Мозг материален - Ася Казанцева

Если центр рецептивного поля полностью затемнен, а периферия (хотя бы частично) освещена, то это вообще подавит активность клетки с on-центром, это самая неестественная для нее ситуация, она совсем замолчит. И наконец, у четвертой клетки центр рецептивного поля освещен, а периферия (хотя бы частично) затемнена. Это оптимальные условия для ее работы, и активность ее будет максимальной. А связи между нейронами выплетены таким образом, чтобы клетка коры возбуждалась именно тогда, когда у одних ее подконтрольных клеток активность есть, а у других нету. Они, в свою очередь, получают информацию от фоторецепторов, расположенных рядом друг с другом в какой‐то конкретной области сетчатки. Соответственно, когда все сходится, клетка зрительной коры говорит: “Ага! Паттерн активности именно такой, как если бы тут проходила вертикальная граница между светлым и темным!” Ну вот конструктивно вся сеть выплетена так, чтобы она возбуждалась именно в этот момент.

А дальше – вы уже догадались – есть нейроны следующего уровня иерархии. Они обобщают информацию от многих клеток, которые зарегистрировали линии, расположенные под разными углами. Это позволяет сложить из линий, например, квадрат или букву М (а поскольку все нейронные сети укрепляются, если их постоянно использовать, то букву М большинству читателей этой книги распознать проще, чем букву מ). А параллельно в других таких же сетях происходит обработка цвета, движения, глубины^[253]. Принципиально важно здесь то, что зрение совсем не похоже на фотографирование. Мы разбираем информацию на отдельные признаки, обрабатываем их независимо, а потом собираем картинку заново.

Может показаться, что больше всего это похоже на компьютерный алгоритм. На входе нужна определенная комбинация активирующих и подавляющих сигналов (нулей и единиц), чтобы клетка выдала собственный сигнал (ноль или единицу). Но в мозге все немного хитрее, потому что, как правило, важен не единичный сигнал, а частота импульсов. Базовые принципы этой архитектуры (во всяком случае, когда мы говорим о ранних этапах обработки зрительного сигнала) заданы генетически и формируются еще до рождения, но понятно, что индивидуальный опыт влияет на тонкие настройки системы, потому что усиливает одни синапсы и ослабляет другие. Помните котят, которые лишились способности видеть вертикальные или горизонтальные линии, потому что ничего такого не было в их жизненном опыте во время критического периода развития зрительной системы?

Во всяком случае, аналогия с компьютерным алгоритмом интересна тем, что на самом деле все наоборот. Это компьютерные алгоритмы похожи на работу зрительной системы и в значительной степени ее исследованиями и вдохновлены. Есть целая группа математических алгоритмов (и приборов, которые работают на их основе), которая вот прямо так и называется – нейросети. Именно потому, что у них такой же принцип работы: функциональный элемент собирает входящие сигналы и выдает или не выдает свою реакцию в зависимости от того, какие именно сигналы на него поступили. Конструктивно ближе всего к нашей зрительной системе свёрточные нейронные сети^[254], которые, собственно, и предназначены в первую очередь для распознавания изображений. Сегодня разрабатывают такие алгоритмы для распознавания лиц, рукописного текста, электроэнцефалограмм и множества других важных вещей. Справляются они пока что хуже, чем живые люди, – ну так у них и функциональных элементов намного меньше. И развиваться они начали на сотни миллионов лет позже, чем наша прекрасная нервная система.