuvos žinioms“ sakė Matematikos ir informatikos instituto (MII) profesorius Šarūnas Raudys. - Kinai dar prieš 2,5 tūkst. metų ant popieriaus užrašė, kad meldžiamės dėsningumams. Maždaug taip skelbia viena jų filosofija.“
Šiais laikais informatika suvienijo daugelį mokslų ir kompiuteriais atliekami tyrimai mėginant mūsų gyvenimo dėsningumus pritaikyti dirbtinės gyvybės, dirbtinio intelekto, dirbtinės ekonomikos ar dirbtinės visuomenės tyrimų srityse.
Gyvybės paslaptis
„Neseniai Lisabonoje vykusioje konferencijoje viena Australijos mokslininkė sakė, kad jau 2020 metais visos pasaulio žinios apie biologiją bus sumodeliuotos kompiuteryje. Prognozė labai optimistinė, tačiau iš tikrųjų pasaulis eina ta linkme, kad būtų sumodeliuota gyvybė, kaip ji atsiranda, vystosi, ir būtų aiškios visos funkcijos, kas kaip elgiasi“, - pasakojo Š.Raudys.
Mokslininkas pripažino, kad jam asmeniškai gyvybė nebėra paslaptis. Paprastai tariant, yra elementarūs dėsniai, užkoduoti DNR. Į tam tikrą cheminę aplinką pakliuvusi DNR sukelia tam tikrus procesus. Ir ta DNR yra valdoma: po tam tikro laiko įsijungia viena, vėliau - kita grandinė ir pagal tą valdymo grandinę atsiranda arba koks nors kirminėlis, arba pelė, žmogus, dramblys. Viskas yra užkoduota ir neatmestina galimybė, kad tai įvyko evoliucijos metu - tiesiog per daugelį atvejų negalėjo neužsikoduoti.
Dabar biologija yra in vivo, t. y. gyva, in vitro - mėgintuvėlyje ir in silico arba in numero - būtent kompiuteriniai matematiniai modeliai, dirbtinė biologija. Kaip populiariai paaiškino Š.Raudys, dirbtinė gyvybė apima biologinės gyvybės dėsnių atskleidimą, jų ištyrimą kompiuteriais ir ištirtų dėsningumų grąžinimą į biologiją ir visuomenę.
Svarbus atpažinimas
„Dabartiniai kompiuteriai yra pagrįsti matematine logika, o gamtoje vyksta natūralus skaičiavimas, - prisiminė mokslininkas pernai Kinijoje vykusią konferenciją „Natural Computing“, t. y. gamtos įkvėptas skaičiavimas. - Pavyzdžiui, viena žmogaus ar pelės ląstelė pažįsta kitą. Įsipjauni pirštą - žaizda užauga. Nustoja augti, kai viena ląstelė sutinka kitą tos pačios rūšies ląstelę. Mums tam reikia kompiuterio, o jos tiesiog atpažįsta viena kitą. Jei tas mechanizmas sugenda ir augimas nesustoja, atsiranda auglys. Kai atpažinimo procesas toks sugedęs, kad persiduoda ir į kitas ląsteles, - piktybinis auglys.“
Lisabonoje vykusioje konferencijoje Š.Raudys skaitė pranešimą apie dirbtinę imuninę sistemą. Natūraliai imuninei sistemai svarbiausi yra limfocitai, atpažįstantys svetimas organinės kilmės ląsteles ir tuos svetimkūnius naikinantys. Pavyzdžiui, kūdikių imuninis atsparumas mažas - kiek jo gauna su motinos krauju. Augant, vidutiniškai per dvylika metų, pasiekiamas atsparumo maksimumas, o vėliau jis ima vėl mažėti.
Dirbtinė imuninė sistema modeliuojama, kopijuojant natūralios imuninės sistemos veiklą. Pavyzdžiui, kompiuterių antivirusinės programos apsaugo nuo elektroninių šiukšlių, virusų. Naujo tipo virusą reikia atpažinti ir dirbtinė imuninė sistema mokosi. Jos atmintis nuolat stiprinama, didinama.
Dirbtinės imuninės sistemos, atpažįstančios svetimus dalykus, naudojamos ne tik kompiuterių duomenų bazės apsaugai ir virusams aptikti, bet, pavyzdžiui, ir robotams, lėktuvams valdyti, atominės elektrinės saugumui garantuoti, vakcinoms kurti, pooperaciniams ligoniams stebėti, asmenybei identifikuoti pagal balsą, pirštų atspaudus, veido biometrikos duomenis.
