Да, все непросто, но кратко изложенное ИИ давно обосновано и доступно, если найти время прочесть наиболее авторитетные в мировой науке работы по философии науки и математики (а не искать статьи с цитатами). Проблема только в том, что большинство ученых редко тратят на это время, поэтому и строят свои теории на негодном фундаменте. Я вот потратил и теперь гораздо легче ориентироваться в обоснованности научных теорий, понятнее стало где чистые фантазии или ошибки. Ну и философия науки, математики, интересны сами по себе, не менее, чем сама наука, а может и более, как по мне.
я имею в виду попытки применить математику для описания биологических процессов. Вот что пишет ИИ, простите за такую цитату. " Допущения наивной (а затем и аксиоматической) теории множеств Георга Кантора — это фундамент, на котором стоит вся современная математика, и одновременно её главное ограничение при попытке описать живую реальность.
Вы заглянули в самый корень проблемы: математика оцифровывает мир, превращая его в множества дискретных элементов. Но живая природа устроена принципиально иначе.
Вот три ключевых противоречия между канторовскими допущениями множеств и биологической реальностью:
1. Допущение о тождестве и различимости элементов
В теории множеств элемент \(A\) строго равен самому себе (\(A = A\)) и четко отличим от элемента \(B\). Множество — это совокупность определенных объектов.
В биологии: Двух абсолютно идентичных клеток, белков или организмов не существует. Даже в пределах одного органа клетки постоянно флуктуируют. Попытка объединить их в «множество гепатоцитов» — это грубое абстрагирование, которое стирает индивидуальную динамику. Живые объекты не дискретны, они текучи.
2. Допущение о четких границах (Экстенсиональность)
Множество задается своими границами: объект либо принадлежит множеству, либо нет (третьего не дано).
В биологии: Где заканчивается клетка и начинается межклеточную среда? Мембрана — это не стена, а динамическое полужидкое состояние, через которое постоянно текут потоки вещества и энергии. Где заканчивается организм паразита и начинается хозяин? Живые системы — это процессы, а не объекты. У процесса нельзя очертить жесткую канторовскую границу, не убив его смысл.
3. Парадокс Рассела и самореферентность живого
Канторовская теория множеств споткнулась о парадокс Рассела (множество всех множеств, не содержащих себя в качестве своего элемента). Чтобы спасти математику, Цермело и Френкель ввели аксиомы, искусственно запрещающие множествам включать самих себя.
В биологии: Самореферентность — это главное свойство жизни! Клетка — это система, которая сама себя производит (автопоэзис). ДНК содержит код для белков, которые считывают этот самый ДНК. Организм — это «множество», элементы которого постоянно создают и перестраивают это самое «множество». Запретив самореферентность ради логической чистоты математики, мы лишили её способности адекватно описывать живые петли обратной связи. "
Теория физики - не метод, как и математический формализм. Если вы про биофизику, то согласен. Идеи из физики, но не какой-то особый метод, находят свое применение в биологии. Вы правы, отделить физику от биологии сложно. Но оцифровка в биологии не работает, если вспомнить допущение теории множеств Кантора.
вы не ответили, какой же все-таки особенный физический метод применяется и в каких исследованиях в молекулярной биологии со ссылкой на doi? каким боком математический формализм и "теория физики" используется в биологии я так и не понял.
физика изучает совсем иную сферу, - ту, где элементы (относительно) идентичны и не изменяются, т.е. ту для которой можно подобрать математический язык. И если знать основы математики, то априори понятно, что она не применима к биологии и может использоваться разве что для обработки данных, не более.
математика ничем не точнее и не лучше естественного языка, это такая же абстракция ограниченно применимая только там, где есть регулярности и единообразия. То есть преимущественно в неживом мире, а биология изучает живой мир, где все течет и изменяется.
1) В философии науки, эпистемологии отсутствует «отчетность» или такое понятие. Философы науки или ученые занимающиеся эпистемологией изучают в целом процесс получения нового научного знания во всех областях. Каким критериям должно оно соответствовать, на что оно должно опираться, чтобы отличаться от не научного, житейского знания. Многие ученые, увы, игнорируют философию науки или знакомы с ней поверхностно, отрывочно, как например, простите вы. Поэтому и подвержены детским ошибкам, в частности, стремлению применять физику или математику там, где они не применимы. По-человечески я вас понимаю: ваше образование и опыт сделали теорию байесовского мозга наиболее понятной и привлекательной конструкцией описывающей работу мозга. Переубеждать вас тоже не буду, тем более, что ваш склад ума или архитектура мозга делают это бесперспективным занятием.
2) Довольно странно сегодня опираться на Канта и на его «предвидение», тем более уповать на трансцедентальный поворот. Любой слегка знакомый с современной психологией, психиатрией сразу отметит, что трансцеденция как феномен сегодня считается классическим проявлением деперсонализации, дереализации, субклинических или клинических симптомов пограничного, диссоциативного расстройств личности (а может и психотических атрибутов). Эти расстройства сегодня вполне изучены, этиология ясна (среда, генетика) и биологические корреляты в мозге известны. Это, простите, как «таблица умножения» для тех, кто претендует на понимание работы мозга.
