Мозг: прошлое и будущее. Что делает нас теми, кто мы есть

Джасанов Алан

В наши дни самая популярная аналогия разума и сознания – компьютер. И понятно почему: современные компьютеры, как и наш разум, способны проявлять свой интеллект неожиданно и загадочно. Критики такого подхода возражают, что нельзя сводить человеческое сознание и понимание к бездушному перевариванию цифр в недрах процессора [67] . Аналогия между разумом и компьютером в той или иной степени упрощает либо игнорирует сознание, а значит, в той же степени принижает то, что мы считаем главным в себе. Представление о разуме как о вычислительной машине зародилось в те времена, когда человеческий разум очевидно превосходил компьютеры, поэтому сравнение было несколько обидным. Сегодня же все почти наоборот: компьютеры для нас – сочетание безупречного владения арифметикой, огромной памяти и точности, с которыми наш разум, конечно, не в силах сравниться.

67

J. R. Searle, «Minds, brains, and programs», «Behavioral and Brain Sciences» 3 (1980): 417–457; Роджер Пенроуз, «Новый ум короля. О компьютерах, мышлении и законах физики» (Москва: Едиториал УРСС, ЛКИ, 2015).

Большинство ученых и философов согласны с аналогией между разумом

и компьютером и так или иначе включают ее в свое профессиональное кредо – и пассивно, и активно. А поскольку разум тесно связывают с мозгом, подобным же образом распространено и представление о мозге как компьютере. В нашей культуре этот образ поистине вездесущ. Один из самых ярких эпизодов оригинального сериала «Звездный путь» начинается с того, что инопланетная цивилизация похищает мозг Спока и внедряет его в гигантский компьютер, где тот контролирует системы жизнеобеспечения целой планеты [68] . Роботы из научно-фантастических произведений, как правило, носят в голове то ли мозги-компьютеры, то ли компьютеры-мозги – от позитронных мозгов из «Я, робот» Айзека Азимова до разладившегося мозга, занимающего исполинский череп Марвина, андроида-параноика, из экранизации «Автостопом по галактике» 2005 года [69] . Напротив, многие настоящие роботы, спроектированные, например, в агентстве DARPA (Управление перспективного планирования оборонных научно-исследовательских работ министерства обороны США), носят свои процессоры в груди или и вовсе в нескольких местах по всему телу – не так похоже на мозг, зато лучше защищено от поломок [70] . Научно-популярные журналы пестрят аналогиями между мозгом и компьютером: они то и дело сравнивают мозг с настоящими компьютерами с точки зрения скорости и производительности.

68

«Мозг Спока», «Звездный путь», 3 сезон, эпизод 1, режиссер Марк Дэниелс, «CBS Television», 20 сентября 1968 года.

69

Айзек Азимов, «Я, робот» (Москва: Знание, 1964); «Автостопом по галактике», реж. Гарт Дженнингс (Buena Vista Pictures, 2005).

70

M. Raibert, K. Blankespoor, G. Nelson, R. Playter, and the BigDog Team, «BigDog, the rough-terrain quadruped robot», «Proceedings of the 17th World Congress of the International Federation of Automatic Control» (2008): 10822–10825; S. Colombano, F. Kirchner, D. Spenneberg, and J. Hanratty, «Exploration of planetary terrains with a legged robot as a scout adjunct to a rover», «Space 2004 Conference and Exhibit, American Institute of Aeronautics and Astronautics» (2004): 1–9.

Но что нам дает сравнение мозга с компьютером? Помогает ли оно нам что-то понять? Пальцы похожи на китайские палочки для еды. Кулаки – на молотки. Глаза – на фотокамеры. Рот и уши – на телефон. Эти аналогии ничего не стоят, поскольку слишком очевидны, поэтому они и не укореняются в культуре. Инструменты, входящие в каждую пару, – это предметы, предназначенные для работы, которую мы, люди, и так приспособились выполнять в ходе эволюции, просто хотим делать ее еще лучше или по крайней мере немного иначе: затем мы и создали эти орудия. В какой-то момент мы решили, что хотим перемножать большие числа быстрее и точнее, чем получается в уме, и придумали орудия и для этого. Оказалось, что эти орудия годятся и для многих других задач, которые мы тоже способны решать при помощи мозга: запоминать, доказывать теоремы, распознавать голоса, водить машину, направлять ракеты. Мозг похож на компьютер, потому что компьютеры придуманы, чтобы делать то же самое, что и мозг, только лучше.

