Мощные приемы информатики и кибернетики показывают, как эволюция «прорубила» себе путь к разуму снизу вверх.
Разумное принятие решений не требует мозга. Вы были способны на это еще до того, как у вас появился один. Начав жизнь как одна оплодотворенная яйцеклетка, вы разделились и стали массой генетически идентичных клеток. Они болтали между собой, чтобы вылепить сложную анатомическую структуру — ваше тело. Что еще более примечательно, если бы вы разделились на две части в зародыше, каждая половинка смогла бы заменить недостающее, оставив вас одним из двух однояйцевых (монозиготных) близнецов. Точно так же, если два эмбриона мыши смешать, как снежный ком, получится одна обычная мышь. Откуда эти эмбрионы знают, что делать? У нас пока нет технологии с такой степенью пластичности — распознающей отклонение от нормального хода событий и реагирующей на достижение того же результата в целом.

Это интеллект в действии: способность достичь определенной цели или решить проблему, предприняв новые шаги перед лицом меняющихся обстоятельств. Это очевидно не только у разумных людей и млекопитающих, птиц и головоногих, но также у клеток и тканей, отдельных нейронов и сетей нейронов, вирусов, рибосом и фрагментов РНК, вплоть до моторных белков и молекулярных сетей. Во всех этих масштабах живые существа решают проблемы и достигают целей, гибко ориентируясь в различных пространствах — метаболическом, физиологическом, генетическом, когнитивном, поведенческом.

Но как появился интеллект в биологии? Этот вопрос занимал ученых со времен Чарльза Дарвина, но остается без ответа. Процессы разума настолько сложны, многослойны и причудливы, что неудивительно, что некоторые люди могут соблазниться историями о Творце сверху вниз. Но мы знаем, что эволюция должна была быть способна создать разум самостоятельно, снизу вверх.

Лучшее объяснение Дарвина заключалось в том, что случайные мутации изменяют и перестраивают гены, изменяют структуру и функции тел и, таким образом, вызывают приспособления, которые позволяют определенным организмам процветать и размножаться в окружающей среде. (С технической точки зрения, их отбирает среда.) В конце концов каким-то образом в результате появился интеллект. Но существует множество естественных и экспериментальных данных, свидетельствующих о том, что эволюция не просто выбирает запрограммированные решения, разработанные для конкретных условий. Например, лабораторные исследования показали, что совершенно нормальные клетки кожи лягушки, освобожденные от поучительного влияния остальной части эмбриона, могут перезапустить свою совместную деятельность, чтобы произвести новый протоорганизм, названный«ксенобот». Эволюция, похоже, не столько дает ответы, сколько создает гибких агентов для решения проблем, которые могут принимать новые вызовы и решать проблемы самостоятельно.

Актуальность понимания интеллекта в биологических терминах стала еще более острой с революцией «омики», когда новые методы накапливают огромное количество свежих данных о генах, белках и связях внутри каждой клетки. Тем не менее поток информации о сотовом оборудовании не дает лучшего объяснения разумной гибкости, которую мы наблюдаем в живых системах. Он также не дает достаточного практического понимания, например, в области регенеративной медицины. Мы думаем, что настоящая проблема заключается не в данных, а в перспективе. Интеллект — это не то, что возникло в конце эволюции, а было открыто в самом начале, задолго до того, как на сцену вышел мозг.

С самых ранних метаболических циклов, которые поддерживали химические параметры микробов в нужных пределах, биология была способна достигать поставленных целей. Тем не менее, поколение за поколением биологов учили избегать вопросов о конечной цели вещей. Биологам советуют сосредоточиться на том, «как», а не «почему», иначе они рискуют стать жертвой теологии. Студенты должны сводить события к их простейшим компонентам и причинам и изучать эти механизмы по частям. Нам говорят, что разговоры о «целях» опасно близки к отказу от натурализма; результатом является своего рода «телеофобия», боязнь цели, основанная на идее, что приписывание слишком большого интеллекта системе — это худшая ошибка, которую вы можете совершить.