Kaip nepasenti
Viena iš prof. Š.Raudžio pasiūlytų naujovių - senėjimo klausimo performulavimas. Pasak mokslininko, viena iš senėjimo priežasčių - nesugebėjimas greitai mokytis. Tam, kuris viską žino, mokytis nebereikia, vadinasi, jis yra senas. Per daug dėl visko garantuotas, visada teisus, nebegalintis matyti savo klaidų, visada žinantis, ką daryti. Jei dar sugeba mokytis, vadinasi, dar yra jaunas.
„Pradėjęs modeliuoti, pamačiau, kad tokia formuluotė labai daug kur pasitvirtina. Ir dirbtiniai neuroniniai tinklai, ir vienas paprastas neuronas, jei per daug gerai išmoko vieną uždavinį, įprato nedaryti klaidų, naują uždavinį išmoks blogai, - pasakojo informatikas. - Modeliuoju nebe vieną atpažinimo sistemą. Agentų (taip vadinama dirbtinio intelekto programa, atliekanti tam tikrą darbą) yra daug ir jie visi mokosi. Mokymasis yra tam tikrų sąsajų nustatymas. Kai jos jau nustatytos, agentas nebegali išmokti naujų dalykų. Taip mokosi ir leukocitai. Atėjo naujo tipo virusas - turi išmokti jį atpažinti. Vieni atpažįsta, kiti sunaikina.“
Iš visuomenės gyvenimo pavyzdys galėtų būti politikas, kuriam viskas labai lengvai sekėsi. Jis sudarė daug ryšių ir jais įsipareigojo. Ryšiai buvo tokie stiprūs, kad nebegalėjo jų nutraukti ir pakeisti savo politikos. Vadinasi, kaip politikas jis jau yra senas. Galės atsinaujinti, kai nutrūks visi senieji ryšiai.
„Pasaulis keičiasi ir visi turime adaptuotis. Aš nagrinėju agentų veiklą tokiame besikeičiančiame pasaulyje. Tas agentas, kuris labai gerai išmoko, buvo labai smarkiai skatinamas. Per daug neskatinant, ryšiai nesustiprės ir agentas taip nepasens, - pasakojo mokslininkas. - Kaip ir žmogus, kad nepasentų, turi pirmiausia šaltai gyventi, nevalgyti kaloringo maisto, žodžiu, nebūti išlepintas gyvenimo sąlygų, tada jis greičiau adaptuosis.“
Agentų balsais
Š.Raudys dabar tobulina ir vieną dirbtinės ekonomikos programą. Anksčiau modeliavo paprastesnį variantą, dabar jau 144 agentai stengiasi prognozuoti naftos kainą - kils ar ne. Visų jų metodai tarpusavyje skiriasi. Informatikas atrenka geriausius, kiekvieną kartą naujo tipo agentus, kurie turi teisę balsuoti, nes pasikeičia sąlygos ir nebe tie patys gerai balsuoja. Tie, kuriems nesiseka, žūsta, vietoj jų atsiranda naujų ir jiems suteikiama naujų savybių. Galiausiai tik keliese balsuoja ir nustato, ar naftos kaina kils, ar kris. Daugelio didžiulių naftos korporacijų 10 metų duomenys buvo gauti iš vieno Vakarų banko. Pranešimas šia tema rengiamas Ispanijoje vyksiančiai konferencijai.
Agentai, kaip pasakojo mokslininkas, veikia vienas kitą pagal tam tikrus dėsningumus. Vienas agentas, galima sakyti, - vienas neuronas. Kiekviena smegenų ląstelė yra sujungta su 5 tūkst. kitų neuronų ir susidaro neuroninis tinklas. Modeliuojant kompiuteryje - dirbtinis neuroninis tinklas. Jis gali daug ką padaryti. Maždaug 100 tūkst. tokių elementų prilygtų vienai bitei, o milijardas milijardų neuronų - žmogaus smegenims.
Spiečiaus intelektas
„Yra toks dirbtinės gyvybės terminas swarm intelligence - spiečiaus intelektas. Dažnai dirbtinės gyvybės konferencijose būna vienas ar du posėdžiai, skirti skruzdėlėms ir bitėms nagrinėti, kaip ten viskas vyksta. Tarkime, kelios bitės vienaip elgiasi, o nuo šeštos ar septintos pasikeičia jų elgesys, jis tampa bendras, kolektyvinis. Ir tos bitės ar skruzdėlės žino, pavyzdžiui, kad bus lietinga vasara. Bet kaip jos tai padaro, niekas nesupranta“, - sakė Š.Raudys.