Мозг похож на компьютер в такой степени, что физические аналогии между мозгом и компьютером возникли на самой заре цифровой эпохи, еще в 1957 году, когда Джон фон Нейман, математик и изобретатель первых компьютерных технологий, написал книгу «Computer and the Brain» («Компьютер и мозг»). Фон Нейман утверждал, что математические операции и конструктивные принципы цифровых машин, вероятно, похожи на феномены и механизмы мозговой деятельности [71] . Отчасти сходство, подтолкнувшее фон Неймана к таким параллелям, очевидно. И мозг, и компьютер, как известно, зависят от электричества. Биоэлектрическую активность нервной системы можно зарегистрировать даже удаленно при помощи электродов, размещенных вне мозговых клеток и даже вне головы, так что биоэлектрическая активность служит особенно наглядным показателем мозговой деятельности. Если вам когда-нибудь делали электроэнцефалографию (ЭЭГ), то вы наблюдали это явление в действии: к коже головы прикрепляли тоненькие проводки (или надевали шапочку с ними), после чего считывали данные об электрической активности мозга. Электроэнцефалограмма позволяет распознать признаки эпилепсии, мигрени и других расстройств.

71

John von Neumann, «The Computer and the Brain» (New Haven, CT: Yale University Press, 1958).

Электрические сигналы мозга обусловлены крошечными перепадами напряжения на мембранах, окружающих нейроны, – как перепады между клеммами батарейки (см. рис. 2). Но, в отличие от батареек, трансмембранные перепады напряжения (мембранные потенциалы) динамически колеблются в зависимости от времени, поскольку через клеточную мембрану течет поток электрически заряженных молекул – ионов. Если напряжение нейронной мембраны колеблется сильнее 20 милливольт относительно уровня, когда клетка находится в покое, может возникнуть гораздо более сильный всплеск напряжения – так называемый потенциал действия, или спайк. Во время потенциала действия ионы мечутся туда-сюда по крошечным канальцам в мембране, и напряжение нейрона меняется примерно на 100 милливольт и возвращается к исходной величине всего за несколько миллисекунд. Если у нейрона возникают такие всплески электрической энергии, мы говорим, что он «стреляет». Потенциалы действия распространяются по нервным волокнам быстрее мчащегося гепарда – благодаря этому разные участки мозга способны взаимодействовать с достаточной скоростью, чтобы обеспечивать восприятие и когнитивные функции [72] . Большинство нейронов выстреливает потенциалами действия с частотой от нескольких в секунду до около 100 в секунду [73] . В этом отношении нейронные потенциалы действия напоминают электрические импульсы, приводящие в действие наши модемы и роутеры

и позволяющие нашим компьютерам и другим цифровым устройствам производить вычисления и налаживать связь друг с другом. Измерения этой электрофизиологической активности – основа экспериментальной нейрофизиологии, а электрические сигналы часто считают языком, на котором клетки мозга разговаривают друг с другом – этакой мозговой lingua franca [74] .

72

R. D. Fields, «A new mechanism of nervous system plasticity: Activity-dependent myelination», «Nature Reviews Neuroscience» 16 (2015): 756–767; Mark Carwardine, «Natural History Museum Book of Animal Records» (Richmond Hill, ON: Firefly Books, 2013).

73

A. Roxin, N. Brunel, D. Hansel, G. Mongillo, and C. van Vreeswijk, «On the distribution of firing rates in networks of cortical neurons», «Journal of Neuroscience» 31 (2011): 16217–16226.

74

Lingua franca – язык или диалект, используемый по взаимной договоренности для общения между людьми, для которых он не родной.

