Нейронный шум помогает учиться

Чтобы научиться отличать одно от другого, мозг должен принимать решение в условиях нейронного шума.

Двадцать лет назад нейробиологи из Стэнфорда обнаружили у некоторых нейронов мозга странную шумовую активность: они реагировали на такие стимулы, которые, казалось, не имели к ним никакого отношения. И такая активность возникала именно тогда, когда мозг принимал какое-то решение. Сам же эксперимент состоял в следующем: подопытные животные должны были определить, как движутся точки на экране, справа налево или слева направо; в случае правильного ответа выдавалась награда. С помощью такой модели можно изучать, какие процессы в мозге сопровождают формирование категорий. Категоризация объектов и явлений - одна из самых общих особенностей психики, лежащая в основе обучения, и действительно было бы интересно узнать, что в этот момент происходит в мозге. В данном случае, как легко понять, нужно было выделить два класса объектов: те, что движутся в одну сторону, и те, что движутся в противоположную сторону.

В результате удалось обнаружить группу нейронов, реагирующих на движение, причём среди них были такие, которые становились особенно активны именно в момент принятия решения. Однако активность их выглядела так, как если бы одни клетки в ответ на точку кричали «справа налево!», а другие в ответ на ту же самую точку - «слева направо!», вне зависимости от того, куда на самом деле точка движется. Уровень шума снижался с помощью вознаграждения за правильный ответ - оно настраивало нейроны, делая их более разборчивыми и менее шумными, так что они начинали реагировать большей частью только на точки какой-то одной, «своей», категории. Причём особенно странно было то, что нейронный шум происходил вовсе не в тех участках коры, которые обычно связаны с принятием решения.

Зачем шумят нейроны в «непрофильном» отделе мозга, удалось отчасти выяснить только сейчас, с помощью компьютерной модели, разработанной Татьяной Энгил (Tatiana Engel) и её коллегами; результаты их работы опубликованы в Nature Communications. Модель имитировала работу нейронных цепей, связывающих сенсорные области мозга с категоризирующими. Виртуальные нейроны «наблюдали» точки, которые двигались в разные стороны и которые нужно было распределить по таким же двум классам, «правому» и «левому» - как и в исходном эксперименте с животными.

Смоделированную нейронную цепь, в отличие от настоящей, можно лишить способности шуметь, что исследователи и сделали. Но оказалось, что без нейронного шума, сопровождающего выбор, невозможно формирование категорий. Иными словами, для того, чтобы в уме сформировался класс точек, движущихся справа налево, мозг должен делать выбор в «шумных» условиях, когда часть нейронов одновременно будут «агитировать» за неправильный ответ. Если отвлечься от точек и подобрать более жизненный пример, то представим, что вы каждое утро выбираете между чашкой кофе и чашкой чая. Вы делаете выбор каждый день в течение недели, двух недель, месяца, полугода, и в конце концов приходите к мысли, что утренняя чашка кофе - именно то, что надо. Но если вдруг случится так, что ваш мозг будет делать выбор без всякого шума, то у вас просто не сформируется связи между утренними часами и кофе, само понятие утреннего кофе будет отсутствовать.

Конечно, здесь есть большое искушение интерпретировать нейронный шум как «сомнение», или как «необходимость рассматривать все варианты решения из возможных». Впрочем, такие формулировки относятся, скорее, к области философии, которую мы пока вряд ли можем соотнести с конкретными нейрофизиологическими феноменами. Однако вполне может быть, что новые данные в будущем позволят создать какие-нибудь аппаратные методы, улучшающие когнитивные способности - через управление нейронным шумом. Но пока что предстоит выяснить, откуда он, собственно, берётся: то ли это сенсорные отделы его генерируют, то ли его производят другие области мозга, которые непосредственно связаны с принятием решений, или же здесь задействованы и сенсорный, и когнитивный отделы вместе.

источник: http://vk.cc/3Bfs3M

Источник: vk.cc

Комментарии: