Как мы учимся. Почему мозг учится лучше, чем любая машина… пока

В недавнем эксперименте с использованием интерфейса мозг—компьютер исследователи наблюдали, как обезьяна учится управлять собственным мозгом. Чтобы курсор двигался вправо, животное должно было активировать десять определенных нейронов; чтобы курсор двигался вверх – десять других клеток, и так далее¹⁶⁰. Примечательно, что эта процедура сработала: за несколько недель обезьяна научилась управлять активностью десяти произвольно выбранных нейронов, чтобы перемещать курсор по своему желанию. Однако – и это ключевой момент – обезьяна могла заставить курсор двигаться только в том случае, если необходимый паттерн активности не сильно отличался от паттерна активности, который ее кора спонтанно генерировала до обучения. Другими словами, новый навык должен был укладываться в уже существующий репертуар нейронной сети, которую обезьяна пыталась переобучить.

Чтобы оценить результаты этого эксперимента, необходимо понимать, что динамика нейронных связей ограниченна. Мозг не исследует все конфигурации активности, к которым может получить доступ. Теоретически в группе из ста нейронов активность может охватывать стомерное пространство, что в совокупности дает непостижимое количество состояний (если учесть, что каждый нейрон может быть включен или выключен, это число превышает 2¹⁰⁰, или более тысячи миллиардов миллиардов миллиардов). Однако в реальности активность наблюдается лишь в малой части этой огромной вселенной, обычно ограниченной примерно десятью измерениями. Следовательно, базовое правило можно сформулировать так: обезьяна может выучить новую задачу только в том случае, если то, что требуется от ее коры, «вписывается» в это изначальное пространство. Если, с другой стороны, мы попросим животное активировать комбинацию нейронов, которые никогда не срабатывали вместе, оно потерпит неудачу.

Заметьте, само усвоенное поведение может быть абсолютно новым – кто мог предвидеть, что однажды примату вздумается управлять курсором на мониторе компьютера? Тем не менее нейрональные состояния, которые делают это поведение возможным, должны вписываться в пространство доступных паттернов корковой активности. Этот результат подтверждает ключевое предсказание гипотезы нейронного рециклинга: приобретение нового навыка требует не радикального переписывания корковых сетей, как если бы они были «чистым листом», а лишь перепрофилирования их существующей организации.

Все больше исследований свидетельствуют о том, что каждая область мозга накладывает свой собственный набор ограничений на научение. В теменной коре нейронная активность обычно ограничивается одним измерением – прямой линией в многомерном пространстве¹⁶¹. Нейроны париетальной (теменной) зоны кодируют все поступающие данные по шкале «маленький—большой», а потому идеально подходят для кодирования величин. Их динамика может показаться чрезвычайно ограниченной, но то, что кажется недостатком, на самом деле оборачивается преимуществом, когда речь заходит о представлении таких величин, как размер, количество, площадь или любой другой параметр, который можно упорядочить от малого к большому. В некотором смысле эта часть коры может быть запрограммирована на кодирование величин; мы систематически задействуем ее всякий раз, когда манипулируем величинами вдоль линейной оси, от чисел до социального статуса (кто «выше» кого на социальной лестнице)¹⁶².

В качестве другого примера возьмем энторинальную кору, которая расположена в височной доле и содержит знаменитые нейроны решетки (мы уже говорили о них в главе 4). В энторинальной коре нейронный код двумерный: хотя в этой части мозга миллионы нейронов, их активность остается ограниченной плоскостью, или, говоря научным языком, двумерным многообразием в многомерном пространстве¹⁶³. Опять же, это свойство отнюдь не является недостатком: очевидно, оно идеально подходит для создания карты окружающей среды, как ее видно сверху. Сегодня мы знаем, что эта область содержит ментальный навигатор, с помощью которого крыса ориентируется в пространстве. Более того, недавние исследования показали, что эта же самая область «вспыхивает» каждый раз, когда нам нужно представить любые данные на двумерной карте¹⁶⁴. Например, в одном эксперименте птицы различались по двум параметрам: длине шеи и длине ног. Научившись репрезентировать это необычное «птичье пространство», испытуемые использовали энторинальную кору (наряду с несколькими другими областями), чтобы перемещаться по нему мысленно.