Статья о системном подходе к эволюционной проблематике

[василий андреевич]

имеет одну цель – адаптацию к изменяющимся условиям,

Здесь начинается цепь ошибок. Нельзя адаптироваться к тем условиям, которых еще нет, а может никогда и не будет.
  Вульгарно: адаптация - это отказ от рожна в пользу говна. Иначе: мальчуган машет ладошкой проходящему поезду, но отказывается искать способ сесть в него, ибо "мамка заругает".
  Гомеостаз - не набор параметров состояния, а их неопределенное изменение, в сумме дающее представление о стационарности, как готовности сместиться от среднестатистических значений с порождением того тренда новизны, который в сумме с новой стационарностью (новым гомеостазом) равен старой стационарности.
  Например, спать и бежать это два состояния-порции А;В с вычисляемым трендом-дельтой С, при том что А+В+С=0. И спать, и бежать - это не хорошо и не плохо, а ситуативно нормально. Отсюда и возражения Игоря о комбинаторности, как той множественности потенциально-вероятных состояний той системы, которую характеризуют общим термином "сложность".
  Таким образом, адаптация - это деградационный процесс обесценивания потенций ради тренда, становящегося таким образом гомеостазом с обрезанными потенциалами.
  Проблема не в том, что бы машинно спрогнозировать-вычислить адаптационный тренд, а в нарабатывании новых потенциалов у той системы, которая ими никогда не оперировала. Более того, тупое наращивание "мутационных" потенциалов невозможно в силу того, что поодиночке они убивают организм, и только комплексная (слаженная, а не сложенная) работа "мерцающих потенциалов" способна породить те механистические (редукционные) действия внутри системы, которые будут адекватны изменяющейся среде.

[Игорь Антонов]

Из новых публикаций (11-2023), пересекающихся по затронутой проблематике с обсуждаемой статьей и дискуссией в теме:

Грибков А.А., Зеленский А.А. — Общая теория систем и креативный искусственный интеллект

В конструктивном плане, на мой взгляд, концепция авторов достаточно спорная.
Но есть и область пересечения с выводами, сделанными в обсуждаемой статье.
Некоторые цитаты:

Поскольку в основе творчества лежит осознанное или неосознанное использование изоморфизма мира, являющегося выражением его целостности, существующие подходы к созданию искусственного интеллекта (на основе технологий больших данных и всех используемых в них методов) являются бесперспективными. Узкий искусственный интеллект на основе такого подхода (с существенными ограничениями) реализуем, искусственный интеллект более высокого уровня, очевидно, нет.

Для построения общего искусственного интеллекта или суперинтеллекта потребуется выйти за методологические ограничения, сформировавшиеся в рамках технологий больших данных. При этом мы имеем единственный ориентир – человеческое мышление, которое, вероятно, не имеет таких ограничений.

[василий андреевич]

Грибков А.А., Зеленский А.А. — Общая теория систем и креативный искусственный интеллект

Наверняка авторы вначале договорились о выводах, и уже под них писали основной текст.
  Я не мог вчитываться внимательно, но выделил бы "идею фикс" о конечной познаваемости объективного множащимся субъективизмом, хотя в статье упор на эмоциональность последних.
  Можно условно заменить три градации интеллекта на две под названиями интеллект и разум, ограничив их тем, что интеллект рассчитывает, а разум имитирует. Тогда принципиальная конечность  познания выразится в бесконечно сходящейся к нулю суммы функций расчета и имитации, когда имитируется погрешность функции расчета.
  Бытовой пример. Забивая гвоздь, рассчитывается удар по гвоздю, а промах по пальцам имитируется. Чем точнее навык, тем ниже ненулевая погрешность для имитации разумом.
  "Фиксность" идеи сходимости опять-таки в той "ошибке", которая приравнивает эволюцию к адаптации. Сам процесс интеллектуального оценивания погрешностей грешен в своей сути, как ведущий к бесконечному обнулению "произведения грешков". Разум, насколько бы он ущербно не имитировал действия внешних сил, будет не нивелировать, а гротескно отражать и множить погрешности простой задачи, имитируя эволюцию потенциальной функции.

