Мозг: биография. Извилистый путь к пониманию того, как работает наш разум, где хранится память и формируются мысли

Одним из возможных исключений является работа Дьерджи Бузаки, пытавшегося применить идеи Хебба о клеточных ансамблях к современным данным, в частности с точки зрения флуктуирующих[248] взаимодействий между нейронными сетями во время мозговой активности [60]. Эта мысль привела его к аргументации гипотезы, которую он назвал «вывернутым наизнанку» взглядом на мозг. Мозг ученый рассматривает как систему для принятия решений, а не просто место сбора и обработки информации. Деятельность клеточных ансамблей должна рассматриваться с позиции результатов их деятельности и последствий этой деятельности для организма, а не просто создания представления-проекции внешнего мира.

Правда, несмотря на то, что концепция Бузаки может рассмтриваться как часть общего осознания того, что мозг не является пассивной структурой, она еще не получила широкого признания.

Все более популярными в области нейроисследований становятся сложные математические вычисления, которые позволяют уменьшить множество измерений, присутствующих в богатых наборах данных. Описывая информацию в терминах того, что на профессиональном языке называется «низкоразмерными аттракторными[249] многообразиями» (low-dimensional attractor-like manifolds), ученые утверждают, что могут выявить различные состояния в деятельности данной сети и видеть, как система переходит из одного состояния в другое, когда животное находится под влиянием стимула [61]. Такой популяционный подход к деятельности нейронных сетей одновременно является амбициозным и даже желанным, так как дает возможность описать деятельность нейроных сетей у многих животных, мозг которых состоит из невообразимо большого количества нервных клеток и связей между ними [62]. Однако исследования уводят нас далеко от компонентной нейронной активности, и подход в целом носит описательный характер. Ряд испытаний недавно показал, что такие методы могут привести к более функциональному пониманию. Основой обучения является пластичность отдельных синапсов. Если рассматривать их на уровне сложного поведения, управляемого мозгом, то функция пластичности может выражаться в возможности нейронной сети генерировать новые паттерны активности. Хотя активность отдельных нейронов может быть весьма изменчивой во времени, активность синхронно возбуждаемой сети может быть очень стабильной. Более того, кажется, что существуют четкие параллели между подобными исследованиями и тем, как мозг на самом деле производит и контролирует движение [63].

* * *

Одна из проблем в анализе работы мозга – сложность, которая обнаруживается в поведении даже простейших нейронных цепей. Такой урок был извлечен из работы Ив Мардер, американского нейробиолога из Брайденского университета, которая посвятила свою блестящую научную карьеру изучению желудка ракообразных [64]. Эта структура перемалывает пищу, используя два ритма, сформированных примерно тридцатью нейронами (точное число отличается от вида к виду) и организованных в три цепи. Каждая содержит пример генератора центральных паттернов упорядоченной активности[250] – набора биологических компонентов, спонтанно запускающего многократную реакцию в отсутствие сенсорного стимула и, прежде всего, без признаков того, чтобы данный ритм был задан снаружи или внутри какой-либо отдельной клетки [65]. Ритм возникает из активности сети.

Одна из проблем в анализе работы мозга – сложность, которая обнаруживается в поведении даже простейших нейронных цепей.

Несмотря на наличие четко установленного коннектома из тридцати с лишним нейронов, участвующих в так называемом стоматогастральном ганглии[251] ракообразных, группа Мардер не нашла точного объяснения, как именно функционируют даже небольшие части данной системы. Трудности, связанные с пониманием таких, казалось бы, простых генераторов центральных паттернов, были выявлены уже давно. В 1980 году нейробиолог Аллен Селверстон опубликовал широко обсуждаемую статью под названием «Понятны ли генераторы центральных паттернов упорядоченной активности?», где утверждал, что ключевой проблемой является выявление природы и функций компонентов в подобных нейронных цепях [66]. Несмотря на увеличение вычислительной мощности техники моделирования и более высокий уровень точности приборов, идентифицирующих и регистрирующих активность нейронов, ситуация продолжила усугуляться в течение последних сорока лет.