1) Тарский в философии науки известен тем, что попытался реабилитировать представление, что истина есть соответствие фактам, т.е. корреспондентскую теорию истины (неопозитивизм). Но в мировой философии науки неопозитивизм давно не актуален, в целом общепринят фаллибилизм; определена корзина критериев, которым должны соответствовать научные теории. Поэтому в свою очередь могу порекомендовать уже упоминавшихся мною Поппера, Куна, Лакатоса и Фейерабенда. И ЯМ мне не нужен – я читал упомянутых авторов, а вы вероятно, нет, поэтому застряли в 1930-х, как и многие российские философы и ученые. Канта уважаю, он внес свой вклад, но его эпистемология, как и бессознательные выводы Гельмгольца давно вне научного мейнстрима: как вы правильно заметили, и философия науки и сама наука идет вперед. И наука ничего не "накапливает" - кумулятивизм давно развенчан.
2) Физика изучает объекты и сферы, где есть регулярности и единообразия и где математический язык ограниченно применим и его можно «подобрать». Математика не применима там, где элементы множеств не идентичны и изменчивы (любой знающий основы и методологию математики это понимает). А человеческий мозг индивидуален и пластичен, его формирование и функционирование зависит от множества факторов, в т.ч. среды и, например, микробиома в кишечнике. Поэтому не получится создать «модель» даже для одного человека. Есть неагрегируемые и математически не моделируемые феномены, с этим нужно просто смириться. Но некоторые люди имеют склонность к холистическому, упрощенному миропониманию и сегодня во многом ясно, чем это обусловлено и какие нейронные сети с этим коррелируют.
Не понял, что вы понимаете под концепцией и формализмом.
Принцип минимизации свободной энергии это попытка создать «единую теорию всего» для живых систем. Он утверждает, что любая самоорганизующаяся система (от клетки до мозга) стремится минимизировать математическую величину, называемую вариационной свободной энергией (это верхняя граница «удивления» или неопределенности системы).
Критики указывают, что Фристон совершает фундаментальную методологическую ошибку, смешивая понятия из разных областей: Свободная энергия в физике (термодинамическая свободная энергия Гельмгольца или Гиббса) — это вполне осязаемая физическая величина, измеряемая в джоулях, которая показывает количество полезной работы, совершаемой системой. Свободная энергия в FEP — это информационный показатель (из области машинного обучения и байесовской статистики), описывающий расхождение между моделью мира и сенсорными данными.
Уравнения Фристона элегантны, но они описывают чисто информационные процессы. Прямой физической эквивалентности между ними и реальными термодинамическими затратами мозга нет.
Принцип свободной энергии часто критикуют за то, что он выстроен вокруг круговой логики: Почему биологические системы существуют? Потому что они минимизируют свободную энергию. Почему они минимизируют свободную энергию? Потому что иначе они бы распались и перестали существовать.
Поскольку FEP позиционируется как фундаментальный математический закон природы (подобно принципу наименьшего действия Гамильтона в физике), он принципиально нефальсифицируем. Его сторонники открыто заявляют: пытаться экспериментально опровергнуть FEP — это как пытаться опровергнуть математический анализ экспериментами на природе. Но в таком случае это математический формализм, а не биологическая теория.
Отсутствие биологического и психологического «субстрата» Математика Фристона оперирует абстрактными границами («марковскими одеялами»), но полностью абстрагируется от реальной биологии: Она не учитывает эмоции, аффекты и то, как именно мозг кодирует информацию без опоры на идеализированную память. Она игнорирует эволюционную специфику разных организмов, предлагая усредненный математический закон, одинаковый как для бактерии, так и для профессора математики. Наиболее цитируемые критические работы Gershman, S. J. (2019). “What does the free energy principle tell us about the brain?” Colombo, M., & Wright, C. (2017). “First principles in the life sciences: The free-energy principle, organicism, and mechanism.” Brukner, S., et al. (2024 / 2025). “Forced Friends: Why the Free Energy Principle Is Not the New Hamilton’s Principle.” Stegemann, W. 2025 “Why Karl Friston is wrong: Teleology is metaphysics.”
Когда ученые пытаются применить глобальные теории вроде байесовского мозга или FEP на практике, они сталкиваются с фундаментальными психологическими и методологическими искажениями. Их можно сформулировать в виде трех главных системных ошибок:
Ловушка инструментальной прокрустики (The Instrumentalist Fallacy) «Если у тебя в руках молоток, всё вокруг кажется гвоздем». Если математик разработал красивый аппарат (например, вариационное исчисление или теорему Байеса), у него возникает непреодолимый соблазн описать этим аппаратом любое наблюдаемое поведение. Как это работает в нейробиологии: Вместо того чтобы спросить «Как устроен этот процесс в биологии?», ученые спрашивают «Как мне подогнать биологические данные под переменные в моем уравнении?». Учитывая пластичность мозга и огромный массив данных с МРТ, всегда можно найти корреляцию, которая идеально ляжет на заранее нарисованную кривую модели.