Но и обратное так же плохо: неспособность распознать интеллект, когда он прямо у нас под носом и может быть полезен. Не только «почему» всегда присутствует в биологических системах — это именно то, что определяет «как». Как только мы откроемся этой идее, мы сможем определить два мощных приема, вдохновленных информатикой и кибернетикой, которые позволили эволюции «взломать» свой путь к разуму снизу вверх. Скайхуки не нужны.
А ТАКЖЕэмбрионы — не единственное, что способно к гибкому самовосстановлению. Многие виды могут регенерировать или заменять утраченные части тела во взрослом возрасте. Мексиканская саламандра, известная как аксолотль , может отращивать утраченные конечности, глаза, челюсти и яичники, а также спинной мозг и части сердца и головного мозга. Тело распознает отклонения от своей правильной анатомии как ошибки, и клетки быстро работают, чтобы вернуться к нормальной жизни. Точно так же, когда в лаборатории создаются головастики в стиле Пикассо, с глазами и другими органами, случайно расположенными в разных исходных положениях, они проходят новые пути движения, которые, тем не менее, в конечном итоге создают в основном нормальные морды лягушек.

How do the tadpole’s facial organs know when to stop moving? How does the salamander’s tissue determine that a limb of the right size and shape has been produced, and that the remodelling can stop? It’s clear that cell groups need to be able to ‘work until goal X is satisfied’, storing a memory of the goal (which might be an anatomical configuration much larger than any single cell), and course-correcting if they are perturbed along the way.

Одно из объяснений удивительных подвигов эмбрионов исходит из теории контроля, которая показывает нам, что динамические системы (например, термостат) могут достигать целей без магии, просто используя обратную связь для исправления ошибок. Такой «гомеостаз» в биологии, как известно, удерживает такие параметры, как рН, в определенных пределах. Но та же динамика действует в гораздо большем масштабе, пока клетки физиологически подключены к сетям. Сети клеток способны измерять химические, электрические и биомеханические свойства тканей и принимать решения о вещах, которые не могут оценить отдельные клетки.

Отдельные клетки могут обрабатывать локальную информацию об окружающей среде и своем собственном состоянии для достижения крошечных целей на уровне клетки (например, оставаться в определенном направлении). Но сети клеток могут интегрировать сигналы со всех расстояний, хранить воспоминания о шаблонах и вычислять результаты широкомасштабных вопросов (таких как «Этот палец правильной длины?» или «Правильно ли выглядит это лицо?»). вычислений, которые могут оценивать большие величины (такие как анатомическая форма) и направлять лежащую в основе клеточную активность, чтобы приблизить систему к конкретной желаемой цели ( называемой «установочной точкой»).

Модульность означает, что ставки для тестирования мутаций достаточно низки.

Достижение такой интеллектуальной, точно настроенной калибровки, вероятно, зависит от модульности — первого шага, который, по нашему мнению, может объяснить появление интеллектуального поведения. Подобно крупной организации, в которой задействовано несколько специализированных команд для производства и продажи одного продукта, модульность — это самостоятельные подразделения, которые могут сотрудничать или конкурировать для достижения локальных результатов, но в конечном итоге коллективно работают для достижения какой-то более крупной цели. Важно отметить, что эта структура позволяет избежать микроуправления — каждому уровню не нужно знать, как нижние уровни выполняют свою работу, но может просто мотивировать их (такими вещами, как молекулы вознаграждения и пути стресса) для выполнения этой задачи.
Модульность — наличие компетентных подразделений, которые решают проблемы в своем собственном локальном проблемном пространстве, которые могут сотрудничать и конкурировать для достижения более крупных целей — является частью того, что способствует появлению интеллекта в биологии. То, как программы этих модулей вложены друг в друга в биологических сетях, дает им гибкость для достижения целей на каждом уровне, даже когда условия меняются на более низких уровнях.
Когда одноклеточные организмы объединились в многоклеточные тела, каждый модуль не потерял своей индивидуальной компетентности. Скорее, клетки использовали определенные белки для слияния во все более сложные сети, которые могли решать более масштабные задачи, обладать более длительной памятью и заглядывать дальше в будущее. Сети ячеек начали работать как общество, измеряя и преследуя цели, определенные на уровне коллектива (такие как «размер органа» и «форма органа»). Стресс из-за крупномасштабных состояний (таких как «внимание: палец слишком короткий») вызывал изменения, которые распределялись между тканями для осуществления скоординированных действий. Эта многомасштабная архитектура имеет много преимуществ. Во-первых, для эволюции легко просто переставить модули и позволить циклу уменьшения ошибок позаботиться обо всем остальном, установив новые условия в качестве уставки или источника стресса (например, «неправильная длина конечностей» вместо «неправильно свернутые белки»). Это похоже на то, как вы можете изменить заданное значение вашего термостата, не переделывая его или даже не зная, как он работает. Циклы обратной связи внутри циклов обратной связи и вложенная иерархия стимулирующих модулей, которые могут быть перетасованы в процессе эволюции, предлагают огромные возможности для решения проблем.

