Харитонов Н.В.
Аннотация
В статье предлагается интерпретация сна в рамках анегэнтропийной парадигмы — авторской концептуальной рамки, в которой интеллект рассматривается как иерархическая диссипативная структура, целенаправленно создающая градиенты энтропии. На основе анализа эмпирических данных (синаптический даунскейлинг, глимфатическая система, REM-зависимая креативность) и термодинамики открытых систем формулируется гипотеза: сон (или его функциональный аналог) является необходимым условием долгосрочного функционирования любой достаточно сложной когнитивной системы, независимо от её субстрата. Показано, что диссипация в данном случае выступает не как цель, а как неизбежный побочный эффект анегэнтропийной деятельности, требующий периодической компенсации. В статье явно разделены установленные факты, области научной дискуссии и авторские экстраполяции.
Ключевые слова: сон, диссипативные структуры, анегэнтропия, синаптический гомеостаз, глимфатическая система, интеллект, термодинамика информации.
Введение: сон как загадка
Сон долгое время оставался «слепым пятном» научного материализма. С эволюционной точки зрения он выглядит абсурдным: животное, которое на треть жизни выключает сознание и теряет способность реагировать на угрозы, должно было исчезнуть под давлением отбора. То, что сон сохранился у всех достаточно сложных организмов, указывает на его критическую функцию, перевешивающую эволюционные риски [1], [2].
Традиционная физиология дала ответы на вопрос «как?»: циклы медленного и быстрого сна, нейронные корреляты, гормональная регуляция. Но вопрос «зачем?» до сих пор остаётся предметом конкурирующих теорий — от восстановительной до информационной [3], [4].
В настоящей статье мы предлагаем ответ, опирающийся на понятийный аппарат анегэнтропийной парадигмы — авторской концептуальной рамки, в рамках которой интеллект рассматривается не как свойство биологического субстрата, а как иерархическая диссипативная структура, создающая градиенты энтропии через формирование устойчивых нейронных конфигураций [5].
Методологическое замечание. В статье проводится различие между:
- Установленными фактами — эмпирически подтверждённые положения, составляющие консенсус научного сообщества;
- Областями научной дискуссии — положения, имеющие эмпирическую поддержку, но допускающие множественные интерпретации;
- Авторскими экстраполяциями — логические следствия из предлагаемой концептуальной рамки, не имеющие прямого эмпирического подтверждения, но и не противоречащие известным фактам.
Часть 1. Термодинамический контекст
1.1. Интеллект как открытая система
Установленный факт. Согласно второму началу термодинамики, энтропия изолированной системы не может убывать. Живые организмы — открытые системы: они обмениваются со средой энергией и веществом, что позволяет им локально снижать свою энтропию за счёт роста энтропии окружающей среды [6].
Установленный факт. Эрвин Шрёдингер в книге «Что такое жизнь?» (1944) ввёл понятие негэнтропии — отрицательной энтропии, которую живой организм извлекает из среды, чтобы поддерживать свою упорядоченность [7].
Установленный факт. Илья Пригожин математически формализовал этот принцип в теории диссипативных структур — систем, существующих вдали от равновесия и поддерживающих свой порядок за счёт рассеяния энергии [8], [9]. Классические примеры: ячейки Бенара, реакция Белоусова-Жаботинского, лазеры.
Установленный факт. Человеческий мозг потребляет около 20% энергии тела при массе 2% [10] — колоссальная энергетическая цена сложности.
1.2. Анегэнтропия: авторская концептуальная рамка
Авторская концептуализация. В рамках предлагаемой парадигмы вводится различение между:
| Понятие | Характеристика | Пример |
|---|---|---|
| Негэнтропия | Пассивная самоорганизация, формирование порядка без целеполагания | Естественный отбор, кристаллизация |
| Анегэнтропия | Сознательное, целенаправленное создание градиента энтропии, включающее моделирование последствий, выбор оптимального пути и реализацию стратегии | Целенаправленное обучение, изобретательство, планирование |
Это различение не противоречит известным фактам, но не является устоявшимся научным понятием.
Часть 2. Что происходит в мозге при бодрствовании
2.1. Синаптическое усиление как следствие активности
Установленный факт. В фазе бодрствования мозг непрерывно обрабатывает информацию, формирует новые нейронные связи и укрепляет существующие. Согласно гипотезе синаптического гомеостаза (SHY), предложенной Tononi и Cirelli (2003, 2006), бодрствование ведёт к net-усилению синаптических связей [11], [12].