Систематическая ошибка выжившего в данных (Confirmation Bias & Overfitting) Мозг исследователя — это тоже «байесовский мозг», у которого есть сверхтвердое априорное убеждение (prior): «Моя теория верна». Любой успешный эксперимент трактуется как доказательство истинности глобального принципа. Любая аномалия или противоречие списывается на «шум в данных», «неидеальность измерительных приборов» или «неточно настроенные параметры модели». Математическая сложность FEP позволяет ввести столько свободных переменных, что модель можно буквально «натянуть» на любой массив хаотичных данных (явление, известное в Data Science как overfitting / переобучение).
Ошибка гипостазирования (Reification) Это склонность принимать ментальную концепцию или абстрактную модель за физическую реальность. Ученые забывают, что «свободная энергия» или «ошибка предсказания» — это всего лишь язык описания, придуманный людьми для удобства. Вместо этого они начинают искать в ткани мозга конкретные «нейроны свободной энергии» или «синапсы байесовского вывода». Происходит подмена: исследователи начинают изучать не сам мозг, а то, насколько удачно их математическая метафора отражается на экранах МРТ-сканеров.
Что касается эпистемологии Канта, то после Поппера, Куна, Лакатоса, Фейерабенда (и многих других) она давно не актуальна.
Не очень понял, что вы понимаете под концепцией и формализмом.
Принцип минимизации свободной энергии это попытка создать «единую теорию всего» для живых систем. Он утверждает, что любая самоорганизующаяся система (от клетки до мозга) стремится минимизировать математическую величину, называемую вариационной свободной энергией (это верхняя граница «удивления» или неопределенности системы).
Критики указывают, что
1) Фристон совершает фундаментальную методологическую ошибку, смешивая понятия из разных областей:
Свободная энергия в физике (термодинамическая свободная энергия Гельмгольца или Гиббса) — это вполне осязаемая физическая величина, измеряемая в джоулях, которая показывает количество полезной работы, совершаемой системой.
Свободная энергия в FEP — это информационный показатель (из области машинного обучения и байесовской статистики), описывающий расхождение между моделью мира и сенсорными данными.
2) Уравнения Фристона элегантны, но они описывают чисто информационные процессы. Прямой физической эквивалентности между ними и реальными термодинамическими затратами мозга нет.
3) Принцип свободной энергии часто критикуют за то, что он выстроен вокруг круговой логики:
Почему биологические системы существуют? Потому что они минимизируют свободную энергию.
Почему они минимизируют свободную энергию? Потому что иначе они бы распались и перестали существовать.
4) Поскольку FEP позиционируется как фундаментальный математический закон природы (подобно принципу наименьшего действия Гамильтона в физике), он принципиально нефальсифицируем. Его сторонники открыто заявляют: пытаться экспериментально опровергнуть FEP — это как пытаться опровергнуть математический анализ экспериментами на природе. Но в таком случае это математический формализм, а не биологическая теория.
5) Отсутствие биологического и психологического «субстрата»
Математика Фристона оперирует абстрактными границами («марковскими одеялами»), но полностью абстрагируется от реальной биологии:
Она не учитывает эмоции, аффекты и то, как именно мозг кодирует информацию без опоры на идеализированную память.
Она игнорирует эволюционную специфику разных организмов, предлагая усредненный математический закон, одинаковый как для бактерии, так и для профессора математики.
Наиболее цитируемые критические работы:
Gershman, S. J. (2019). "What does the free energy principle tell us about the brain?"
Colombo, M., & Wright, C. (2017). "First principles in the life sciences: The free-energy principle, organicism, and mechanism."
Brukner, S., et al. (2024 / 2025). "Forced Friends: Why the Free Energy Principle Is Not the New Hamilton's Principle."
Stegemann, W. 2025 "Why Karl Friston is wrong: Teleology is metaphysics."
6) Когда ученые пытаются применить глобальные теории вроде байесовского мозга или FEP на практике, они сталкиваются с фундаментальными психологическими и методологическими искажениями. Их можно сформулировать в виде трех главных системных ошибок:
1. Ловушка инструментальной прокрустики (The Instrumentalist Fallacy)
«Если у тебя в руках молоток, всё вокруг кажется гвоздем».
Если математик разработал красивый аппарат (например, вариационное исчисление или теорему Байеса), у него возникает непреодолимый соблазн описать этим аппаратом любое наблюдаемое поведение.
Как это работает в нейробиологии: Вместо того чтобы спросить «Как устроен этот процесс в биологии?», ученые спрашивают «Как мне подогнать биологические данные под переменные в моем уравнении?». Учитывая пластичность мозга и огромный массив данных с МРТ, всегда можно найти корреляцию, которая идеально ляжет на заранее нарисованную кривую модели.