Одним из следствий этой иерархии гомеостатически стабильных вложенных модулей является то, что организмы стали гораздо более гибкими, сохраняя при этом связное «я» во враждебном мире. Эволюции не нужно было настраивать все сразу в ответ на новую угрозу, потому что биологические субъединицы были готовы найти новые способы компенсации изменений и функционирования в измененных системах. Например, у планарийных плоских червей, которые надежно регенерируют каждую часть тела, использование лекарств для сдвига биоэлектрически сохраненной памяти паттернов приводит к появлению двухголовых червей. Примечательно, что фрагменты этих червей продолжают бесконечно регенерировать две головы, не редактируя геном. Кроме того, плоские черви могут быть вызваны, путем краткой модуляции биоэлектрической цепи, чтобы отрастить головы с формой (и структурой мозга), соответствующей другим известным видам плоских червей (с эволюционным расстоянием около 100 миллионов лет), несмотря на их геном дикого типа.

Модульность означает, что ставки для тестирования мутаций достаточно низки: можно полагаться на компетентные субъединицы для достижения своих целей в широком диапазоне условий, поэтому эволюции редко нужно «беспокоиться» о том, что одна мутация может испортить шоу. Например, если новая мутация приведет к тому, что глаз окажется не в том месте, запрограммированному организму будет очень трудно выжить. Однако модульные системы могут компенсировать изменение, перемещая глаз туда, где он должен быть (или позволяя ему работать в новом месте), таким образом, имея возможность исследовать другие, возможно, полезные эффекты мутации. Было показано, что глаза головастика делают это, давая зрение, даже если их просят сформировать на хвосте, обнаруживая связи со спинным мозгом, а не с головным.

Модулярность обеспечивает стабильность и устойчивость и является первой частью ответа на вопрос о том, как возник интеллект. Когда изменения происходят в одной части тела, ее эволюционная история как матрешки компетентных, способных решать проблемы клеток означает, что субъединицы могут активизироваться и модифицировать свою активность, чтобы поддерживать жизнь организма. Это не отдельная способность, развившаяся с нуля в сложных организмах, а неизбежное следствие древней способности клеток заботиться о себе и сетях, частью которых они являются.

Но как же контролируются эти модули? Второй шаг на пути к появлению интеллекта заключается в знании того, как можно манипулировать модулями. Кодирование информации в сетях требует способности катализировать сложные результаты с помощью простых сигналов. Это известно как завершение шаблона : способность одного конкретного элемента в модуле активировать весь модуль. Этот специальный элемент, который служит «спусковым крючком», запускает действие, запуская в действие других членов модуля и завершая шаблон. Таким образом, вместо того, чтобы активировать весь модуль, эволюции нужно активировать только этот триггер.

Завершение паттерна — важный аспект модульности, который мы только начинаем понимать благодаря работе в области биологии развития и нейробиологии. Например, в кишечнике эмбриона лягушки можно создать целый глаз, кратковременно изменив биоэлектрическое состояние некоторых клеток. Эти клетки запускаются, чтобы завершить рисунок глаза, рекрутируя близлежащих соседей (которые сами не были биоэлектрически изменены), чтобы заполнить остальную часть глаза. Аналогичные результаты могут быть достигнуты с помощью генетических или химических «главных регуляторов», таких как Hox .гены, которые определяют план тела большинства билатерально-симметричных животных. На самом деле, эти гены-регуляторы можно было бы переименовать в гены завершения паттерна, поскольку они обеспечивают скоординированную экспрессию набора других генов из простого сигнала. Ключевым моментом является то, что модули, продолжая работать до тех пор, пока не будут выполнены определенные условия, могут заполнить сложный шаблон, если им предоставлена ​​лишь небольшая часть шаблона. При этом они переводят простую команду — активацию триггера — и дополняют ее целой программой.

Важно отметить, что завершение паттерна не требует определения всей информации, необходимой для создания органа. Эволюции не нужно заново открывать, как определить все типы клеток и расположить их в правильной ориентации — все, что ей нужно сделать, это активировать простой триггер, а модульная организация развития (где клетки строятся по определенному шаблону) делает все возможное. отдыхать. Завершение паттерна способствует возникновению сложности развития и интеллекта: простых триггеров сложных каскадов, которые позволяют случайным изменениям в ДНК создавать когерентные, функциональные (а иногда и полезные) тела.

Завершение модульного паттерна также становится очевидным в недавних экспериментах в области неврологии. Вершиной разумного поведения в биологии является человеческий мозг. Нервные системы состоят из большого количества нейронов, где каждый нейрон обычно связан с очень большим количеством других нейронов. На протяжении эволюции происходил неуклонный прогресс в сторону более крупного и связанного мозга, достигая астрономических цифр — около 100 миллиардов нейронов и сотни тысяч связей на нейрон у человека. Этот переход к большему количеству нейронов и соединений не может быть случайным: система с множеством взаимодействующих единиц — это именно то, что нужно, чтобы стать более компетентной и сложной.

Анализировать мозг, глядя на один нейрон, все равно, что пытаться понять фильм по изолированному пикселю.

Но что именно делают все эти обширные нейронные цепи? Хотя многие нейробиологи согласны с тем, что функция нервной системы заключается в восприятии окружающей среды и формировании поведения, менее ясно, как это происходит на самом деле. Традиционная точка зрения , известная как «доктрина нейронов», предложенная Сантьяго Рамоном-и-Кахалем и Чарльзом Скоттом Шеррингтоном более века назад, состоит в том, что каждый нейрон выполняет определенную функцию. Это уподобило бы мозг самолету, состоящему из миллионов компонентов, каждый из которых точно предназначен для выполнения определенной задачи.

В рамках этой схемы нейробиологи разобрали мозг и исследовали его по одному нейрону за раз, связывая активность отдельных нейронов с поведением животного или психическим состоянием человека. Тем не менее, если истинные цели биологических систем вытекают из того, как взаимодействуют их субъединицы или модули, то анализировать мозг, глядя на один нейрон, так же бесполезно, как пытаться понять фильм, зацикливаясь на изолированном пикселе.

Какие свойства могут генерировать нейронные цепи? Поскольку нейроны могут запускать друг друга, нейронные цепи могут генерировать внутренние состояния активности, не зависящие от внешнего мира. Группа связанных нейронов может самовозбуждаться друг друга и активироваться вместе в течение определенного периода времени, даже если ничего внешнего не происходит. Именно так мы могли бы понимать существование понятий и абстракций, населяющих человеческий разум, — как эндогенную активность модулей, состоящих из ансамблей нейронов.

Используя эти внутренние состояния активности в качестве символов, эволюция могла затем построить формальные представления реальности. Он мог бы манипулировать этими состояниями вместо того, чтобы манипулировать реальностью, точно так же, как мы это делаем, определяя математические термины для изучения взаимосвязей между объектами. С этой точки зрения — суть которой была изложена еще Иммануилом Кантом в его «Критике чистого разума» (1781, 1787) — эволюция нервной системы представляет собой появление нового формального мира, символического мира, который значительно расширяется. возможности физического мира, потому что это дает нам возможность исследовать его и мысленно манипулировать им.

Нейронные модули также могут быть организованы в виде иерархии, где модули более высокого уровня кодируют и символизируют все более абстрактные объекты. Например, группы нейронов более низкого уровня в нашем спинном мозге могут активировать мышечные волокна и находиться под контролем ансамблей более высокого уровня в моторной коре, которые могут более абстрактно кодировать желаемое движение («изменить положение ноги»). ). В свою очередь, эти ансамбли моторной коры могут снова контролироваться нейронами более высокого порядка («выполнить пируэт»), которые могут контролироваться группами нейронов в префронтальной коре, которые представляют поведенческое намерение («выступить в балете»). ).

Использование модулей, вложенных в иерархию, обеспечивает аккуратное решение сложной задачи проектирования: вместо того, чтобы задавать и контролировать каждый элемент по одному, природа использует ансамбли нейронов в качестве вычислительных строительных блоков для выполнения различных функций на разных уровнях. Этот прогресс в сторону увеличения абстракции может помочь объяснить, как познание и сознание могут возникать как эмерджентные функциональные свойства из относительно простого нейронного оборудования. Та же мощная идея иерархического возникновения лежит в основе многоуровневых моделей нейронных сетей в компьютерных науках, названных «нейронными», потому что они вдохновлены нейронными цепями.

БНо вернемся к проблеме Дарвина: если эволюция слепа и действует исключительно на отдельные единицы, по одной мутации за раз, как можно изменить общую архитектуру и функции организма для общего блага? Помимо генерации модулей, у нейронных сетей есть еще одно интересное свойство, которое мы уже обсуждали: завершение шаблона.

В недавних экспериментах у мышей вызывали искусственное восприятие или зрительные галлюцинации путем активации только двух нейронов в их зрительной коре. Как это возможно, учитывая, что в мозгу мыши около 100 миллионов нейронов? Ответ заключается в том, что эти нейроны могут запускать ансамбль нейронов посредством завершения паттерна. Связность нейронов, по-видимому, усиливает активность, поэтому, подобно лавине, изменение в одном нейроне приводит к запуску всего модуля. Это означает, что вы можете активировать целый модуль нейронов, включив только одного ключевого члена группы.

Завершение паттерна показывает нам, как одно событие — скажем, мутация — может изменить армию или создать глаз.

Завершение паттерна может лежать в основе внутренней работы мозга — рекрутирование модуля за модулем на разных уровнях иерархии, в зависимости от поставленной задачи. Но почему бы завершение паттерна не привести к эпилептическому припадку всего мозга? Добавляя к этим нейронным цепям тормозные связи — небольшие прерыватели цепи — можно ограничить эти лавины небольшими группами нейронов, вместо того чтобы катастрофически активировать весь мозг. Используя завершение паттерна вместе с тормозными цепями, мозг имеет возможность выбирать и манипулировать модулями на разных уровнях по мере необходимости.


(I) Триггерные стимулы обеспечивают завершение паттерна, потому что сети могут быть организованы таким образом, что они имеют тенденцию устанавливаться в определенных состояниях (воспоминаниях) из разных положений (например, как мяч скатывается в колодец из множества разных начальных точек). Топология этого ландшафта означает, что система автоматически возвращается в то же состояние, если ее потревожить, что символизируется шаром, падающим на дно долины, когда он находится у края. Эта метафора завершения паттерна отражает идею о том, как «ландшафт» системы «заставляет вас это делать»: она позволяет субъединицам преследовать локальные гомеостатические цели (например, минимизировать переменную, чтобы двигаться вниз по градиенту), но обеспечивает конечный результат. быть шаблоном более высокого уровня

(II) Способность сетей достигать одного и того же результата из ряда частичных входных данных — обобщение завершения шаблона — также используется в компьютерных науках. Например, вычислительные нейронные сети могут восстановить все запомненное изображение, основываясь только на частичном примере, из которого был удален какой-либо аспект.

(III) Плоский червь является мастером завершения паттерна, создавая всю свою анатомию из небольшого фрагмента своего паттерна. Биоэлектрическая сеть клеток хранит память паттернов, которая управляет отдельными клетками, чтобы восстановить целое.

(IV) Завершение паттерна также присутствует в нейронных цепях, где небольшая группа связанных нейронов может хранить ассоциативную память. Здесь вы видите: а) присутствуют самостоятельные нейроны без синаптических связей; б) нейроны 1, 3 и 5 активируются одновременно внешними входами, что формирует и усиливает синаптические связи между ними; в) при прекращении входа активность нейронов также прекращается (однако синаптические связи между тремя нейронами сохраняются; эти нейроны образовали модуль, и их взаимосвязь определяет, как активируется модуль); г) вход активирует только один из исходных трех нейронов, но связи активируют все три нейрона и завершают весь паттерн; д) даже после того, как входной ток закончился, нейроны могут оставаться постоянно активными, фактически сохраняя память о входе
Таким образом, завершение шаблона позволяет соединять модули на одном и разных уровнях иерархии, связывая их вместе в единую систему. Ключевой нейрон в модуле нижнего уровня может быть активирован нейроном верхнего уровня, и наоборот. Как и в случае с изменением марша армии, вам не нужно убеждать каждого солдата сделать это — просто убедите генерала, который заставляет остальных подчиняться. В соответствии со многими параллелями между нейронами и ненейронными сигналами завершение паттерна показывает нам, как одно событие — скажем, мутация — может изменить армию или построить глаз.

Фот микробных клеток, решающих проблемы в метаболическом пространстве, до тканей, решающих проблемы в анатомическом пространстве, до групп людей, ориентирующихся в мире, каким мы его знаем, жизнь двигалась к разумным конструкциям, используя способность модулей выполнять задачи по-своему. . Гомеостатические петли обеспечивают гибкие реакции, работая до тех пор, пока не будут достигнуты заданные значения, даже когда ситуация меняется. Модульность означает, что эволюция может легко исследовать то, что коллектив считает «правильным» состоянием, и какие действия необходимо предпринять, чтобы достичь этого. Иерархия модулей означает, что простые сигналы могут инициировать сложные действия, которые не нужно заново открывать или контролировать на микроуровне, но которые могут адаптироваться, когда только небольшой фрагмент головоломки вызывает их для этого.

Мы набросали набор подходов к биологии, которые в значительной степени опираются на концепции кибернетики, информатики и инженерии. Но предстоит еще много работы по согласованию этих подходов. Несмотря на недавние достижения в области молекулярной генетики, наше понимание сопоставления генома, с одной стороны, и (изменчивой) анатомии и физиологии тела, с другой, все еще находится на очень ранней стадии. Подобно компьютерной науке, которая в 1940-х годах перешла от перепрошивки аппаратного обеспечения к сосредоточению внимания на алгоритмах и программном обеспечении, которые могли бы управлять поведением устройства, биологические науки сегодня должны изменить курс.

Мы призываем биологов придерживаться интенциональной позиции: рассматривать цепи и клетки как агенты, решающие проблемы.

Влияние понимания вложенного интеллекта в разных масштабах затрагивает множество областей, от фундаментальных вопросов о нашем эволюционном происхождении до практических дорожных карт для ИИ, регенеративной медицины и биоробототехники. Понимание систем управления, реализованных в живых тканях, может привести к значительным достижениям в биомедицине. Если мы по-настоящему поймем, как управлять установками тела, мы сможем исправлять врожденные дефекты, вызывать регенерацию органов и, возможно, даже побеждать старение (некоторые книдарии и планарии по сути бессмертны, что демонстрирует, что сложные организмы без ограничения продолжительности жизни бессмертны). возможно, используя те же типы клеток, из которых мы сделаны). Возможно, с раком тоже можно боротьсякак болезнь модульности: механизмы, с помощью которых клетки тела взаимодействуют, могут иногда ломаться, что приводит к возвращению клеток к их одноклеточному прошлому — более эгоистичный способ, в котором они относятся к остальной части тела как к среде, в которой они максимально воспроизводятся. .

В области машиностроения дизайнеры традиционно строили роботов из тупых, но надежных деталей. Напротив, биология использует ненадежность компонентов, максимально используя возможности каждого уровня (молекулярного, клеточного, тканевого, органа, организма и колонии), чтобы заботиться о себе. Это обеспечивает невероятный диапазон адаптивной пластичности. Если мы взломаем нейронный код в биологии, мы сможем начать программировать поведение в синтетических нервных системах и строитьсамовосстанавливающиеся, гибкие роботы. Недавняя работа показывает, что агентные клетки со своими собственными локальными программами уже можно направлять для создания совершенно новых автономных биороботов. И помимо тел роботов, эти идеи также открывают новые подходы к машинному обучению и ИИ: открывая перспективы для архитектур, основанных на древних и разнообразных ансамблях для решения проблем за пределами мозга, таких как у бактерий и метазоа.

Это возникающее слияние биологии развития, неврологии, биофизики, информатики и когнитивной науки может иметь глубокие и потенциально преобразующие приложения. Стратегии «сверху-вниз», использующие — по сути, сотрудничающие с — естественный интеллект биологии, могли бы обеспечить прогресс в преобразованиях в областях, угнетенных узким фокусом на молекулярных и генетических деталях. Имея это в виду, мы призываем биологов принять интенциональную позицию: рассматривать цепи, клетки и клеточные процессы как компетентные агенты для решения проблем с повесткой дня, а способность обнаруживать и хранить информацию — уже не метафора, а серьезная гипотеза .стало правдоподобным благодаря появлению разумного поведения в филогенетической истории. Если мы сможем распознать интеллект в его самых незнакомых обличьях, это может просто революционизировать наше понимание мира природы и самой нашей природы как когнитивных существ.