Хотя кибернетика и сулит нам появление органицизма, который может быть реализован в машинах, эта возможность ограничена расчетом, или, точнее, вычислимостью. Нидэм предлагает своим читателям свое субъективное мнение о китайском мышлении как об органическом, что соответствует методологическому подходу, которого он придерживался до того, как посвятил себя изучению Китая. Он не прояснил разницу между своим математически обоснованным органицизмом и китайским «организменным» мышлением. Мнения могут быть полезны для сопоставления определенных идей, но к ним необходимо относиться с осторожностью, чтобы не сделать слишком поспешных выводов. Можно даже утверждать, что неолиберализм – это даосизм, потому что в них обоих возможно обнаружить принцип laissez-faire, но поскольку даосизм не предлагает никакой формы накопления, он не может породить капитализм, суть которого – накопление. Исследование понятия сюань в главе 2 было призвано прояснить отличия этой логики от расплывчатых представлений о холизме, органицизме и неолиберализме.

Логика, которую я исследую в трагедии и шань-шуй, основана на пределах расчета и возможном переживании того, что неподрасчетно, иными словами, того, что в главе 1 я назвал «не-рациональным». Здесь я должен пояснить два термина: «невычислимое» и «неподрасчетное»[424]. «Невычислимое» относится к некоему множеству, которое не может быть рекурсивно перечислено, то есть не может быть сведено к конечному числу шагов в алгоритме. «Неподрасчетное» означает, что нечто вообще не поддается исчислению как измерению, например, любовь, дружба, желание или счастье. Неподрасчетное служит не только духовным и религиозным целям, но и является центральным элементом любой экономики и политики, выходящей за рамки расчета. Оно может выполнять конкретную функцию в духовной экономике или либидинальной экономике, а также, например, в экономике возможностей Амартии Сена[425].

В книге «Рекурсивность и контингентность» я попытался расширить понятие рекурсивности, реконструировав историю западной философии Нового времени вокруг этого понятия, тем самым перенеся его из области вычислений и кибернетики в область обобщенной логики, которая больше не ограничивается работой машин, поскольку ее также можно выявить в отношениях между человеком и машиной, техникой и окружающей средой, органическим и неорганическим. В этой работе я рассматриваю понятие рекурсивности в движении между миром и землей, горами и водами, с целью показать, что кибернетика является лишь одним из видов рекурсивного мышления и логики в более крупном историческом масштабе.

В так называемой кибернетике первого порядка «обратная связь» – это термин, используемый для описания механизма саморегуляции. В кибернетике второго порядка термин «рекурсия» используется чаще, чтобы выйти за рамки машинных действий и обратиться к другим социальным и политическим областям. Например, Никлас Луман применил концепцию автопоэзиса Умберто Матураны и Франсиско Варелы для изучения функционирования общества, развив таким образом область социологии, известную как теория систем. Рекурсия является ключом к автоматизации в формах, основанных на принципе расчета. Давайте сначала рассмотрим связь между рекурсией и подрасчетностью, а затем подробнее остановимся на различии между невычислимым и неподрасчетным.

В информатике рекурсивная функция – это функция, которая «обращается к самой себе во время выполнения». В простом примере, который приводится первокурсникам, генерируется конечная последовательность Фибоначчи: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, n, где каждое следующее число в последовательности будет суммой двух предыдущих. Если нас попросят перечислить все числа Фибоначчи меньше числа n (которое может быть любым), то наиболее простым решением станет создание итерации (цикла), счет в которой будет вестись до тех пор, пока число n не будет достигнуто. Мы можем понимать этот способ зацикливания как линейное повторение несмотря на то, что он называется циклом. Рекурсивный подход менее очевиден. В нем функция обращается к самой себе, например, f(n) = f(n – 1) + a. Вероятно, будет понятнее, если мы попробуем взять число n = 5 и посмотреть, как оно разворачивается при каждом обращении к самому себе:

