Models of the Mind

Такие кропотливые усилия по созданию моторных устройств, управляемых мозгом, хотя и дают некоторую надежду пациентам, подчеркивают, насколько мало мы понимаем роль моторной коры в здоровом движении.

* * *

Если декодирование более полезно для инженерии, чем понимание, то что мы можем использовать, чтобы разобраться с моторной корой?

Фокусировка на популяции остается популярной - и не без оснований. Нейроны моторной коры должны в какой-то степени работать вместе, чтобы генерировать движения; в конце концов, моторной коре человека отведены сотни миллионов нейронов для управления примерно 800 мышцами человеческого тела. Но это ставит ученых перед проблемой: как разобраться в активности сотен нейронов, которые обычно регистрируются в ходе эксперимента? В популяционно-векторном подходе, использованном Георгопулосом, были заложены убеждения о том, что делают нейроны: если нейроны кодируют направление, то направление и будет считываться. Но когда неврологи, изучающие двигательную активность, попытались перейти от вопроса о том, что кодирует моторная кора, к вопросу о том, чтоделает моторная кора, подходы, основанные на считывании конкретной информации, потеряли смысл. Им нужно было найти новый способ взглянуть на популяцию.

Фундаментальное различие между подходом к изучению моторной коры на основе одного нейрона и популяции заключается в размерности. В то время как пространство, в котором мы живем, трехмерно, многие системы, которые изучают ученые, имеют гораздо более высокую размерность. Например, активность популяции из 100 нейронов будет 100-мерной.

Как это абстрактное, высокоразмерное "нейронное пространство" соотносится с реальным, осязаемым, физическим пространством, может быть трудно понять. Но мы можем отталкиваться от наших интуитивных представлений о физическом пространстве, рассмотрев сначала популяцию, состоящую всего из трех нейронов. В частности, заменив метры или футы на количество спайков, испускаемых нейроном, можно описать активность этой популяции точно так же, как местоположение в пространстве. Например, при выполнении движения первый нейрон в популяции может выпустить пять шипиков, второй - пятнадцать, а третий - девять. Это дает координаты в нейронном пространстве, подобно тому как карта сокровищ описывает, сколько шагов нужно пройти вперед, потом направо, потом как глубоко копать. Иной паттерн нейронной активности будет указывать на другое место в нейронном пространстве. Изучая нейронную активность моторной коры при выполнении различных движений, ученые могут задать вопрос, соответствуют ли различные места в этом пространстве различным типам или компонентам движения.

Визуализация этой деятельности, однако, становится сложной для более широких слоев населения. Человеку, живущему в трехмерном мире , сложно мыслить шире. Как бы выглядело нейронное пространство, если бы к популяции добавился четвертый нейрон? А если бы нейронов было сто или тысяча? Здесь наши интуитивные представления рассыпаются. Компьютерный ученый Джеффри Хинтон предлагает лучший совет для решения этой проблемы: "Чтобы разобраться с гиперплоскостями в четырнадцатимерном пространстве, визуализируйте трехмерное пространство и очень громко скажите себе "четырнадцать"".

К счастью, существует другой способ решения проблемы слишком большого количества измерений: уменьшение размерности. Снижение размерности - это математическая техника, которая позволяет получить информацию в высокоразмерном пространстве и представить ее с помощью меньшего количества измерений. Она основана на предположении, что некоторые из этих исходных измерений являются избыточными - в данном случае это означает, что несколько нейронов говорят одно и то же. Если бы вы смогли выяснить, какие паттерны нейронной активности в 100-мерной популяции являются фундаментальными для этой популяции, а какие - просто переработанными комбинациями этих фундаментальных паттернов, вы могли бы объяснить эту нейронную популяцию с помощью меньшего количества измерений, чем 100.