  Запишем отражение событий мира, как равенство через коэффициент М=Км+а, где а - это плюс-минус погрешность.
  Или М/К-м=а/К. Как только коэффициент отражения становится меньше единицы, наступает качественный скачок нового отношения к событиям во внешней среде. А это означает, что чем точнее мы очертим границы познанного, тем ярче высветиться "дыра" еще не познанного.
  С позиции биоэволюции сие будет выглядеть так, что когда биосфера входит в состояние стазиса (К близок единице слева), тем мощнее будет "нависать над системой" потенциальная функция, складывающаяся из квантовых неопределенностей параметров состояния экосистемного климакса (сукцессии). Потому процесс обрушения стагнирующей экосистемы, подошедшей к пределу динамического равновесия, становится неизбежным, несмотря на то, что момент обрушение невозможно предсказать.
  Рассчитать эволюцию потенциальной функции, как лона, в которое обрушится экосистема наверняка можно, но составить эту функцию техникой подбора параметров - вряд ли возможно.
  А можно ли сымитировать? И не производим ли мы таковые имитации обрушения старых идей в новую, методом имитации волновой (потенциальной) функции?

[Шаройко Лилия]

Игорь, у меня вопрос, он касается и Вашей статьи и этой которую я еще читать не начала, но по цитате понятно, что высоким уровнем называется по умолчанию интеллект человека.

В Вашей статье приведена программа которая оперирует исключительно с цифрами, там кроме математических операций с цифрами ничего нет, и именно с абстрактными цифрами которые не являются даже параметрами чего нибудь в обычном мире с которым человек сталкивается постоянно и что приведено к математическому изложению(как я приводила пример -погода, давление, ветер, или по отношению к генетике развитие особи популяции.

Какое отношение имеет цифровая популяция к биологической, какие механизмы у них общие -есть вообще такие?

Почему вообще генетическими алгоритмами, с которыми там же в статье постоянно рядом употребляется описание живых систем, так что с трудом можно разобрать когда речь идет о настоящих живых системах а когда о цифровых популяциях особях и тп  с которыми они чем то коррелируют, в чем-то по механизмамк будто сходны.

Это вопрос чайника конечно, но почему вообще вопрос ставится так, что создавая модель, в которой нет ничего от своего источника, моделью которого они как бы по названию являются, можно получить результат отражающий хотя бы схематично поведение систем биологических.

Если все так устроено в мире генетических алгоритмов и других цифровых моделей то там человеческого интеллекта и не будет никогда.

Что не мешает появиться интеллекту цифровому, который ни на человеческий ни на один из природных совершенно не похож

Но может все не так и ваша программа и ссылка на которые вы дали только часть общей картины, а примеры на которые Вы отправили ссылки самые простые, но я и просила самые простые чтобы понять примерно как это работает.

Но может есть другие более сложные с участием не только цифр, но мира который они вроде бы отражают.

Все таки у математики свои законы к природе любой как живой так и неживой они мало отношения имеют по сути. Это просто аппарат для удобства и если подставлять не правильно выбранные параметры в числовые решения то будет точное вычисление без малейшего отражения описываемой этим инструментом реальности.

[Игорь Антонов]

Какое отношение имеет цифровая популяция к биологической, какие механизмы у них общие -есть вообще такие?

Общими у цифровых и биологических особей являются общесистемные атрибуты - организационная структура, состоящая из разнородных элементов и связей, и функционирование, обеспечивающее определенные результаты за счет их системной организации.
То есть - и то, и другое - организованные системы, общие атрибуты которых комментируются в разделе 2 статьи.