Рекурсия генерирует комплексность, которая выходит за пределы итерации (т. е. простого повторения), поскольку она состоит из различных спиральных циклов вместо одного механического, повторяющегося цикла (например, кулинарного рецепта). Итерация может показаться круговой, но на самом деле она линейна, поскольку повторяет один и тот же процесс. Поэтому часто приводимое сравнение между рецептом и алгоритмом, если не вводит в заблуждение, то, во всяком случае, является не совсем корректным. С точки зрения вычисления, вычислительное время (время, необходимое для получения результата) может быть значительно сокращено с помощью рекурсии. Но дело не только в эффективности. То, что рекурсивно перечислимо, также является вычислимым; то есть можно найти алгоритм, который может сгенерировать нужное число за конечное число шагов. Число не является вычислимым или разрешимым, если оно не является рекурсивно перечислимым. Например, Курт Гёдель привел доказательство для того, что Дэвид Гильберт назвал Entscheidungsproblem, – алгоритма, который, учитывая набор аксиом и математическое высказывание, решает, является ли данное высказывание доказуемым. Гениальность Гёделя можно увидеть, если рассмотреть два основных этапа этого доказательства. Во-первых, Гёдель использовал числа – теперь известные как нумерация Гёделя – соответствующие объектам формального языка, как в следующей таблице:

Присвоение знакам формального языка номеров дало Гёделю возможность превратить символические предложения в арифметические, что позволило сосредоточиться на расчете, а не на умозаключениях, выведенных из различных высказываний. Во-вторых, Гёдель разработал рекурсивную функцию для выведения математического доказательства. Еще до Гёделя Туральф Скулем предложил заменить логические знаки числами, чтобы рекурсивно доказать истинность логического высказывания:

Если рассматривать общие арифметические теоремы как функциональные утверждения и взять за основу рекурсивный модус мышления, то эта наука может быть построена строгим образом без использования таких понятий Рассела и Уайтхеда, как «всегда» и «иногда». Это также можно выразить следующим образом: логический фундамент арифметики может быть обеспечен без использования связанных логических переменных[426].

В 1934 году Гёдель разработал то, что сейчас известно как общерекурсивная функция. Математически она эквивалентна универсальной машине Тьюринга и лямбда-исчислению Алонзо Черча. Это основа современной вычислительной теории. Когда мы говорим о вычисляемом мире, мы имеем в виду, что в нем все можно перечислить за конечное число шагов. Однако, если рекурсия является основой вычислений, это не значит, что любая мысль, выраженная на языке программирования, является рекурсивной. Например, мы можем написать простую программу для набора фразы «Hello, World!».

1. int main()

2. {

3. printf(«Hello, World»);

4. return 0;

5. }

Несмотря на то, что на уровне аппаратного обеспечения выполнение программы рекурсивно, логика самой программы является просто процедурной, или механической. Именно это мы должны иметь в виду, анализируя понятие рекурсивности в соответствии с различными порядками величин, а не просто в абстрактном универсальном смысле. В большей степени, чем вычислительное мышление, рекурсия – это эпистемология, противостоящая механицизму. Однако мы не можем просто отбросить механистическую эпистемологию, поскольку, хотя она и не удовлетворяет нас, в некоторых случаях она все же обладает объяснительной силой. В той мере, в какой мы имеем вычислимое, мы также имеем и невычислимое, то есть неразрешимое; но невычислимое не является неподрасчетным потому, что неподрасчетность терминологически не является математическим понятием. Можно сказать, что Бытие неподрасчетно именно потому, что оно не является понятием математики. Если бы мы сказали, что Бог невычислим, то мы свели бы Бога к математическому понятию, потому что невычислимое имеет смысл только в противопоставлении вычислимому.

Чтобы подтвердить наш тезис, давайте выдвинем исходное утверждение, что мир неподрасчетен, а затем зададимся вопросом, как это было отражено в ходе развития искусственного интеллекта – ведь интеллект подразумевает прежде всего осмысление мира. Благодаря этому мы сможем более точно понять, во-первых, как гуманистическая концепция разума (которая использовалась для четкого разграничения человеческого и машинного интеллекта) перестраивается машинами и перераспределяется между ними; и во-вторых, как понятие неподрасчетности подрывается в ходе моделирования интеллекта, что приводит к его ограниченности. Такое моделирование означает не просто замену или подмену разума, как утверждают многие теоретики[427]. Это требует от нас исследования самого разума, а также более глубокой реконфигурации отличных от разума понятий, которые необходимы для процесса рационализации.

