Мозг работает как центральный компьютер для

Обновлено: 04.07.2024

Почему размер мозга не связан с умом, как в нейронах возникает электричество и зачем мы все время тормозим. В гостях у ведущего передачи «Вопрос науки» Алексея Семихатова доктор биологических наук, профессор биологического факультета МГУ Вячеслав Альбертович Дубынин.

Мозг — не компьютер, потому что в нем есть штука под названием «синапсы», где сигналы передаются химическими веществами, и это тот принцип, которого нет в компьютере. Мозг — электрический и химический.

Пока сигнал бежит по нейрону — это электрический импульс, а когда он между нейронами — это химическое вещество. В тот момент, когда передаются химические сигналы от разных синапсов, возникает то, что мы можем назвать принятием решения, а иногда — мышлением. Нервная клетка считывает, сравнивает сигналы, часть из них заставляет ее реагировать, а часть, наоборот, говорит: не реагируй.

Нейроны все время тревожат друг друга, передают информацию при помощи химических веществ. Если информация передается с помощью слабых химических сигналов, она очень легко теряется и ваша мысль, которую вы начали думать, до конца не дойдет. И поэтому «умнеть» — это, как правило, означает, что некие контакты в синапсе начинают в системе работать более эффективно. То есть, когда мы учимся и умнеем, это в наших нейросетях синапсы начинают работать более эффективно. И это, как правило, означает изменение именно на химическом уровне.

Сам нейрон — это здоровенная вычислительная машина. А элементарной структурно-функциональной единицей мозга является именно синапс. И, собственно, вычислительные возможности мозга — это не его вес, не число нейронов, а число синапсов на единицу объема.

Нейронов может быть не так много, но контактов они образуют большое количество, и эта штука будет очень эффективно считать. Иногда маленький мозг работает мощнее, чем большой. Ну так же, как компьютер. Хороший пример — это птицы. Ведь у них каждый грамм на счету, они должны летать. Поэтому они создают такие очень компактные «ноутбуки», где вычислительные ресурсы очень плотно спрессованы. Ворона или попугай по интеллекту не уступают собаке, а местами и превосходят.

Бразильская исследовательница Сюзана Херкулано-Хузел научилась очень точно считать количество нейронов в разных отделах. И последние десять лет она публикует совершенно фантастические статьи. У нее получается, что наша линия, линия приматов, как раз обладает повышенной плотностью нейронов, повышенной плотностью синапсов. А у птиц это врановые и попугаи.

Синапс срабатывает за 2–3–5 миллисекунд, это медленно. Компьютер бы просто смеялся. Вернее, он бы ждал. Мы за счет чего выскакиваем? У нас мозг так работает, что мы — не один процессор, а сотни, тысячи параллельно работающих сопроцессоров. Как идет сложный процесс — например, зрительное восприятие? Сигнал разбрасывается на разные центры, и один считает форму, второй — размер, третий — расстояние, а также объем, движение. И потом после этого ассоциативная теменная кора создает целостность.

Откуда в голове берется электричество? Начинается все с того, что мы едим глюкозу. Дальше все это попадает в митохондрии, которые все это превращают в особые энергоемкие молекулы, они называются АТФ. Это микробатарейки для внутреннего пользования нейронов. От них нейрон получает отрицательный заряд цитоплазмы. А положительный выбрасывается из клетки.

Когда говорится, что мозг потребляет до 20% энергии, — это в основном энергия на постоянную подзарядку этих внутренних батареек, на сохранение постоянного отрицательного заряда нейронов. Каждый раз, когда идет передача информации и возникает импульс, мы часть этого заряда тратим.

Эти заряды или потенциалы можно измерить. Для удобства работают с нервными клетками, которые просто выросли в чашке Петри, как микробы. Вы под микроскопом вводите в культуру клеток тончайшую стеклянную трубочку, там внутри раствор калий-хлор. И когда вы протыкаете мембрану, заряд прыгает вниз, показания вашего вольтметра меняются и составляют где-то –70 милливольт, или –0,07 вольта. Немного, но вполне осязаемо. Когда импульс идет по нейрону, он использует этот отрицательный заряд для того, чтобы генерировать очередную ступеньку тока. И вот эта ступенька бежит по нервной клетке. По сути это почти двоичный код. Все наши мысли, чувства, эмоции кодируются такими ступеньками. Если мы воткнемся в правильное место нейросети и будем такие ступеньки подавать, мы можем у человека вызвать иллюзию положительных эмоций. Или какого-то зрительного образа. Или движение запустить.

И когда такой импульс добегает до окончания нервной клетки, он запускает движение специальных пузырьков. Там вещество — медиатор, по-русски посредник. И этот посредник влияет на мембрану следующей нервной клетки. Пузырек прилипает к наружной мембране и лопается. Медиаторы выбрасываются в узкую щель между двумя нервными клетками. Она называется «синаптическая щель». Дальше эти медиаторы доплывают до следующей клетки и нажимают на специальные чувствительные белки. Если медиатора достаточно много, тогда следующий нейрон сгенерирует импульс и это будет означать, что какой-то кусочек информации благополучно миновал синапс.

