Александр Боксер - Астрология и рождение науки. Схема небес

Мысль о взаимности интереса между человеком и космосом с самых ранних времен вдохновляла попытки понять окружающий мир и наше место в нем. Современная наука началась с изучения неба, и в этом смысле мы можем утверждать, что именно небеса сообщили нам глубокие истины о природе вещей. Так что сомнение скорее не в том, говорит ли с нами Вселенная, а в том, сколько мы можем понять из того, что она говорит. При всем прогрессе в расшифровке Книги Природы можно ли утверждать, что мы когда-нибудь продвинемся дальше поверхностного, неполного перевода? Язык космоса – не наш родной язык. И если кому-то понадобится напомнить себе о разнице между миром, каков он есть, и миром, воспринимаемым через фильтры в наших головах, достаточно просто поднять взгляд к звездам.

Угадайте не задумываясь: сколько звезд видно на небе в ясную безлунную ночь? Тысячу? Миллион? Миллиард? Человек вроде меня обычно думает, что миллион – многовато, но, в общем, в правильной весовой категории. В действительности же в современном высокоточном звездном каталоге Hipparcos [4] Так назывался орбитальный астрометрический проект, High Precision Parallax Collecting Satellite, 1980–1990-х гг. С 2013 г. осуществляется проект GAIA (Global Astrometric Interferometer for Astrophysics), но его каталог еще не составлен. – Прим. перев. , [5] ESA, 1997, The Hipparcos and Tycho Catalogues, ESA SP-1200 (Каталоги звезд по данным спутника Hipparcos 1989–1993 г., обработанным консорциумом Tycho). Для сравнения: в 5-м издании «Каталога ярких звезд» (Bright Star Catalog, 5 th revised edition, BSC5 / Eds. Dorrit Hoffleit and Carlos Jaschek. New Haven: Yale University Observatory, 1991) насчитывается 5080 звезд с видимой звездной величиной не более 6,00. лишь жалкие 5044 звезды имеют величину не более 6,00, что считается условием видимости невооруженным глазом. С учетом того, что в любой момент около половины звезд находится ниже горизонта, вы увидите только пару тысяч звезд, и то лишь в идеальную ночь. Вам не кажется, что это как-то мало? Мне показалось. Пусть это послужит первым предупреждением, подаренным нам звездами, не слишком доверять человеческой способности оценивать большие числа на глаз.

Конечно, и такое число непосильно для построения мысленной картины со всеми отдельными звездами. Но обескураживающий хаос тьмы и света мгновенно превращается в понятную карту неба, стоит нам разбить звезды на группы – созвездия. Во всех культурах, наблюдавших небеса, проявилась склонность изобретать созвездия, хотя каждый видел свое. Например, в созвездии Большой Медведицы видели очертания медведя, ковша, телеги, плуга и ноги быка, не говоря о других его перевоплощениях [6] О происхождении созвездия Большой Медведицы см., например: George A. Davis, Jr. The Origin of Ursa Major // Popular Astronomy. Vol. 54, April 1946. Р. 1 1 1–1 1 5. .

Понятно, что наш мозг тонко настроен распознавать привычные формы людей, животных и предметов, важных для нашей повседневной жизни. И когда что-то попавшее в наше поле зрения лишено знакомых закономерностей, мы склонны высмотреть их даже в бесформенных вещах – облаках, скалах, звездах. Не напоминает ли вам скала на рис. 1.1(a) человеческую голову? Если да, то ваш разум создал нетривиальную ассоциацию, сосредоточившись на общих очертаниях объекта и проигнорировав такую информацию, как размер, текстура, цвет и контекст. Такие скальные образования, как и созвездия, хорошо показывают, как далеки мы от непосредственного – без отсебятины – восприятия мира.

Любопытно, что тем же грешат программы компьютерного зрения. Нам удалось научить компьютеры опознавать класс визуальных объектов – например, собак – по большой коллекции изображений. Но после этого появилась задача ничуть не проще первой: как научить алгоритм избегать ложного опознания собак везде и всюду? На рис. 1.1(b) показано, что «видит» на фотографии облаков алгоритм под названием DeepDream, разработанный компанией Google в 2015 году [7] Об алгоритме машинного обучения DeepDream было впервые рассказано (хоть и не под этим названием) в публикации: Alexander Mordvintsev, Christopher Olah, Mike Tyka. Inceptionism: Going Deeper into Neural Networks // Google AI Blog.17.06.2015. URL: https://research.googleblog.com/2015/06/inceptionism-going-deeper-into-neural.html. , после того как обучился опознавать собак. Коллажи, которые генерирует DeepDream, порой поучительны и даже красивы, хотя по большей части просто курьезны. Но такие изображения открывают нам, что компьютер, обученный, подобно нам, видеть лица людей и морды животных, обращая больше внимания на очертания, чем на все прочее, склонен и в облаках видеть лица людей и морды животных, совсем как мы. Как и следовало ожидать, наше сугубо человеческое видение мира неотделимо от сугубо человеческой склонности неверно истолковывать увиденное.