Адаптивность мозга иногда кажется бесконечной. Но наблюдения за мозгом в процессе обучения говорят о том, что его нейронные сети могут быть удивительно негибкими и неэффективными
Главный признак интеллекта – способность к обучению. Как показали десятилетия исследований, наш выказывает довольно большую «пластичность», то есть, способность нейронов менять связи в ответ на внешние стимулы. Но исследователи из Университета Карнеги-Мелон и Питтсбургского университета недавно обнаружили неожиданные ограничения наших способностей к обучению. и в самом деле может быть гибким и адаптивным, но, по крайней мере, на коротких периодах времени, он обучается через неэффективное повторение трюков, имеющихся в его нервном репертуаре, вместо того, чтобы создавать сеть связей с нуля.
«Когда я играю в сквош, то похож на игрока в теннис», — говорит Байрон Ю, инженер-биомедик и нейробиолог из Университета Карнеги-Мэллон, а также один из лидеров исследования. Ю играл в теннис много лет. Проблемы при игре в сквош у него возникают оттого, что в нём используются более короткие ракетки и пробиваются более быстрые и сложные удары – не похожие на те, что используются на теннисном корте. Однако при игре в сквош он скатывается к стилю использования ракеток, к которому его приучил длительный опыт игры в теннис. не так-то легко расстаётся с тем, что уже знает.
Наблюдая за работой во время обучения, Ю с коллегами обнаружили свидетельства похожего недостатка пластичности на уровне нейронов. Это открытие и связанное с ним исследование может помочь объяснить, почему одни вещи выучить сложнее, чем другие.
Несколько лет назад Ю, Аарон Батиста из Питтсбургского университета и члены их лабораторий начали использовать интерфейсы мозг-компьютер (ИМК) в качестве инструментов для совершения открытий в нейробиологии. У этих устройств имеется чип размером с ноготь, способный отслеживать электрическую активность ста нейронов сразу в моторной коре , управляющей движениями. Отслеживая последовательности всплесков напряжения, идущих через отдельные нейроны, ИМК способен подсчитать «скорость всплесков», характеризующую поведение каждого нейрона во время выполнения определённой задачи.
«Можете представить себе трудности, связанные с копанием в куче этих данных в попытке определить, чем занят , — сказал Ю. – Наши глаза не сильно натренированы на то, чтобы подмечать в таких данных скрытые закономерности». Но передовой статистический анализ, на который способен чип, может это сделать, и эти закономерности можно использовать для определения нервной активности, связанной с намерениями подопытного делать определённые движения. К примеру, система способна различить намерения испытуемого потянуться рукой влево, вправо, вверх или вниз.
Затем исследователи могут использовать выходные данные ИМК для трансляции нервной активности, связанной с определёнными движениями, в команды для курсора на экране компьютера. Методом проб и ошибок люди или животные обучаются использовать такой интерфейс, представляя себе, как двигают руку, допустим, влево, и передвигая курсор в том же направлении.
Когда Ю, Батиста и их коллеги отслеживали моторную кору обезьяны, снова и снова выполнявшей простые движения рукой, они обнаружили, что нейроны активируются не независимо. Поведение измеряемой сотни нейронов можно было описать статистически через поведение 10 нейронов, которые различным образами активировали или подавляли работу их соседей. В анализе этот результат был показан как набор точек, заполнивших совсем небольшой объём в 100-мерном пространстве данных.
«Мы называли этот объём характерным множеством [intrinsic manifold], поскольку считаем, что эта особенность действительно характерна для , — сказал Стивен Чейз, профессор биомедицинской инженерии из университета Карнеги-Мэлон. — Размерность этого пространства достаточно точно предсказывает возможности нейронов».
В 2014 году исследователи обнаружили, что испытуемым легче даётся изучение новых задач, если в этот процесс включаются комбинации нейронов, принадлежащих к характерному множеству, а не тех, что лежат снаружи его. Согласно Ю, в этом есть смысл, поскольку задачи, попадающие в характерное множество, делают запросы к , соответствующие лежащей в основе нервной структуре. По завершению исследования группа переключилась на вопрос того, как нервная активность меняется во время обучения – это описано в работе, недавно опубликованной в журнале Nature Neuroscience.
Чтобы понять, что происходит в , исследователи сначала дали приматам, оснащённым ИМК, освоиться с передвижением курсора влево и вправо. Затем команда поменяла требования к тому, какая нервная активность необходима для передвижения курсора, и стала наблюдать, какие новые закономерности нервной активности, соответствующие новому набору точек характерного множества, будут использовать животные.
Исследователи ожидали увидеть свидетельства наличия стратегии обучения под названием «перестройка», во время которой животное начало бы использовать какую-то новую схему рабочих нейронов, которая наиболее естественно подошла бы для этой задачи. «Перестройка – наилучшая стратегия, которую могут использовать животные, подверженные ограничениям, свойственным характерному множеству нейронов», — сказал Мэтью Голуб, постдок, участвовавший в этом проекте вместе с Ю и Чейзом, и работающей сейчас в Стэнфордском университете. Или же обезьян мог бы начать обучение через «перемасштабирование», процесс, в котором нейроны, задействованные в первичной задаче обучения, увеличивали или уменьшали бы количество всплесков, пока не натыкались бы на какую-то рабочую схему.
Но, к вящему удивлению исследователей, не случилось ни перестройки, не перемасштабирования. Вместо этого исследователи наблюдали за крайне неэффективным процессом «реассоциации». Испытуемые обучались новой задаче, просто задействовав уже имеющиеся нервные последовательности, меняя их назначение. Последовательности, которые ранее передвигали курсор влево, начали двигать его вправо, и наоборот. «Они занимались повторным использованием», — сказал Голуб, только при новых условиях.
Зачем же использовать не самую эффективную стратегию обучения? Результаты открытий группы говорят о том, что как работа всей нервной архитектуры ограничивается активностью характерного множества, так и работа нейронов из этого множества имеет ограничения на реорганизацию их деятельности. Батиста предполагает, что изменения синаптических связей между нейронами, которые пришлось бы проводить для перестройки, оказались бы слишком сложными для того, чтобы провести их достаточно быстро. «Пластичность на краткосрочных периодах может оказаться более ограниченной, чем мы предполагали, — сказал он. – Обучение подразумевает забывание. неохотно отказывается от приобретённых навыков, с которыми он уже знает, как обращаться».
Чейз сравнил моторную кору со старинным телефонным коммутатором, в которой нервные связи, точно кабели, соединяют входы участков коры с выходами мозжечка. Как он сказал, во время экспериментов «мозг просто меняет схему подключения кабелей» – хотя нюансы этого процесса до сих пор неясны.
«Стратегия изменений „на скорую руку“ предполагает смену входных связей коры», — сказал Ю. Но он также отметил, что в их экспериментах отслеживалась активность в течение 1-2 часов. Исследователи не могут пока исключить возможность того, что реассоциация служит промежуточным этапом обучения новым задачам; за более длительное время всё ещё может произойти перестройка или перемасштабирование.
Если так, это может объяснить разницу в том, как новую информацию, связанную с общими интересами, обрабатывают новички и эксперты. «Начинающим приходится работать с тем, что у них есть, а эксперты занимаются консолидацией знаний, — сказал Батиста. – Описанное может быть нервной основой для этого хорошо известного явления».
Автор: Вячеслав Голованов
