Закон Мура, сложность и обратная связь

В 1965 году, вскоре после изобретения интегральной схемы, Гордон Мур обратил внимание на то, что новые модели микросхем появлялись спустя примерно год после предшественников, при этом количество транзисторов в них возрастало каждый раз приблизительно вдвое. Мур предположил, что такой темп роста может сохраниться в ближайшие 10 лет. Спустя пять лет профессор Калифорнийского технологического института и автор программных технологий проектирования больших интегральных микросхем Карвер Мид сделал шаг к канонизации этого наблюдения — он первым использовал всем привычное словосочетание «закон Мура».

Вполне естественно, что Гордон Мур построил свой прогноз на основании сделанных им эмпирических наблюдений, но, как выяснилось позже, другой компьютерный гений, теоретик и архитектор, более всего известный как создатель компьютерной мыши, Дуглас Энгельбарт заранее предвидел подобный рост и впервые сказал о нем на своей лекции в 1960 году. А еще раньше, в 1950 году, о будущем неизбежном росте мощности вычислительных машин писал Алан Тьюринг. Все это заставляет задуматься о том, что экспоненциальный рост — более общее явление, которое наблюдается не только в индустрии ИТ. Например, широко известен пример роста числа научных публикаций — если взять за точку отсчета 1710 год и первые труды Исаака Ньютона, то несложно убедиться, что удвоение здесь наблюдается каждые 15 лет. Есть и другие подобные примеры, поэтому любой любознательный человек невольно может задаться вопросом о таинстве процесса периодического удвоения.

Возможно, разрешить сомнения позволяет вышедшая в 2012 году статья «Жизнь до Земли» (Life Before Earth) Алексея Шарова из Национального института старения США и Ричарда Гордона из Морской исследовательской лаборатории. Основная тема публикации — отнюдь не проблемы внеземного происхождения жизни, на что могло бы указывать броское название, а регулярное удвоение сложности биологических систем и аналогия с законом Мура, что и побудило нас обратиться к Алексею Шарову, который прокомментировал свою точку зрения для читателей журнала «Открытые системы».

Как вы пришли к мысли о «всеобщности» закона Мура?

В оригинале закон Мура постулирует: плотность упаковки транзисторов, а следовательно и сложность полупроводниковых интегральных микросхем, удваивается примерно за 18 месяцев. Закон поражает любого наблюдателя сохранением своей справедливости уже на протяжении шестидесяти лет, но, обобщая этот закон, можно сказать, что он описывает динамику эволюции вообще всех сложных систем, включая и биологические. Примерно десять лет назад я заинтересовался тем, как можно применить суть этого закона — идею периодического удвоения — в более широком контексте, к описанию процесса эволюции живых организмов. В этом отношении мне помогла публикация Кристофа Адами и соавторов (www.pnas.org/content/97/9/4463.full), предложивших характеризовать сложность живых систем длиной функциональной и неповторяющейся частей генома.

Геном кодирует функции организма, поэтому длину функциональной и неповторяющейся его частей можно использовать для оценки функциональной сложности всей живой системы. А поскольку к тому времени были опубликованы геномы важнейших видов, включая человека, не оставалось ничего иного, как собрать и проанализировать существующие данные. Геном млекопитающих содержит много нефункциональных фрагментов, которые можно выделить по признаку наличия транспозонов (последовательностей ДНК, способных перемещаться внутри генома в результате транспозиции). Геномы древних эукариот (домен всех живых организмов, клетки которых имеют ядра) и прокариот (одноклеточных организмов, не обладающих ядром) неизвестны, тем не менее эволюционные реконструкции показали, что длина этих геномов сравнима с длиной минимальных известных геномов (Encephalitozoon cunicul и Nanoarchaeum equitans соответственно).

Ранние исследования не смогли выявить зависимости между длиной генома и сложностью организации живых организмов — например, у микроскопических инфузорий, состоящих из одной клетки, количество ДНК существенно больше, чем в клетке человека. Как оказалось, количество ДНК не отражает количества информации в геноме, поскольку ДНК в ядре выполняет дополнительные неинформационные задачи, такие как поддержание размера и структуры ядра клетки, адсорбция регуляторных белков в ядре, обеспечение дупликации и расхождения хромосом и т. п. Для выполнения этих функций используются неинформативные части молекулы ДНК, представленные повторами, транспозонами, которые в какой-то мере аналогичны компьютерным вирусам. Очевидно, что эти фрагменты не следует учитывать при определении сложности генома. Геном вымерших предков может быть реконструирован на основе сравнения геномов их потомков.

Как все это связано с законом Мура?

Оказалось, что логарифм от сложности генома линейно зависит от времени происхождения организмов, а это полностью согласуется с законом Мура. Разумеется, шкала времени здесь совершенно иная — время удвоения сложности составило 376 млн лет вместо 18 месяцев. Но самым интересным оказалась возможность экстраполировать эту зависимость назад, вплоть до предполагаемого момента происхождения жизни, когда логарифм сложности должен быть равен нулю, что соответствует одному нуклеотиду. Неожиданно для меня предсказанный таким образом возраст жизни оказался равным 9,7 млрд лет, что вдвое больше известного возраста Земли. По-видимому, бактерии были как-то занесены на Землю.

