Истинный творец всего. Как человеческий мозг сформировал вселенную в том виде, в котором мы ее воспринимаем

Рис. 4.4. Схематичное представление классической трихроматической теории Томаса Юнга. Nicolelis M. A. L. Brain-Machine Interfaces to Restore Motor Function and Probe Neural Circuits. Nature Reviews Neuroscience 4, no. 5, May 2003: 417–22. Портрет Юнга: Национальная портретная галерея Лондона.

Модель Юнга для функции нейронов была первым примером популяционной, или распределенной, модели нервной системы. В целом такая модель предполагает, что для реализации любой функции мозга требуется совместная активность большого количества нейронов, распределенных по многим областям мозга. Альтернативная модель, в рамках которой отдельные области мозга отвечают за отдельные неврологические функции, называется локализационной моделью. Подробный рассказ о двухсотлетнем противостоянии сторонников распределенной и локализационной моделей можно найти в моей предыдущей книге «За пределами границ». В данной книге достаточно лишь сказать, что для нахождения ответа на вопрос о том, какая из двух моделей лучше описывает способность мозга творить чудеса, потребовалось целых два столетия.

Наиболее твердые свидетельства в пользу справедливости распределенной модели были найдены за последние лет тридцать, когда нейробиологи получили технические возможности для детального изучения нейрофизиологических свойств мозгосетей у людей и животных в свободном состоянии. Благодаря внедрению новых нейрофизиологических методов и (в последние два десятилетия) различных способов визуализации мозга современная нейробиология все больше и больше приближается к пониманию того, что за работу мозга отвечают не отдельные нейроны, а популяции взаимодействующих нейронов, формирующих обширные нейронные сети. И в этом смысле в середине 2018 года мы наконец получили возможность утверждать, что гипотеза Юнга о человеческом мозге одержала окончательную победу.

Наиболее полные нейрофизиологические данные, подтверждающие идею о том, что распределенные популяции нейронов определяют истинные функциональные единицы мозга млекопитающих, включая наш, были получены с помощью одной из новых технологий для изучения свойств мозга животных, которая называется временной многоочаговой мультиэлектродной регистрацией (chronic multisite multielectrode recordings, CMMR). Я достаточно хорошо знаком с этой технологией: на протяжении пяти лет постдокторальной стажировки, проведенных в лаборатории Джона Чепина, одного из величайших американских нейрофизиологов за последние пятьдесят лет, моя основная задача заключалась в развитии и применении одной из первых версий этого нового метода для изучения поведения крыс. Благодаря этой работе, а также усилиям еще пары поколений нейробиологов из моей и многих других лабораторий мира теперь этот метод нейрофизиологического анализа позволяет встраивать в мозг крыс или приматов сотни гибких металлических проводков толщиной с волос, называемых микроэлектродами. Микроэлектроды позволяют одновременно регистрировать потенциалы действия, производимые несколькими тысячами отдельных нейронов определенных нейронных сетей, таких как двигательная сеть, отвечающая за создание плана моторной активности для движения конечностей. Благодаря свойствам материалов, используемых в изготовлении этих микроэлектродов, мультиэлектродная регистрация активности нейронов в нашей лаборатории может продолжаться много месяцев (в случае крыс) или даже несколько лет (в случае обезьян). Эта бесценная техническая особенность позволяет нам не только отслеживать электрическую активность мозга наших животных по мере их обучения новым навыкам, но также регистрировать проявления пластичности мозга на протяжении этого периода обучения.

Эта технология стала важнейшим элементом в моей работе по созданию интерфейса «мозг-машина» (рис. 4.5), который мы впервые разработали вместе с Джоном Чепином и сотрудниками его лаборатории около двадцати лет назад. В рамках данного подхода запись коллективной электрической активности популяции нейронов, локализованных в одной из многих взаимосвязанных зон коры мозга, используется как источник моторной информации, необходимой для контроля движений таких устройств, как роботизированные руки или ноги или даже целые виртуальные тела. С помощью интерфейса, работающего в режиме реального времени, регистрируемые мозговые сигналы вводятся в математические модели, которые выдают расчетные алгоритмы, специально разработанные для извлечения этих двигательных команд из электрической активности мозга и их преобразования в цифровые контролирующие сигналы, распознаваемые искусственными устройствами. Развитие этой технологии послужило семечком, из которого десять лет спустя вырос проект «Снова ходить».