Просто так информацию никто не проводит, иначе наш мозг будет зашумлен. Сигнал должен быть достаточно сильным. Для того чтобы возник импульс на следующей клетке, надо, чтобы эти волны дошли до уровня где-то –50 милливольт. Одиночное срабатывание синапса обычно дает только половину, а то и треть от этого. Чтобы сигнал прошел, нужно повторное подтверждение: да, это значимо, да, это значимо… Это называется «временная суммация», когда по одному каналу идет несколько пинков. Срабатывание сразу нескольких каналов называется пространственной суммацией. В реальном мозге работают и пространственная, и временная.

Но кроме возбуждающих синапсов есть еще тормозные, которые мешают работать возбуждающим. При работе тормозных синапсов возникает противоположное течение зарядов. И волна торможения вычитается из волны возбуждения.

Когда стали изучать мозг, то увидели, что половина нейронов занимается торможением. Очень важно проводить информацию и не менее важно не проводить. Когда важно не проводить информацию? Например, школьник спокойно сидит за партой и не чешется, не крутится, смотрит на доску. Или вы просто идете, у вас из 400 мышц работают только 10%, а остальные надо подтормаживать. У нас главная двигательная структура находится в мозжечке, и там самые крупные нейроны — именно тормозные. Они блокируют лишние движения.

Чтобы хорошо двигаться, нужно начать с того, что себя блокировать, а уже потом разблокировать. Наши двигательные центры так организованы, что над ними все время тормозная завеса. Потому что это очень критичная на самом деле штука — движение. Ведь мы, если совершили неподходящий шаг, можем погибнуть просто мгновенно. Поэтому в сенсорной системе, в центрах памяти, эмоций возбуждение возникает гораздо легче. Там это не так критично — подумаешь, там что-то послышалось!

Можно привести такой пример: апельсин на прилавке магазина. Вы видите, что да, это апельсин, вы чувствуете его запах, а еще центры голода говорят: неплохо бы поесть! И вот вы уже почти его схватили. А в это время тормозные нейроны сообщают: это вообще-то не ваш апельсин. Вы его еще не купили. И денег у вас нет. И воровать нехорошо. Вот если эти волны вниз так вычтутся из волн вверх, что мы не дойдем до порога запуска импульса, то ничего не будет. А если возбуждение все-таки победит — вы схватите апельсин и попытаетесь убежать.

Наша работа нейронов — это все время вот такая конкуренция возбуждения и торможения. Это даже мышлением назвать немного стыдно. И таких процессов происходит невероятное, безумное количество. Потому что счет синапсов идет на триллионы.

Бросьте в меня камень, если вы никогда не слышали этого сравнения: «Мозг человека — это компьютер». Эта простая метафора вызывает холивары во всем мире, сталкивает лбами интеллектуалов и, возможно, стала причиной нескольких инсультов. Одни утверждают, что человеческое мышление не может уложиться в бинарные рамки компьютерной программы. Другие — что, невзирая на свое богатство, наше мышление остается пусть превосходным, но процессором. Но и сторонники, и противники забывают о главном: спорят они не о метафоре, а о гипотезе.

Больная метафора

Чтобы аргументированно рассуждать о мозге как компьютере, для начала нужно определиться с тем, что мы называем компьютером. Давайте пойдем от противного: от того, чем компьютер не является.

Компьютер — это точно не коробочка под вашим столом, не ноутбук на ваших коленях и не смартфон в ваших руках. Микрочипы, оперативная память и кэш — это лишь элементы компьютера. Если воспринимать его как пластиковую коробку с электронной начинкой, то, конечно, вы смело можете сказать, что мозг — точно не компьютер. Ну хотя бы потому, что серое вещество после вашего выключения не может служить жестким диском, и к вашей памяти ни у кого не будет доступа. Так вот, эту ошибку восприятия компьютера как коробочки с различными функциональными элементами совершают многие противники нашей метафоры.

Так в чем же их ошибка? Дело в том, что сравнение мозга с компьютером — это не про технологии совсем. Сравнение берет начало из формального определения компьютера, которое впервые дал в 1936 году Алан Тьюринг . Для справки: в 1945 году Джон фон Нейман разработал архитектуру современного компьютера. А сами современные компьютеры появились только в 50-х годах прошлого века.

Историки до сих пор спорят о том, что же можно считать первым компьютером. Но сходятся они в одном: до 1936-го компьютеров не было. Размышления Тьюринга по большому счету касались не вычислительных систем, а человека: он изучал способности к решению задач, к вычислениям, к построению логической последовательности. Компьютеру было дано формальное определение еще до того, как он появился.