В 1970-х годах американский философ Хьюберт Дрейфус опубликовал серию работ о пределе возможностей искусственного интеллекта, в частности свою книгу «Чего не могут вычислительные машины: Критика искусственного разума». В ней он обвинил ученых, работающих с ИИ, особенно Марвина Минского, в ограничении понятия познания до «конкретных знаний или модельных структур». Минский, один из основоположников искусственного интеллекта, предвосхитил подобную критику, когда в своей важнейшей работе 1961 года «Шаги к искусственному интеллекту» он признал: «Общепринятой теории “интеллекта”, конечно, не существует; данный анализ является только нашим собственным и может быть спорным»[428]. Это означает, что, вероятно, не существует «объективного» или «универсального» определения интеллекта. Следовательно, нечто, называемое интеллектом, открыто для интерпретации.

Критику Дрейфуса можно трактовать как прагматическое прочтение первой части «Бытия и времени» Хайдеггера, особенно § 17 «Отсылание и знак» и § 18 «Имение-дела и значимость; мирность мира». В этих параграфах Хайдеггер заложил онтологическое основание для анализа инструментов и знаков, а именно отсыланий (Verweisungen), и того, как имение-дела (Bewandtnis) обуславливает структуру отсыланий, например, встречу между орудием и человеческим Dasein. Вслед за Хайдеггером Дрейфус показывает, что онтологическое предположение Минского и др. о познании в основе своей является картезианским. Или, говоря словами Хайдеггера, картезианский интеллект рассматривает находящийся перед ним объект просто как Vorhandene (наличное), то, что должно рассматривать как носителя свойств, отличных от субъекта. Наличность предполагает картезианскую механистическую логику.

Дрейфус предлагает вместо этого понимать воплощенное познание сродни тому, что Хайдеггер называет Zuhandene (подручное), которое означает, что вещь передо мной предстает не просто в качестве носителя свойств. Скорее, ее модус существования обусловлен миром – временной структурой, которая связывает познание и встречаемый объект. Например, используя молоток, мы не задумываемся о его форме и цвете, поскольку мир, который можно представить как матрицу отношений или тотальность отсыланий, уже встроен в познание. Дрейфус заключает:

Даже обыкновенный стул невозможно представить себе в терминах какого бы то ни было множества фактов или «элементов знания». Отнести какой-нибудь объект к разряду стульев – значит понять, как он соотносится с другими объектами и человеком. При этом оказывается затронутым весь контекст человеческой деятельности, в котором форма нашего тела, возникновение потребности в мебели, явление усталости человека и т. п. составляют лишь небольшую часть… Утверждая, что все, что мы получаем из внешнего мира – это только факты, Минский слово в слово повторяет положение, разрабатывавшееся еще со времен Платона и к настоящему времени настолько глубоко проникшее в умы людей, что стало самоочевидным[429].

Эту мысль Дрейфуса можно считать критикой использования линейного и механистического мышления вместо рекурсивного и органического для постижения того, что есть познание. Он приходит к выводу, что тупик, в котором оказался ИИ, – это также тупик западной метафизики, в то время как философия Хайдеггера, будучи попыткой преодоления метафизики, предлагает альтернативу. Можно представить себе хайдеггерианский ИИ, хотя, как это ни иронично, такой проект будет означать лишь продолжение метафизики, которую Хайдеггер хотел разрушить. Хотя отождествление слабого ИИ с историей философии от Платона до Лейбница может показаться грубым, Дрейфус, тем не менее, указывает на то, что необходимо изучить онтологические, эпистемологические и психологические предпосылки вычислений и поставить под сомнение их границы и правомочность.

