Алгоритм Путина чертовски прост, но порой чертовски эффективен. Однако его можно просчитать, а просчитать Путина сегодня для всех нас очень важно.

Чтобы понять, как работает Путин, приходится применять теорию Вселенной как нейронной сети (1,2,3), в которой проблемы сознания, интеллекта и машинного обучения рассматриваются с позиций фундаментальной физики. Кроме того, мы используем модели управления поведением в биологических нейронных сетях фазовых состояний, также основанных на теоретической физике (4,5,6).

Начнем с нескольких исходных утверждений.

Во-первых, Путин — плоский человек. Он представляет собой абсолютно неглубокую нейронную сеть. Чтобы убедиться в этом, достаточно взглянуть на авторитарное государство, которое он построил.

Авторитаризм, и тем более тоталитаризм — это пирамида из неглубоких нейронных сетей, пытающихся копировать глубокую (многослойную) нейронную сеть. Однако в нем отсутствует самая фундаментальная особенность глубокой нейронной сети — механизм обратного распространения, позволяющий глубокой сети учиться на ошибках прогнозирования.

Во-вторых, в природе повсеместно распространены плоские существа с неглубокими нейронными сетями. Существует огромное количество видов, хорошо приспособившихся к своим нишам и успешно существующих в них длительное время, никак не обучаясь, не развиваясь и не эволюционируя. Все они используют один и тот же алгоритм выживания. Это алгоритм Путина.

В-третьих, 3D-люди, которые являются глубокими нейронными сетями, по привычке считают, что все люди — 3D. Отсюда и переоценка способностей плоских людей (мелких нейронных сетей). Примитивные, по сути, действия плоских людей воспринимаются как результат обдумывания, то есть обучения, на что поверхностные нейронные сети в принципе не способны.

Давайте теперь посмотрим на сам алгоритм Путина. Он включает только два режима: (i) режим поиска добычи и (ii) режим атаки/полета.

В первом режиме Путин делает случайный выбор между несколькими заданными состояниями при уровне свободной энергии, близком к минимальному. Случайность в его движениях сдерживается запретом двигаться прямо назад. Путин не может отменить свое решение, даже если бы очень хотел. Его нейросеть просто не имеет необходимого функционала.

Запрет на движение назад превращает случайную пьяную прогулку в предвзятую пьяную прогулку (прогулку Леви). В результате маршрут движения Путина по плоскости принятия решений начинает повторяться. Он рисует либо маленькие крендели мелкими ходами, либо большие крендельки такой же формы крупными ходами. Это называется фрактал.

Такая простая стратегия поиска добычи позволяет ему быстро охватить весь район поиска с минимальными затратами энергии. Более того, это позволяет ему адаптироваться к окружающей среде без необходимости создания ее предсказательной модели. Никто не может успешно освоить новые модели поведения без прогностической модели.

Можете ли вы представить себе ежа, собирающего грибы в тумане и находящего их все, хотя он может учуять гриб только на очень близком расстоянии? Путин такой ёжик.

Когда ежик Путин чует добычу, его поведение меняется. Активируется режим атаки/полета. Далее следует мгновенный очень сильный ход по сравнению с предыдущими ходами.

Если вероятность ходов в режиме поиска добычи определялась плотным пятном наиболее вероятных ходов по гауссовской диффузии вероятностей, то теперь ходы становятся гораздо менее предсказуемыми. Выбор ходов в режиме атаки/бегства определяется степенным законом диффузии вероятности, тем самым, из которого, по идее Нассима Николаса Талеба, возникают черные лебеди.

Если добыча не будет поймана с первой попытки, последует несколько более слабых ходов по степенному закону вероятности. С каждым ходом сила хода ослабевает, потому что свободная энергия, накопленная в режиме поиска добычи, расходуется на степенные ходы очень быстро.

Как только свободная энергия иссякает, Путин возвращается в режим поиска добычи. Как мы помним, потребление свободной энергии в этом режиме минимально. Путину просто ничего не остается, как впасть в этот режим. Он начинает своими ходами рисовать крендельки по фрактальному шаблону.

Если в период сразу после истечения режима атаки/бегства, когда свободная энергия исчерпана, Путин почувствует добычу или угрозу, он все равно будет рисовать крендельки со стандартными легко просчитываемыми решениями, которые он уже много раз принимал ранее в такая же последовательность.

Угрожает ли он применить атомную бомбу? Принимал ли он такое решение раньше? Эта рутина для него? Если нет, то не о чем беспокоиться, пока он не накопит уровень свободной энергии, достаточный для включения режима атаки/полета.

Понятно, почему путинские прихвостни считают его гением. Алгоритм Путина при всей своей простоте, даже примитивности чрезвычайно эффективен.

Улитка морской ангел таким образом успевает не только рутинно питаться, но и набиваться морскими чертями (единственной пищей ангела) впрок, чтобы создать прослойку жира на несколько месяцев голодания до следующего охотничьего сезона. .

3D-люди удивляются удаче Путина еще и потому, что наделяют его способностью думать и учиться. Они начинают думать о том, что могли бы сделать на месте Путина и начинают опасаться фантомных способностей Путина, которых в принципе не может быть у настоящего Путина.

Многие очень хорошо осведомленные ученые, например, до сих пор считают, что бактерии движутся по градиенту к еде и от яда, но на самом деле бактерии просто переключаются между двумя режимами, как Путин (7).

Один важный момент. Путин не может сойти с ума, потому что для этого ему придется обнулить свои знания (заученные модели поведения), но он знает, что новых знаний он не приобретет. Поэтому он будет держаться за то, что у него есть, до последних сил. Неглубокие нейронные сети не теряют рассудка.

Примечания:

  1. Плоские и трехмерные люди в качестве имён для поверхностных и глубоких нейронных сетей позаимствованы из фантастического рассказа «Без неба», написанного Владиславом Сурковым, приспешником Путина, лично ответственным за российскую агрессию против Украины. Рассказ под псевдонимом Натан Дубовицкий был опубликован в 2014 году, когда началось вторжение России в Украину. Плоские (2D) люди в этой истории атакуют 3D-людей: «Мы придем завтра. Мы победим или погибнем. Третьего пути нет». (8)
  2. Согласно теории Вселенной как нейронной сети, чем более многослойным (глубоким) является кластер нейронной сети, тем быстрее и лучше он способен обучаться. Плоские (мелкие) нейронные сети практически лишены способности к обучению. Поскольку нейронная сеть Вселенной имеет фрактальную (самоподобную) структуру, отдельные ее кластеры также самоподобны внутри кластера. Кластер Россия аналогичен кластеру Путина и наоборот.
  3. Очень важно видеть разницу между тем, что думает и говорит Путин, и тем, что он может сделать. Алгоритм принятия решения в мелкой нейронной сети задан достаточно жестко, хотя и основан на случайном выборе. Случайность в этом механизме имеет четкие и понятные ограничения. Поэтому Путин может хотеть чего угодно, но делать он может только то, за чем стоит машина исполнения. Именно этот механизм мы сейчас и наблюдаем. И теперь мы знаем его ограничения.
  4. Математический формализм, лежащий в основе алгоритма Путина, был разработан на основе моделей животных (4). Поэтому мы достаточно хорошо понимаем, как работает Путин.
  5. Мы не можем предсказать, что сделает Путин, но мы можем с высокой степенью уверенности предсказать, что он не сможет сделать. Конечно, 100% гарантии никто дать не может. Но это, безусловно, лучшее научное объяснение, которое у нас есть.

Ссылки:

  1. Виталий Ванчурин, На пути к теории машинного обучения, 2021 Мах. Уч.: научн. Технол. 2 035012, https://iopscience.iop.org/article/10.1088/2632-2153/abe6d7
  2. Виталий Ванчурин, Юрий И. Вольф, Михаил И. Кацнельсон, Евгений В. Кунин, К теории эволюции как многоуровневого обучения, PNAS 8 февраля 2022 г. 119 (6) e2120037119 https://www.pnas.org/ содержание/119/6/e2120037119
  3. Виталий Ванчурин, Мир как нейронная сеть, Энтропия 2020, 22(11), 1210; https://doi.org/10.3390/e22111210
  4. Латорре Р., Леви Р., Варона П. (2013) Преобразование контекстно-зависимой сенсорной динамики в моторное поведение. PLoS Comput Biol 9(2): e1002908. https://doi.org/10.1371/journal.pcbi.1002908
  5. Брэд К. Халс, Ханна Хаберкерн, Ромен Франконвиль и др. Коннектом центрального комплекса дрозофилы обнаруживает сетевые мотивы, подходящие для гибкой навигации и контекстно-зависимого выбора действий. doi препринта bioRxiv: https://doi.org/10.1101/2020.12.08.413955; 22 декабря 2020 г.
  6. Буль, Э., Коттлер, Б., Ходж, Дж.Дж.Л. и другие. Термореактивное моторное поведение опосредовано цепями кольцевых нейронов в центральном комплексе дрозофилы. Научный доклад 11, 155 (2021). https://doi.org/10.1038/s41598-020-80103-9
  7. Дэниел Дж. Вебр, Питер М. Воланин, Джеффри Б. Сток (2003) Бактериальный хемотаксис. DOI: https://doi.org/10.1016/S0960-9822(02)01424-0
  8. Без неба Натана Дубовицкого, пионера России, № 46 (май 2014 г.) http://www.bewilderingstories.com/issue582/without_sky.html