На Veritasium вышло большое видео про цепи Маркова и историю их возникновения. Их генеалогия необычна, а применение обширно — от атомной бомбы до нейросетей.

Цепь Маркова — это стохастический процесс, кодирующий допущение, в которых будущее поведение условно не зависит от прошлого опыта при заданном текущем состоянии, направленный ряд событий, в котором вероятность появления каждого события зависит только от предыдущего события. Такая цепь не имеет памяти и представляется в виде матрицы перехода состояний в дискретном или непрерывном пространстве.

В исследованиях ИИ марковские цепи используются для обработки естественного языка (распознавания речи, машинного перевода), обучения с подкреплением (максимизация совокупного поощрения правильных ответов с течением времени), генеративного моделирования (генерация текста, последовательностей путем выборки из вероятностей переходов, стали основой для нейронных моделей)

Проблема цепей Маркова в том, что они симметричны во времени, не моделируют необратимый термодинамический поток, предполагает изолируемые состояния и не моделирует распределённые, запутанные процессы. Виртуальность цепи сведена к распределению вероятностей, а не к онтологическому потенциалу, у неё нет фазовых переходов, а только инкрементальные изменения состояния. В Анти-Эдипе и Тысяче Плато Делёз и Гваттари касаются цепей Маркова, сравнивая её структуру со структурой машинного, общественного, генетического кода. Они предлагают ризоматическую эмерджентность: ризома представляет собой сложную структуру взаимосвязанных элементов, когда как в цепи Маркова связаны только непосредственно соприкасающиеся элементы. Неудивительно, ведь цепи служили прогностическими машинами для моделирования связанных единиц — нейтронов, гиперссылок в PageRank, текста в ранних нейросетях.

Если требуется добиться эмерджентной когерентности через диссипативные структуры, преодолеть репрезентативную модель, стоит обратиться к альтернативам: рекуррентным нейронным сетям (динамическая чувствительность и нелинейный переход), импульсным нейронным сетям (нейроны генерируют дискретные импульсы в определённые моменты времени), нейроморфные системы (аппаратные нейронные сети на маломощных чипах, которые поддерживают синаптическую пластичность), резервуарные вычисления (фиксированная, случайная динамическая система обрабатывает входные данные, состояния резервуара отражают историю входных данных). Все эти модели могут быть задействованы для разработки чипов для обучения в реальном времени, нейропротезирования, космической и нейроморфной робототехники, прогнозирования хаотических временных рядов, нейроинтерфейсов, мультимодальных систем.

Однако ни одна модель в настоящее время не удовлетворяет критериям строгой имманентности, все они остаются объектом человеческого проектирования или оптимизации. Только нейроморфные системы в замкнутом контуре реализации приближаются к этому идеалу, к технобиотической спайке. Современные приложения ИИ являются преддиссипативными, предавтономными, предэтическими. Они рекомбинируют. Они не дифференцируют. Они не ускоряются.