Michael Levin: Hidden Reality of Alien Intelligence & Biological Life | Lex Fridman Podcast #486
В подкасте Лекса Фридмана биолог и ученый из Университета Тафтса Майкл Левин обсуждает природу интеллекта, сознания и агентности. Левин специализируется на изучении того, как биологические системы (от молекул до клеток и целых организмов) обрабатывают информацию, принимают решения и формируют сложные структуры.
Главная мысль беседы заключается в том, что интеллект не является бинарным свойством, присущим только людям с мозгом. Это континуум, существующий на всех уровнях биологии. Левин предлагает рассматривать биологические системы как агентов, решающих проблемы в различных пространствах (анатомическом, физиологическом), и доказывает, что эволюция не изобретает алгоритмы, а «открывает» их в неком платоновском пространстве математических истин. Этот подход радикально меняет регенеративную медицину, создание ИИ и наше понимание жизни.
Описания разума и спектр убеждаемости
Три перспективы описания разума 01:04: Левин делит подходы к изучению разума на три категории. От третьего лица (наблюдательная) — как мы распознаем агентность извне, глядя на систему. От второго лица (интерактивная) — как мы взаимодействуем с системой и контролируем ее (это основа инженерии и регенеративной медицины). От первого лица (субъективная) — наличие внутреннего опыта и валентности (способности заботиться о результате). Левин утверждает, что для понимания сложных систем физика недостаточна, так как она работает только с моделями с низкой агентностью, в то время как фундаментом должна служить наука о поведении.
Спектр убеждаемости (Persuadability) 03:36: Вместо философских споров о наличии интеллекта Левин использует инженерный подход — спектр убеждаемости. Чтобы заставить систему сделать то, что вам нужно (например, отрастить конечность), нужно правильно угадать ее уровень агентности. На низшем уровне (железо) используется физическое переподключение. Выше — обучение через награды и наказания. На высшем уровне — логические аргументы. Ошибка в выборе уровня ведет к провалу: нельзя убедить часы с помощью аргументов, так же как неэффективно пытаться изменить мнение человека путем микрохирургии нейронов.
Взаимное уязвимое познание 07:30: По мере продвижения вверх по спектру агентности взаимодействие перестает быть однонаправленным контролем. Цитируя Ричарда Уотсона, Левин называет это «взаимным уязвимым познанием». При взаимодействии с высокоинтеллектуальными агентами (собаками, людьми) наблюдатель сам меняется в процессе. Чтобы убедить сложную систему, вы должны быть готовы к тому, что она убедит вас.
Когнитивный световой конус и масштабирование интеллекта
Концепция когнитивного светового конуса 16:28: Левин вводит понятие «когнитивного светового конуса» — это пространственно-временная граница самого масштабного события или цели, которую система способна измерять, моделировать и пытаться изменить. У клеща этот конус крошечный (забота о локальном уровне сахара на несколько минут вперед). У собаки он больше, но все еще ограничен. У человека конус огромен и может включать глобальные цели, выходящие за пределы его жизни (например, состояние финансовых рынков через десятилетия).
Масштабирование целей в эмбриогенезе 18:13: Эволюция увеличивает когнитивные световые конусы, объединяя мелких агентов в крупные коллективы. Отдельные клетки имеют крошечные цели (управление локальным pH). Но объединяясь в многоклеточный организм через биоэлектрические сети, они начинают преследовать массивные цели — например, создание анатомически правильной конечности.
Рак как сужение когнитивного конуса 20:01: Левин рассматривает старение и рак как потерю морфогенетической информации. Когда клетки физиологически отключаются от биоэлектрической сети организма, их когнитивный световой конус сжимается до размеров одной клетки. Они возвращаются к состоянию амебы, преследуя лишь две базовые цели: выживание и размножение, что для организма выглядит как метастазирование.
Нестандартный интеллект: Ксеноботы и Антроботы
Создание и поведение Ксеноботов 22:16: Чтобы доказать, что клетки обладают врожденной способностью решать проблемы независимо от эволюционной истории, лаборатория Левина создала ксеноботов. Ученые взяли клетки кожи эмбриона лягушки и освободили их от инструкций остального эмбриона. Без генетических модификаций эти клетки самоорганизовались в мобильные организмы, которые продемонстрировали кинематическую саморепликацию — они собирали свободные клетки в кучи, создавая свои копии. Такого поведения никогда не было в эволюционной истории лягушек.
Антроботы и регенерация тканей 23:50: Развивая успех, ученые создали антроботов из взрослых клеток трахеи человека. Эти биоботы также самоорганизовались в подвижные структуры с четырьмя типами движения (круговое, линейное, криволинейное, эклектичное). В ходе эксперимента антроботов поместили на слой человеческих нейронов с искусственной «царапиной». Антроботы спонтанно начали стимулировать рост нейронов, полностью залечив рану. Это доказывает, что клетки имеют собственные цели и компетенции, не зависящие от их изначального анатомического контекста.
Платоновское пространство и пределы физики
Ограниченность физического подхода 26:30: Левин утверждает, что физика описывает только механизмы, но не разум, так как использует инструменты с низкой агентностью (вольтметры, линейки). Если вы хотите понять разум, вы должны использовать инструменты поведенческой науки. Физика не может объяснить, почему гусеница, чей мозг полностью растворяется в процессе метаморфоза, сохраняет воспоминания (например, ассоциацию запаха с болью), став бабочкой.
Платоновское пространство алгоритмов 28:30: Левин развивает идею о существовании «Платоновского пространства» — нефизического пространства паттернов, математических истин и алгоритмов. Эволюция не изобретает эти истины, она их открывает и эксплуатирует. Например, эволюция не изобретала транзистор; она обнаружила, что потенциал-зависимые ионные каналы могут работать как транзисторы, что дало клеткам бесплатный доступ к логическим вычислениям.
Картография пространства разумов 31:00: Подобно тому, как математики составляют карту связей между числами, Левин предлагает создать карту возможных разумов. Создавая синтетические организмы (антроботов) или ИИ, мы исследуем области этого платоновского пространства, в которые эволюция на Земле никогда не заходила. Это требует новой дисциплины для классификации нечеловеческих, гибридных и синтетических интеллектов.
Алгоритмы сортировки как модель морфогенеза
Тестирование агентности на классических алгоритмах 34:00: Чтобы понять, как распознавать интеллект в нестандартных системах, команда Левина проанализировала классические компьютерные алгоритмы сортировки (Bubble Sort, Insertion Sort) как модель морфогенеза. Массив чисел рассматривался как «ткань», а процесс сортировки — как стремление системы к «целевой морфологии» (отсортированному списку).
Обнаружение скрытых компетенций 36:30: Ученые применили биологические возмущения к алгоритмам (например, «заморозили» одно число, чтобы оно не могло двигаться). Выяснилось, что алгоритмы обладают скрытыми компетенциями, которые программист в них не закладывал. Например, они продемонстрировали «отложенное вознаграждение» — способность временно ухудшить сортировку массива, чтобы обойти замороженное число и в итоге достичь глобальной цели.
Химерные алгоритмы и коллективный интеллект 38:45: Команда создала «химерные» алгоритмы, где разные числа в одном массиве следовали разным правилам сортировки (половина — Bubble Sort, половина — Selection Sort). Удивительно, но эти смешанные системы успешно отсортировали массив. Это доказывает, что для коллективного интеллекта не нужен центральный контроллер или одинаковые правила для всех агентов; разнообразные агенты могут кооперироваться для достижения общей цели.
Каузальная эмерджентность и внутренняя мотивация
Ассоциативное обучение в генных сетях 40:30: Лаборатория исследовала генные регуляторные сети (GRN), чтобы проверить их способность к обучению. Выяснилось, что эти чисто химические сети способны к павловскому обучению — они могут связывать нейтральный стимул со значимым. Это доказывает, что память и обучение не являются эксклюзивной прерогативой мозга и нейронов, а встроены в биологию на молекулярном уровне.
Рост каузальной эмерджентности при обучении 41:45: Используя метрику «каузальной эмерджентности» (которая показывает, насколько система действует как единое целое, а не как сумма частей), ученые обнаружили петлю положительной обратной связи. По мере того как генная сеть обучается, ее каузальная эмерджентность растет. Сеть становится более интегрированным агентом, что, в свою очередь, улучшает ее способность к дальнейшему обучению.
Внутренняя мотивация как свойство вселенной 43:30: И алгоритмы сортировки, и генные сети демонстрируют «внутреннюю мотивацию». Алгоритмы «хотят» сортировать, а сети «хотят» учиться, хотя их никто этому не учил и не отбирал эволюционно. Левин делает вывод, что эта мотивация — бесплатный подарок от математической структуры вселенной, который биология просто использует в своих целях.
Будущее: ИИ, инопланетный разум и этика
От SETI к SUTI 45:00: Левин предлагает сместить фокус с поиска внеземного разума (SETI) на поиск нестандартного земного разума (SUTI - Search for Unconventional Terrestrial Intelligence). Прежде чем искать инопланетян в космосе, нам нужно научиться распознавать «инопланетные» разумы на Земле: в клетках, тканях, роях насекомых и синтетических биоботах. Наша текущая «слепота к разуму» вызвана слишком узкими, человекоцентричными определениями.
Этические и практические последствия 47:30: Признание интеллекта на разных уровнях имеет колоссальные последствия. В медицине отношение к клеткам как к агентам, которых можно убедить (а не как к механизмам, которыми нужно микроуправлять), открывает путь к лечению рака и регенерации органов. По мере создания гибридных существ (киборгов, ИИ) нам потребуется новая этическая база, основанная на оценке когнитивного светового конуса существа, а не на его происхождении или составе.
🔍 Анализ: фактчек и польза
ФАКТЧЕК
Гусеницы сохраняют воспоминания после метаморфоза, хотя их мозг растворяется — ✅ подтверждается: Исследования (в частности, биолога Марты Вайс из Джорджтаунского университета) доказали, что бабочки и мотыльки избегают запахов, с которыми у них ассоциировался удар током на стадии гусеницы. Нервная система при этом действительно разрушается и перестраивается заново, что ставит под вопрос классическое понимание того, где и как хранится память.
Ксеноботы способны к кинематической саморепликации без генетических модификаций — ✅ подтверждается: В 2021 году команда Левина опубликовала статью в PNAS, показав, что клетки кожи эмбриона лягушки могут собирать свободные клетки в кучи, которые затем становятся новыми ксеноботами. Это совершенно новый тип размножения, не встречающийся в природе, и он достигается исключительно за счет самоорганизации клеток, без изменения их ДНК.
Антроботы из клеток трахеи человека способны заживлять нейроны — ✅ подтверждается: В конце 2023 года лаборатория Левина представила антроботов. В лабораторных условиях эти многоклеточные структуры из обычных клеток трахеи с ресничками спонтанно стимулировали рост поврежденной ткани человеческих нейронов, перекидывая через царапину «мост».
Генные регуляторные сети способны к павловскому обучению — ✅ подтверждается: Вычислительные модели Левина показывают, что химические генные сети могут формировать ассоциации между нейтральным и значимым стимулом, повышая при этом свою «каузальную эмерджентность». Более того, недавние эксперименты других научных групп (например, на одноклеточном инфузории Stentor) на практике подтверждают способность биологических систем без нейронов к ассоциативному обучению.
Химерные алгоритмы сортировки могут достигать цели без единых правил — ✅ подтверждается: Левин действительно проводил симуляции, в которых массивы чисел успешно сортировались, даже если одна половина агентов использовала Bubble Sort, а другая — Selection Sort. Это доказывает, что для коллективного интеллекта не обязателен центральный контроллер или идентичность правил для всех агентов.
ЛИЧНО ДЛЯ ТЕБЯ
Спектр убеждаемости как архитектурный принцип: Левин предлагает подбирать интерфейс управления под уровень агентности системы. Для твоих Telegram-ботов и n8n-автоматизаций это значит: не пытайся жестко кодить (микроуправлять) каждый шаг при работе со сложными LLM. Относись к ним как к агентам высокого уровня — управляй ими через контекст, стимулы (prompt engineering) и постановку целей, а детерминированную логику оставь для простых скриптов.
Химерные системы в инди-разработке: Пример с алгоритмами сортировки показывает, что системе не нужен центральный контроллер или одинаковые правила для достижения цели. В своих проектах ты можешь смело комбинировать разные AI-модели (Claude для логики, Gemini для контекста, ChatGPT для текстов) и разрозненные скрипты в n8n — их асинхронная и «разношерстная» работа способна решать сложные продуктовые задачи без жесткой и хрупкой оркестрации.
Природа AI-инференса через Платоновское пространство: Идея о том, что эволюция не изобретает, а «открывает» алгоритмы, отлично объясняет суть работы современных нейросетей. LLM не мыслят как люди, они навигируют по многомерному математическому пространству паттернов языка и логики. Понимание этого снимает мистификацию с AI и помогает лучше структурировать промпты — ты буквально задаешь координаты для поиска нужного куска кода или архитектуры в этом пространстве.