Даже не вспоминайте машины Бэббиджа. Его разностная машина была только феноменальным калькулятором, а аналитическую машину ему так и не удалось построить. Кроме того, обе они были механическими. Хотя да, разработки Бэббиджа помогли сформировать идею электронных вычислительных машин.

А что, если мы перевернем метафору и скажем, что компьютер работает как мозг? Вернемся к фон Нейману. Этот ученый, разрабатывая архитектуру компьютера, опирался на гипотетическую модель функционирования мозга Маккаллока и Питтса. Эти два ученых предполагали, что нейроны мозга могут либо посылать электрический «разряд», либо не посылать.

Иными словами, в их понимании нейрон зашифровывает информацию бинарным кодом: либо 1 («посылать»), либо 0 («не посылать»).

Это умозаключение позволяло предполагать, что группы нейронов действовали согласно формальной логике, что очень полезно для различного рода вычислений. Фон Нейман был прекрасно знаком с Маккаллоком, читал его работы и смог использовать его идею бинарной логики для создания компьютерной архитектуры.

Так что можно сказать, что компьютерные науки опираются на науку о мозге. Что, кстати, вовсе не означает, что мозг и компьютер работают схожим образом. Фон Нейману просто приглянулась простая аналогия работы нейронов, но по факту она не учитывает базовые принципы их функционирования.

К примеру, на самом деле нейроны посылают сигналы постоянно, а не с перерывами, а значит, о бинарной логике речи быть не может.

И фон Нейман честно говорит о том, что компьютер работает не так, как мозг).

Здоровая метафора

Ну так что же мы имеем в виду, когда называем мозг компьютером? Что означает компьютер в этой метафоре? Ответ примерно такой: мы имеем в виду машину, выполняющую алгоритм, то есть универсальную машину Тьюринга .

Итак, согласно этому определению, нам нужно несколько ключевых компонентов.

Вводные данные, записанные в виде символов.
Место для введения этих данных (по мнению Тьюринга, это должен быть огромный рулон бумаги).
Набор инструкций (алгоритм) для перевода вводных данных в выходные данные.

Самое главное здесь, конечно, алгоритм — набор конкретных действий: они должны быть дискретными, то есть обособленными, например «делай А, затем Б, затем С». Действий может быть сколько угодно. К тому же их можно организовывать в цикл, например:

Врезаться со всей дури в стену.
Потереть голову.
Повторить шаг (1).

Можно создавать действиям условия, но они всё равно останутся дискретными:

(1) если ГОЛОДЕН

(1b) купить шаверму

(2) если ХОЧУ ПИТЬ

(2b) купить воды

(3) иначе

(3b) «Покиньте магазин, молодой человек, вы задерживаете покупателей»

Алгоритмичен ли наш мозг?

Вот мы и докопались до сути вопроса: мозг не работает дискретными шагами . Мозг — это система динамических непрекращающихся процессов. Белковые молекулы внутри нейрона постоянно гоняют туда-сюда ионы калия и натрия, а сам нейрон работает как заряженный конденсатор.

Ничего пошагового в таких процессах нет: электрические разряды и передача сигналов возникают не в отдельный момент времени.

Передача сигналов от нейрона к нейрону определяет, как мы ходим, видим, говорим, думаем, планируем, действуем. И если это происходит не алгоритмично, значит, мозг точно не компьютер, так ведь?

Не так быстро, друзья. Конечно, во многих аспектах мозг работает не как машина Тьюринга: у него нет бесконечного рулона бумаги и неограниченного времени для вычислений. Ну так и у электронного компьютера тоже нет. Даже пока вы ждете загрузки системных обновлений.

Но гипотеза, что мозг работает подобно компьютеру, ставит перед нами интересные вопросы. Например, может ли передача сигнала между нейронами быть в чем-то схожа с алгоритмом? Или можно ли описать процессы в мозге с помощью алгоритма?

Если работа мозга приближена к алгоритмической, мы можем использовать знания компьютерных наук для его изучения. Если же нет, нам необходимо искать новые подходы, не связанные с вычислительными алгоритмами.

Да, наша голова работает по алгоритмам

Есть только два способа проверить версию об алгоритмичности нашего мозга. Первый: мы предполагаем, по какому алгоритму действуют животные, а потом проверяем, соответствует ли активность нейронов предложенному алгоритму. Второй: мы измеряем активность нейронов во время поведенческого действия, а затем смотрим, какой алгоритм может соответствовать этому действию.

Наука пробовала и тот, и другой подход. Давайте начнем с того, который сперва изучает поведение. Мы уже достаточно много знаем о поведении животных (к миру которых и сами принадлежим).

Существует тонна экспериментов, в которых мы просим субъекта сделать выбор между двумя предметами.

Один из самых популярных выглядит так: мы показываем людям набор хаотично двигающихся точек, однако среди этих точек есть несколько таких, которые передвигаются в одном и том же направлении (влево или вправо). Далее мы просим участников эксперимента найти эти точки и сказать, в каком направлении они двигаются. Участник смотрит на экран, наблюдает за точками, а потом выдает ответ.

Небольшие изменения условий в таких заданиях позволяет выявить уникальные модели поведенческих реакций и возникновения ошибок. К примеру, количество ошибок возрастает обратно пропорционально количеству точек, двигающихся в одном направлении: чем меньше точек, тем больше ошибок. Это очень простая математическая модель, в которой для решения задания нужно, во-первых, определить наличие одинакового направления, а затем определить само направление (где одно направление противоречит другому). Это типичный алгоритм принятия решений.

Ну что ж, раз мы пришли к алгоритму, влияющему на поведение, самое время определить, что же происходит в мозге во время принятия решения.

В мозге обезьян, принимающих решения, можно увидеть несколько видов активности: нарастание активности, связанной с верным выбором, и спад активности, связанной с неверным.

В научно-исследовательской лаборатории Майкла Шадлена показали, что каждый скачок активности точно соответствует шагам алгоритма принятия решений, то есть активность нейронов повторяет алгоритм , с которым мы столкнулись при наблюдении за поведением.

Есть и примеры экспериментов, которые идут от обратного: сначала изучение нейронной активности, а затем — подбор алгоритма, который ей соответствует. Самый известный — дофаминовая теория получения вознаграждения . Автор теории, профессор Вольфрам Шульц, продемонстрировал, как вырабатывается дофамин в ответ на поощрение. Ученый зарегистрировал несколько потрясающих наблюдений.

Например, дофаминовая активность была замечена только при неожиданной награде. Как только нейроны «понимали», при каких условиях выдается награда, выброса дофамина не следовало.

На основе экспериментальных данных Шульца две независимые группы ученых (Рид Монтаг и Петер Даян и Джим Хук и Анди Барто) предположили, что нейроны при выработке дофамина используют алгоритмы теории обучения с подкреплением.

Алгоритмы этой теории работают так: есть несколько вариантов действий. Решение принимается на основе предполагаемых последствий от выбора того или иного действия. После принятия решения вычисляется разница между предполагаемыми последствиями и реальным исходом. Если последствия соответствовали предполагаемым, ошибки не было, значит, поведение не нуждается в корректировке. Если исход получился лучше предполагаемого (позитивная ошибка), ценность этого варианта возрастает. Если исход получился хуже предполагаемого (негативная ошибка), ценность варианта падает. Такое подкрепление создает канал обратной связи с окружающим миром и приводит к дальнейшим изменениям в поведении.

Согласно данным Шульца, дофаминовые нейроны дают обратную связь по всем трем вариантам исходов: и при отсутствии ошибки, и при положительной, и при отрицательной. Удивительно, как совпали дискретные шаги алгоритма и активность нейронов в мозге.

В действительности не так уж и удивительно. Теория обучения подкреплением основывалась на десятилетних исследованиях поведения животных при дрессировке, а затем ее данные использовались при разработке компьютерных программ для обучения. Так что логика появления подобной связи такова: поведение => появление компьютерных алгоритмов => более глубокие наблюдения за поведением => исследование нейронной активности, которая естественным образом совпала с алгоритмами.

Вы можете спросить: а как же успех глубоких нейросетей в работе с процессами, которые считались типично человеческими, например классификации изображений? Что ж, обычные нейросети в основе своей несут дискретные алгоритмы. Глубокие нейросети имеют целые дискретные слои, каждый из которых соединен со следующим и передает ему информацию. В человеческом мозге дискретных слоев нет.

Существует еще одна версия: несмотря на то, что в биологическом смысле мозг работает беспрерывно, проделываемые им операции все же дискретны.

Нет, наша голова не работает по алгоритмам

Вроде бы набрали много свидетельств алгоритмической работы нашего мозга.

Вообще-то, большая часть нейронаук основывается на его алгоритмичности: какую публикацию ни открой — мозг все время что-то вычисляет и рассчитывает.

Влиятельный исследователь Дэвид Марр ставит вопрос так: ищем алгоритмы, а потом ищем часть мозга, которая запускает их. Но есть и те, кто задает вопрос иначе: если не алгоритмы, то что?

На него тоже есть ответ. Нам известно огромное количество действий, которыми мозг управляет без алгоритмов. Мы ходим, бегаем и ползаем, не вовлекая алгоритмической деятельности. При этих повторяющихся сокращениях разных групп мышц регистрируются такие же повторяющиеся всплески активности целых групп взаимосвязанных нейронов — они самостоятельно управляют движениями мышц.

Подобные нейронные цепочки возникают в мозге каждый раз, когда в теле происходят ритмичные процессы (хотя работой сердца управляет собственная фиксированная цепочка) — когда мы жуем, плаваем, дышим.

А что с единичными движениями? Например, когда мы поднимаем руку, чтобы взять стакан. Движение не повторяющееся, но и алгоритмов для его выполнения не требуется. При таких движениях происходит серия быстрой смены активности в нейронах зоны моторной коры, ответственной за руку. Они передают сигнал спинному мозгу, который передает его мышцам. Что здесь за алгоритм?