Эволюционная кибернетика как направление исследований базируется на допущении, что общими у них могут оказаться и закономерности эволюционного процесса.

Почему вообще генетическими алгоритмами, с которыми там же в статье постоянно рядом употребляется описание живых систем, так что с трудом можно разобрать когда речь идет о настоящих живых системах а когда о цифровых популяциях особях и тп  с которыми они чем то коррелируют, в чем-то по механизмамк будто сходны.

Это вопрос чайника конечно, но почему вообще вопрос ставится так, что создавая модель, в которой нет ничего от своего источника, моделью которого они как бы по названию являются, можно получить результат отражающий хотя бы схематично поведение систем биологических.

Лилия, вовсе не я провожу параллель между генетическими алгоритмами и биологическими процессами.
Это концепция самого направления ГА, и в тексте статьи это так и изложено, со ссылками на источники.

Но может есть другие более сложные с участием не только цифр, но мира который они вроде бы отражают.

Мир в научных моделях отражается через операции с цифрами, что позволяет моделировать физические процессы.
Но и чисто программный мир не является просто вычислением формул. Там есть своя среда и операторы программ выполняют действия в ней, реализуя потенциально сколь угодно сложное поведение. Интерпретировать эти процессы как борьбу цифровых сущностей за цифровые ресурсы ничто не мешает.
Цифровой мир может воспроизводить и физическую 3D среду с её свойствами, функционирование и взаимодействие объектов в ней. Например, как в среде разработки игр Unity 3D. 
Но и для этих моделей те же общесистемные закономерности будут проявляться, которые я иллюстрирую на более органичных для программной среды манипуляциях с наборами данных. 

Что касается "живости", которую во всём этом теряют - так обсуждаемая статья  именно про это самое и написана - про то, что во всём этом (моделях и практике эволюционной кибернетики) теряется сущность живого, а с ней - его организационный и эволюционный потенциал.

[Шаройко Лилия]

Лилия, вовсе не я провожу параллель между генетическими алгоритмами и биологическими процессами.
Это концепция самого направления ГА, и в тексте статьи это так и изложено, со ссылками на источники.

Какие мои слова привели Вас к мысли что я думаю, что это вы создали генетические алгоритмы и проводите в них такие паралели
Я задаю вопрос Вам как человеку проводящему много времени в  среде таких направлений науки, являющимся ее активным участником, знающему ее хорошо изнутри, в отличие от меня чайника как я и написала

Мир в научных моделях отражается через операции с цифрами, что позволяет моделировать физические процессы.
Но и чисто программный мир не является просто вычислением формул. Там есть своя среда и операторы программ выполняют действия в ней, реализуя потенциально сколь угодно сложное поведение. Интерпретировать эти процессы как борьбу цифровых сущностей за цифровые ресурсы ничто не мешает.
Цифровой мир может воспроизводить и физическую 3D среду с её свойствами, функционирование и взаимодействие объектов в ней. Например, как в среде разработки игр Unity 3D. 
Но и для этих моделей те же общесистемные закономерности будут проявляться, которые я иллюстрирую на более органичных для программной среды манипуляциях с наборами данных. 

Что касается "живости", которую во всём этом теряют - так обсуждаемая статья  именно про это самое и написана - про то, что во всём этом (моделях и практике эволюционной кибернетики) теряется сущность живого, а с ней - его организационный и эволюционный потенциал.

Я задала вопрос  - какие конкретные механизмы являются общими между живыми системами их цифровыми аналогами и есть ли они в принципе.

я вижу  ответ борьба за ресурсы, ладно цифровые
хорошо спасибо.

физическая 3д среда в научном плане что собой представляет?
речь же не идет о просто кино, это мир с параметрами физического мира ориентирующийся на его законы, верно?

Кроссплатформенная среда разработки компьютерных игр, разработанная американской компанией Unity Technologies. Unity позволяет создавать приложения, работающие на более чем 25 различных платформах, включающих персональные компьютеры, игровые консоли

там какой то исследовательский потенциал есть?

[Игорь Антонов]

Какие мои слова привели Вас к мысли что я думаю, что это вы создали генетические алгоритмы и проводите в них такие паралели

Но Вы ведь меня спрашиваете - какие основания для параллелей между ГА и биологией.
Вот я и отвечаю, что я эти параллели не ввожу, а я оппонирую им.

Я задала вопрос  - какие конкретные механизмы являются общими между живыми системами их цифровыми аналогами и есть ли они в принципе.

Во-первых, их объединяет функциональная системность.
Анохин старший подробно препарировал, в чём заключается её сущность.
В технических приложениях эта общность может доходить до буквального повторения решений, используемых в бионике.

Во-вторых, их объединяет способность итерационно трансформироваться и потенциальная возможность выстроить на массовой трансформации таких систем, сопровождаемой отбором, модель их эволюции.

[Шаройко Лилия]

Но Вы ведь меня спрашиваете - какие основания для параллелей между ГА и биологией.
Вот я и отвечаю, что я эти параллели не ввожу, а я оппонирую им.

Я подумала, что находясь в этой научной среде Вы знаете   историю возникновения лучше чем описано в Вики

https://ru.wikipedia.org/wiki/Генетический_алгоритм

Первые работы по имитационному моделированию эволюции были проведены в 1954 году Нильсом Баричелли на компьютере, установленном в Институте перспективных исследований Принстонского университета[1][2], опубликованная в том же году работа привлекла широкое внимание. С 1957 года[3] австралийский генетик Алекс Фразер опубликовал серию работ по имитационному моделированию искусственного отбора среди организмов с множественным контролем измеримых характеристик. Положенное начало позволило реализовать имитационные модели эволюционных процессов по методам, описанным в книгах Фразера и Барнелла(1970)[4] и Кросби (1973)[5]. Имитационные модели Фразера включали все важнейшие элементы современных генетических алгоритмов. Вдобавок к этому, Ганс-Иоахим Бремерманн в 1960-х годах опубликовал серию работ, которые также принимали подход использования популяции решений, подвергаемой рекомбинации, мутации и отбору, в проблемах оптимизации. Исследования Бремерманна также включали элементы современных генетических алгоритмов[6]. Среди прочих ранних исследователей — Ричард Фридберг, Джордж Фридман и Майкл Конрад. Множество ранних работ были переизданы Давидом Фогелем (1998)[7].

ну и тд

и примерно представляете как она докатилась до того, за что Вы ее осуждаете.


Или там изначально отбор просто в цифрах выражался?
Типа организм 3458 меняется с организмом 4589 цифрами 9 и 8 и это мы называем  обмен генами


или это вообще как то по другому всегда выглядело
или вариантов реальных программ столько, что пример, ясно отображающий картину привести почти невозможно
я думаю скорее последнее

В любом случае спасибо за потраченное время, если получилось слишком резко, то только потому что я формулировки неудачно видимо сегодня выбираю

[Игорь Антонов]

физическая 3д среда в научном плане что собой представляет?

Игровой физический движок эмулирует свойства физического мира (естественно, не все, а существенные для этой среды) - гравитацию, упругость, трение, инерцию.

там какой то исследовательский потенциал есть?

В отношении проблематики, о которой высказываюсь я, формально - да, по существу - нет. Поскольку и так всё ясно.

[Игорь Антонов]

и примерно представляете как она докатилась до того, за что Вы ее осуждаете

Если я что-то и осуждаю, то только то, что то, до чего она докатилась, недостаточно отрефлексировано.
Но именно это я и пытаюсь восполнить.

[Игорь Антонов]

или это вообще как то по другому всегда выглядело

Вот две наиболее содержательные книги по генетическим алгоритмам, изданные на русском языке (в pdf).

