По мнению доктора Джо Тзина, ведущего нейробиолога в Университете Августы в Джорджии, ключ к интеллекту лежит в одном простом, непритязательном уравнении: N = 2^i – 1. В основе теории связанности Тзина лежит описание того, как наши миллиарды нейронов гибко собираются не только с образованием знаний, но и кристаллизацией концепций и экстраполирования изученных идей, а также рассуждения о вещах, которых мы еще не испытали.
«Интеллект в своей основе заключается в неопределенности и бесконечных возможностях», говорит Тзин.
Если вы недоверчиво уставились на уравнение, вы не одиноки. Теория кажется настолько банальной, что ее легко отмести как очередную попытку разгадать нейронный код — только теория, без доказательств.
Но в новой работе, опубликованной в Frontiers in Systems Neuroscience, Тзин и его команда проверили свою теорию в ряде экспериментов с животными и выяснили, что она выполняется для семи различных областей мозга, определяя базовые поведенческие функции, такие как кормление, память и страх.
И простота еще не самый шокирующий аспект идеи Тзина.
Что еще более спорно, теория сходится лицом к лицу с фундаментальным учением в нейробиологии: клетки, которые активируются вместе, вместе и связываются.
Эта вековая идея настолько широко принята, что вполне может считаться догмой. Она гласит, что когда нейроны активируются вместе, кодируя объект, концепцию или воспоминание, их связи укрепляются. Если какая-либо часть этого ансамбля активируется в будущем, она поднимает из памяти полное воспоминание. Другими словами, клетки активируются случайным образом, но соединяются неслучайно в процессе обучения.
На фундаментальном уровне переплетения мозга глубоко укоренены.
По мнению Тзина, эта теория имеет смысл как с точки зрения клеток, так и расчетов, но «прекрасным образом расплывается».
Со своей стороны, Тзин считает, что мозг работает на базе заранее запрограммированных и сохраненных сетей. Эти сети не выучиваются; вместо этого они состоят из заранее установленных нейронных сетей, связанных в соответствии с простым математическим принципом.
Другими словами, на фундаментальном уровне переплетения мозга глубоко укоренены — эти мотивы, установленные генетикой, лежат глубоко в основе нашей способности извлекать черты, находить взаимосвязи, извлекать абстрактные знания и, в конечном счете, рассуждать.
«На мой взгляд, Джо Тзин предлагает интересную идею о принципах организации мозга, и она подтверждается интригующим и убедительным доказательством», говорит доктор Томас Зюдхоф, нейробиолог Стэнфордского университета и лауреат Нобелевской премии по физиологии и медицине 2013 года. «Эту идею стоит проверить».
Теория связанности
Тзин не понаслышке знаком с исследованиями интеллекта.
Работая в Принстонском университете 17 лет назад, Тзин оказался среди первых, кто методом генетической инженерии создал «умную мышь», которая быстрее обучалась, дольше помнила и решала сложные проблемы в лабиринте быстрее, чем ее обычные собратья.
Создание мыши «Дуги», названной в честь гениального подростка в сериале Дуги Хаузер, навело ученых на мысль: если изменение всего нескольких генов может кардинально изменить когнитивные способности вне зависимости от обучения, возможно, эти исследования затрагивали фундаментальные переплетения мозга.
Несколькими годами спустя, изучая, как мыши формируют разные типы страшных воспоминания, Тзин обнаружил, что клетки в гиппокампе — центре памяти мозга — варьировались в характере активации.
Некоторые клетки активировались в ответ на любой тип страшных событий — воздушный взрыв со спины (имитация атаки совы), встряску на манер землетрясения или внезапное свободное падение. Другие отвечали на подмножество событий, такие как тряска и падение, но не на воздушный взрыв. Другие были еще более придирчивыми, активировались только в ответ на зависящие от контекста события, такие как землетрясение в голубой, но не в красной комнате.
При составлении карты нейроны формировали кластеры от специфических к общим.
«Зерно этой идеи привело к теории связанности», говорит Тзин.
В ядре этой теории лежит формула N = 2^i – 1, математическая логика переплетения во второй степени, которая иллюстрирует, как нейронные сети переходят от специфических к общим.
Каждая нейронная сеть называется «кликой». Простая клика включает нейроны, получающие определенный ввод. Вопреки широко распространенному мнению, что отдельные нейроны являются основной вычислительной единицей мозга, Тзин говорит, что эту роль должны брать на себя нейронные кластеры.