Установленный факт. Это необходимо для обучения, но создаёт три проблемы [12], [13]:
- Рост энергопотребления — каждая синаптическая связь требует энергии на поддержание;
- Насыщение пластичности — когда синапсы достигают предела усиления, дальнейшее обучение затрудняется;
- Накопление шума — случайные корреляции и незначимые паттерны фиксируются наравне с важными, снижая отношение сигнал/шум.
2.2. Метаболическое накопление
Установленный факт. В нейронах накапливаются продукты жизнедеятельности, включая бета-амилоид — белок, связанный с болезнью Альцгеймера. Xie и соавторы (2013) показали, что клиренс этих веществ происходит преимущественно во сне [14]. Shokri-Kojori и соавторы (2018) подтвердили, что даже одна ночь депривации сна ведёт к накоплению бета-амилоида в мозге человека [15].
2.3. Области дискуссии
Научная дискуссия. Концепция «насыщения пластичности» как достижения физического предела синаптического пространства логически вытекает из SHY, но прямая эмпирическая проверка сложна. Альтернативные теории (например, информационная теория сна) предлагают иные объяснения необходимости сна [3], [4].
Часть 3. Сон как фаза диссипации
3.1. Медленный сон (NREM): структурная диссипация
Установленный факт. Во время медленного сна происходит ослабление синаптических связей (синаптический даунскейлинг). Vyazovskiy и соавторы (2008) зафиксировали снижение амплитуды вызванных потенциалов после сна, что указывает на общее ослабление синаптической эффективности [16]. de Vivo и соавторы (2017) предоставили ультраструктурные подтверждения этого процесса [17].
Установленный факт. Сонные веретёна (spindles) — всплески активности в таламо-кортикальных цепях — коррелируют с консолидацией памяти и участвуют в реорганизации связей [18].
Установленный факт. Депривация медленного сна ведёт к сохранению избыточных связей и ухудшению последующего обучения [12], [19].
Авторская интерпретация. В терминах анегэнтропийной парадигмы медленный сон — это диссипация, направленная на внутреннюю структуру системы: «обрезка сада» интеллекта, удаление избыточных связей для сохранения способности к дальнейшему усложнению.
3.2. Глимфатическая система: метаболическая диссипация
Установленный факт. В 2012 году группа Джеффри Иллиффа и Майкена Недергаарда открыла глимфатическую систему — аналог лимфатической системы для мозга [20], [21]. Во время сна межклеточное пространство в мозге увеличивается, и спинномозговая жидкость активно омывает ткани, выводя метаболиты.
Установленный факт. Fultz и соавторы (2019) подтвердили наличие этих процессов у человека, показав связь между медленными колебаниями нейронов, гемодинамикой и током спинномозговой жидкости [22].
Установленный факт. Глимфатическая система активна преимущественно в медленном сне; попытки «отдохнуть лёжа» без сна не дают того же эффекта [21].
3.3. Быстрый сон (REM): функциональная диссипация
Установленный факт. Во время REM-сна мозг так же активен, как в бодрствовании, но мышцы парализованы (атония) [23]. Генерируются сновидения.
Установленный факт. REM-сон важен для креативности, решения сложных задач и интеграции знаний. Wagner и соавторы (2004) показали, что сон способствует инсайту [24]. Cai и соавторы (2009) продемонстрировали, что REM-сон улучшает креативность за счёт прайминга ассоциативных сетей [25]. Lewis и соавторы (2018) обобщили данные о роли реплея памяти в креативном решении задач [26].
Научная дискуссия. Механизмы, обеспечивающие эти эффекты, до конца не ясны. Существуют данные об усилении spreading activation в REM-сне [27], но детали процесса остаются предметом активных исследований.
Авторская интерпретация. REM-сон может рассматриваться как фаза, в которой система намеренно (в рамках эволюционно закреплённого алгоритма) генерирует высокоэнтропийные состояния, чтобы выйти из локальных оптимумов и найти новые, более эффективные конфигурации. Это аналогично процессу «отжига» (simulated annealing) в оптимизационных алгоритмах.