[Шаройко Лилия]

Вот сейчас скачала первую просмотрела

Гл а д к о в Л. А., К у р е й ч и к В. В., К у р е й ч и к В.М. Генетические
алгоритмы / Под ред. В.М. Курейчика. — 2-е изд., исправл. и доп. —
М.: ФИЗМАТЛИТ, 2010. — 368 с. — ISBN 978-5-9221-0510-1.

пока наискосок текст, в смысле что там по содержанию, очень порадовало, что программистам, которые собираются генетические алгоритмы писать вначале преподают краткий курс генетики.

Но дальше ...

я вот это вчера как шутку написала

Типа организм 3458 меняется с организмом 4589 цифрами 9 и 8 и это мы называем  обмен генами

но оказывается нет все так и есть

страница 12

1.2. Кроссинговер
1. Рекомбинация сцепленных генетических факторов свойственна
всем группам организмов, исследованным к настоящему времени. Генетическая рекомбинация реализует несколько типов перераспределения
наследственных факторов:
• рекомбинация хромосомных и нехромосомных генов;
• рекомбинация целых негомологичных хромосом;
• рекомбинация участков хромосом, представленных непрерывными
молекулами ДНК.
При решении задач оптимизации возможно моделирование процессов рекомбинации.

2. Рассмотрим рекомбинацию участков хромосом, представленных
непрерывными молекулами ДНК. Здесь может быть выделено несколько подтипов рекомбинации:
• регулярная (общая) рекомбинация, представляющая собой кроссинговер, т. е. обмен гомологичными участками в различных точках гомологичных хромосом, приводящий к появлению нового сочетания сцепленных генов;
• спрайт — специфическая рекомбинация, т. е. обмен генных носителей, часто разных по объему и составу, на коротких специализированных участках;
• нереальная рекомбинация, реализующая негомологичные обмены.
Негомологичный обмен в целом не представляет интереса, так как
появляются нереальные решения исследуемой задачи.
Схему реализации кроссинговера покажем на рис. 1.1.
дальше в PDF схема естественно не копируется как рисунок поэтому нашла в сети  похожее но не совсем такое изображение



Т. Морган предположил, что кроссинговер может происходить не только в одной, но и в двух и даже большем числе
точек.

Задания после первой части учебника

1.8. Упражнения
1. Постройте схему выполнения одноточечного кроссинговера.[/quote]

вероятно тут от ученика требуют просто картинкой изобразить так как алгоритм проходят позже,
но я заглянула сразу в реализацию
страница 82

5.1. Простой (одноточечный) оператор кроссинговера. Перед
началом работы одноточечного оператора кроссинговера определяется
так называемая точка оператора кроссинговера, или разрезающая точка оператора кроссинговера, которая обычно определяется случайно.
Эта точка определяет место в двух хромосомах, где они должны быть
«разрезаны». Например, пусть популяция P состоит из хромосом P1
и P2, которые выступают в качестве родителей, P = {P1, P2}. Пусть
первый и второй родители имеют вид P1 : 11111, P2 : 00000. Выберем
точку оператора кроссинговера между вторым и третьим генами в P1,
P2. Тогда, меняя элементы после точки оператора кроссинговера между
двумя родителями, можно создать два новых потомка. В нашем примере получим
P1 : 1 1 | 1 1 1
P2 : 0 0 | 0 0 0
P
′
1
: 1 1 | 0 0 0
P
′
2
: 0 0 | 1 1 1

Но не все так просто как предполагалось когда участки генов не 5 цифр, еще есть популяция

Итак, одноточечный оператор кроссинговера выполняется в три
этапа:
1. Две хромосомы A = a1, a2, ... , aL и B = a
′
1
, a
′
2
, ... , a
′
L
выбираются
случайно из текущей популяции.
2. Число k выбирается из {1, 2, ... ,L − 1} также случайно. Здесь
L — длина хромосомы, k — точка оператора кроссинговера (номер,
значение или код гена, после которого выполняется разрез хромосомы).
3. Две новые хромосомы формируются из A и B путем перестановок
элементов согласно правилу
A
′ = a1, a2, ... , ak, a
′
k+1
, ... , a
′
L,
B
′ = a
′
1
, a
′
2
, ... , a
′
k
, ak+1, ... , aL.
После применения оператора кроссинговера имеем две старые хромосомы и всегда получаем две новые хромосомы. Схематически простой оператор кроссинговера показывает преобразование двух хромосом и частичный обмен информацией между ними, использующий
точку разрыва, выбранную случайно.

