В конце жизни Алан Тьюринг ставил передовые эксперименты по симуляции морфогенеза, то есть биологических процессов, протекающих при развитии организма. Для этой цели ученый использовал компьютеры Манчестерского университета. Тьюринг утверждал, что некоторые химические вещества (морфогены), физико-химические процессы (допустим, диффузия, то есть движение таких молекул, как морфогены), а также другие феномены, например активация или ингибиция (подавление), ответственны за процессы клеточной дифференциации, состоящей из этапов, которые проходит клетка от эмбриона до взрослого индивидуума. Центральной идеей была мысль о том, что положения, которые занимают недифференцированные, или неспециализированные клетки эмбриона, содержат записанную в морфогенах информацию, согласно которой морфогены контролируют развитие эмбриона. Этот процесс приводит к специализации клеток и превращению зародыша во взрослую особь. Так еще раз проявилась гениальность Тьюринга, предсказавшего существование морфогенов задолго до того, как они были открыты.
ЭМУЛЯЦИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
В настоящий момент модели искусственных нейронных сетей имеют широкое применение. В основном нейронные сети используют одну организационную модель: нейроны организованы слоями (вход, выход, возможны скрытые нейроны), их соединение осуществляется согласно определенному биологическому критерию — нейроны одного слоя соединяются с нейронами другого слоя. Пользователь устанавливает для сети пороги активации, функцию активации или передачи, другие параметры. И все же, несмотря на схожую организацию всех искусственных нейронных сетей, имеется один отличительный элемент — алгоритм обучения. В парадигме искусственного разума обучение — процесс, в результате которого нейронная сеть изменяет ответ, или выход, при определенном входе. Это изменение является результатом настройки одного или нескольких соединений и их веса. Существует множество методов настройки веса соединений сети, с помощью которых сеть обучается распознавать образцы (буквы, числа, фотографии и так далее). В других случаях сеть просто запоминает образец без обучения, то есть настройка веса соединений не требуется. Ни модель Маккалока — Питтса, ни модель Тьюринга не были способны к обучению, так как для этого потребовалась разработка специального алгоритма. Обучаемые модели могут эмулировать операторы И, ИЛИ и другие, то есть они ближе к машине Тьюринга, чем к биологической нейронной сети. Одна из лучших программ для изучения искусственных нейронных сетей — Штутгартский симулятор нейронной сети (SNNS).
Штутгартский симулятор нейронной сети (SNNS).
В 1960-е годы биолог Льюис Вольперт (р. 1929) усовершенствовал понятие морфогена, введенное Тьюрингом, после открытия первого белка, имеющего такие характеристики, у уксусной мушки Drosophila melanogaster. Морфогенами могут быть различные химические вещества, от белков до витаминов, в их функции входит контроль генов — наследственных единиц. Однако учитывая, что ген — фрагмент ДНК, его действие не было понятно до открытия структуры ДНК Джеймсом Уотсоном (р. 1928) и Фрэнсисом Криком (1916-2004) в 1953 году, за год до смерти Тьюринга. Сегодня модель морфогенеза Тьюринга, с помощью которой он объяснил формирование полосок на шкуре зебр, применена к другим животным и доказана экспериментально. Ее высоко оценили такие специалисты по теоретической биологии, как Льюис Вольперт и Ганс Мейнхардт (р. 1938). Однако некоторые исследователи утверждают, что механизм морфогенеза отличается от представленного Тьюрингом. На самом деле клетки эмбриона следуют определенному глобальному плану и специализируются вследствие серии трансформаций, которые можно объяснить их механическими свойствами.
Памятник Алану Тьюрингу в Садах Витворта в Манчестере. Яблоко в руке напоминает о способе самоубийства.
Марка в память об Алане Тьюринге, выпущенная в 2012 году.
Памятное изображение в честь столетия со дня рождения Алана Тьюринга, которое отмечалось в 2012 году.
ВИЗУАЛИЗАЦИЯ ДНК В JMOL
Jmol - Java-программа визуализации, с помощью которой можно увидеть трехмерные структуры химических соединений, кристаллов, материалов и биомолекул. Один из самых интересных примеров — молекула ДНК, ее можно поворачивать, увеличивать или уменьшать, менять тип изображения и так далее. ДНК — полимер, имеющий структуру двойной спирали из повторяющихся блоков, нуклеотидов — аденина (А), цитозина (С), гуанина (G) и тимина (Т). Нуклеотиды одной спирали составляют пары с нуклеотидами другой спирали: А с Т, G с С, определяя на каждой спирали последовательности — гены, в которых хранится биологическая информация, передаваемая из поколения в поколение.
Визуализатор Java Jmol.
Они могут деформироваться, растягиваться и даже превращаться в нейронные, мускульные или костные клетки. Этот комплекс трансформаций объясняют с помощью математического моделирования механических феноменов, наблюдаемых в клетках. Данную идею, так же как и модель Тьюринга, использующую дифференциальные уравнения, поддержали ученые Конрад Уоддингтон (1905-1975), Мюррей Гелл-Ман (р. 1929) и Брайн Гудвин (1931-2009).
После открытия ДНК и разработки алгоритма для изучения генетической информации с помощью компьютера появилась новая дисциплина — биоинформатика. Компьютер был и остается важным инструментом для изучения ДНК, но также с его помощью разработан новый класс компьютеров, изучение которых привело к выделению вычислительных систему использующих ДНК. В 1994 году Леонард Адлеман (р. 1945), осуществив ряд опытов с ДНК, решил задачу о гамильтоновом графе, состоящую в обнаружении кратчайшего маршрута, проходящего по каждому городу один раз. Количество городов является строго определенным — Адлеман рассмотрел случай с семью городами. Эти опыты открыли путь другим исследователям, среди них был и Эхуд Шапиро (р. 1955), построивший машину Тьюринга из молекулы ДНК.
ПРИЗНАНИЕ НАСЛЕДИЯ
В 1999 году журнал Time назвал Алана Тьюринга в числе 20 наиболее влиятельных личностей XX столетия. С 1966 года Ассоциация вычислительной техники, более известная под сокращением ACM, ежегодно вручает премию Тьюринга — награду по информатике, эквивалентную Нобелевской премии. В 2009 году Гордон Браун, премьер-министр Британии в то время, принес официальные извинения за несправедливое осуждение Алана Тьюринга. Однако в феврале 2012 посмертное прошение о помиловании, представленное палате лордов и собравшее 23 тысячи подписей, было отклонено.
В честь празднования 100-летия со дня рождения ученого 2012 год был назван Годом памяти Алана Тьюринга, в течение которого проводились юбилейные мероприятия, конференции и собрания по всему миру. В Соединенном Королевстве их было проведено больше всего. Также была выпущена памятная марка с изображением Bombe — машины, с помощью которой Алан Тьюринг и его коллеги расшифровали коды «Энигмы», сделав вклад в победу своей страны и союзников во Второй мировой войне.
В честь столетия со дня рождения Тьюринга научно-популярный журнал Scientific American посвятил ученому специальный номер, названный «Наука после Алана Тьюринга». Сегодня установлено пять «синих табличек», посвященных Алану Тьюрингу. В Британии подобные таблички устанавливаются на зданиях, где родился, жил или умер какой-либо великий деятель.
Список рекомендуемой литературы
Arbib, М.А., Cerebros, mdquinas у matemdticas, Madrid, Alianza Universidad, 1987.
Bell, E.T., Los grandes matemdticos, Buenos Aires, Losada, 2010.
Boyer, C., Historia de la matemdtica, Madrid, Alianza Editorial, 2007.
Coello, C.A., Breve historia de la computation у sus pioneros, Mexico D.F., FCE, 2003.
Crane, T., La mente mecdnica. Introduction filosofica a mentes, md- quinas у representation mental, Mexico D.F., FCE, 2008.
Isasi, P., Martinez, P., Borrajo, D., Lenguajes, gramdticas у automatas. Un enfoque prdctico, Madrid, Pearson Education, 1997.
Lahoz-Beltra, R., Bioinformdtica. Simulation, vida artificial e inteligencia artificial, Madrid, Diaz de Santos, 2004.
—: Turing. Del primer ordenador a la inteligencia artificial, Madrid, Nivola, 2009.
Leavitt, D., El hombre que sabia demasiado, Barcelona, Editorial Antoni Bosch, 2007.
Odifreddi, P., La matemdtica delsiglo xx: de los conjuntos a la complejidad, Buenos Aires, Katz Editores, 2006.
Pena, R., De Euclides a Java: Historia de los algoritmos у de los lenguajes de programacion, Madrid, Nivola, 2006.
Stewart, I., Historia de las matemdticas, Madrid, Critica, 2008.
Strathern, P., Turingy el ordenador, Madrid, Siglo XXI, 1999.
автомат 46-49, 92, 104
клеточный 46, 47, 49, 138
конечный 22, 28, 34, 46-48
нейронный 47, 102-109, 136, 137
самовоспроизводящийся 92 4
Алгол 37
алгоритм 34-38, 40, 50, 70, 73, 88, 95, 112, 113, 117, 124, 125, 127, 135, 137, 141
квантовый 126, 127
свойства 34
алфавит 28, 30, 46, 57, 58
анализ числовой 86, 95
«Аполлон», проект 32, 33
Атанасофф, Джон Винсент 89, 90
байт 97
барабаны см. Bombe 57, 66
бесконечный ряд 19
биоинформатика 123, 141
биология 7, 8, 10, 11, 17, 102, 116, 117, 123, 137, 138