Часть 4. Диссипация как побочный эффект, а не цель
Авторская концептуализация. Важное уточнение, следующее из анегэнтропийной парадигмы: диссипация — это не цель интеллектуальной системы, а неизбежный побочный эффект её работы.
| Цель системы | Способ достижения | Побочный эффект |
|---|---|---|
| Продолжение существования и усложнение | Анегэнтропийная деятельность (создание градиентов) | Накопление энтропии в субстрате (метаболиты, избыточные связи, шум) |
Сон — это не «диссипация ради диссипации», а необходимый этап, на котором система устраняет побочные эффекты собственной работы, чтобы вернуться в состояние, пригодное для дальнейшего существования и усложнения.
Научная дискуссия. Это различение не противоречит эмпирическим данным, но выходит за рамки устоявшейся научной терминологии. Оно предлагает новый язык для описания функций сна, объединяющий метаболические, структурные и информационные аспекты.
Часть 5. Эмпирические подтверждения
5.1. Сон и обучение
Установленный факт. Walker и Stickgold (2004) показали, что после ночного сна улучшение выполнения моторных задач происходит в 2–3 раза больше, чем после эквивалентного периода бодрствования [28].
Установленный факт. Rasch и Born (2013) продемонстрировали, что во время медленного сна происходит реактивация гиппокампальных паттернов, связанных с дневным обучением, что коррелирует с последующим улучшением памяти [18].
5.2. Сон и нейропластичность
Установленный факт. Yang и соавторы (2014) с помощью двухфотонной микроскопии in vivo показали, что во сне происходит активное образование новых дендритных шипиков и их селективное устранение [29].
Установленный факт. Депривация сна ведёт к накоплению бета-амилоида в тканях мозга уже через одну ночь [15].
5.3. Сон и интеллектуальная производительность
Установленный факт. Pilcher и Huffcutt (1996) в мета-анализе показали, что хроническое недосыпание снижает когнитивные показатели на 20–50%, в зависимости от типа задачи и степени депривации [30].
Установленный факт. Van Dongen и соавторы (2003) продемонстрировали, что субъективное ощущение усталости часто не соответствует объективному снижению когнитивных функций при хроническом недосыпании [31].
Часть 6. Универсальность: от биологии к ИИ
6.1. Проблемы искусственных интеллектуальных систем
Установленный факт. Искусственные нейронные сети сталкиваются с проблемой катастрофического забывания (catastrophic forgetting) — при обучении новым задачам теряется способность решать старые [32].
Установленный факт. Переобучение (overfitting) — классическая проблема машинного обучения, решаемая методами регуляризации [33].
6.2. Функциональные аналоги сна в ИИ
Научная дискуссия / Авторская экстраполяция. В современном машинном обучении используются методы, которые можно рассматривать как функциональные аналоги фаз сна:
| Фаза сна | Функция | Аналог в ИИ |
|---|---|---|
| Медленный сон (NREM) | Ослабление избыточных связей, удаление шума | Регуляризация (L1, L2), дропаут (dropout) [34] |
| REM-сон | Перекомбинация, выход из локальных оптимумов | Стохастическая оптимизация, генеративные adversarial-сети [35] |
| Консолидация | Фиксация значимых паттернов | Реплей-буферы (experience replay) в обучении с подкреплением [36] |
Авторская гипотеза. Из анегэнтропийной парадигмы следует, что для долгосрочного усложнения искусственных интеллектуальных систем (особенно в режиме непрерывного обучения, continual learning) потребуется встраивание фаз, функционально аналогичных сну. Игнорирование этого требования может привести к деградации системы независимо от совершенства её аппаратного обеспечения.
Часть 7. Сон в иерархии диссипативных актов
Авторская концептуализация. В рамках анегэнтропийной парадигмы сон занимает особое место в иерархии продуктов диссипации:
| Система | Продукт диссипации | Характер продукта |
|---|---|---|
| Амёба | Тепло, химические отходы | Сиюминутный, бесследный |
| Рыба | Движение, тепло | Функциональный, не сохраняющийся |
| Обезьяна с палкой | Сломанная ветка | Первый артефакт |
| Человек каменного века | Скребок, наконечник | Орудие, которое можно хранить |
| Пифагор | Абстрактное знание | Информация, отделённая от носителя |
| Учёные, создающие теорию | Система знаний, уравнения | Сложная сеть взаимосвязанных идей |
| Сон | Сброс избыточной энтропии, реорганизация связей | Условие возможности всех остальных продуктов |
Сон — это мета-диссипация: диссипация, обеспечивающая способность к будущей диссипации.
