чём не говорят.
Так что в области программного обеспечения мы имеем абсолютно реальные и абсолютно неопознанные объекты. Которые, если мы расслабимся, принесут нам куда больше проблем, нежели жукоглазые монстры. Сомневаетесь? А отключите-ка антивирус с файрволом!
Дмитрий Шабанов: Цепочка следов антилопы
Я хочу начать с того, что некоторые задачи, которые могли бы показаться простыми, решаются чрезвычайно сложно или не решаются вообще. Для примера возьмём задачу n тел. Интересные сведения об этой проблеме можно найти, например, тут.
Со времён Ньютона наука знает, как описать движение одиночного тела, не взаимодействующего с иными телами. Оно будет двигаться прямолинейно и с постоянной скоростью под воздействием силы инерции. Кроме того, мы знаем, как ведут себя два тела (которые для упрощения можно представить как две точки, обладающие массой): они притягиваются друг к другу с силой, пропорциональной произведению их масс и обратно пропорциональной расстоянию между ними. Раз Исаак Ньютон в XVII веке решил задачу для одной и для двух точек, наверное, с тех пор наука значительно продвинулась в своем понимании взаимодействия тел?
Так вот, общее решение задачи для трёх тел не найдено до сих пор. Возможность решений этой задачи для некоторых частных случаев показал в конце XVIII века Леонард Эйлер, и вскоре такие решения получил Жозеф Лагранж. После длительных усилий Анри Пуанкаре в конце XIX века доказал, что такая задача не имеет прямого математического решения: она не решается через алгебраические и трансцедентные функции координат и скоростей. В начале XX века финский математик Карл Зундман нашёл решение этой задачи в виде сходящихся рядов. Увы, ряды Зундмана не позволяют получить долгосрочный и точный прогноз динамики трёх тел и, кроме того, требуют для своего вычисления колоссальной, малодоступной даже сейчас вычислительной мощности.
А как в таком случае можно управлять движением космических кораблей? Решая ограниченную задачу трёх тел, вычисляют движение тела малой массы (космического корабля) и поле притяжения двух крупных тел (например, Земли и Луны), на движение которых малое тело не влияет. А кроме того, управление космическими кораблями включает в себя постоянное внесение корректив в их движение.
Постойте-постойте. Ведь реальные небесные тела (кстати, представляющие из себя не материальные точки, а сплошь и рядом сложные комплексы из многих частей с разной плотностью) не производят никаких вычислений, решая, куда им двигаться! Как им это удаётся?
Другой пример. Почти в каждой клетке нашего тела непрерывно работает множество рибосом — молекулярных роботов, соединяющих аминокислотные остатки в соответствии с программой, отражённой в структуре РНК. В секунду к цепочке присоединяются десятки аминокислот, несколько секунд — и сложный белок готов. Синтезированный полимер представляет собой гибкую цепочку, на которой регулярно расположены разнообразные радикалы — заряжённые и нет, полярные и неполярные, способные к взаимодействию друг с другом и индифферентные. Белковая цепь начинает сворачиваться определённым образом ещё по мере своего роста; иногда на характер такого сворачивания влияют белки-шапероны (их название происходит от «шафера», в нашей традиции называемого «свидетелем»), в некоторых случаях уже синтезированная цепь подвергается химической модификации, влияющей на взаиморасположение её частей.
Задача моделирования конформации (пространственного расположения) молекулы белка — одна из сложнейших расчётных задач, решаемых на современных компьютерах. Почему это так сложно для современных компьютеров и так просто для молекул белка, сворачивающихся безо всяких раздумий?
Потому что алгоритмы наших вычислений не соответствуют характеру взаимодействия в нашей физической действительности. Мы просчитываем линейные цепочки причинно-следственных отношений. Эти цепочки — ветвящиеся, и количество вариантов в них нарастает, как число зёрен в легенде о награде для изобретателя шахмат. Просчёт всех — астрономическая задача; приходится просчитывать лишь некоторые, которые определённый алгоритм выбирает как наиболее перспективные, но всё равно такая задача оказывается необычайно сложна. Может, ситуацию исправят квантовые компьютеры?
Сама идея построения квантового компьютера связана с попыткой уйти от использования последовательных алгоритмов. Как было бы хорошо, если бы мы не решали операции шаг за шагом, а запустили бы запутанные частицы в состоянии суперпозиции. Они сразу испытают все возможные варианты решения проблемы, а потом из них лишь надо будет выбрать тот, который нас устроит.
Вас удивляет, что развитие квантовых компьютеров отстает от эволюции традиционных, алгоритмических? Тут дело не только в том, что они основаны на более сложной физике (при построении традиционных компьютеров тоже приходится вовсю использовать квантовую механику). Проблема в том, что их логика принципиально отлична от нашей.
А как могло получиться, что наша логика, с помощью которой мы познаем физическую действительность, работает иначе, чем сама эта действительность? Если бы мы были созданы по образу и подобию Творца этого мира, можно было бы ожидать, что мы обладали бы в чём-то подобным Ему мышлением (ну, пусть более слабым, но всё же...). Если бы наша способность к логическим рассуждениям была основана исключительно на культуре, можно было бы научить человека думать и решать не так, как большинство людей, а так, как «думает» и «решает» физический мир вокруг нас. Но это всё — фантазии. Мы