Эта попытка выйти за рамки формальной репрезентации восприятия и рассуждений известна как коннекционизм. Он представлен в когнитивистике движением, которое использует искусственные нейронные сети для объяснения когнитивных способностей, и которое перекликается с философской попыткой XX века выйти за рамки репрезентации. Репрезентация требует описания явления в соответствии с определенным порядком величины, например, визуальная репрезентация состоит из формы, цвета и перспективы. Нерепрезентативное описание задействует иные порядки величин, например, один и тот же объект может быть интерпретирован как карта интенсивностей или сеть сигналов, которая может динамически обновляться. Машинное обучение использует нейронные сети, впервые представленные в 1943 году Уорреном Маккаллохом и Уолтером Питтсом, которые представляли себе нейроны как булевы функции, а сеть – как несколько слоев нейронов, работа которых позволяет сети приходить к логическим выводам. Дальнейшее развитие нейронных сетей привело в 1967 году к заявлению Минского о том, что «нейронные сети с булевыми нейронами могут симулировать активность любого автомата»; а в 1996 году к словам Хейкки Хюётюниеми, что «нейронные сети могут симулировать любую машину Тьюринга»[430].

Развитие нейронных сетей прямого распространения (простейшая форма нейронных сетей, в которой связи между узлами не образуют цикла) в 1960-х годах столкнулось с препятствиями, и это привело к развитию того, что сейчас известно как алгоритм обратного распространения:

[Пол] Вербос в 1974 году разработал алгоритм для решения задачи по распределению кредитов. Этот алгоритм реализовал метод, который называют «обратным распространением ошибки» или просто обратным распространением… Сети обратного распространения были повторно открыты Паркером в 1982 году. Затем их вновь открыли и сделали общедоступными Румельхарт, Хинтон и Уильямс (1986). По сути, нейронная сеть с обратным распространением – это усовершенствованный перцептрон с несколькими слоями, другой пороговой функцией искусственного нейрона и более надежным и способным к обучению правилом. Сегодня нейронные сети с обратным распространением, вероятно, являются наиболее известным и широко применяемым классом нейронных сетей[431].

Альтернатива репрезентации, предлагаемая коннекционизмом, побудила Дрейфуса искать возможность реализации хайдеггерианского ИИ в то же направлении, например, в исследованиях Уолтера Фримана по нейродинамике. На основе многолетнего изучения обоняния, зрения, осязания и слуха у активно действующих кроликов Фриман подготовил исследование о взаимосвязи актора и среды. Фриман разделял точку зрения Дрейфуса в отношении антирепрезентационизма: «Мозг выходит за рамки простого выделения признаков… он объединяет сенсорные сигналы с прошлым опытом… чтобы идентифицировать как сам стимул, так и его конкретное значение для человека»[432]. Фриман осуждал репрезентационизм:

Кому они [репрезентации] нужны? Философам-функционалистам, информатикам и когнитивным психологам – нужны, а иногда даже очень; но физиологам – нет; и тем, кто хочет обнаружить и биологические алгоритмы мозга и работать с ними, тоже следует их сторониться[433].

Нейродинамика Фримана включает в себя сложные процессы. Но, если упростить и обобщить в соответствии с целью нашего исследования, то он утверждал, что восприятие животного (которое уже само по себе отбирает лишь то, что является значимым) и его реакция на внешнюю среду обусловлены скорее паттернами, чем концептами, содержащими отчетливые репрезентации.

Когда кролик чувствует определенный запах, колебания нейронов в его обонятельной луковице (расположенной в лобной доле) усиливаются. Под конфигурацией соединения понимается формирование клеточных ансамблей. Эти клеточные ансамбли будут перенастраиваться при повторении опыта, а результат последует за вознаграждением, полученным за опыт. Например, когда кролик нюхает морковь и съедает ее, связь обоняния с питанием усиливается[434]. Таким образом, контекстуальная реакция мозга всегда определяется совокупностью накопленного опыта и вводом одних и тех же данных. Локальный ввод отвечает за глобальный вывод данных, например, сигнал, инициированный морковью, активирует глобальную конфигурацию областей притяжения. Паттерн аттракторов является модифицируемым и хранит входные данные с памятью о похожих стимулах в прошло. Как выразился Дрейфус:

Значимость не хранится ни в виде смысловой репрезентации, ни в виде ассоциации. Скорее память о значимости находится в репертуаре аттракторов как классификаций возможных реакций – сами аттракторы являются продуктами прошлого опыта[435].

Дрейфус акцентирует внимание на герменевтике мира: на пра-структуре, определяющей смысл настоящего, и на том, как трансгрессии взаимно трансформируют сам мир. Он подчеркивает рекурсивную природу человеческой интерпретации или мышления, противопоставляя ее картезианскому механицизму раннего искусственного интеллекта. Хотя он и не занимался рекурсивностью современных вычислений, в итоге он отождествил ее с коннекционизмом.

