Кроме этих машин, работающих по принципу «да – нет», существуют другие вычислительные и контрольные машины, которые не столько считают, сколько измеряют. Эти машины называются аналоговыми машинами, потому что они работают на аналоговых связях между измеряемыми величинами и цифровыми параметрами, которые призваны характеризовать эти величины. Примером аналоговой машины является логарифмическая линейка, противопоставляемая, скажем, настольному арифмометру, который оперирует цифрами. Те, кто пользовался логарифмической линейкой, знают, что шкала, на которой нанесены деления, и острота нашего зрения ставят жесткие ограничения на точность чтения показаний линейки. Эти ограничения не так просто раздвинуть, как может показаться, за счет увеличения размеров линейки. Логарифмическая линейка длиной в 10 футов даст решение точнее всего на один десятичный разряд по сравнению с логарифмической линейкой в один фут, причем для достижения такой точности необходимо не только отмерить каждое деление на большой линейке столь же тщательно, как на малой, но и ориентировать эти последовательные деления в соответствии с разметкой логарифмической линейки длиной в один фут. Более того, сохранение жесткости линейки большего размера куда актуальнее, чем для линеек меньшего размера, и это обстоятельство ограничивает увеличение точности при увеличении размеров линейки. Иными словами, на практике машины, которые измеряют, в противоположность счетным устройствам, весьма ограничены в своей точности. Прибавим сюда приверженность физиолога принципу «все или ничего» – и мы поймем, почему значительная часть исследований в области конструирования механических подобий мозга была посвящена машинам, действующим в большей или меньшей степени на цифровой основе.
Однако если слишком упорно настаивать на том, что мозг является идеальной цифровой машиной, мы рискуем вызвать вполне обоснованную критику, частично со стороны физиологов, а частично со стороны до некоторой степени противоположного лагеря тех психологов, которые предпочитают не прибегать к сравнениям с машинами. Я уже сказал, что для цифровых машин используется тейпинг, который определяет последовательность выполняемых операций, и что изменение тейпинга на основании предыдущего опыта соответствует процессу обучения. В человеческом мозге ближайшую аналогию тейпингу составляет определенность синапсических порогов, то есть комбинаций входящих нейронов, что возбуждают соединенный с ними выходящий нейрон. Мы видели, что эти пороги могут меняться под воздействием температуры, и у нас нет оснований полагать, что они не могут изменяться под воздействием химического состава крови и многих других факторов, каковые сами по себе не относятся к явлениям типа «все или ничего». Поэтому необходимо при рассмотрении проблемы обучения чрезвычайно осторожно применять принцип «все или ничего» для описания деятельности нервной системы – во всяком случае, без