2. Систематическая ошибка выжившего в данных (Confirmation Bias & Overfitting)
Мозг исследователя — это тоже «байесовский мозг», у которого есть сверхтвердое априорное убеждение (prior): «Моя теория верна».
Любой успешный эксперимент трактуется как доказательство истинности глобального принципа.
Любая аномалия или противоречие списывается на «шум в данных», «неидеальность измерительных приборов» или «неточно настроенные параметры модели».
Математическая сложность FEP позволяет ввести столько свободных переменных, что модель можно буквально «натянуть» на любой массив хаотичных данных (явление, известное в Data Science как overfitting / переобучение).
3. Ошибка гипостазирования (Reification)
Это склонность принимать ментальную концепцию или абстрактную модель за физическую реальность.
Ученые забывают, что «свободная энергия» или «ошибка предсказания» — это всего лишь язык описания, придуманный людьми для удобства. Вместо этого они начинают искать в ткани мозга конкретные «нейроны свободной энергии» или «синапсы байесовского вывода».
Происходит подмена: исследователи начинают изучать не сам мозг, а то, насколько удачно их математическая метафора отражается на экранах МРТ-сканеров.
Что касается эпистемологии Канта, то в свете работ Поппера, Куна, Лакатоса, Фейерабенда (и многих других) он давно не актуален.
Байесовский мозг, предиктивное кодирование далеко не ведущий подход и он критикуется: его невозможно опровергнуть; представляет мозг как гигантскую цифровую фабрику, которая непрерывно считает дроби, строит вероятностные распределения и решает сложнейшие дифференциальные уравнения; до сих пор четко не доказано, какие именно нейроны или слои коры кодируют «предсказание» (prior), какие — «реальность» (likelihood), а какие — саму «ошибку» (prediction error); проблема «Тёмной комнаты» (The Dark Room Problem) - если главная и единственная цель байесовского мозга это минимизация ошибки предсказания и «удивления» среды, то идеальной стратегией для любого организма было бы навсегда зайти в темную, абсолютно тихую комнату и лечь на пол. Критики видят в байесовском мозге очередной антропоморфный перенос. Век назад, в эпоху расцвета телефонии, мозг считали «коммутатором». В эпоху ЭВМ его объявили «компьютером». Сегодня, в эпоху триумфа алгоритмов машинного обучения и Data Science мозг стал «статистическим вычислителем».
Существуют и другие более влиятельные подходы к пониманию работы мозга: воплощенное познание (Embodied Cognition), коннектомика и сетевая нейробиология (Network Neuroscience), нейродарвинизм (теория отбора групп нейронов Джералда Эдельмана), теория интегрированной информации (Integrated Information Theory, IIT).
Ни одно из концептуальных предположений Фрейда (Ид, Эго, Суперэго, подсознание и т.п.) не может быть ни верифицировано, ни фальсифицировано и с развитием нейронауки потребность в этих концептах отсутствует. Эпистемология, т.е. методология науки применяется ко всей науке, прочее – фантазии.
Простите, но вы видимо все-таки не слишком знакомы с современной нейробиологией. Что касается философии, то ей склонны заниматься люди с определенной архитектурой мозга) как считает нейробиология. Философия науки по большей части занимается эпистемологией и общую философию она не жалует. Ибо от науки философия довольно далека.
Байесовский мозг и моделирование на его основе - один из нескольких подходов к пониманию работы мозга и его довольно сильно критикуют, ведь доказательств что мозг что-то "вычисляет" немного. Математика, придуманная человеком, вообще не слишком подходит для понимания работы мозга, вероятно. Поппер давно и аргументированно раскритиковал психоанализ за его априорную не научность, ибо его основные идеи сформулированы так, что не могут быть ни верифицированы, ни фальсифицированы.
А я знаком с химиками, но в химии не силен))) Расстройства в психиатрии действительно раньше (лет 30 или даже 20 назад) диагностировались по внешним признакам, но сейчас, с развитием нейробиологии, понимании процессов формирования и функционирования мозга это не так. Результаты сканирования мозга, некоторые физиологические показатели позволяют не только диагностировать многие псих.расстройства, но и предсказать наличие/отсутствие эмпатии, полит.ориентацию, ценности и многое другое. Поэтому в ДСМ-5, например, в качестве маркеров псих.расстройств указаны в т.ч. особенности архитектуры мозга, а в качестве их причин – генетика и среда (эпигенетика). В общем, вы общаетесь, видимо, с рос.нейробиологами, псхиатрами а они почти всегда в арьергарде мировой науки. Сейчас почти все исследования доступны онлайн, можете сами ознакомиться.
Философия о мозге, мышлении и поведении ничегошеньки не знает, поэтому что она думает по этому вопросу не имеет значения. Пусть фантазирует дальше.
Да, все непросто, но кратко изложенное ИИ давно обосновано и доступно, если найти время прочесть наиболее авторитетные в мировой науке работы по философии науки и математики (а не искать статьи с цитатами). Проблема только в том, что большинство ученых редко тратят на это время, поэтому и строят свои теории на негодном фундаменте. Я вот потратил и теперь гораздо легче ориентироваться в обоснованности научных теорий, понятнее стало где чистые фантазии или ошибки. Ну и философия науки, математики, интересны сами по себе, не менее, чем сама наука, а может и более, как по мне.
я имею в виду попытки применить математику для описания биологических процессов. Вот что пишет ИИ, простите за такую цитату. " Допущения наивной (а затем и аксиоматической) теории множеств Георга Кантора — это фундамент, на котором стоит вся современная математика, и одновременно её главное ограничение при попытке описать живую реальность.
Вы заглянули в самый корень проблемы: математика оцифровывает мир, превращая его в множества дискретных элементов. Но живая природа устроена принципиально иначе.
Вот три ключевых противоречия между канторовскими допущениями множеств и биологической реальностью:
1. Допущение о тождестве и различимости элементов
В теории множеств элемент \(A\) строго равен самому себе (\(A = A\)) и четко отличим от элемента \(B\). Множество — это совокупность определенных объектов.
В биологии: Двух абсолютно идентичных клеток, белков или организмов не существует. Даже в пределах одного органа клетки постоянно флуктуируют. Попытка объединить их в «множество гепатоцитов» — это грубое абстрагирование, которое стирает индивидуальную динамику. Живые объекты не дискретны, они текучи.
2. Допущение о четких границах (Экстенсиональность)
Множество задается своими границами: объект либо принадлежит множеству, либо нет (третьего не дано).
В биологии: Где заканчивается клетка и начинается межклеточную среда? Мембрана — это не стена, а динамическое полужидкое состояние, через которое постоянно текут потоки вещества и энергии. Где заканчивается организм паразита и начинается хозяин? Живые системы — это процессы, а не объекты. У процесса нельзя очертить жесткую канторовскую границу, не убив его смысл.
3. Парадокс Рассела и самореферентность живого
Канторовская теория множеств споткнулась о парадокс Рассела (множество всех множеств, не содержащих себя в качестве своего элемента). Чтобы спасти математику, Цермело и Френкель ввели аксиомы, искусственно запрещающие множествам включать самих себя.
В биологии: Самореферентность — это главное свойство жизни! Клетка — это система, которая сама себя производит (автопоэзис). ДНК содержит код для белков, которые считывают этот самый ДНК. Организм — это «множество», элементы которого постоянно создают и перестраивают это самое «множество». Запретив самореферентность ради логической чистоты математики, мы лишили её способности адекватно описывать живые петли обратной связи. "
Теория физики - не метод, как и математический формализм. Если вы про биофизику, то согласен. Идеи из физики, но не какой-то особый метод, находят свое применение в биологии. Вы правы, отделить физику от биологии сложно. Но оцифровка в биологии не работает, если вспомнить допущение теории множеств Кантора.
вы не ответили, какой же все-таки особенный физический метод применяется и в каких исследованиях в молекулярной биологии со ссылкой на doi? каким боком математический формализм и "теория физики" используется в биологии я так и не понял.
я спрашивал про конкретные "физические" методы, - назовите и укажите, чем они отличаются от общих научных методов.
если вы об инструментах исследования, то согласен, но особенные физические методы мне не известны.
о каких специфических "физических" методах исследования повлиявших на биологию вы пишете, уточните.
физика изучает совсем иную сферу, - ту, где элементы (относительно) идентичны и не изменяются, т.е. ту для которой можно подобрать математический язык. И если знать основы математики, то априори понятно, что она не применима к биологии и может использоваться разве что для обработки данных, не более.
математика ничем не точнее и не лучше естественного языка, это такая же абстракция ограниченно применимая только там, где есть регулярности и единообразия. То есть преимущественно в неживом мире, а биология изучает живой мир, где все течет и изменяется.
если учесть, что все числа - абстракции, существующие только в человеческом воображении, то теория всего это абстракция в квадрате)))
1) В философии науки, эпистемологии отсутствует «отчетность» или такое понятие. Философы науки или ученые занимающиеся эпистемологией изучают в целом процесс получения нового научного знания во всех областях. Каким критериям должно оно соответствовать, на что оно должно опираться, чтобы отличаться от не научного, житейского знания. Многие ученые, увы, игнорируют философию науки или знакомы с ней поверхностно, отрывочно, как например, простите вы. Поэтому и подвержены детским ошибкам, в частности, стремлению применять физику или математику там, где они не применимы. По-человечески я вас понимаю: ваше образование и опыт сделали теорию байесовского мозга наиболее понятной и привлекательной конструкцией описывающей работу мозга. Переубеждать вас тоже не буду, тем более, что ваш склад ума или архитектура мозга делают это бесперспективным занятием.