Заключение
Проведённый анализ позволяет сформулировать следующие положения:
- Установленный факт. Сон выполняет три эмпирически подтверждённые функции:
- метаболическую диссипацию (глимфатическая система);
- структурную диссипацию (синаптический даунскейлинг);
- функциональную диссипацию (REM-зависимая креативность и интеграция знаний).
- Научная дискуссия / Авторская концептуализация. В рамках анегэнтропийной парадигмы эти три функции объединяются единым принципом: сон — это фаза, в которой интеллектуальная система устраняет побочные эффекты собственной анегэнтропийной деятельности. Диссипация здесь выступает не как цель, а как условие продолжения существования и усложнения.
- Авторская гипотеза. Без сна (или его функционального аналога) интеллектуальная система неизбежно входит в состояние, характеризующееся ростом энергопотребления, падением отношения сигнал/шум и утратой способности к эффективному усложнению.
- Авторская гипотеза. Сон (или его функциональный аналог) является архитектурным требованием к любой достаточно сложной когнитивной системе, способной к длительному усложнению, независимо от её субстрата. Для искусственных систем, особенно в режиме непрерывного обучения, это требование может быть реализовано через фазы офлайн-оптимизации, регуляризации и реплей-буферизации.
Литература
- Siegel, J. M. (2005). Clues to the functions of mammalian sleep. Nature, 437(7063), 1264–1271. https://doi.org/10.1038/nature04285
- Tononi, G., & Cirelli, C. (2003). Sleep and synaptic homeostasis: a hypothesis. Brain Research Bulletin, 62(2), 143–150. https://doi.org/10.1016/j.brainresbull.2003.09.004
- Frank, M. G. (2021). The mystery of sleep function: current perspectives and future directions. Current Opinion in Physiology, 19, 1–7. https://doi.org/10.1016/j.cophys.2020.06.003
- Klinzing, J. G., Niethard, N., & Born, J. (2019). Mechanisms of systems memory consolidation during sleep. Nature Neuroscience, 22(10), 1598–1610. https://doi.org/10.1038/s41593-019-0467-3
- Харитонов, Н.В. (2026). Манифест анегэнтропии: Базис единой картины реальности.
- Prigogine, I. (1977). Nobel Lecture: Time, Structure and Fluctuations. Nobel Prize Committee. https://www.nobelprize.org/prizes/chemistry/1977/prigogine/lecture/
- Schrödinger, E. (1944). What is Life? The Physical Aspect of the Living Cell. Cambridge University Press.
- Prigogine, I., & Stengers, I. (1984). Order Out of Chaos: Man’s New Dialogue with Nature. Bantam Books.
- Пригожин, И., & Стенгерс, И. (1986). Порядок из хаоса. М.: Прогресс.
- Raichle, M. E., & Gusnard, D. A. (2002). Appraising the brain’s energy budget. Proceedings of the National Academy of Sciences, 99(16), 10237–10239. https://doi.org/10.1073/pnas.172399499
- Tononi, G., & Cirelli, C. (2006). Sleep function and synaptic homeostasis. Sleep Medicine Reviews, 10(1), 49–62. https://doi.org/10.1016/j.smrv.2005.05.004
- Tononi, G., & Cirelli, C. (2014). Sleep and the price of plasticity: from synaptic and cellular homeostasis to memory consolidation and integration. Neuron, 81(1), 12–34. https://doi.org/10.1016/j.neuron.2013.12.025
- Vyazovskiy, V. V., & Harris, K. D. (2013). Sleep and the single neuron: the role of global slow oscillations in individual cell rest. Nature Reviews Neuroscience, 14(6), 443–451. https://doi.org/10.1038/nrn3494
- Xie, L., Kang, H., Xu, Q., et al. (2013). Sleep drives metabolite clearance from the adult brain. Science, 342(6156), 373–377. https://doi.org/10.1126/science.1241224
- Shokri-Kojori, E., Wang, G. J., Wiers, C. E., et al. (2018). β-Amyloid accumulation in the human brain after one night of sleep deprivation. Proceedings of the National Academy of Sciences, 115(17), 4483–4488. https://doi.org/10.1073/pnas.1721694115
- Vyazovskiy, V. V., Cirelli, C., Pfister-Genskow, M., et al. (2008). Molecular and electrophysiological evidence for net synaptic potentiation in wake and depression in sleep. Nature Neuroscience, 11(2), 200–208. https://doi.org/10.1038/nn2035