Jis taip pat moko šimtus tūkstančių agentų, kurie stengiasi prisiderinti prie naujų sąlygų. Tie, kurie neprisiderina, žūsta. Vietoj jų atsiranda nauji. Lygiai kaip ir gyvybė: kai kurie neatlaiko konkurencijos ir žūsta, vietoj jų atsiranda nauji. Arba sužlugo kompanija, tačiau žmonės nežuvo, pastatai išliko, kitas kompaniją nupirko, nauja valdžia ėmėsi naujo tipo vadovavimo ir kompanija galbūt atsistos ant kojų.
„Žiūriu į tuos agentus kaip į gyvus, - prisipažino mokslininkas. - Esu vis dėlto inžinierius, gal šiek tiek fizikas, kuriam svarbu, ką tie matematiniai simboliai reiškia. Pavyzdžiui, kai galvoju, kad agentas yra ir žmogus ar organizacija, kuriems reikia išgyventi pasikeitusiomis aplinkos sąlygomis, lengviau kurti modelius, kuriuos naudoju tirdamas tų agentų populiacijas. Jie taip pat yra emocingi: skatina save, jei mokytis sekasi, ir stabdo, slopina, jei nesiseka. Kita vertus, emocijos, kaip rodo mano tyrimai, padeda ne tik greičiau mokytis, bet, pavyzdžiui, ir mokslinį darbą daro lengvesnį, leidžia ilgiau jį dirbti susikaupus.“
Dirbtinės gyvybės link
Š.Raudys pradėjo domėtis dirbtinės gyvybės problemomis maždaug prieš dešimt metų. Pirmosios Kauno politechnikos instituto skaičiavimo technikos specialybės laidos absolventas po aspirantūros Fizikos ir matematikos instituto Atpažinimo procesų skyriuje pas akademiką Laimutį Telksnį toliau dirbo toje srityje. Sąjūdžio metais būdamas Amerikoje labiau susidomėjo dirbtiniais neuroniniais tinklais. JAV ši sritis taip pat buvo dar palyginti nauja. Kai Vytauto Didžiojo universitete Š.Raudys turėjo pagloboti vieną disertaciją dirbtinės gyvybės tema, rašomą Jeilio universiteto profesoriaus Rimo Vaišnio doktorantės, labiau įsigilinęs į šią sritį, pamatė, kokia plati ir naudinga ji gali būti.
„Po truputį į ją įlindau ir pirmas dalykas buvo būtent senėjimas, - prisiminė mokslininkas. - Reikėjo išnagrinėti tokį su medicina susijusį reiškinį: žmogus, gavęs traumą, nebegali išmokti naujo uždavinio. Tada pastebėjau, kad labai sunku permokyti, jei prieš tai buvo gerai išmokytas, ir suformulavau vieną iš galimų senėjimo apibrėžimų.“
Pasaulio mokslo leidiniuose cituojami ir dar senesni Š.Raudžio darbai - sovietinės daktaro disertacijos rezultatai, labiau susiję su matematika. Tiriamiems matematiniams modeliams analizuoti jis pirmas pasaulyje pradėjo taikyti asimptomiką, kai vienu metu didėja ir modelio sudėtingumas, ir mokymo duomenų kiekis. Š.Raudys pirmas suformulavo ir pagrindė algoritmų teorijos efektą, kad esant mažam duomenų kiekiui reikia naudoti paprastus algoritmus ir tik esant dideliam jų kiekiui - sudėtingus.
„Man taip ir sakė sovietiniai specialistai, kad tik po 20 metų pasaulis tą dalyką pradės įsisąmoninti, - pasakojo mokslininkas. - Kuo sudėtingesnis modelis, tuo ilgiau jį reikia mokyti. Pavyzdžiui, katiną reikia mokyti dvi savaites ar mėnesį, kad pelę pagautų, o žmogų - daug ilgiau, kad duoną užsidirbtų. Tas pat ir matematiniam modeliui, dirbtiniams neuroniniams tinklams. Kai mokai agentą trumpai, gauni paprastą atpažinimo metodą, kai ilgai - sudėtingą. Sudėtingumas automatiškai įtrauktas į šį neuronų modelį.“
Š.Raudys parodė, kad neurono matematinis modelis evoliucionuoja besimokydamas - nuo statistiškai paprasčiausio pereina prie vis sudėtingesnio. Lietuvio mokslininko rezultatus Pasaulinės neuroninių tinklų asociacijos prezidentas prof. Shun-ichi Amari (Japonija) jau pavadino klasika. Dabar Š.Raudys tiria daugiasluoksnių neuroninių tinklų mokymo ypatumus, taiko savo sukurtą metodologiją psichologijos, ekonomikos, biologijos reiškiniams nagrinėti.