2) Довольно странно сегодня опираться на Канта и на его «предвидение», тем более уповать на трансцедентальный поворот. Любой слегка знакомый с современной психологией, психиатрией сразу отметит, что трансцеденция как феномен сегодня считается классическим проявлением деперсонализации, дереализации, субклинических или клинических симптомов пограничного, диссоциативного расстройств личности (а может и психотических атрибутов). Эти расстройства сегодня вполне изучены, этиология ясна (среда, генетика) и биологические корреляты в мозге известны. Это, простите, как «таблица умножения» для тех, кто претендует на понимание работы мозга.
1) Тарский в философии науки известен тем, что попытался реабилитировать представление, что истина есть соответствие фактам, т.е. корреспондентскую теорию истины (неопозитивизм). Но в мировой философии науки неопозитивизм давно не актуален, в целом общепринят фаллибилизм; определена корзина критериев, которым должны соответствовать научные теории. Поэтому в свою очередь могу порекомендовать уже упоминавшихся мною Поппера, Куна, Лакатоса и Фейерабенда. И ЯМ мне не нужен – я читал упомянутых авторов, а вы вероятно, нет, поэтому застряли в 1930-х, как и многие российские философы и ученые. Канта уважаю, он внес свой вклад, но его эпистемология, как и бессознательные выводы Гельмгольца давно вне научного мейнстрима: как вы правильно заметили, и философия науки и сама наука идет вперед. И наука ничего не "накапливает" - кумулятивизм давно развенчан.
2) Физика изучает объекты и сферы, где есть регулярности и единообразия и где математический язык ограниченно применим и его можно «подобрать». Математика не применима там, где элементы множеств не идентичны и изменчивы (любой знающий основы и методологию математики это понимает). А человеческий мозг индивидуален и пластичен, его формирование и функционирование зависит от множества факторов, в т.ч. среды и, например, микробиома в кишечнике. Поэтому не получится создать «модель» даже для одного человека. Есть неагрегируемые и математически не моделируемые феномены, с этим нужно просто смириться. Но некоторые люди имеют склонность к холистическому, упрощенному миропониманию и сегодня во многом ясно, чем это обусловлено и какие нейронные сети с этим коррелируют.
как физически обрежут интернет - все закончится. Незашоренные займут место за шорами - на нарах. Так всегда было в русской истории.
Не понял, что вы понимаете под концепцией и формализмом.
Принцип минимизации свободной энергии это попытка создать «единую теорию всего» для живых систем. Он утверждает, что любая самоорганизующаяся система (от клетки до мозга) стремится минимизировать математическую величину, называемую вариационной свободной энергией (это верхняя граница «удивления» или неопределенности системы).
Критики указывают, что Фристон совершает фундаментальную методологическую ошибку, смешивая понятия из разных областей: Свободная энергия в физике (термодинамическая свободная энергия Гельмгольца или Гиббса) — это вполне осязаемая физическая величина, измеряемая в джоулях, которая показывает количество полезной работы, совершаемой системой. Свободная энергия в FEP — это информационный показатель (из области машинного обучения и байесовской статистики), описывающий расхождение между моделью мира и сенсорными данными.
Уравнения Фристона элегантны, но они описывают чисто информационные процессы. Прямой физической эквивалентности между ними и реальными термодинамическими затратами мозга нет.
Принцип свободной энергии часто критикуют за то, что он выстроен вокруг круговой логики: Почему биологические системы существуют? Потому что они минимизируют свободную энергию. Почему они минимизируют свободную энергию? Потому что иначе они бы распались и перестали существовать.
Поскольку FEP позиционируется как фундаментальный математический закон природы (подобно принципу наименьшего действия Гамильтона в физике), он принципиально нефальсифицируем. Его сторонники открыто заявляют: пытаться экспериментально опровергнуть FEP — это как пытаться опровергнуть математический анализ экспериментами на природе. Но в таком случае это математический формализм, а не биологическая теория.
Отсутствие биологического и психологического «субстрата» Математика Фристона оперирует абстрактными границами («марковскими одеялами»), но полностью абстрагируется от реальной биологии: Она не учитывает эмоции, аффекты и то, как именно мозг кодирует информацию без опоры на идеализированную память. Она игнорирует эволюционную специфику разных организмов, предлагая усредненный математический закон, одинаковый как для бактерии, так и для профессора математики. Наиболее цитируемые критические работы Gershman, S. J. (2019). “What does the free energy principle tell us about the brain?” Colombo, M., & Wright, C. (2017). “First principles in the life sciences: The free-energy principle, organicism, and mechanism.” Brukner, S., et al. (2024 / 2025). “Forced Friends: Why the Free Energy Principle Is Not the New Hamilton’s Principle.” Stegemann, W. 2025 “Why Karl Friston is wrong: Teleology is metaphysics.”
Когда ученые пытаются применить глобальные теории вроде байесовского мозга или FEP на практике, они сталкиваются с фундаментальными психологическими и методологическими искажениями. Их можно сформулировать в виде трех главных системных ошибок:
Ловушка инструментальной прокрустики (The Instrumentalist Fallacy) «Если у тебя в руках молоток, всё вокруг кажется гвоздем». Если математик разработал красивый аппарат (например, вариационное исчисление или теорему Байеса), у него возникает непреодолимый соблазн описать этим аппаратом любое наблюдаемое поведение. Как это работает в нейробиологии: Вместо того чтобы спросить «Как устроен этот процесс в биологии?», ученые спрашивают «Как мне подогнать биологические данные под переменные в моем уравнении?». Учитывая пластичность мозга и огромный массив данных с МРТ, всегда можно найти корреляцию, которая идеально ляжет на заранее нарисованную кривую модели.
