Naturlig informatik är ett vetenskapligt område som studerar de informationsprocesser som äger rum i naturen, hjärnan och det mänskliga samhället. Den är baserad på sådana klassiska vetenskapliga områden som teorier om evolution , morfogenes och utvecklingsbiologi , systemforskning , forskning om hjärnan , DNA , immunsystem och cellmembran , ledningsteori och gruppbeteende , historia och annat [1] . Den sekundära uppgiften för denna riktning är implementeringen av den förvärvade kunskapen i tekniska system. En mellanplats mellan dessa två tillvägagångssätt upptas av datormodellering av naturliga informationsprocesser.
Cybernetik , definierad som "vetenskapen om de allmänna lagarna som styr processerna för kontroll och överföring av information i olika system, oavsett om det är maskiner, levande organismer eller samhälle" [2] är en nära, men något annorlunda vetenskaplig riktning. Precis som matematik och huvuddelen av modern datavetenskap kan den knappast hänföras till naturvetenskapernas område , eftersom den skiljer sig kraftigt från dem i sin metodik. (Trots den bredaste användningen av matematisk och datormodellering inom modern naturvetenskap.)
Informatik brukar betraktas som en rent teknisk disciplin, om inte framväxande, så utvecklad i och med datorernas tillkomst i mitten av förra seklet. Även om uråldriga datorenheter som kulramen , utvecklingen av ett system av hieroglyfer eller uppfinningen av typografi också kan tillskrivas ämnet för denna disciplin. Några[ vem? ] forskare håller sig dock till uppfattningen att det inte var människor som skapade datavetenskap, utan datavetenskap skapade människor. I synnerhet kan evolutionsteorin inte tolkas på annat sätt än som ett grandiost CAD -projekt som kulminerade i skapandet av en så perfekt självreplikerande datorenhet som en person. . Uppenbarligen är principerna för denna utveckling antingen helt obegripliga för oss eller mycket dåligt förstådda. Men det betyder inte att de inte finns eller att de inte är värda att studera.
Många processer som sker i naturen kan betraktas som informativa. Det är till exempel utvecklingsprocesser , biologisk transport , processer i encelliga organismer . När de studerar dessa processer pekar forskare ut några principer, fenomen, processer som förtjänar att abstraheras från det naturvetenskapliga sammanhang där de observerades (fysiologi, genetik, kvantfysik) och betraktas i termer av de universella principerna för informationsbehandling i naturen. . Det är särskilt intressant att observera vilka av dem som redan har kommit in i begreppssystemet för modern datavetenskap. Ur denna synvinkel genomfördes den efterföljande översynen av vetenskapliga riktningar.
Studiet av fossiler och arternas mångfald i mitten av 1800-talet övertygade de flesta forskare om att arter förändras över tiden [3] [4] . Mekanismen för dessa förändringar förblev dock oklar fram till publiceringen 1859 av boken " The Origin of Species " av den engelske vetenskapsmannen Charles Darwin om naturligt urval som evolutionens drivkraft [5] . Teorin om Darwin och Wallace accepterades så småningom av det vetenskapliga samfundet [6] [7] . På 1930-talet kombinerades idén om darwinistiskt naturligt urval med Mendels lagar , som låg till grund för den syntetiska evolutionsteorin (STE). STE gjorde det möjligt att förklara sambandet mellan evolutionens substrat (gener) och evolutionens mekanism (naturligt urval).
I evolutionsteorin särskiljs följande viktigaste fenomen som bidrar till utvecklingen av en art: ärftlighet , föränderlighet och naturligt urval . Variabilitet tillskrivs vanligtvis en slumpmässig karaktär - till exempel slumpmässiga mutationer av den genetiska koden. Naturligt urval ses i evolutionsteorin som en rent yttre inblandning av miljön i utvecklingen av en art. Det visar sig att endast arvsmekanismen kan tillskrivas den kreativa principen som skapade naturens mirakel - människan. Det finns dock verk där dessa bestämmelser ifrågasätts [8] . Det kan antas att mekanismen för variabilitet inte är så enkel som det är vanligt att tro, och urvalet utförs inte bara av externa, utan också med interna medel i förhållande till artsystemet. Med sällsynta undantag återspeglas dessa kategorier ännu inte i modern informatiks teori och praktik.
Den österrikisk-amerikanske biologen Ludwig von Bertalanffy föreslog General Systems Theory på 1930 -talet [9] . Dess huvudidé är att erkänna isomorfismen i de lagar som styr funktionen hos systemobjekt [10] . Många begrepp i denna teori har korrelationer inom modern datavetenskap. Dessa är till exempel objekt (jfr objektorienterad programmering ) och relationer ( relationsdatabaser ), system och miljö (klient-server-arkitektur).