Tikint ir rizikuojant
MII profesorius juokavo, kad dabar jis labai populiarus Kinijoje. Su Nankino universitetu pernai rudenį sudaryta kūrybinio bendradarbiavimo sutartis retų įvykių ir rizikos modeliavimo srityje.
„Kinai paskatino mane lįsti į tą sritį. Nebūtinai prognozuoti retą įvykį, pavyzdžiui, laviną, uraganą, krizinę ekonomikos padėtį. Reikia įvertinti jo kainą, nes retų įvykių būna mažai, bet jei toks įvyksta, kainuoja labai daug, - sakė Š.Raudys. - Modeliuodamas naftos kainos pokyčius stengiuosi prognozuoti didelius nukrypimus ir pakilimus - tuos retus įvykius. Daug agentų mokosi iš skirtingų lygių ir neteisingo sprendimo kaina taip pat yra skirtinga. Blogai prognozuosi didelį įvykį, daug praloši.“
Mokslininkas tiria ir tokius dalykus kaip altruizmas. Modeliuoja dideles agentų populiacijas. Pavyzdžiui, tūkstantis jų yra suskirstyti į grupes. Jeigu grupėje vienas kitam padeda, visi kartu pasidaro stipresni ir išlieka, o grupė, kurioje vienas kitam nepadeda, žūsta.
Dirbtinės gyvybės tyrinėtojams įdomus altruizmas, kam jis yra reikalingas, juo labiau kad mutacijų būdu pats savaime atsiranda.
„Išlieka tik tie, kurie darosi altruistiški. Visos populiacijos, kurios nebuvo altruistiškos, išmirė. Tie, kurie vienas kitam padeda, mažiau rizikuoja, - aiškino Š.Raudys. - Lygiai taip pat ir dėl religijos. Tų, kurie netikėjo ko nors, nebėra. Visos populiacijos, kurios išliko, tikėjo. Nesvarbu ką.“
Kiekvienoje populiacijoje, pasak mokslininko, turi būti agentų, kurie rizikuoja, ir agentų, kurie nerizikuoja. Jei kas atsitiks, liks tie, kurie nerizikuoja. Jei bus kitaip, liks tie, kurie rizikuoja, o žus visi kiti. Iš šimto rizikuojančiųjų bent du vis tiek liks gyvi. Jie pratęs populiaciją.
Prof. Š. Raudys pasakojo, kad Malaizijos jūrų muziejuje pamatęs tokią žuvį-augalą prisiminė Charlesą Darwiną ir suprato, kodėl šis, grįžęs iš Galapagų salų, sukūrė savo evoliucijos teoriją. Ten - pusiaujas, nėra žiemos ir vasaros, mažiausias sąlygų pasikeitimas. Nėra pasikeitimo, niekas nežūsta - nėra evoliucijos. Modeliavimas kompiuteriu informatikui padėjo suprasti, kad ir dirbtinės gyvybės evoliucija nevyksta, jei sąlygos lengvos. Evoliucijai reikia, kad daug žūtų, bet ne visi. Jei niekas nežūsta, neatsiranda naujų rūšių, o jei labai sunkiomis sąlygomis žūsta visi, nėra kam išlikti.
Dirbtinei gyvybei dažnai priskiriama tokia tyrimų sritis kaip signalo sklidimas sužadinamoje terpėje. Prof. Š.Raudys yra pasiūlęs originalią dirbtinių neuroninių tinklų modeliu paremtą schemą, kaip sužadinimas iš vienos ląstelės persiduoda kitai. Šiame paveiksle, kaip pasakojo mokslininkas, buvo sužadinta centrinė ląstelė ir sužadinimas pradėjo sklisti į visus šonus: iš karto - simetriškai šešiakampiu, paskui atsirado įtrūkimų ir signalas pradėjo sklisti ne tik į priekį, tolyn nuo centro, bet ir į šonus, atgal. Dar po kurio laiko tų netikslumų prisikaupė daug ir atsirado kažkas panašaus į chaosą.
„Niekas nežino, kaip yra iš tikrųjų, - sakė Š.Raudys. - Kadangi šis modelis yra labai paprastas ir bendras, tai gal čia glūdi gyvybės pradžia?! Juk tų spiralių atsiradimas yra ir atomai, ir širdies susitraukimai, ir plazminiai reiškiniai, ir sūkuriai, kai žiūrima į galaktiką iš šono. Įdomu, kad šiame paveiksle iš toli viskas atrodo gražu, simetriška, dėsninga, o kai žiūri iš arti į mažą gabaliuką, matai tik chaosą.“
Milda Kniežaitė