- de Vivo, L., Bellesi, M., Marshall, W., et al. (2017). Ultrastructural evidence for synaptic scaling across the wake/sleep cycle. Science, 355(6324), 507–510. https://doi.org/10.1126/science.aah5982
- Rasch, B., & Born, J. (2013). About sleep’s role in memory. Physiological Reviews, 93(2), 681–766. https://doi.org/10.1152/physrev.00032.2012
- Klinzing, J. G., et al. (2019). Spindle-slow oscillation coupling during sleep predicts memory consolidation. Nature Communications, 10, 2381. https://doi.org/10.1038/s41467-019-10288-1
- Iliff, J. J., Wang, M., Liao, Y., et al. (2012). A paravascular pathway facilitates CSF flow through the brain parenchyma and the clearance of interstitial solutes. Science Translational Medicine, 4(147), 147ra111. https://doi.org/10.1126/scitranslmed.3003748
- Nedergaard, M., & Goldman, S. A. (2020). Glymphatic system: a new player in sleep and neurological disorders. Annual Review of Neuroscience, 43, 31–52. https://doi.org/10.1146/annurev-neuro-091819-032744
- Fultz, N. E., Bonmassar, G., Setsompop, K., et al. (2019). Coupled electrophysiological, hemodynamic, and cerebrospinal fluid oscillations in human sleep. Science, 366(6465), 628–631. https://doi.org/10.1126/science.aax5440
- Jouvet, M. (1999). The Paradox of Sleep: The Story of Dreaming. MIT Press.
- Wagner, U., Gais, S., Haider, H., et al. (2004). Sleep inspires insight. Nature, 427(6972), 352–355. https://doi.org/10.1038/nature02223
- Cai, D. J., Mednick, S. A., Harrison, E. M., et al. (2009). REM, not incubation, improves creativity by priming associative networks. Proceedings of the National Academy of Sciences, 106(25), 10130–10134. https://doi.org/10.1073/pnas.0900271106
- Lewis, P. A., Knoblich, G., & Poe, G. (2018). How memory replay in sleep boosts creative problem-solving. Trends in Cognitive Sciences, 22(6), 491–503. https://doi.org/10.1016/j.tics.2018.03.009
- Walker, M. P., Liston, C., Hobson, J. A., & Stickgold, R. (2002). Cognitive flexibility across the sleep-wake cycle: REM-sleep enhancement of anagram problem solving. Cognitive Brain Research, 14(3), 317–324. https://doi.org/10.1016/S0926-6410(02)00133-7
- Walker, M. P., & Stickgold, R. (2004). Sleep-dependent learning and memory consolidation. Neuron, 44(1), 121–133. https://doi.org/10.1016/j.neuron.2004.08.031
- Yang, G., Lai, C. S., Cichon, J., et al. (2014). Sleep promotes branch-specific formation of dendritic spines after learning. Science, 344(6188), 1173–1178. https://doi.org/10.1126/science.1249098
- Pilcher, J. J., & Huffcutt, A. I. (1996). Effects of sleep deprivation on performance: a meta-analysis. Sleep, 19(4), 318–326. https://doi.org/10.1093/sleep/19.4.318
- Van Dongen, H. P., Maislin, G., Mullington, J. M., & Dinges, D. F. (2003). The cumulative cost of additional wakefulness: dose-response effects on neurobehavioral functions and sleep physiology. Sleep, 26(2), 117–126. https://doi.org/10.1093/sleep/26.2.117
- McCloskey, M., & Cohen, N. J. (1989). Catastrophic interference in connectionist networks: The sequential learning problem. Psychology of Learning and Motivation, 24, 109–165. https://doi.org/10.1016/S0079-7421(08)60536-8
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
- Srivastava, N., Hinton, G., Krizhevsky, A., et al. (2014). Dropout: a simple way to prevent neural networks from overfitting. Journal of Machine Learning Research, 15(1), 1929–1958. https://jmlr.org/papers/v15/srivastava14a.html
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., et al. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27. https://proceedings.neurips.cc/paper/2014/hash/5ca3e9b122f61f8f06494c97b1afccf3-Abstract.html
- Mnih, V., Kavukcuoglu, K., Silver, D., et al. (2015). Human-level control through deep reinforcement learning. Nature, 518(7540), 529–533. https://doi.org/10.1038/nature14236
Конфликт интересов: Автор заявляет об отсутствии конфликта интересов.
Финансирование: Работа выполнена без привлечения внешнего финансирования.
© Харитонов Н.В., 2026