Но возникает вопрос, а может ли эволюция жизни начаться с молекул, которые функционально эквивалентны одному нуклеотиду? Большинство теорий предполагает, что жизнь началась с более сложных систем, которые включали несколько генов или по крайней мере несколько типов полимеров, организованных в самовоспроизводящуюся сеть. Однако все эти теории основаны на сомнительных допущениях, поэтому я предложил более простую модель происхождения жизни, в которой каталитически активные молекулы кодировали поверхностные свойства мелких капель насыщенных углеводородов абиогенного (неорганического) происхождения путем окисления атомов углерода. Эти катализаторы могли «размножаться» благодаря автокатализу на поверхности углеводородных капель и обеспечивать наследственность при делении и слиянии таких капель. Такие примитивные системы могут эволюционировать путем добавления новых типов каталитически активных молекул, которые заполняют новые функциональные ниши (например, запасают энергию или адсорбируют ресурсы). Эволюция возможна благодаря примитивной наследственности, основанной на автокатализе, кросс-катализе и выживании приспособленных. Только после этого возможно возникновение полимеров и их репликации. Таким образом, эволюция жизни действительно могла начаться с молекул, функционально эквивалентных одному нуклеотиду.

Почему же рост по экспоненте?

Экспоненциальный рост присущ всем системам с положительной обратной связью (dx/dt = cx). Так, в соответствии с законом Мальтуса, численность популяций живых организмов растет экспоненциально, пока ресурсов достаточно для всех. Оказывается, эволюция сложности тоже основана на положительной обратной связи — чем выше генетическая сложность, тем быстрее она растет. Известны по крайней мере три механизма такого рода положительной обратной связи. Во-первых, существующие гены выполняют функции, которые полезны для сохранения всех остальных генов, включая вновь появившиеся, поэтому вероятность сохранения новых генов возрастает с увеличением общей сложности. Во-вторых, новые гены, как правило, возникают как копии — или комбинации — существующих. А в-третьих, сложные геномы обеспечивают большое разнообразие потенциальных функциональных ниш, которые могут быть заняты новыми генами (например, за счет разнообразия органов, тканей, типов клеток, метаболических и сигнальных сетей). Похожие механизмы положительной обратной связи вызвали экспоненциальный рост компьютерных технологий (эволюция компьютеров, производственных роботов и программного обеспечения). Плотность транзисторов в законе Мура — лишь удобный количественный критерий, оценивающий сложность в ИТ. Закон Мура в такой форме не вечен, поскольку плотность транзисторов ограничена физическими пределами. Тем не менее сложность компьютеров и роботов будет продолжать расти таким же темпами, но за счет других факторов (параллельность, обучаемость и т. п.).

Одна из важных наших статей утверждает: клеточная «технология» во многих отношениях похожа на человеческие технологии, пэтому приходится признать, что живая клетка является носителем знания о том, как производить субклеточные агенты и регулировать их функции. В этой связи сравнение экспоненциального роста генетической сложности с законом Мура не случайно, но значит ли это, что живые клетки обладают разумом? Нет, поскольку бактерии не способны даже к самым элементарным логическим операциям, таким как классификация объектов. Поэтому «знание» прокариот ограничено наследованием простых отношений между сигналами и действиями. Эукариотическая клетка существенно сложнее бактерий и уже способна записывать, считывать генетическую информацию. Эти клетки способны к адаптивному поиску (обучению), а ядро выполняет роль информационного центра, то есть предшественника мозга. Многоклеточные животные и растения (а также, возможно, простейшие) способны классифицировать и моделировать объекты. Их «знание» складывается из генетической памяти и накопленного индивидуального опыта как предшественника рассудка.

По мере эволюции увеличение сложности генома перестало быть адекватным критерием общей функциональной сложности организмов — мы наблюдаем, что сложность генетических механизмов и примитивных форм рассудочной активности удваивается быстрее, чем сложность генома. В частности, объем мозга у человекообразных обезьян и предков человека удваивался за 3 млн лет. Периоды удвоения в других системах различны — например, для удвоения сложности китайского языка нужно 825 лет, а для удвоения числа патентов — 25 лет. Видно, что эти показатели уже приближаются к показателю в законе Мура, однако вряд ли правомерно приравнивать эту скорость к скорости роста функциональной сложности человечества в целом — быстрый рост компьютерных технологий, а также биотехнологий стимулирован экономическими механизмами перераспределения ресурсов (акции, заемы, инвестиции) в пользу отраслей, считающихся наиболее перспективными. Со временем приоритеты изменятся и другие технологии окажутся наиболее быстрорастущими, например самообучающиеся системы, интерфейсы между мозгом и компьютером.