Вот теперь я получила ответ на свой вопрос, как примерно внутренняя кухня выглядит.
Понятно что это очень упрощенный ответ чтобы очень приблизительно понимать что там такое происходит

Пока что остаюсь при своем мнении которое уже высказывала в другой теме при разговоре с Вами все дело в количестве - участников процессов в биологических телах такое количество что мы пока и чисел таких не знаем.
Нет принципиальной невозможности это повторить, это вопрос только уровней возможности дать цифровому процессу количество участников, близкое к природным.

Никакие определения невозможности не отменят того что техника усложняется, как раз искуственный интеллект и построит эти схемы и окажется что он может то чего человек сделать не в состоянии.

Все разговоры о каком то недостижимом уровне человеческого разума разбиваются на полях войн в которых сейчас живет население государств общей численностью 2 миллиарда человек по по сентябрьскому заседанию ООН то есть еще до ГАЗЫ. Это четверть человечества.

Деревья и рептилоиды с большим удивлением постоянно следят за самовосхволением сапиенса, действительно такого уникального главное неповторимого придурка, который драками между собой занимается на фоне проблем с выживанием вида на планете, о которых он вроде бы прекрасно знает весь, еще поискать надо.




 

[Игорь Антонов]

Существует классик синергетического подхода к биологии, написавший много книг и статей - Стюарт Кауфман, автор теории NK-автоматов. 
Знаменит он с конца 60-х годов прошлого века применением моделей самоорганизующихся автоматов и эволюционирующих аттракторов к биологическим процессам.
То есть, по критериям из обсуждаемой статьи, изложенным в разделе "12. Синергетика и системная сложность", Кауфман – синергетик-редукционист, которому я оппонирую.

Но, как оказалось, не всё в мире так однозначно и сегодняшний Кауфман смотрит на вещи шире.

Его недавняя публикация в журнале Entropy - статья "Возникновение организмов" (Emergence of Organisms) во многом перекликается со статьей, обсуждаемой в этой теме.
В этой статье Кауфмана проводится мысль, что ключевой аспект для эволюции это "аффордансы", то есть, события выявления новых возможностей использования существующих элементов.
По сути,  "аффорданс" - это аналог возникновения "новой организации",  а проблемам моделирования данного явления как раз и посвящена моя статья.

Кауфман пишет (цитаты с переводом):

"Creating affordances is creating information, which is, in fact, semantic information, as opposed to Shannon-based information, which propagates already existing syntactic information.
Semantic information characterizes correlations in the environment that are useful for a system as they carry significant knowledge...
In digital computers the computations operate on the syntax (bits), but there is no semantics."

(Создание аффордансов — это создание информации, которая, по сути, является семантической информацией, в отличие от информации Шеннона,  которая распространяет уже существующую синтаксическую информацию. Семантическая информация характеризует  корреляции в окружающей среде, которые полезны для системы, поскольку несут в себе значимые знания...
В цифровых вычислительных машинах вычисления оперируют синтаксисом (битами), но семантика отсутствует.)

The continuous identification of affordances and the construction of constraints change the phase space of the organisms and expand it to the adjacent possible. We remark that it is not possible to prestate new functions that emerge in this open condition. As stated before, the uses of a screwdriver are indefinite and so are its affordances...
We are beyond deductively entailing laws: evolving biospheres are radically free...
In the evolution of the biosphere, semantics, the functional use of X to do Y, precedes any syntactic symbols we may later use in a mathematical model.