Систематическая ошибка выжившего в данных (Confirmation Bias & Overfitting) Мозг исследователя — это тоже «байесовский мозг», у которого есть сверхтвердое априорное убеждение (prior): «Моя теория верна». Любой успешный эксперимент трактуется как доказательство истинности глобального принципа. Любая аномалия или противоречие списывается на «шум в данных», «неидеальность измерительных приборов» или «неточно настроенные параметры модели». Математическая сложность FEP позволяет ввести столько свободных переменных, что модель можно буквально «натянуть» на любой массив хаотичных данных (явление, известное в Data Science как overfitting / переобучение).
Ошибка гипостазирования (Reification) Это склонность принимать ментальную концепцию или абстрактную модель за физическую реальность. Ученые забывают, что «свободная энергия» или «ошибка предсказания» — это всего лишь язык описания, придуманный людьми для удобства. Вместо этого они начинают искать в ткани мозга конкретные «нейроны свободной энергии» или «синапсы байесовского вывода». Происходит подмена: исследователи начинают изучать не сам мозг, а то, насколько удачно их математическая метафора отражается на экранах МРТ-сканеров.
Что касается эпистемологии Канта, то после Поппера, Куна, Лакатоса, Фейерабенда (и многих других) она давно не актуальна.
Не очень понял, что вы понимаете под концепцией и формализмом.
Принцип минимизации свободной энергии это попытка создать «единую теорию всего» для живых систем. Он утверждает, что любая самоорганизующаяся система (от клетки до мозга) стремится минимизировать математическую величину, называемую вариационной свободной энергией (это верхняя граница «удивления» или неопределенности системы).
Критики указывают, что
1) Фристон совершает фундаментальную методологическую ошибку, смешивая понятия из разных областей:
Свободная энергия в физике (термодинамическая свободная энергия Гельмгольца или Гиббса) — это вполне осязаемая физическая величина, измеряемая в джоулях, которая показывает количество полезной работы, совершаемой системой.
Свободная энергия в FEP — это информационный показатель (из области машинного обучения и байесовской статистики), описывающий расхождение между моделью мира и сенсорными данными.
2) Уравнения Фристона элегантны, но они описывают чисто информационные процессы. Прямой физической эквивалентности между ними и реальными термодинамическими затратами мозга нет.
3) Принцип свободной энергии часто критикуют за то, что он выстроен вокруг круговой логики:
Почему биологические системы существуют? Потому что они минимизируют свободную энергию.
Почему они минимизируют свободную энергию? Потому что иначе они бы распались и перестали существовать.
4) Поскольку FEP позиционируется как фундаментальный математический закон природы (подобно принципу наименьшего действия Гамильтона в физике), он принципиально нефальсифицируем. Его сторонники открыто заявляют: пытаться экспериментально опровергнуть FEP — это как пытаться опровергнуть математический анализ экспериментами на природе. Но в таком случае это математический формализм, а не биологическая теория.
5) Отсутствие биологического и психологического «субстрата»
Математика Фристона оперирует абстрактными границами («марковскими одеялами»), но полностью абстрагируется от реальной биологии:
Она не учитывает эмоции, аффекты и то, как именно мозг кодирует информацию без опоры на идеализированную память.
Она игнорирует эволюционную специфику разных организмов, предлагая усредненный математический закон, одинаковый как для бактерии, так и для профессора математики.
Наиболее цитируемые критические работы:
Gershman, S. J. (2019). "What does the free energy principle tell us about the brain?"
Colombo, M., & Wright, C. (2017). "First principles in the life sciences: The free-energy principle, organicism, and mechanism."
Brukner, S., et al. (2024 / 2025). "Forced Friends: Why the Free Energy Principle Is Not the New Hamilton's Principle."
Stegemann, W. 2025 "Why Karl Friston is wrong: Teleology is metaphysics."
6) Когда ученые пытаются применить глобальные теории вроде байесовского мозга или FEP на практике, они сталкиваются с фундаментальными психологическими и методологическими искажениями. Их можно сформулировать в виде трех главных системных ошибок:
1. Ловушка инструментальной прокрустики (The Instrumentalist Fallacy)
«Если у тебя в руках молоток, всё вокруг кажется гвоздем».
Если математик разработал красивый аппарат (например, вариационное исчисление или теорему Байеса), у него возникает непреодолимый соблазн описать этим аппаратом любое наблюдаемое поведение.
Как это работает в нейробиологии: Вместо того чтобы спросить «Как устроен этот процесс в биологии?», ученые спрашивают «Как мне подогнать биологические данные под переменные в моем уравнении?». Учитывая пластичность мозга и огромный массив данных с МРТ, всегда можно найти корреляцию, которая идеально ляжет на заранее нарисованную кривую модели.
2. Систематическая ошибка выжившего в данных (Confirmation Bias & Overfitting)
Мозг исследователя — это тоже «байесовский мозг», у которого есть сверхтвердое априорное убеждение (prior): «Моя теория верна».
Любой успешный эксперимент трактуется как доказательство истинности глобального принципа.
Любая аномалия или противоречие списывается на «шум в данных», «неидеальность измерительных приборов» или «неточно настроенные параметры модели».
Математическая сложность FEP позволяет ввести столько свободных переменных, что модель можно буквально «натянуть» на любой массив хаотичных данных (явление, известное в Data Science как overfitting / переобучение).
3. Ошибка гипостазирования (Reification)
Это склонность принимать ментальную концепцию или абстрактную модель за физическую реальность.
Ученые забывают, что «свободная энергия» или «ошибка предсказания» — это всего лишь язык описания, придуманный людьми для удобства. Вместо этого они начинают искать в ткани мозга конкретные «нейроны свободной энергии» или «синапсы байесовского вывода».
Происходит подмена: исследователи начинают изучать не сам мозг, а то, насколько удачно их математическая метафора отражается на экранах МРТ-сканеров.
Что касается эпистемологии Канта, то в свете работ Поппера, Куна, Лакатоса, Фейерабенда (и многих других) он давно не актуален.
Байесовский мозг, предиктивное кодирование далеко не ведущий подход и он критикуется: его невозможно опровергнуть; представляет мозг как гигантскую цифровую фабрику, которая непрерывно считает дроби, строит вероятностные распределения и решает сложнейшие дифференциальные уравнения; до сих пор четко не доказано, какие именно нейроны или слои коры кодируют «предсказание» (prior), какие — «реальность» (likelihood), а какие — саму «ошибку» (prediction error); проблема «Тёмной комнаты» (The Dark Room Problem) - если главная и единственная цель байесовского мозга это минимизация ошибки предсказания и «удивления» среды, то идеальной стратегией для любого организма было бы навсегда зайти в темную, абсолютно тихую комнату и лечь на пол. Критики видят в байесовском мозге очередной антропоморфный перенос. Век назад, в эпоху расцвета телефонии, мозг считали «коммутатором». В эпоху ЭВМ его объявили «компьютером». Сегодня, в эпоху триумфа алгоритмов машинного обучения и Data Science мозг стал «статистическим вычислителем».
Существуют и другие более влиятельные подходы к пониманию работы мозга: воплощенное познание (Embodied Cognition), коннектомика и сетевая нейробиология (Network Neuroscience), нейродарвинизм (теория отбора групп нейронов Джералда Эдельмана), теория интегрированной информации (Integrated Information Theory, IIT).
Ни одно из концептуальных предположений Фрейда (Ид, Эго, Суперэго, подсознание и т.п.) не может быть ни верифицировано, ни фальсифицировано и с развитием нейронауки потребность в этих концептах отсутствует. Эпистемология, т.е. методология науки применяется ко всей науке, прочее – фантазии.
Простите, но вы видимо все-таки не слишком знакомы с современной нейробиологией. Что касается философии, то ей склонны заниматься люди с определенной архитектурой мозга) как считает нейробиология. Философия науки по большей части занимается эпистемологией и общую философию она не жалует. Ибо от науки философия довольно далека.
Байесовский мозг и моделирование на его основе - один из нескольких подходов к пониманию работы мозга и его довольно сильно критикуют, ведь доказательств что мозг что-то "вычисляет" немного. Математика, придуманная человеком, вообще не слишком подходит для понимания работы мозга, вероятно. Поппер давно и аргументированно раскритиковал психоанализ за его априорную не научность, ибо его основные идеи сформулированы так, что не могут быть ни верифицированы, ни фальсифицированы.
А я знаком с химиками, но в химии не силен))) Расстройства в психиатрии действительно раньше (лет 30 или даже 20 назад) диагностировались по внешним признакам, но сейчас, с развитием нейробиологии, понимании процессов формирования и функционирования мозга это не так. Результаты сканирования мозга, некоторые физиологические показатели позволяют не только диагностировать многие псих.расстройства, но и предсказать наличие/отсутствие эмпатии, полит.ориентацию, ценности и многое другое. Поэтому в ДСМ-5, например, в качестве маркеров псих.расстройств указаны в т.ч. особенности архитектуры мозга, а в качестве их причин – генетика и среда (эпигенетика). В общем, вы общаетесь, видимо, с рос.нейробиологами, псхиатрами а они почти всегда в арьергарде мировой науки. Сейчас почти все исследования доступны онлайн, можете сами ознакомиться.
Философия о мозге, мышлении и поведении ничегошеньки не знает, поэтому что она думает по этому вопросу не имеет значения. Пусть фантазирует дальше.
Фрейд уже очень давно не актуален.