Электроэнцефалограмма представляет собой очень сложный признак со многими переменными — в их число входит распределение частот и амплитуд в одном отведении, колебания между отведениями от различных областей мозга и форма волн. По мере взросления ЭЭГ меняется. Если отсутствуют болезни мозга (например, эпилепсия, опухоль) или тяжелая усталость, то характер мозговых волн в стандартных условиях (в состоянии расслабленности с закрытыми глазами) практически полностью определяется генетически[79].
Исследования с помощью метода электроэнцефалограммы, в частности, показали, что личностные свойства и поступки индивидов зависят от того, как справляется их мозг с информацией и насколько он спонтанно активен. Оказалось, что определенные индивидуальные различия в нейрофизиологических параметрах коррелируют с психологическими различиями. Так, например, лица с мономорфными альфа-волнами в среднем проявляют себя активными, стабильными и надежными людьми, они с высокой вероятностью обнаруживают признаки высокой спонтанной активности и упорства. Самые сильные их качества — это точность в работе, особенно в условиях стресса, а также возможности кратковременной памяти. Лица с быстрым вариантом затылочного альфа-ритма, вероятно, превосходят других в абстрактном мышлении и в ловкости движений. Они способны быстро перерабатывать информацию. Напротив, категория лиц с низкоамплитудной ЭЭГ демонстрирует низкую спонтанную активность, они склонны быть экстравертами и конформистами, ориентироваться в своем поведении на окружающих. Но у них хорошо развита пространственная ориентация. Лица с диффузными бета-волнами делают большое количество ошибок, несмотря на медленный темп работы. Они обладают низкой устойчивостью к стрессу. Есть также данные о положительной корреляции между альфа-ритмом и умственной деятельностью, а также пространственным восприятием.
3. Психотропные вещества, психофармакологические препараты могут оказывать влияние на симптомы аффективных расстройств и психических заболеваний. Было обнаружено, что психотропные лекарства влияют на функцию нейромедиаторов — химических веществ, обеспечивающих передачу информации между синапсами нейронов головного мозга (например, адреналин). В частности, некоторые больные депрессией реагируют на лекарства, которые ослабляют деградацию адреналина, увеличивая тем самым его количество в синапсах. Больные, страдающие другой формой депрессии, реагируют на лекарства, угнетающие обратный захват адреналина выделившим его нейроном, увеличивая таким образом пригодное для нейропередачи количество адреналина. Нейромедиаторные ферменты обнаруживают отклонения в активности не только при аффективных расстройствах и психозах – изменчивость в заметных пределах существует также между нормальными индивидами. Эта изменчивость в значительной мере определяется генетически.
4. Обмен информацией между нейронами головного мозга происходит посредством электрического (нервного) импульса, хотя передача ее через синапс осуществляется не электрическим, а химическим способом, который вызывает изменение электрического потенциала. Искусственное возбуждение отдельного нейрона соответствующей локальной области мозга слабым электрическим током вызывает появление внутренних ментальных репрезентаций — восприятий, воспоминаний или галлюцинаций, а также некоторых желаний или агрессивных побуждений (эксперименты Пенфильда и др.).
5. Нейрофизиологические исследований шимпанзе — весьма высокоразвитых приматов — показали, что их когнитивные и интеллектуальные способности включают и ограниченную способность отличать Я от не-Я, т.е. зачатки самосознания. Эта способность была обнаружена известным американским нейрофизиологом Р.Сперри с помощью теста с зеркалом — шимпанзе испытывала огромное удовольствие, рассматривая себя в зеркале, что позволило с помощью приборов точно зафиксировать положительный тон ее эмоциональной реакции. Ранее считалось, что только человек способен узнавать себя в зеркале, причем это зачаточное проявление самосознания развивается у него довольно поздно, лишь к 18 месяцам жизни. Обнаруженные у шимпанзе зачатки самосознания свидетельствуют о наличии у них соответствующих преадаптивных когнитивных структур, которые в ходе эволюции получили развитие у филогенетических родственников этих антропоидов — древнейших гоминид. Это открытие, а также данные сравнительного анализа структуры хромосом видов Homo и Pan (шимпанзе), исследования их эволюционных взаимосвязей путем сравнения различий в аминокислотных последовательностях гомологичных белков и т.д. показали, что разрыв между человеком и антропоидами не столь уж велик, как недавно предполагалось.