Здесь можно возразить: ну конечно, это всего лишь движения! Сложные процессы вроде памяти, планирования и мышления должны требовать вычислительных мощностей, а не просто динамической обработки.

Вообще-то, даже сложные процессы могут обойтись простой динамикой.

Вот механическое решение для работы памяти. Нам уже несколько десятилетий известно, что простое воспоминание может сохраняться и воспроизводиться активностью простой цепочки нейронов в ответ на определенные вводные данные. С их помощью запах поджаренного хлеба может вызывать в нас сложное воспоминание о визите к бабушке в далеком детстве.

А вот механическое решение для формирования прогноза. Наш мозг часто занимается прогнозированием. В этом процессе вознаграждение достаточно неопределенно: сдав отчеты вовремя, вы можете получить повышение, а можете и не получить.

Недавние исследования показали, как сеть нейронов, беспрерывно посылающих сигналы друг другу, занимаются прогнозированием. К примеру, определенная сеть нейронов решает судоку.

Есть механическое решение для почти любой задачи, связанной с вводными данными. Например, машины с неустойчивым состоянием (особый вид нейросети) представляют собой группу смоделированных нейронов, связанных между собой случайным образом и беспрерывно посылающих друг другу импульсы.

Кроме того, нейроны в этой модели разделяются на возбуждающие и тормозящие (последние не дают первым провести сигнал). Это важный момент, поскольку итоговая нейросеть работает в должной степени беспорядочно, а значит, самое легкое изменение во вводных данных вызовет абсолютно иную активность. По большому счету это означает, что любые вводные данные могут вызвать любую операцию.

Вопрос стоит так: каким образом эта сеть научится (эволюционно ли, либо с помощью обучения) строить нейронные связи нужным образом и выполнять требуемые действия? Это хороший вопрос, и на него пока нет ответа.

Влиятельный физик и математик Роджер Пенроуз посвятил две увесистые книги размышлениям о том, что мозг — это не компьютер. Но каким-то образом от этого простого утверждения он перешел к мысли о существовании квантового сознания, не допустив золотой середины. Ведь все может быть гораздо проще: мозг постоянно находится в движении, которое может подчиняться алгоритмам, а может и не подчиняться.

«Мозг как компьютер» — это не метафора, а гипотеза, которую вполне можно проверить. Чем ученые и занимаются прямо сейчас.

Ни одно исследование не сможет доказать, что вот эта определенная часть мозга работает по алгоритму Х. В науке так не бывает. Подтверждениями гипотезы служат многочисленные работы со всего мира, собираемые по крупицам. Так что точного ответа мы пока не знаем.

Считаю ли я мозг компьютером? Нет. Я готов оказаться неправым. Более того, я написал множество статей о том, как мозг реализует алгоритмы. Так что, как видите, я спокойно могу придерживаться двух точек зрения одновременно.

Подобная двойственность свойственна многим ученым: как только нужно выбрать между двумя полярно противоположными мнениями, становится ясно, что ни одно из них не может быть полностью верным.

Человеческий мозг просто создан для подобной двойственности. А может, это лишний раз доказывает, что он точно не компьютер?

Некоторые теоретики описывают мозг в сравнении с компьютером (ЭВМ), указывая на многие схожие черты в их устройстве и работе. Разумеется, речь идёт не о прямом сравнении мозга и компьютера, а об образном сравнении на самом общем уровне.

Например, мозг работает по определённым программам также как и компьютер. Или мозг имеет долговременную память, наподобие винчестера (жёсткого диска) компьютера и т.п

Критики высмеивают такой подход, утверждая, что мозг не может идти ни в какое сравнение с компьютером по многим причинам. Одни из них утверждают, что не только компьютеры, но и любые искусственные системы не способны обучаться или, например, не способны излечивать самих себя в случае незначительных повреждений в отличие от того, как это может делать мозг.

Я не согласен с такими утверждениями, так как в наши дни существуют искусственные системы, созданные человеком, способные как обучаться, так и в какой-то степени излечивать самих себя.

Другое дело, что мозг не может идти ни в какое сравнение с искусственно созданными системами, как по своей сложности организации материи, так и по сложности своей работы.

Как бы то ни было, одним из главных и принципиальных отличий работы мозга от работы компьютера является умение мозга самореорганизовывать самого себя на материальном уровне в процессе работы, в отличие от умения компьютеров на базе самообучающихся программ, самореорганизовывать самих себя только на программном уровне.

Если самообучающиеся программы способны сами себя перепрограммировать в процессе обучения, то мозг может не только перепрограммировать сам себя, но и изменять схемы, на базе которых реализуются эти программы.

Такое свойство делает мозг более гибким и более живучим в сравнении с компьютером. Если компьютер частично повреждается, то он не в состоянии сам себя отремонтировать, в отличие от мозга, который при незначительном, а иногда даже и очень значительном повреждении ремонтирует сам себя.

Это основное фундаментальное свойство не только мозга, но и всей живой материи, которое кардинально отличает её от неживой материи. Если бы современные компьютеры обладали подобными свойствами, то это бы означало, что компьютер мог бы не только перепрограммировать сам себя, но и изменить внутреннюю архитектуру своих схем.

Увы, наука пока ещё не дошла до такого уровня развития, чтобы микросхемы могли сами себя восстанавливать в случае незначительных повреждений, хотя некоторые зачатки таких способностей уже имеются. Например, в процессорах, состоящих из нескольких миллиардов элементов, как правило, выход из строя нескольких элементов или даже нескольких десятков элементов схемы не приводит к выходу из строя всего процессора.

Производители процессоров специально придумывают внутренние программы работы процессора таким образом, чтобы они могли учитывать количество рабочих элементов и в случае выхода из строя одного или нескольких из них заменять их другими элементами схемы, которые изначально изготовляются в избытке и находятся в резерве.

Однако элементы, которые могут выйти из строя и быть заменены другими элементами схемы - это, как правило, однообразные элементы схемы, выполняющие функции ячеек памяти, жёстко привязанных к определённым областям микросхемы. Эти элементы заменяются другими элементами схемы в случае выхода их из строя, но не изменяют своего функционального назначения. Мозг же работает совершенно иначе.

В отличие от компьютера мозг состоит не из жёстких элементов схемы, а элементов могущих изменять, как своё функциональное назначение, так и своё строение. Например, нейрон, который часто называют структурно-функциональной единицей мозга, может изначально быть зрительным, а впоследствии стать слуховым.

К тому же эти элементы связаны между собой гибкими связями, способными не только ослабляться или усиливаться, но и образовывать новые связи между другими элементами схемы.

Например, нейрон может связаться с нейроном, с которым он ранее не имел ни какой связи, образуя, таким образом, новую «схему» или так называемую новую нейронную сеть мозга. Причём новая связь нейрона с другим нейроном, как показывают исследования, образуется в том случае, когда оба нейрона одновременно возбуждаются.

Поэтому современные электронно-вычислительные системы, способные сами себя «излечивать» в случае небольших механических повреждений, не могут идти ни в какое сравнение со способностями живой материи делать это.

Ещё одним кардинальным отличием мозга от компьютера является умение мозга ставить перед собой цели. Современные компьютеры на базе искусственного интеллекта пока не умеют этого делать; они лишь способны достигать целей, поставленных перед ними человеком.

Что касается сложности организации материи мозга и компьютера, то даже в количественном соотношении мозг на несколько порядков содержит большее количество рабочих элементов, по сравнению с современными даже очень продвинутыми компьютерами, например, суперкомпьютерами.

Головной мозг человека содержит около 100 млрд. нейронов, хотя некоторые учёные оспаривают эту цифру, утверждая, что на самом деле нейронов несколько меньше, около 85 млрд. Возможно разница в цифрах возникает из-за различных способов подсчёта нейронов.

Например, в одном случае учёные могут считать вместе с нейронами, так называемые «служебные клетки» или глиальные клетки мозга, которые составляют практически половину от числа всех клеток мозга, а в другом случае их не учитывать.

Как бы то ни было даже цифра в 85 млрд. нейронов огромна. Но главное не только количество нейронов, а количество связей между ними, которое в итоге определяет количество возможных схем, на которых могут быть реализованы те или иные программы мозга.

Соответственно чем большее количество связей имеют между собой нейроны (один нейрон может образовать до 20 тысячей связей с другими нейронами), тем большее количество схем имеет мозг и, тем соответственно, большее количество программ он способен выполнять.

Конечно проведение аналогии между компьютером и мозгом для объяснения устройства и принципа работы последнего, может дать лишь сильно упрощённое и искажённое представление об этом.

Но оно становиться ещё более искажённым, когда «теоретики», начинают сравнивать структурно-функциональные единицы, находящиеся на разных уровнях организации материи, например, сравнивая нейрон с транзистором.

Кроме того что эти элементы сильно отличаются друг от друга размерами и совершенно разной структурой, они также имеют различный уровень интеграции рабочих элементов, из которых состоят.

Нейрон – это клетка величиной от 3 до 130 мкм, состоящая из огромного количества (нескольких миллиардов) более мелких элементов, размеры которых не более 5 нм, имеющая тысячи, а то и десятки тысяч выводов, соединяющих её с другими клетками.

Транзистор же, в современном его исполнении – это ячейка кристалла, размером в несколько десятков нанометров, состоящая всего из нескольких более мелких элементов, представляющая собой электронный ключ, имеющий всего три постоянных вывода, который может принимать всего два положения – быть включенным или отключенным, что эквивалентно логическим значениям «да» или «нет».

Как видите, разница, что называется на лицо: нейрон – это сложно организованная система, имеющая тысячи, даже десятки тысяч выводов, а транзистор это простейший ключ, имеющий всего три вывода.

Поэтому если нейрон и следует сравнивать с элементами искусственно созданных электронно-вычислительных систем, то хотя бы в качестве подходящих для сравнения элементов следует брать не один транзистор, а высоко интегрированные микросхемы, например, микропроцессоры, состоящие из нескольких миллиардов таких транзисторов.

Правда и такое сравнение будет слишком упрощённым, поскольку нейроны мозга в отличие от микропроцессоров имеют намного большее количество «проводников», связывающих их с другими элементами мозга, которое к тому же способно изменяться.

Но даже и при таком упрощённом сравнении рисуется совершенно иная картина: получается, что мозг состоит не из 100 млрд. транзисторов (как многим это кажется), а из 100 млрд. высоко интегрированных микропроцессоров.

Для сравнения самый «мощный» суперкомпьютер в 2016 году Sunway TaihuLight, работающий в национальном суперкомпьютерном центре Китая, использует около 10,5 миллиона процессорных ядер, что в грубом приближении эквивалентно 10,5 миллионам микропроцессорам, которых в 100 тыс. раз меньше, чем в мозге.

Отсюда становится вполне понятно, почему учёные говорят, что мозг по своей сложности организации не может сравниться ни с каким суперкомпьютером.

Однако никто не утверждает, что в будущем, пусть даже и очень отдалённом будущем, искусственные вычислительные системы, становясь всё более сложными с каждым поколением, не смогут достичь уровня сложности, сопоставимого с уровнем сложности мозга, преодолев пока, что кажущиеся непреодолимыми барьеры.

Вполне возможно, что такое будущее даже не за горами. Вопрос только в том, что если машины научатся думать также как и мы, не захотят ли они уничтожить нас, как это показывают во многих фантастических боевиках? Боюсь, что на этот вопрос пока нет однозначного ответа.

Нейроинтерфейс (или интерфейс «мозг — компьютер») — это устройство и технология для обмена информацией между мозгом и внешним устройством: компьютером, смартфоном, экзоскелетом или протезом, бытовыми приборами, инвалидной коляской или искусственными органами чувств. Самый распространенный пример — прибор для электроэнцефалограммы (ЭЭГ), который используют в медицине с 1970-х годов.

История создания нейроинтерфейсов

Первым прототипом нейроинтерфейса считается электродное устройство Stimoceiver, изобретенное в 1950-х годах. Его испытали на мозге быка, заставив животное изменить направление движения.

В 1972-м ученые выпустили первый нейропротез для глухих — кохлеарный имплант, которым, по данным за 2019 год, пользуются более 700 тыс. человек в мире.

В 1998 году американский невролог Филипп Кеннеди впервые вживил нейроинтерфейс в мозг Джонни Рея, художника и музыканта, который был полностью парализован из-за травмы ствола головного мозга. Он управлял курсором на мониторе, представляя движения рук.

В 2000 году группа во главе с бразильским ученым Мигелем Николелесом создала нейроинтерфейс, который позволял обезьяне управлять джойстиком при помощи мысли. В 2021-м этот опыт повторили в Neuralink, но уже с инвазивным нейроинтерфейсом. В 2004-м появился электронный нейрочип от Cyberkinetics Inc., который вживили парализованному американцу Мэтью Бейглу, чтобы он мог управлять роборукой с помощью мозга.

В последние годы главные прорывы происходят в области нейропротезирования. В 2015 году калифорнийские исследователи разработали нейроинтерфейс, который позволяет ходить людям, парализованным по пояс. В 2016-м ученые из Германии, Швейцарии и США с помощью нейроинтерфейса смогли частично восстановить поврежденный спинной мозг пациента. В том же году британец Нил Харбиссон, от рождения не различающий цвета, разработал специальную камеру, которая преобразовывает цвет в звуки и посылает их во внутреннее ухо. А в 2021-м группа исследователей из Калифорнии создала нейропротез, который помогает улучшить память на 30%.

Типы нейроинтерфейсов

По типу взаимодействия нейроинтерфейсы бывают однонаправленные и двунаправленные. Первые либо принимают сигналы от мозга, либо посылают их ему. Вторые могут и посылать, и принимать сигналы одновременно. Однонаправленные уже существуют и функционируют, тогда как двунаправленные пока что представлены только в виде концепции.

По расположению различают инвазивные, малоинвазивные и неинвазивные нейроинтерфейсы. Первые вживляют в мозг, вторые располагают на поверхности мозга, а треть — на голове. Чем ближе к мозгу расположены электроды нейроинтерфейсов, тем лучше они передают сигнал.

С точки зрения функций выделяют нейроинтерфейсы для управления чем-либо с помощью мозга или для восстановления/дополнения его функций. Последнее актуально при поражениях мозга при рассеянном склерозе, деменции, болезни Альцгеймера или Паркинсона.