Искусственный интеллект рекурсивен не только с точки зрения структуры его программы, но и в плане того, что понимается под познанием. Познание имеет не механический, а рекурсивный характер – оно всегда возвращается к самому себе, чтобы познать себя. Познание открыто для ошибок, чтобы на них учиться и исправлять их. Машинное обучение опирается на когнитивные науки, но вместо того, чтобы полностью полагаться на модели из нейронаук, ему бы следовало иметь эпистемологию, с помощью которой можно наглядно показать интеллект. Сегодня все чаще вычислительные модели перестают быть простым симулятором и становятся полноценным инструментом для научных экспериментов. Демаркационная линия между человеческим и машинным интеллектом теперь размыта. Именно в этом контексте мы можем интерпретировать утверждение Ахилла Мбембе о том, что разум «вполне возможно, достиг своих последних пределов. Или, как минимум, он столкнулся с серьезным испытанием»[436].

Память об этом различии, однако, сохраняется и сегодня и представляет собой порог, который еще предстоит полностью преодолеть. Канадский когнитивист Брайан Кантуэлл Смит – предположительно под влиянием Джона Хогленда и Дрейфуса, как и многие из его поколения исследователей ИИ, – дал обновленную оценку развития ИИ в своей книге 2019 года «Обещание искусственного интеллекта: расчет и суждение» (The Promise of Artificial Intelligence: Reckoning and Judgment)[437]. Он предполагает, что ИИ, если он действительно стремится быть интеллектом, должен разработать иную схему взаимодействия с миром. Носитель интеллекта должен быть способен расположить себя в мире и при этом рекурсивно взаимодействовать с ним и изменять его. Интеллект и мир должны образовывать структурное соединение, которое является не только биологическим, но и семантическим.

Человеческий интеллект включен в мир, и он воплощает этот мир с помощью искусственных органов, таких как лимбическая и нервная системы, которые являются продолжением телесных органов. Утверждение Смита можно соотнести с моими словами в «Рекурсивности и контингентности», согласно которым рекурсия – это фундаментальная модель для осмысления отношений между интеллектом и его средой на различных уровнях: биологическом, семантическом, системном и так далее. Основные критерии включенности в мир, согласно Смиту, следующие:

Для того чтобы система была небезразличной, ее ориентация на мир должна быть подкреплена сложной конститутивной сетью нормативных обязательств. Прежде всего, система (понимающее) должна быть привержена понимаемому[438].

Приверженность понимаемому означает, прежде всего, признание объекта объектом: не просто совокупностью репрезентаций (которую Смит называет видимостью)[439], но как нечто, понимаемое носителем интеллекта в качестве существующего в мире и существующего совместно с другими (то, что он называет реальностью). Способность машины подсчитывать – это лишь форма расчета, а то, что он называет суждением – это способность расположить себя в мире объектов. Эта способность понимать, о чем идет речь (то есть рекурсивно возвращаться к самому себе, чтобы определить себя) формально может быть реализована в любом рекурсивном алгоритме в виде расчета. Но функционирование мира – это не один лишь расчет[440].

Смит подчеркивает, что эта приверженность объекту и его миру не может быть понята в терминах эмоций, поскольку эмоции противоречат разуму. С этим я могу согласиться, потому что эмоции – это лишь контраргумент против гомогенного определения рациональности. На уровне эмоций еще не рационализируется то, что исключается этим гомогенизирующим определением. Рационализация – это рекурсивный процесс, который делает отношения между субъектом и миром когерентными[441]. Именно здесь мы кардинально расходимся с аргументацией Смита, особенно в отношении искусства. Мир неподрасчетен в своей тотальности, что уже ставит его за пределы расчетных возможностей подсчета. Никакой интеллект не может произвести искусство, отталкиваясь от известного – чтобы сделать это, он должен ориентироваться на неизвестное. Неизвестное может быть мистическим, но не таинственным и не мифологическим. Под мистическим (как назвал бы его Витгенштейн) или загадочным (как предпочел бы назвать его Адорно) мы подразумеваем то, что не может быть полностью постигнуто и доказано объективно, например, посредством редукции к видимости и репрезентации. Хайдеггер мог сказать, что «мир мирствует» (die Welt weltet) потому что за миром нет первичной движущей силы – метафизический монизм не существует, если понимать его в смысле Смита, согласно которому конечная реальность якобы может быть выведена линейно из известного. Неизвестное должно быть рекурсивно рационализировано через известное – это то, что я рассмотрел в главе 1 в контексте рационализации неизвестного.

К примеру, птицы в «Щебечущей машине» Пауля Клее живут не только в биологическом мире. Они также открыты для интерпретации, и такая открытость позволяет им войти в сферу духовного. Артур Данто в своей трактовке картины пишет по этому поводу:

Клее делает некий намек на бесполезность машин, почти очеловечивая их, превращая их в вещи, в которых не нужно видеть чего-то великого или опасаться их. Эта бесполезность в данном случае подчеркивается глупым проектом по созданию механическими средствами того, что природа в любом случае предоставляет в изобилии[442].

Даже если алгоритм машинного обучения воспроизведет картину в стиле Клее и даже если он «распознает», что на ней изображены птицы, он не приблизится к тому, чтобы проникнуть в «невидимый» мир, столь важный для работ Клее. В искусстве и философии интеллект направлен на неизвестное, которое в то же время приходится условием для развития этого интеллекта. В этом состоит существенное различие между умной машиной, выполняющей вычислительные задачи для человеческих агентов, и другим типом интеллекта, предметом которого является неизвестное.

Помимо того, что Брайан Кантуэлл Смит называет «расчетом» и «суждением», мы должны признать еще один тип взаимодействия с миром. Продолжая главу 1, мы можем сказать, что понятие суждения у Смита все еще находится в рамках феноменологического понимания мира Хайдеггером, изложенного в «Бытии и времени», в то время как поворот к Бытию и истории Бытия, которыми характеризуется хайдеггеровский Kehre, находится за пределами объяснения искусственного интеллекта у Смита (как и у Дрейфуса). В работе Хайдеггера «К философии (О событии)» он отметил, что «Бытие и время» стало переходом к Kehre. Этот переход также является движением от феноменологического объяснения мира к рационализации неизвестного (в данном случае Бытия, Открытого, последнего Бога). В рамках этой интерпретации можно понять, что любая машина, предназначенная для полной имитации человеческого интеллекта, не может быть ограничена двумя видами деятельности, такими как расчет и суждение, поскольку в этом случае игнорировалось бы то, что смысл не является свойством сущего, а скорее его глубина проистекает из его безосновности.

Понимание мира Смитом можно заменить таким практическим термином, как «контекст», в том смысле, что, попадая в новую среду, интеллект определяет происходящее и его значимость для себя. Контекст зависит от присутствующих объектов, например, в комнате, но его полнота не является суммой описаний этих объектов. Каждый объект в окружении вносит свой вклад в проявление мира (как в случае, когда Хайдеггер говорит, что «мир мирствует»), и контекст определяется во встрече интеллекта и объектов. Миры объектов и интенциональность носителя интеллекта рекурсивно информируют друг друга, чтобы прийти к определенному контексту.

Пауль Клее

Щебечущая машина

1922 г

Гуашь, чернила, акварель, бумага. 64,1×48,3 см

Музей современного искусства, Нью-Йорк

Смит предлагает понятие, которое он называет «контекстной чувствительностью». Как он пишет, «Мир требует приверженности, чтобы держать его в поле зрения. Контекстуальная восприимчивость должна быть основана на такой приверженности. Как таковая, концептуальная чувствительность требует суждения. Она никогда не будет достигнута простым расчетом»[443]. Что касается вопроса о чувственности, то и здесь мы должны расширить ее, выйдя за пределы расчета и суждения, то есть выйдя за пределы феноменальной чувственности (сведения объекта к чувственным данным) и контекстной чувственности (построение контекста в соответствии со взаимными отношениями между субъектом и объектом), к философской чувственности, которая совпадает с интеллектуальным созерцанием Канта, ассимилированным Моу Цзунсанем в его собственное понимание «сердца» как чувствования всего космоса.