Jäljitelmäpelissä kuvatuista tapahtumista huolimatta Alan Turing ei keksinyt konetta, joka mursi Saksan koodit toisen maailmansodan aikana - Puola. Mutta loistava matemaatikko kekseli jotain mitä elokuvassa ei koskaan mainita: matemaattista työkalua tiedon luotettavuuden arvioimiseksi. Hänen työkalunsa nopeutti koodattujen viestien salauksen purkua puolalaisten koneiden parannettujen versioiden avulla.
Asiaan liittyvä sisältö
- Keskiyön välipalaaminen on haittaa aivoillesi
- Kyyhkysten aivot toimivat kuten meidänkin
- Teetkö parempia päätöksiä nälkäisenä?
Nyt reesusapinoita tutkivat tutkijat ovat havainneet, että aivot käyttävät tätä matemaattista työkalua myöskään viestien dekoodaamiseen, mutta epäluotettavien todisteiden yhdistämiseen yksinkertaisten päätösten tekoon. Columbian yliopiston neurotieteilijä Michael Shadlen ja hänen ryhmänsä havainnot tukevat suurempaa ajatusta siitä, että kaikki tekemämme päätökset - jopa näennäisesti irrationaaliset - voidaan jakaa rationaalisiin stastisiin toimintoihin. "Mielestämme aivot ovat pohjimmiltaan rationaalisia", Shadlen sanoo.
Vuonna 1918 keksitty saksalainen Enigma-kone loi korvaavan salauksen vaihtamalla alkuperäiset kirjaimet viestiin uusiksi, jolloin syntyi puhdasta pilaantumista. Salauksen monimutkaistamiseksi laitteessa oli pyörivät levyt, jotka kääntyivät joka kerta, kun näppäintä painetaan, muuttaen koodausta jokaisella näppäinpainalluksella. Prosessi oli niin monimutkainen, että jopa kädessä olevan Enigma-koneen kanssa saksalaiset pystyivät salaamaan viestin vain tietämällä kyseisten salausvalintojen alkuasetukset.
Saksalainen Enigma-kone, toisen maailmansodan koodimurtajien vihollinen. (Walker-kirjasto ihmisen mielikuvituksen historiasta) Turing loi algoritmin, joka laski mahdollisten asetusten määrän, joita brittien salauksen purkamiskoneet, nimeltään pommit, joutuivat testaamaan joka päivä. Työskennellessään salaisessa Bletchley Park -laitoksessa Isossa-Britanniassa, Turning huomasi, että oli mahdollista selvittää, oliko kaksi viestiä peräisin koneista, joissa roottorit käynnistyivät samoissa paikoissa - keskeinen tieto näiden paikkojen selvittämiseksi. Rivitä kaksi koodattua viestiä, toinen päällekkäin, ja mahdollisuus, että kaksi kirjainta ovat samat, on hiukan suurempi, jos molemmat viestit tulevat koneilta, joilla on samat alkuasetukset. Tämä johtuu siitä, että saksaksi, kuten englanniksi, tietyt kirjaimet ovat yleensä yleisempiä, ja salausprosessi säilytti tämän kuvion.
Turingin algoritmi lisäsi olennaisesti todennäköisyydet siitä, että nämä vihjeet ovat hyödyllisiä. Se osoitti myös, milloin kumulatiiviset kertoimet olivat riittävän hyviä joko hyväksyä tai hylätä, että kaksi vertailtavaa viestiä tuli koneista, joilla oli samat roottorin tilat. Tämä tilastollinen työkalu, jota kutsutaan sekvenssiseksi todennäköisyyssuhteeksi, osoittautui optimaaliseksi ratkaisuksi ongelmaan. Se säästää aikaa antamalla Bletchleyn koodimurtajille päättää, ovatko kaksi viestiä hyödyllistä, kun tarkastellaan mahdollisimman vähän kirjaimia. Kiertäminen ei ollut ainoa salaa työskentelevä matemaatikko, joka keksi tämän idean. Columbian yliopiston Abraham Wald käytti sitä vuonna 1943 selvittääkseen, kuinka monta pommia Yhdysvaltain merivoimat tarvitsivat räjähtääkseen ollakseen kohtuullisen varmoja siitä, ettei ammuserä ollut viallinen ennen sen lähettämistä.