Men Bertalanffy utforskar också systemdynamiken - jämvikt (homeostas), evolution , anpassning, övergångsprocesser. Därmed inte sagt att dessa ämnen nu helt ignoreras av datavetenskapen, om vi till exempel menar processen med mjukvaruutveckling. Det pågår en riktig dödlig kamp med komplexitet och entropi (ett annat systemkoncept) här. Om fixering av en bugg i koden orsakar n nya buggar i genomsnitt, där n>1, så blir utvecklingsprocessen divergerande. Det är osannolikt att naturen inte mötte sådana problem, och det är väldigt intressant hur hon löste dem.
Det systemiska konceptet med en modell verkar vara mycket lovande , av A.I.briljant logisk analys av vilken gavsen
Systembiologi är en vetenskaplig disciplin som bildades i skärningspunkten mellan biologi och teorin om komplexa system . Termen användes första gången i en artikel från 1993 av W. Zieglgänsberger och TR. Tolle [12] . Men själva riktningen fanns säkert tidigare. Egentligen var Bertalanffy själv biolog, så han kan betraktas som patriarken för denna trend.
Och ännu tidigare, redan i början av 1900-talet, underbyggde den ryske fysiologen Vladimir Bekhterev 23 universella lagar och utvidgade dem till de mentala och sociala processernas sfärer [13] . År 1935 introducerade en elev till akademikern Pavlov, Pyotr Anokhin , begreppet "sanktionerande afferentation" (sedan 1952 - "omvänd afferentation", senare, inom cybernetik - "feedback"), samtidigt som han ger den första definitionen av en funktionellt system [14] , i en viss utsträckning föregripande teorin om Bertalanffy.
Här är det omöjligt att inte nämna konceptet med den betingade reflexen som utvecklats av I. P. Pavlov själv , inom ramen för det arbete som Anokhins systemiska uppfattningar bildades på.
Mycket nära datavetenskap ligger arbetet med att dechiffrera DNA:s genetiska kod .
Ofta betraktas universum självt ur informationsprocessernas synvinkel. Även tanken har framförts att information är ett mer grundläggande begrepp än materia och energi. Zuse-Fredkins tes, som går tillbaka till 1960-talet, är att hela universum är en gigantisk cellulär automat , som ständigt uppdaterar sina regler. [15] [16]
Enligt en annan version är universum en kvantdator som beräknar sitt eget beteende [17] .
Det finns många utvecklingar av datorsystem baserade på principer som finns i naturen. Egentligen är detta ett av ämnena för bionik , en disciplin som, tillsammans med studien, till exempel, av fåglars flygning eller delfiners hydrodynamik, för att upprepa dem i tekniska anordningar, också är engagerad, till exempel, i studiet av informationsprocesser i kroppen.
Exempel på sådana områden är artificiella neurala nätverk , evolutionära algoritmer , svärmintelligens , DNA-dator , kvantdator .
I huvudsak är alla befintliga metoder och algoritmer inom teoretisk datavetenskap "naturinspirerade" algoritmer [18] inklusive cellulära automater, evolutionär datoranvändning, svärmintelligens och andra. En detaljerad översikt finns i många böcker [19] [20]
Modellering av naturliga informationsbehandlingssystem tjänar å ena sidan till att studera och bättre förstå dem, och å andra sidan producerar idéer för implementering av tekniska datorsystem. Dessa är tillvägagångssätt som artificiellt liv , modeller för självreproduktion.
Skapandet av matematiska eller datormodeller för studier av verkliga föremål kan erkännas som en av de viktigaste egenskaperna hos den moderna naturvetenskapliga disciplinen. En av de första numeriska modellerna inom biologi är de brittiska neurofysiologerna och nobelpristagarna Hodgkin och Huxley , publicerad 1952. Författarna skapade en matematisk modell som förklarar utbredningen av aktionspotentialen längs axonen av en neuron [21] . Deras modell beskrev den potentiella utbredningsmekanismen som en interaktion mellan två olika molekylära komponenter: kanaler för kalium och natrium, vilket kan betraktas som början på beräkningssystembiologin [22] . År 1960, baserat på modellen av Hodgkin och Huxley, skapade Denis Noble den första datormodellen av pacemakern [23] .
Ansträngningar att förstå naturen hos biologiska system inkluderar också skapandet av halvsyntetiska organismer.