Въпреки събитията, изобразени в „Имитация на игра“, Алън Тюринг не е измислил машината, която пробиваше кодовете на Германия по време на Втората световна война - Полша. Но блестящият математик изобретил нещо, което никога не се споменава във филма: математически инструмент за преценка на достоверността на информацията. Инструментът му ускори работата по дешифриране на кодирани съобщения, използвайки подобрени версии на полските машини.
Свързано съдържание
- Полунощното закуска е лошо за мозъка ви
- Мозъците на гълъбите работят подобно на нашите
- Взимате ли по-добри решения, когато гладувате?
Сега изследователи, изучаващи резус маймуни, са открили, че мозъкът също използва този математически инструмент, не за декодиране на съобщения, а за събиране на надеждни доказателства за вземане на прости решения. За невролога на университета в Колумбия Майкъл Шадлен и неговия екип откритието подкрепя по-голяма идея, че всички решения, които вземаме - дори и на пръв поглед ирационални - могат да бъдат разбити на рационални статични операции. „Смятаме, че мозъкът е фундаментално рационален“, казва Шадлен.
Измислена през 1918 г., немската машина Enigma създава заместващ шифър, като заменя оригиналните букви в съобщение за нови, произвеждайки това, което изглеждаше като чиста безсмислица. За да направи шифъра по-сложен, устройството има въртящи се дискове вътре, които се завъртат при всяко натискане на клавиш, променяйки кодирането при всяко натискане на клавиша. Процесът беше толкова сложен, че дори с машина Enigma в ръка, германците можеха да дешифрират съобщение само като знаят първоначалните настройки на тези циферблати за криптиране.
Немска машина Enigma, враг на кодовите нарушители на Втората световна война. (Библиотеката на Уокър от историята на човешкото въображение) Тюринг създаде алгоритъм, който намалява броя на възможните настройки, които британските дешифриращи машини, наречени бомби, трябваше да тестват всеки ден. Работейки в тайното съоръжение Bletchley Park във Великобритания, Търнинг осъзна, че е възможно да се разбере дали две съобщения са дошли от машини с ротори, които са стартирали в едни и същи позиции - ключова информация за намирането на тези позиции. Подредете две кодирани съобщения, едното отгоре на другото, и шансът всяка две букви да бъдат еднакви е малко по-голям, ако и двете съобщения са от машини с едни и същи първоначални настройки. Това е така, защото в немския, както и в английския език, някои букви са по-често срещани и процесът на криптиране запази този модел.
Алгоритъмът на Тюринг по същество добави вероятностите на тези улики да са полезни. Той също така посочва кога кумулативните коефициенти са достатъчно добри, за да приемат или отхвърлят, че двете съобщения, които се сравняват, идват от машини с еднакви състояния на ротора. Този статистически инструмент, наречен тест за последователно вероятностно съотношение, се оказа оптималното решение на проблема. Това спести време, като позволи на Bletchley кодовите разбивачи да решат дали две съобщения са полезни, докато разглеждат възможно най-малкия брой букви. Обръщането не беше единственият математик, работещ тайно, който излезе с тази идея. Ейбрахам Уолд от Колумбийския университет го използва през 1943 г., за да разбере колко бомби е необходимо на ВМС на САЩ, за да бъде напълно сигурен, че партида боеприпаси не е дефектна, преди да я изпрати.
Сега Шадлен е открил, че хората и други животни могат да използват подобна стратегия, за да осмислят несигурна информация. Справянето с несигурността е важно, тъй като малко решения се основават на напълно надеждни доказателства. Представете си да карате по криволичеща улица през нощта под дъжда. Трябва да изберете дали да завъртите колелото наляво или надясно. Но колко можете да се доверите на бледите задни светлини на автомобил с неизвестно разстояние напред, на тъмната линия на дървото със своята объркваща форма или едва забележимите маркери на лентата? Как събирате тази информация, за да останете на пътя?
Маймуните в лабораторията на Шадлен бяха изправени пред подобно трудно решение. Те видяха две точки, показани на компютърен монитор, и се опитаха да спечелят почерпка, като изберат правилната. Форми, които проблясваха на екрана една след друга, загатнаха за отговора. Когато например се появи символ на Pac-Man, лявата точка вероятно беше, но не със сигурност, верният отговор. За разлика от това, петоъгълник предпочиташе дясната точка. Играта приключи, когато маймуна реши, че е видяла достатъчно фигури, за да застраши предположението, като обърна очи към една от точките.
Латералната интрапариетална кора, частта от мозъка, измерена в това изследване, се намира в париеталния лоб. (Изображение предоставено от Националния институт за стареене / Национални здравни институти) Има много стратегии, които биха могли да се използват за избор на правилната точка. Маймуна може да обърне внимание само на най-добрите улики и да игнорира останалите. Или избор може просто да бъде направен след определен период от време, независимо колко сигурна е маймуна относно доказателствата, които е виждала до този момент.
Това, което всъщност се е случило, е натрупване на информация в мозъка, тъй като животното оценяваше надеждността на всяка форма и ги добавяше до текуща сума. Шадлен наблюдаваше това натрупване чрез безболезнено вкарване на електроди в мозъка на маймуните. Уязвията с висока вероятност предизвикаха големи скокове в мозъчната дейност, докато по-слабите улики дадоха по-малки скокове. Изглежда, че решенията се вземат, когато активността в полза на ляво или дясно преминава определен праг - много като резултатите от алгоритъма на Тюринг.
„Установихме, че мозъкът достига решение по начин, който ще предаде събиране на статистиката“, казва Шадлен, чийто екип ще публикува резултатите в предстоящия брой на списанието Neuron.
Ян Другович, невролог от Парижката компания Ecole Normale, се съгласява. „Това прави много сериозен случай, че мозъкът наистина се опитва да следва стратегията, очертана тук“, казва той. Но може ли по-сложните избори, например къде да отида в колеж или за кого да се оженя, да се сведат до прости статистически стратегии?
„Ние не знаем, че предизвикателствата, пред които е изправен мозъкът при решаването на големи проблеми, са точно същите като предизвикателствата при по-прости решения“, казва Джошуа Голд, невролог в Училището по медицина на Университета в Пенсилвания. "В момента е чисто предположение, че механизмите, които изучаваме в лабораторията, имат решения на по-високо ниво."