«Это позволяет системе избежать катастрофического отказа в случае потери одного нейрона», объясняет Тзин.
Эти простые нейронные клики затем переплетаются в большие сети, которые называются functional connectivity motifs (FCM) в соответствии с N = 2^i – 1. В этой формуле N — это число нейронных клик, соединенных различными способами, и i — типы информации, которую они получают.
Например, скажем, у вас есть животное, которое хочет пищи и самок (i = 2). Следовательно, необходимы три нейронных клики (N = 2 x 2 — 1), чтобы в полной мере удовлетворить его потребности.
«По этому уравнению каждый FCM должен состоять из полного набора нейронных клик, которые извлекают и обрабатывают различные вводы комбинаторным образом», говорит Тзин.
Объединяя эти схемы, мозг может создавать новые идеи и представления о мире, говорит Тзин. В некотором роде это вроде разборки и сборки кубиков LEGO во все новые структуры. Для животного, которое имеет дело с более сложными вводными, каждая нейронная клика обрабатывает разные аспекты поступающей информации. Вместе они переплетаются с образованием более крупных блоков, способных обрабатывать вводные данные более высокого уровня.
Эти блоки заранее программируются, а не разучиваются, и, по мнению Тзина, являются основными вычислительными кирпичиками мозга.
Таким образом, мозг может принимать информацию и превращать комбинации отдельных элементов, таких как «землетрясение» и «ландшафт», в более общие знания, такие как «природные катаклизмы».
Поскольку нейронные сети работают именно так, они образуют схемы, которые могут находить общие схемы в самых разных сортах информации. Совмещая эти схемы, мозг может выстраивать новые идеи и концепции о мире, говорит Тзин. В некотором роде это гибкое комбинирование кубиков LEGO с образованием новых структур.
Проверка теории
Если мозг действительно работает по формуле N = 2^i — 1, эта теория должна выполняться для нескольких типов когнитивных задач. Чтобы проверить идею, ученые снабдили мышей массивами электродов, чтобы послушать их нейронные разговоры.
В одном из экспериментов ученые дали животным комбинацию из четырех различных типов пищи — стандартный корм, сахарные гранулы, капли риса и обезжиренного молока. Согласно теории, мыши должны иметь 15 (N = 2^4 — 1) нейронных клик, чтобы в полной мере представлять каждый тип пищи и их различные комбинации.
Вот что они выяснили.
При записи активности миндалины, области мозга, которая обрабатывает эмоции, некоторые нейроны откликались на все виды пищи, другие же были более избирательны. Собираясь в кластеры для дальнейшей активности, они сформировали 15 клик — в точности как и предсказывала теория.
В другом эксперименте, направленном на запуск страха, животных подвергали четырем страшным сценариям: внезапному взрыву воздуха, землетрясению, неожиданному свободному падению или удару током в ноги. На этот раз записи из области коры головного мозга, которая отвечает за страх, тоже выявили 15 клеточных клик.
Аналогичные результаты были получены и в других областях мозга — в общей сложности из семи разных областей. Заметное исключение явили дофаминовые нейроны в цепочке вознаграждений, которые имеют тенденцию активироваться в двоичной манере, кодируя такие понятия, как хорошо или плохо.
Это говорит о том, что уравнение работает для многих когнитивных механизмов, если не всех.
Поэтому они перешли к проверке того, что этот алгоритм заранее конфигурируется эволюцией и развитием, а не выучивается. Они повторили описанные выше эксперименты, но с типом генетически модифицированных мышей, у которых не хватало NMDA-рецептора — главного выключателя, необходимого для изменений сети, вызванных обучением.
Удивительно, но это математическое правило выполнялось даже после удаления генов.
Учитывая, что нейроны у мышей без рецепторов NMDA не могут «активироваться вместе и переплетаться вместе», авторы исследования сделали вывод, что теория связанности коренным образом отличается от нашего нынешнего понятия пластичности: она не приобретается, а является врожденной.
И что теперь?
Тзин считает, что эту теорию можно немедленно использовать для пересмотра данных о том, как воспоминания физически хранятся в мозге, и она теоретически может пролить свет на то, как болезни и проявления старости влияют на мозг на клеточном уровне.
Благодаря хорошо описанному алгоритму, готовому к проверкам, теория может также вдохновить нейроморфные вычисления, научить искусственные схемы извлекать знания и проявлять гибкое поведение.