Рис. 2. «Электронно-вычислительные» аналогии с функционированием мозга. Вверху: зависимость трансмембранного потенциала от времени при потенциале действия, на врезке показана модельная электрическая схема, которая позволяет рассчитать этот процесс с точки зрения обычной электротехники. На основе работы A. L. Hodgkin, A. F. Huxley; внизу слева: нервная структура гиппокампа, иллюстрация знаменитого нейроанатома Камилло Гольджи; внизу справа: плата памяти современного компьютера (по лицензии Adobe Stock)

Есть в мозгах и электрические нейронные сети, чем-то напоминающие интегральные микросхемы в компьютерах. Нейронные сети – это группы нейронов, соединенных между собой синапсами. Многие нейрофизиологи считают синапсы самыми фундаментальными единицами нейронных связей, поскольку синапсы модулируют нервные сигналы при переходе от клетки к клетке. В этом смысле синапсы напоминают транзисторы – атомарные элементы устройства компьютера, которые то включаются, то выключаются и регулируют поток электрического тока при цифровой обработке сигналов. Человеческий мозг содержит миллиарды нейронов и триллионы синапсов – гораздо больше, чем транзисторов в обычном персональном компьютере в наши дни [75] . Синапсы в целом передают сигналы в одном направлении – от пресинаптического к постсинаптическому нейрону, которые соединяет синапс. Самое распространенное средство этой коммуникации – так называемые нейромедиаторы, химические вещества, выделяемые пресинаптическими клетками. Разные виды синапсов (зачастую различающиеся по разновидностям используемых нейромедиаторов) позволяют пресинаптическим клеткам повышать или понижать частоту потенциалов действия в постсинаптических клетках или оказывать на нее более тонкое воздействие. Это отчасти похоже на то, как давишь ногой на педали автомобиля, чтобы добиться разных результатов в зависимости от того, какую педаль используешь и на какой передаче.

75

Например, процессоры «Intel Skylake», установленные в лэптопы Apple Macbook Pro 2016 года, содержат почти два миллиарда транзисторов, примерно в 50 раз меньше, чем нейронов в человеческом мозге.

На электрическую сеть похожа зачастую и сама структура нервной ткани. Во многих областях мозга нейроны и контактирующие с ними синапсы организованы в стандартные местные сети, которые напоминают наборы электронных компонентов, составляющие микросхему или печатную плату. Например, кора головного мозга, покрытая извилинами кожура, составляющая основную массу человеческого мозга, имеет слоистую структуру, и эти слои идут параллельно поверхности мозга – совсем как ряды микросхем на карте памяти компьютера (см. рис. 2).

Кроме того, нейронные сети делают то, для чего придуманы электронные цепи в цифровых процессорах. На самом простом уровне отдельные нейроны «умеют» складывать и вычитать, сочетая импульсы, которые получают от пресинаптических клеток. Грубо говоря, исходящий импульс постсинаптического нейрона – это сумма всех входящих импульсов, повышающих частоту потенциалов действия, минус все символы, которые ее понижают. Эта элементарная нейронная арифметика лежит в основе многих функций мозга. Например, зрительная система млекопитающих устроена так, что сигналы от пресинаптических нейронов, реагирующих на свет, из разных участков сетчатки суммируются, когда импульсы от этих клеток сходятся в отдельные постсинаптические клетки. Если комбинировать такие вычисления на множестве стадий, на каждой из которых задействуется новый уровень клеток, суммирующий данные от предыдущего уровня, можно получать реакцию на все более сложные световые узоры.

Сложность нейронных вычислений доходит до понятий из вузовской математики. Нейронные сети «знают» математический анализ, основу основ программы первого курса, и применяют его, когда надо отследить, как что-то в мире меняется или накапливается со временем. Когда глядишь на что-то определенное, двигая головой или телом, то задействуешь «нейронный матанализ», чтобы отслеживать прогресс собственных движений, и на основании этих данных корректируешь направление взгляда, чтобы оно не менялось при движении. Ученые выявили в мозге золотой рыбки группу из 30–40 нейронов, видимо, предназначенную для таких расчетов [76] . Другая разновидность нейронного матанализа позволяет зрению мухи распознавать движущиеся предметы. Для этого маленькие группы нейронов на сетчатке мухи сравнивают сигналы из соседних точек пространства [77] . Эти маленькие нейронные сети сигнализируют о движении, если визуальный сигнал из одной точки прибывает раньше, чем сигнал из второй точки, – примерно как мы с вами делаем вывод о движении поезда метро, сопоставляя время прибытия на соседние станции, даже если не наблюдаем движущийся поезд непосредственно.

76

E. Aksay et al., «Functional dissection of circuitry in a neural integrator», «Nature Neuroscience» 10 (2007): 494–504.

77

A. Borst and M. Helmstaedter, «Common circuit design in fly and mammalian motion vision», «Nature Neuroscience» 18 (2015): 1067–1076.