Nyt Shadlen on huomannut, että ihmiset ja muut eläimet saattavat käyttää samanlaista strategiaa epävarmojen tietojen ymmärtämiseksi. Epävarmuuden käsittely on tärkeää, koska harvat päätökset perustuvat täysin luotettaviin todisteisiin. Kuvittele ajavansa kääntyvällä kadulla yöllä sateessa. Sinun on valittava kääntääkö pyörä vasemmalle tai oikealle. Mutta kuinka paljon voit luottaa tuntemattoman etäisyyden päässä olevan auton heikkoihin takavaloihin, tummaan puulinjaan sekoittavalla muodollaan tai tuskin näkyviin kaistamerkeihin? Kuinka koota nämä tiedot pysyäksesi tiellä?
Apinoilla Shadlenin laboratoriossa oli samanlainen vaikea päätös. He näkivät kaksi pistettä näyttöön tietokoneen näytöllä ja yrittivät voittaa mailan valitsemalla oikean. Näytöllä vilkkuvat muodot peräkkäin vihjasivat vastaukseen. Kun esimerkiksi Pac-Man -symboli ilmestyi, vasen piste oli todennäköisesti, mutta ei varmasti, oikea vastaus. Sitä vastoin viisikulmio suosi oikeaa pistettä. Peli päättyi, kun apina päätti, että se oli nähnyt tarpeeksi muotoja vaarantamaan arvauksen kääntämällä silmänsä kohti yhtä pistettä.
Sivusuuntainen parietaalinen aivokuori, tässä tutkimuksessa mitattu aivojen osa, löytyy parietaalikeilasta. (Kansallisen ikääntymisinstituutin / Kansallisten terveysinstituuttien kuvakuva) On monia strategioita, joita olisi voitu käyttää oikean pisteen valintaan. Apina voisi kiinnittää huomiota vain parhaisiin vihjeisiin ja jättää huomiotta muut. Tai valinta voitaisiin yksinkertaisesti tehdä tietyn ajan kuluttua riippumatta siitä, kuinka varma apina oli todisteista, jotka se oli nähnyt siihen mennessä.
Se mitä tapahtui, oli tiedon kertyminen aivoihin, kun eläin arvioi kunkin muodon luotettavuuden ja lisäsi ne juoksevaan kokonaisarvoon. Shadlen tarkkaili tätä kertymistä asettamalla kivuttomasti elektrodit apinoiden aivoihin. Suuret todennäköisyydet johtivat suuriin harppauksiin aivojen toiminnassa, kun taas heikommat vihjeet tuottivat pienempiä harppauksia. Päätökset näyttivät olevan tehty, kun joko vasemman tai oikean puolen aktiviteetti ylitti tietyn kynnyksen - aivan kuten Turingin algoritmin tulokset.
"Huomasimme, että aivot päättävät päätöksestä tavalla, joka kulkee paremmin tilastollisen kanssa", sanoo Shadlen, jonka tiimi julkaisee tulokset Neuron- lehden tulevassa numerossa .
Jan Drugowitsch, neurotieteilijä Ecole Normale Supérieuressa Pariisissa, on samaa mieltä. "Tämä tekee erittäin vahvan tapauksen, että aivot todella yrittävät noudattaa tässä kuvattua strategiaa", hän sanoo. Mutta voidaanko monimutkaisemmat valinnat, kuten missä mennä yliopistoon tai kenen kanssa mennä naimisiin, kääntämään yksinkertaisiin tilastostrategioihin?
"Emme tiedä, että aivojen haasteet suurten asioiden ratkaisemisessa ovat täsmälleen samat kuin haasteet yksinkertaisemmissa päätöksissä", sanoo Pennsylvanian yliopiston lääketieteellisen korkeakoulun neurotieteilijä Joshua Gold. "Juuri nyt on puhdasta arvausta, että laboratoriossa tutkimme mekanismeja korkeamman tason päätöksistä."
