Что значит быть собакой. И другие открытия в области нейробиологии животных

Как серьезная наука нейробиология ведет отсчет с начала XX столетия – в этот же период мир переживал электротехническую революцию. В 1879 году Томас Эдисон запатентовал свою лампочку, к 1900 году Гульельмо Маркони уже испытывал радио. Еще до Маркони приемник, реагирующий на электромагнитные волны, сконструировал А. С. Попов. Ученый работал в Санкт-Петербурге, где в ту пору кипела научная жизнь, и там же трудился И. П. Павлов – основоположник рефлекторной теории поведения. И хотя мы не знаем, был ли Павлов знаком с Поповым, в работах Павлова электрическим приборам отводится заметная роль. Самое главное, Павлов продемонстрировал, что рефлексы бывают не только врожденными. Они могут вырабатываться в процессе так называемого обусловливания. Аналогия с электрической цепью прослеживалась безошибочная. Как и электрический распределительный щит, рефлексы можно перенастроить.

Следующие пятьдесят лет в психологии господствовали открытые Павловым условные рефлексы[17]. В 1911 году психолог Эдвард Торндайк обнародовал свой «закон эффекта», согласно которому действие, за которым следует реакция удовольствия, имеет склонность стать повторяющимся. На этом незамысловатом наблюдении другой психолог, Беррес Скиннер, впоследствии построит свою теорию оперантного научения.

Хотя уже тогда было хорошо известно, что в основе работы мозга лежат некие электрохимические процессы, теория, которую развивали последовательно Павлов, Торндайк и Скиннер, была, по сути, механистической. Мозг считали «черным ящиком» – непроницаемым и к изучению поведения никак не относящимся. Первый шаг за рамки этого скиннерианского убеждения был сделан в 1950-х, когда ученые обратились к мозгу (точнее, к его способам хранения информации) за новыми подсказками. Представления о мозге значительно усложнились по сравнению с примитивной схемой «стимул – реакция», главенствовавшей в предыдущую эпоху.

В значительной мере новый всплеск интереса к мозгу был спровоцирован изобретением компьютеров – теперь психологи рассматривали мозг как биологическое вычислительное устройство. Этот новый подход – «когнитивная психология» – сосредоточился на отображении знаний и информации в мозге и операциях с ними[18]. Тем не менее, поскольку основное внимание уделялось «программному обеспечению», то есть психике, мозг снова отошел на второй план, воспринимаясь как некая биологическая аппаратура. Многие исследователи грезили о светлом будущем, когда мы научимся обходиться без мозга и будем просто загружать его программу в компьютер. Вероятность крупных прорывов в области изучения мозга и создания искусственного интеллекта обеспечила неослабевающий интерес к когнитивному направлению в следующие тридцать лет.

Однако к середине 1970-х все больше ученых начали осознавать, что мозг хранит информацию совсем не так, как это делают компьютеры. В мозге, в отличие от компьютера, нет разделения на блок памяти и центральный процессор. Не имея базовых представлений о том, как аккумулируются знания в мозге, исследователи оказывались в тупике, пытаясь отделить программное оборудование (разум) от аппаратного (мозга). Статья Томаса Нагеля попросту подогрела эту неудовлетворенность. Нагель утверждал, что разбором мозга на составляющие разум не постичь. И хотя Нагель лишь откликался на явное бессилие редукционистского подхода к изучению разума, его статья расколола ученых на верящих и не верящих в пользу нейронауки, и этот раскол существует до сих пор.

В защиту биологического подхода к изучению разума выступили ученые новой формации, развернувшие проблему на сто восемьдесят градусов. Вместо того чтобы выискивать в мозге аналогии с компьютером, они, вдохновляясь достижениями нейронауки, начали разрабатывать компьютерные алгоритмы, имитирующие работу мозга. И первое, что они заметили, – высокая степень параллелизации в мозге, когда миллиарды нейронов работают одновременно. Массивная параллельная обработка данных происходит совсем не так, как в компьютере, где процессор исполняет команды последовательно. Эти новаторы – так называемые коннекционисты – показали, что простые сети, состоящие из нейроноподобных модулей, могут выполнять на удивление сложные задачи. Более того, нейронные сети способны самообучаться, не требуя божественного вмешательства программиста[19].

Эти ранние модели нейронных сетей поражали умением справляться с «человеческими» заданиями: распознавать почерк, обыгрывать человека в нарды. Развитие нейронных сетей совпало с технологическим прорывом в изготовлении интегральных схем, и очень скоро начали появляться нейронно-сетевые чипы. Тогда, пользуясь широтой информационного доступа и безграничностью вычислительных мощностей, нейронные сети объединили с алгоритмами искусственного интеллекта и получили гибрид под названием «глубокое обучение». Однако нейронные сети – это по-прежнему не более чем устройство ввода – вывода. Они моделируют определенный тип ввода данных из окружающей среды, преобразуют эти данные и выводят в необходимом виде.