6. Новейшие достижения в области искусственного интеллекта. В 80—90-х гг. XX в. в когнитивной науке был разработан и успешно применен новый компьютерный подход к моделированию мозга — коннекционизм (от англ. connection — соединение, связь). Этот подход использует искусственные нейронные сети, которые позволяют моделировать и объяснить некоторые процессы познания живых существ (включая человека) и их интеллектуальные способности. Оказалось, что искусственные нейронные сети, использующие принцип параллельной и распределенной обработки информации, с гораздо большей степенью адекватности воспроизводят выявленные нейробиологами механизмы функционирования мозга — например, наличие в организации нейронов промежуточных, “скрытых” слоев, при участии которых происходит внутренняя переработка поступающих извне сигналов, способность определенным образом соединенных групп нейронов к постепенному изменению своих свойств по мере получения новой информации (т.е. к обучению) и т.д. Сознание, разумное мышление, память, с точки зрения коннекционистских моделей, возникают в результате самоорганизации как эмержентное свойство нейронных сетей, когнитивной системы в целом, а не как свойство ее отдельных элементов.
Согласно взглядам современных коннекционистов, нейронные сети — это упрощенные модели мозга, состоящие из большого числа модулей (аналогов нейронов), которым приписываются веса, измеряющие силу соединений между модулями. Эти веса моделируют действия синапсов, обеспечивающих информационный обмен между нейронами. Модули нейронной сети, соединенные вместе в паттерне подключений, обычно делят на три класса: входные модули, которые получают необходимую для обработки информацию; выходные модули, где содержатся результаты обработки информации; и модули, находящиеся между входными и выходными, получившие название скрытых модулей. Если нейронную сеть рассматривать как модель человеческого мозга, то входные модули аналогичны сенсорным нейронам, выходные — моторным нейронам, а скрытые модули — всем другим нейронам. Каждый входной модуль имеет величину возбуждения, репрезентирующую некоторое свойство, внешнее к сети. В конечном счете сигнал от входных модулей распространяется всеми путями через сеть и определяет величины возбуждения во всех скрытых и выходных модулях. Установленный сетью паттерн возбуждения определяется весами или силой соединений между модулями. Величина возбуждения для каждого получающего сигнал модуля рассчитывается согласно функции возбуждения. Так как допускается, что все модули вычисляют в значительной мере ту же самую простую функцию возбуждения, то успешное моделирование человеческих интеллектуальных действий зависит прежде всего от параметров настройки весов между модулями. Поэтому нахождение правильного набора значений, необходимых для выполнения данной задачи, — главная цель в исследованиях коннекционистов. Для этого были изобретены соответствующие алгоритмы, которые позволяют вычислять правильные значения, необходимые для решения многих задач. Как оказалось, успешное применение коннекционистских методов зависит от весьма тонкой корректировки таких алгоритмов и используемых для обучения значений. Обучение обычно включает сотни тысяч попыток корректировки значений и может занимать дни или даже недели.
Уже первые попытки применения нейронных сетей для решения когнитивных задач — для чтения английского текста (NETtalk, сеть, разработанная Сейновским и Розенбергом в 1987 г.), для предсказания форм прошедшего времени английских глаголов (Румелхарт и Мак Клелланд, 1986 г.), для оценки грамматических структур (Элман, 1991 г.) — показали их эффективность в качестве моделей человеческого интеллекта. Они особенно хорошо адаптированы к обработке информации, касающейся ассоциаций, к когнитивным проблемам, которые возникают в случае параллельно действующих противоречивых команд, — например, распознавание объектов, планирование, координирование движений, оценка тонких статистических паттернов, оперирование нечеткими понятиями и т.д.
Из коннекционистских моделей и методов обучения сетей, в частности, следует, что репрезентация когнитивной информации в мозге скорее не локализована в отдельных нейронах или нейронных узлах, а распределена. Человеческая мысль предполагает образование сложных паттернов, действие которых распределено по относительно большим зонам кортекса. Обучение нейронных сетей показало, что каждая распределенная репрезентация является паттерном, действующим через все модули, так как граница между простыми и сложными репрезентациями отсутствует. Поскольку ни один индивидуальный модуль не кодирует какой-либо символ, то распределенные репрезентации являются подсимволическими. Если, например, моделируется действие каждого нейрона с числом, то действие мозга в целом может быть тогда представлено как гигантский вектор (или список) чисел. И вход в мозг из сенсорных систем и его выход к индивидуальным мышечным нейронам также может быть обработан как векторы того же самого типа. Таким образом, с позиции коннекционизма оказывается, что высшие ментальные процессы представляют собой эмерджентные свойства, систематическим образом зависящие от феноменов низшего уровня. Поскольку мозг представляет собой векторный процессор, то проблемы психологии сводятся тогда к вопросу, какие операции с векторами объясняют различные аспекты человеческого познания