(Непрерывное выявление аффордансов и построение ограничений изменяют фазовое пространство организмов и расширяют его.  Заметим, что невозможно предугадать новые функции, возникающие в этом открытом состоянии. Как уже говорилось ранее,  использование отвертки неопределенно, как и ее возможности...
Мы выходим за пределы дедуктивных законов: эволюционирующие биосферы радикально свободны...
В эволюции биосферы семантика, функциональное использование X для Y, предшествует любым синтаксическим символам, которые мы можем позже использовать в математической модели.

Mathematics propagates only syntactic symbols devoid of semantics. No new information can be generated by theorems that is not already in the axioms and rules of inference from the axioms. Shannon's predefined information in syntactic bits can only be transmitted from the source which already has the information without or perhaps with loss. No new information can be generated. The emergence of ever new morphological and behavioral adaptations in the propagating construction of the biosphere is precisely the generation of ever-new semantic information.
An immediate implication of our results is that animal behavior, including the brain, cannot be identical to a non-embodied Turing system. The reason is simple: Turing systems are purely syntactic. The behaviors of organisms are semantic doings in the world.

(Математика использует только синтаксические символы, лишенные семантики. Никакая новая информация не может быть получена теоремами, если она уже не содержится в аксиомах и правилах вывода из аксиом. Предопределенная информация Шеннона в синтаксических битах может быть передана только из источника, который уже имеет информацию.  Новая информация не может быть сгенерирована. Появление все новых морфологических и поведенческих адаптаций в расширяющейся организации биосферы как раз и есть генерация все новой семантической информации.
Непосредственным следствием наших результатов является то, что поведение животных, включая мозг, не может быть идентично бестелесной системе Тьюринга. Причина проста: системы Тьюринга являются чисто синтаксическими. Поведение организмов — это семантические действия в мире.)

Nevertheless, a profound mystery comes now into play: what is the role of consciousness in the evolution of the biosphere? In quantum mechanics, if physicists choose to measure the position of a particle they will find the position; if they choose to measure an interference pattern, an interference pattern will arise. This puzzle is that it seems as if the choice of the physicist of what to measure changes the world (either a particle or an interference pattern comes to exist). In an analogous way, we may argue that when we choose to perceive and use bumps, bumps come to exist.
Therefore, by setting up experiments with artificial systems in an open-ended evolution, we are looking for the boundary between what can be achieved through the properties that are listed above without consciousness, and what can be achieved with free will and qualia.

(Теперь в игру вступает глубокая загадка: какова роль сознания в эволюции биосферы?  В квантовой механике, если физики решат измерить положение частицы, они найдут это положение.  Если они решат измерить интерференционную картину, возникнет интерференционная картина.  Эта загадка заключается в том, что кажется, что выбор физиком того, что измерять, меняет мир (появляется либо частица, либо интерференционная картина).  Аналогичным образом мы можем утверждать, что, когда мы решаем воспринимать и использовать неровности, они начинают существовать.
Поэтому, ставя эксперименты с искусственными системами в условиях бесконечной эволюции, мы ищем границу между тем, что может быть достигнуто с помощью перечисленных выше свойств без сознания, и тем, что может быть достигнуто с помощью свободы воли и квалиа.)

А затем вышла статья Кауфмана "Третий переход в науке?" (A third transition in science?),
где сказано:

We can neither define nor deduce the evolving phase space: we can use no mathematics based on set theory to do so. We cannot write or solve differential equations for the diachronic evolution of ever-new adaptations in a biosphere. Evolving biospheres are outside the Newtonian paradigm. However, we begin to understand the emergent creativity of an evolving biosphere.

(Мы не можем ни определить, ни вывести эволюционирующее фазовое пространство:
мы не можем использовать для этого математику, основанную на теории множеств.
Мы не можем писать или решать дифференциальные уравнения для эволюции все новых адаптаций в биосфере.
Эволюционирующие биосферы находятся за пределами ньютоновской парадигмы. 
Тем не менее, мы начинаем понимать эмерджентную креативность эволюционирующей биосферы.)

Our central claim that we cannot use mathematics based on set theory, 'The world is not a theorem', has been published elsewhere . Based on this, we conclude that organisms acting in the world cannot be universal Turing machines, hence general artificial intelligence is ruled out. In turn this leads us to consider the plausibility that mind is quantum and that qualia are associated with collapse of the wave function  as also supposed by von Neumann, Wigner & Margenau, Shimony and others

(Наше центральное утверждение о том, что мы не можем использовать математику, основанную на теории множеств, «Мир не является теоремой», было опубликовано в другом месте. Исходя из этого, мы приходим к выводу, что организмы, действующие в мире, не могут быть универсальными машинами Тьюринга, следовательно, сильный искусственный интеллект исключается. Это, в свою очередь, приводит нас к рассмотрению правдоподобности того, что разум является квантовым и что квалиа связаны с коллапсом волновой функции, как это также предполагали фон Нейман, Вигнер и Маргенау, Шимони и другие.)

If Heisenberg's uncertainty relation demanded a transition beyond classical physics, our incapacity to use set theory to deduce the evolution of the biosphere seems to portend another major transition. The scale and meanings of this are quite unclear at present. Our universe is creative in ways we have not known. Our understanding of the world will change.

(Если соотношение неопределенностей Гейзенберга требовало перехода за пределы классической физики, то наша неспособность использовать теорию множеств для вывода эволюции биосферы, по-видимому, предвещает еще один важный переход. Масштабы и значение этого в настоящее время совершенно неясны. Наша Вселенная созидательна в том смысле, о котором мы даже не подозревали. Наше понимание мира изменится.)

Резюмируя суть  - совпадает основная идея моей статьи и последних работ Кауфмана.
Она заключается в том, что новая семантика, которой  насыщены формы жизни, закономерным образом не возникает ни по классическим и термодинамическим физическим законам, ни по компьютерным алгоритмам (Кауфман: "не существует дедуктивной процедуры, которая могла бы вывести новое использование, учитывая предыдущие наблюдаемые случаи использования объекта").

[Игорь Антонов]

В прошлом году была издана книга доктора биологических наук  Г.Г.Князева "Мировоззренческие проблемы нейронаук". 
Автор является не "диванным философом", а реальным исследователем в сфере нейрофизиологии (245 публикаций в РИНЦ).
Полный текст книги официально находится в свободном доступе.

Содержание книги во многом перекликается с проблематикой, рассматриваемой в обсуждаемой статье.
Автор отмечает, что статус неодарвинизма как официальной теории эволюции объясняется не его научной достоверностью, а историческими и идеологическими причинами.
Обосновывается отсутствие механистичных моделей эволюционного формообразования и распространение явлений, относимых к ментальной сфере, за рамки человеческой практики и высшей нервной деятельности.

Возможное мировоззренческое решение рассматриваемых коллизий автор видит в новом синтезе материалистической и идеалистической философии:

Основная идея этой концепции состоит в том, что воспринимаемый нами мир возникает из протоментальной основы как актуализация заложенной в этой основе потенции.
Кажущаяся дуальность физического и ментального возникает в сознании наблюдателя, являющегося частью этого процесса.
Развитие Вселенной, таким образом, имеет направление, которое определяется «стремлением» протоментальности к максимально полной актуализации...
Согласно предлагаемой концепции, ментальный и физический мир – это два аспекта реализации протоментальности.

[василий андреевич]

  И по каким критериям отделять (измерять) ментальную нейрофизиологию от витальной? Первая потенциальна? Как те степени свобод, которые бесконечны в белом шуме?