Как работают нейроинтерфейсы

Однонаправленные нейроинтерфейсы — или интерфейсы «мозг-компьютер» — регистрируют электроэнцефалограмму — то есть электрическую активность мозга. Образуя нейронные связи и передавая сигналы между нейронами, наш мозг излучает электрические импульсы. Эту ЭЭГ расшифровывает компьютер и преобразует в команды для системы или внешних устройств.

Инвазивные нейроинтерфейсы в виде маленьких пластинок с электродами вживляют в кору головного мозга. Неинвазивные размещают на голове в виде шлема или отдельных электродов. Для улучшения проводимости их иногда смачивают водой или специальным гелем.

Чтобы расшифровать импульсы мозга, ученые используют алгоритм, который сам вычленяет нужные сигналы или дает готовые параметры, которые система ищет в потоке данных. В первом случае интерфейс с большей вероятностью сможет предсказать, о каком движении думает человек. Во втором случае для точного результата нам нужно хорошо понимать, как именно то или иное намерение проявляется в сигнале мозга. К сожалению, пока что этот вопрос не до конца изучен.

В нейроинтерфейсах с двусторонней связью информация в виде данных о работе мозга, звуков, образов, тактильных ощущений передается в компьютер, затем анализируется и передается в мозг — при помощи стимуляции клеток центральной и периферической нервной системы.

Где применяются нейроинтерфейсы

Сегодня главных сфер применения всего две:

53-летняя парализованная американка с помощью нейрочипов управляет роботизированной кроватью

Сейчас ведется множество разработок, которые расширят сферу применения и возможности нейроинтерфейсов. Например, не так давно был создан биосинтетический материал, который можно будет использовать в качестве нейрочипа, который подключает мозг к искусственному интеллекту.

Кто создает нейроинтерфейсы в мире

Согласно отчету Market Research Future, к 2024 году ежегодный темп роста рынка интерфейсов «мозг-компьютер» будет составлять 15,1%. В 2019-м его объем оценивался в $980 млн. 50% рынка приходится на США. Среди главных факторов роста называют:

прогресс в исследованиях расстройств и травм мозга, нарушений когнитивных функций;
совершенствование сферы здравоохранения и протезирования;
растущий спрос на биосовместимые материалы;
развитие смежных технологий — скоростного интернета, интернета вещей, искусственного интеллекта, нейросетей и робототехники.

Пока что на рынке преобладают неинвазивные устройства. Большинство из них представляют собой мобильные ЭЭГ-гарнитуры или шлемы с разным числом электродов набором функций.

Emotiv Systems в 2009 году разработала Emotiv EPOC — нейроинтерфейс в виде шлема с 14 электродами, регистрирующий 13 частот мозга, сокращения мышц и движения головы с помощью двух гироскопов. Он распознает эмоциональное состояние и уровень стресса, помогая создавать 3D-модели мозга и диагностировать психические расстройства.

Neurable — компания, создающая «многофункциональные нейротехнологические инструменты, которые интерпретируют человеческие намерения, измеряют эмоции и обеспечивают телекинетический контроль над цифровым миром». Одним из таких инструментов стала специальная считывающая импульсы мозга гарнитура для VR-игр. Компания уже собрала $6 млн на следующую разработку VR-очков, которые пригодятся в самых разных сферах — например, в строительстве или управлении транспортом.

NeuroSky выпускает мобильные ЭЭГ-гарнитуры MindWave для анализа активности мозга. Ее используют, чтобы играть в игры или управлять героями интерактивных фильмов. Чуть позже появились наушники MindSet, для тех же целей.

Канадская InteraXon одной из первых в 2014 году вышла на рынок с Muse — мобильной ЭЭГ-гарнитурой с четыремя электродами, которые взаимодействуют со смартфоном или компьютером. Гарнитура помогает улучшить концентрацию и медитировать, преобразуя сигналы мозга в звуки.

Международные корпорации тоже разрабатывают свои нейроинтерфейсы. Например, Nissan внедряет подобные технологии для улучшения управляемости и безопасности автомобиля на дороге. Такой нейрошлем помогает лучше реагировать на изменение ситуации, предсказывая реакцию и действия водителя.

Facebook ведет разработки технологии, которая поможет пользователям публиковать посты и комментарии без помощи клавиатуры. В первую очередь, эта функция будет полезна парализованным людям: благодаря ей они смогут печатать со скоростью 100 слов в минуту, что в пять раз быстрее, чем набор на смартфоне. Нейроинтерфейс будет неинвазивным, а над разработкой системы его управления трудятся ведущие университеты и исследовательские лаборатории США. Они занимаются алгоритмами машинного обучения для распознавания и визуализации нейронных сигналов.

Среди инвазивных нейроинтерфейсов самый известный — нейрочип от Neuralink Илона Маска. Еще в 2016-м, когда стартовал проект, бизнесмен утверждал: «Все мы практически уже киборги».

Первую презентацию компания провела в августе 2020 года. На ней показали свиней с нейрочипами, чья мозговая активность отображалась на экране.

Читайте также: