Инструменты машинного обучения позволяют учёным лучше понимать формы интеллекта, действующие в пространствах и времени, совершенно отличных от наших.
Автор: Конор Фили
Если вам доводилось лететь дальним рейсом, вам наверняка знакомы последствия сбоя циркадного ритма. На день-два настроение падает, тело ноет, мысли притупляются. Борьба с джетлагом сводится к перенастройке: ранний сон, сытная и восстанавливающая еда.
Поразительно, но при смене часовых поясов растения подвержены тем же дезориентирующим эффектам, что и люди. Подобно широкому кругу живых существ, чтобы согласовать клеточные процессы — например усиление фотосинтеза — с местным чередованием дня и ночи, они опираются на внутренние биологические часы. Когда этот ритм нарушается, будь то при перевозке или при резкой смене сезона, внутренние часы растения теряют согласованность с окружающей средой. Вследствие этого рост может замедлиться до полной остановки, растение начнёт потреблять меньше питательных веществ, а его способность извлекать энергию из солнечного света заметно ослабнет.
Это явление, которое можно назвать «растительным джетлагом», привлекло внимание Minimal Intelligence Lab (MINT Lab) при Университете Мурсии в Испании.
Конкретно учёных интересует нарушение циркадных ритмов у обычной фасоли — Phaseolus vulgaris.
Исследователи используют инструменты машинного обучения для картирования внутренних электрофизиологических сигналов, которые регулируют и координируют ряд ключевых функций в такт светотеневому циклу растений.
Разработка и внедрение этих инструментов дали исследователям из MINT Lab ключ к пониманию поведенческих возможностей видов, чьи временные и пространственные масштабы радикально отличаются от человеческих. Более того, они приоткрывают перед нами окно в мир скрытых форм интеллекта, которые всё это время находились рядом с нами, оставаясь незамеченными.
В научном сообществе набирает популярность движение, которое коренным образом переосмысливает понятия познания, интеллекта и коммуникации в живых системах, долгое время воспринимавшихся как пассивные механизмы, а не как действующие, целеустремлённые организмы. Вместо того чтобы приписывать эти качества только животным с нервной системой, учёные ищут подобные свойства у растений, грибов, слизевиков, микробных сообществ и других распределённых форм интеллекта.
Поведение в замедленном темпе
Пако Кальво, возглавляющий MINT Lab, — один из ведущих голосов в изучении интеллекта растений. В книге Planta Sapiens он настаивает, что обнаружение у растений таких явлений, как память, принятие решений, обучение и общение, вынуждает нас более скептично относиться к устоявшимся животноцентричным представлениям. Так, чувствительная к прикосновению Mimosa pudica после многократных падений заранее складывает листья в защитную позу — классический пример привыкания. Это растение реагирует мгновенно, и его поведенческие способности можно наблюдать в реальном времени. Но большинство растительных реакций остаются скрытыми от наших глаз, и именно здесь на помощь приходят методы машинного обучения.
В одном из проектов лаборатории Кальво команда анализирует электрофизиологическую активность обычной фасоли Phaseolus vulgaris в условиях, напоминающих джетлаг, с помощью алгоритмов машинного обучения. В то время как животные, спасаясь от угроз, действуют быстро, растения «действуют» иначе: их ответы проявляются через рост, электрические сигналы, химические послания и другие процессы, разворачивающиеся на значительно более медленных временных шкалах.
«Машинное обучение способно выявлять паттерны в таких высокоразмерных данных — будь то тайм‑лапс траектории роста, корневая архитектура, электрофизиологические сигналы, летучие органические соединения или взаимодействия между растениями», — отмечает он. — «Таким образом эти инструменты делают видимыми динамику, которая в противном случае была бы слишком медленной, распределённой или сложной для непосредственного восприятия.»
Растения общаются через химические, электрические, гидравлические, механические и порой акустические или вибрационные каналы. Они выбрасывают в воздух летучие соединения, выделяют вещества через корни и откликаются на сигналы от соседних растений, грибов, травоядных, опылителей, патогенов и своих симбионтов, поясняет Кальво. Может ли расшифровка растительного поведения с помощью машинного обучения однажды открыть нам дверь к настоящему диалогу с этими и другими живыми системами? Так, учёные проекта CETI уже применяют машинное обучение, чтобы «слушать» и переводить общение кашалотов. Earth Species Project использует ИИ для анализа коммуникативных данных воронов, белуг, слонов и прочих видов. Однако, возможно, знакомые нам кошки и киты — лишь простой вариант.
Кальво полагает, что хотя вряд ли мы сможем беседовать с растением так же, как с вокализирующими животными, сама метафора «разговора» с растениями остаётся плодотворной — при условии, что мы будем обращаться с ней аккуратно.
«Нет единого универсального «языка растений», так же как не существует единого универсального языка животных», — говорит Кальво. — «Вместо этого мы обнаруживаем пересекающиеся системы сигнализации, сформированные эволюционной историей, экологическим контекстом и конкретными потребностями вовлечённых организмов.»
Вместо того чтобы думать о «синтаксисе» растительной коммуникации в смысле грамматики человеческого языка, паттерны общения растений структурируются через временные параметры, интенсивность, концентрацию, последовательность, комбинацию и повторение различных сигнальных средств. «Кальциевая волна, электрический сигнал или гормональная каскада могут иметь разные последующие эффекты в зависимости от ткани, стадии развития, предшествующей истории и условий окружающей среды растения», — поясняет Кальво. — «Значение сигнала не в самой молекуле, а в системе организм‑среда в целом.»
Картирование подземного мира
Тоби Киерс — профессор эволюционной биологии в Vrije Universiteit Amsterdam и сооснователь общества по защите подземных сетей SPUN — один из тех, кто формирует новое видение жизни под ногами. Киерс, обладатель престижного гранта Макартура и премии Тайлер, признан мировым экспертом по микоризным грибам — гигантским подземным сетям, которые вступают в взаимовыгодный обмен с более чем 80% растительных видов на планете. Эти сети торгуют жизненно важными ресурсами — фосфором и азотом — получая взамен от растений углерод.
«Мы создаём новые методы машинного обучения и роботизированной съёмки, позволяющие детально отслеживать торговые маршруты, выстраиваемые грибными сетями, и заглядывать в то, как они принимают решения», — рассказывает Киерс. — «С их помощью мы можем наблюдать поведение грибов в реальном времени и строить модели, предсказывающие их выбор.»
Понять, как симбиотический гриб обрабатывает информацию по своей распределённой сети, состоящей порой из миллиардов «узлов», можно лишь объединив колоссальные массивы данных — то, что ещё недавно казалось недостижимым. Как отмечает Киерс, грибная сеть постоянно перестраивает своё «тело», прокладывая новые маршруты обмена питательными веществами между разными растениями.
«В своей основе растения и микоризные грибы ведут сложный химический диалог», — отмечает Киерс. — «Этот общий язык жизненно важен: гриб должен получить своего рода «добро», чтобы войти в клетку растения и выстроить ту самую структуру, где разворачивается обмен ресурсами.»
Команда Киерса сконструировала уникального робота‑сканера, способного отслеживать свыше 500 000 растущих узлов грибной сети во времени и пространстве в живых микоризных системах, связанных с корнями. Учёные затем зафиксировали около 100 000 траекторий цитоплазматического потока вдоль гиф — как к корням, так и от них.
«Мы применили методы машинного обучения для обработки этих терабайтов данных и создали модели, позволяющие тестировать, как грибы оптимизируют перемещение углерода и решают задачи, аналогичные проектированию цепочек поставок», — рассказывает Киерс.
То, что показывают эти подходы, по размышлениям Кальво, не сводится к тому, что эти системы «похожи на нас» в каком‑то узком смысле; скорее речь о том, что жизнь выработала поразительное множество решений для борьбы с фундаментальными проблемами, с которыми сталкиваются все живые системы.
Мы понимаем эти функции через призму повседневного принятия решений, запоминания прошлого и общения с сородичами. Однако растения, грибы и другие формы интеллекта на древе жизни развили собственные распределённые, воплощённые и встраиваемые в среду процессы, которые строят устойчивость и облегчают адаптацию. Мы делим планету с этими формами интеллекта уже миллиарды лет, и с помощью инструментов машинного обучения начинаем осознавать сложность их способов выживания и процветания.
«В этом и заключается глубочайшая преемственность: не в том, что у растений есть маленькие мозги, а в том, что живые системы вынуждены прокладывать себе путь в мире, полном неопределённости», — говорит Кальво.
Оригинал: Big Think
