Нейробиологи описали правила, по которым нейроны кодируют новую информацию

Каждый день люди постоянно учатся и формируют новые воспоминания. Когда вы начинаете заниматься новым хобби, пробуете рецепт, который вам посоветовал друг, или читаете последние мировые новости, ваш мозг хранит многие из этих воспоминаний годами или десятилетиями. Но как ваш мозг достигает этого невероятного результата?

В нашем новом исследовании, опубликованном в журнале Science, мы определили некоторые «правила», по которым мозг учится.

Обучение в мозге

Человеческий мозг состоит из миллиардов нервных клеток. Эти нейроны проводят электрические импульсы, переносящие информацию, подобно тому, как компьютеры передают по каналам двоичный код.

Эти электрические импульсы передаются другим нейронам через связи между ними, называемые синапсами. Отдельные нейроны имеют разветвлённые отростки, называемые дендритами, которые могут принимать тысячи электрических сигналов от других клеток. Дендриты передают эти сигналы в основное тело нейрона, где он объединяет их, генерируя собственные электрические импульсы.

Именно коллективная активность этих электрических импульсов в определённых группах нейронов формирует представления различной информации и опыта в мозге.

В течение десятилетий нейробиологи считали, что мозг учится, изменяя связи нейронов друг с другом. По мере того как новая информация и опыт изменяют способ связи нейронов друг с другом и меняют их коллективную активность, одни синаптические связи становятся сильнее, а другие — слабее. Этот процесс синаптической пластичности и является тем, что создаёт в вашем мозге представления новой информации и опыта.

Однако для того чтобы ваш мозг создавал правильные представления в процессе обучения, нужные синаптические связи должны претерпевать нужные изменения в нужное время. «Правила», по которым ваш мозг выбирает, какие синапсы менять в процессе обучения, — то, что нейробиологи называют проблемой распределения кредитов, — до сих пор оставались неясными.

Определение правил

Мы решили проследить за активностью отдельных синаптических связей в мозге во время обучения, чтобы понять, можно ли выявить паттерны активности, определяющие, какие связи становятся сильнее, а какие слабее.

Для этого мы генетически закодировали в нейронах мышей биосенсоры, которые загорались в ответ на синаптическую и нейронную активность. Мы наблюдали за этой активностью в режиме реального времени, пока мыши осваивали задачу, которая заключалась в нажатии рычага в определённое положение после звукового сигнала, чтобы получить воду.

Мы с удивлением обнаружили, что не все синапсы нейронов подчиняются одному и тому же правилу. Например, учёные часто думали, что нейроны следуют так называемым правилам Хеббиана, когда нейроны, которые постоянно срабатывают вместе, подключаются друг к другу. Вместо этого мы увидели, что синапсы на разных участках дендритов одного и того же нейрона следуют разным правилам, определяющим, становятся ли связи сильнее или слабее. Некоторые синапсы придерживались традиционного правила Хеббиана, согласно которому нейроны, постоянно срабатывающие вместе, укрепляют свои связи. Другие синапсы поступали иначе и совершенно независимо от активности нейрона.

Наши результаты свидетельствуют о том, что нейроны, используя одновременно два разных набора правил для обучения разных групп синапсов, а не одно единое правило, могут более точно настраивать различные типы входных сигналов, которые они получают, для адекватного представления новой информации в мозге.

Другими словами, следуя разным правилам в процессе обучения, нейроны могут работать в многозадачном режиме и выполнять несколько функций параллельно.

Будущее применение

Это открытие даёт более чёткое понимание того, как изменяются связи между нейронами в процессе обучения. Учитывая, что большинство заболеваний мозга, включая дегенеративные и психиатрические, в той или иной форме связаны с нарушением работы синапсов, это имеет потенциально важные последствия для здоровья человека и общества.

Например, депрессия может развиться из-за чрезмерного ослабления синаптических связей в определённых областях мозга, что затрудняет получение удовольствия. Поняв, как обычно работает синаптическая пластичность, учёные смогут лучше понять, что происходит при депрессии, и разработать более эффективные методы её лечения.

Эти выводы могут иметь значение и для искусственного интеллекта. Искусственные нейронные сети, лежащие в основе искусственного интеллекта, во многом вдохновлены работой мозга. Однако правила обучения, которые исследователи используют для обновления связей внутри сетей и тренировки моделей, обычно однообразны и не являются биологически правдоподобными. Наше исследование может дать представление о том, как разработать более биологически реалистичные модели ИИ, которые будут более эффективны, иметь лучшую производительность или и то, и другое.

Нам ещё предстоит пройти долгий путь, прежде чем мы сможем использовать эту информацию для разработки новых методов лечения заболеваний мозга человека. Хотя мы обнаружили, что синаптические связи на разных группах дендритов используют разные правила обучения, мы не знаем точно, почему и как. Кроме того, хотя способность нейронов одновременно использовать несколько методов обучения повышает их способность кодировать информацию, какие ещё свойства это может им придать, пока неясно.

Будущие исследования, надеемся, дадут ответы на эти вопросы и углубят наше понимание того, как мозг учится.