Быть собой: новая теория сознания

Вдохновленная этой общностью нормального восприятия и галлюцинаторного, наша лаборатория принялась искать новые способы исследования, как из наиболее вероятных перцептивных предположений возникает перцептивный опыт, и наши эксперименты завели нас туда, куда нам и не снилось.

Если, выйдя из моего кабинета, подняться на один этаж, то, поплутав в закоулках бывшего химфака, вы окажетесь в одной из наших импровизированных лабораторий — ее назначение подсказывает приклеенный на дверь клочок бумаги с надписью «Лаб. VR/AR». Здесь, обратившись к услугам стремительно развивающихся технологий виртуальной и дополненной реальности (VR/AR), мы исследуем восприятие человеком мира и себя самого невозможными прежде способами. Несколько лет назад мы решили сконструировать «галлюцинаторную машину»[166] и посмотреть, получится ли у нас порождать галлюцинаторноподобный опыт в экспериментально контролируемой обстановке, симулируя сверхактивные перцептивные априорные предположения. Проект возглавил Кейсуке Судзуки, старший научный сотрудник нашей лаборатории и штатный специалист по виртуальной реальности.

Для начала мы сняли камерой, дающей обзор на 360°, панорамное видео реальной среды. В качестве панорамы была выбрана главная площадь университетского кампуса во вторник, в обеденное время, когда студенты и преподаватели бродят по еженедельно раскидывающемуся там продуктовому рынку. Затем мы обработали видео с помощью программы, созданной Кейсуке на основе гугловских алгоритмов Deep Dream («глубокого сна»), создавая симулируемую галлюцинацию.

Алгоритм «глубокого сна» предполагает использование «наоборот» искусственной нейронной сети, обученной распознаванию объектов на изображениях. Подобные сети состоят из множества слоев симулированных нейронов, связи между которыми устроены так, что они отчасти напоминают восходящие пути биологической зрительной системы[167]. Поскольку эти сети содержат только восходящие связи, их легко обучать с использованием стандартных методов машинного обучения. Нашу сеть обучили идентифицировать более тысячи разных видов объектов на изображениях, включая множество разных пород собак. Она отлично справляется, с успехом различая даже разновидности хаски, которые для меня все похожи как две капли воды.

Обычно эти нейросети используют так: предъявляют изображение и спрашивают, что оно, «по мнению» сети, содержит. Алгоритм «глубокого сна» идет от противного: нейросети сообщают, что изображение содержит некий объект, и она соответствующим образом обновляет картинку[168]. Иначе говоря, алгоритм проецирует перцептивный прогноз на изображение, в избытке внося в нее зрительский вклад. Для нашей галлюцинаторной машины мы покадрово обработали таким образом все панорамное видео и добавили еще несколько примочек, чтобы обеспечить непрерывность, сглаживание и так далее. Это видео в формате «глубокого сна» затем воспроизводилось в шлеме VR, обеспечивая испытуемому, оглядывающемуся вокруг, полное погружение в виртуальную реальность. Так появилась на свет галлюцинаторная машина.

Опробуя ее впервые, я не подозревал, что действо окажется настолько захватывающим[169]. Хотя его нельзя сравнить с настоящим наркотическим трипом или (насколько мне известно) психической галлюцинацией, мир тем не менее изменился в процессе существенно. На этот раз обошлось без Силлы Блэк, зато было много собак и частей собачьего тела, которые органично вписывались в окружающий меня пейзаж, — совсем не так, как вышло бы, если бы мы просто вмонтировали изображения собак в имеющееся видео (см. черно-белый стоп-кадр на рис. 12). Сила галлюцинаторной машины — в ее способности симулировать вывод из нисходящих наиболее вероятных предположений о присутствии рядом собак и тем самым резюмировать в сильно утрированном виде процесс, в ходе которого мы воспринимаем и интерпретируем зрительные сцены в реальном мире.

Рис. 12. Стоп-кадр из видео для «галлюцинаторной машины»

Слегка варьируя программу галлюцинаторной машины, можно варьировать и симулируемый галлюцинаторный опыт. Если, например, сосредоточить активность в одном из средних уровней сети, а не на уровне исходящих действий, мы получим галлюцинации частей объекта, а не целого. В этом случае разворачивающаяся перед вами сцена будет кишеть глазами, ушами и лапами, то есть все ваше зрительное пространство заполонит мешанина из частей собачьего тела. Если сосредоточить активность на еще более низких уровнях, мы получим галлюцинации, которые лучше всего обозначаются как «геометрические» — в них необычайно ярко, живо и выпукло проступают низкоуровневые черты зрительной среды, такие как контуры, линии, текстура и рисунок.