ох проиграет.
Будущее
Трудно предсказать, как мы в конце концов придем к пониманию мозга и в чем оно будет заключаться. Озвучивание подобного рода прогнозов также было бы безрассудством – многие читатели (особенно нейробиологи среди вас), несомненно, не согласятся с некоторыми вещами, что изложены ниже, а предсказание – дело неблагодарное, особенно когда речь идет о будущем.
Тем не менее вот оно.
Поразительные новые методы теперь обеспечивают такую степень контроля в экспериментах на мозге, которая была бы отвергнута как научная фантастика всего несколько лет назад. Однако пока способность визуализировать то, что происходит в мозге у представителей разных видов, становится все более точной. И все же ученые неоднократно заявляли не только о том, что обилие данных не позволило нам понять мозг, но и то, что мы даже не находимся на пути к достижению этой цели [1]. Как выразился Олаф Спорнс, «нейробиологии все еще в значительной степени не хватает принципов организации или теоретической основы для преобразования данных мозга в фундаментальные знания и понимание» [2].
Наше понимание мозга, похоже, снова зашло в тупик.
В 2017 году журнал Science исследовал данную проблему в серии статей под общим названием «Нейробиология: в поисках новых концепций» [3]. Французский нейробиолог Ив Френьяк сосредоточился на современной тенденции собирать огромные объемы данных в рамках дорогих масштабных проектов. Для Френьяка это представляет собой индустриализацию исследований мозга, где финансирующие агентства (и исследователи) считают, что «использование самых причудливых инструментов и силы чисел может привести к какому-то прозрению» [4].
Подобные проекты существуют по всему миру, от США (инициатива Белого дома BRAIN, Проект «Человеческий коннектом» и др.) и Китая (Brain Project) до Европы (проект «Мозг человека» и многие другие), а также в Австралии и Японии. Парадоксально, но цунами данных, которое они производят, серьезно замедляет прогресс, отчасти потому, что, как выразился Френьяк, «большой объем данных – это еще не знание».
«Всего 20–30 лет назад нейроанатомической и нейрофизиологической информации было относительно мало, а понимание процессов, связанных с разумом, казалось вполне достижимым. Сегодня мы тонем в потоке данных. Парадоксально, но всякое чувство глобального понимания находится под серьезной угрозой быть утраченным. Каждое преодоление технологических барьеров открывает ящик Пандоры, обнажая скрытые переменные, механизмы и нелинейности, наслаивая новые уровни сложности».
У Френьяка не было прямого ответа, кроме ряда предложений, которые могли бы укротить и обогатить проекты, обеспечивающие большой массив данных, поощряя их более широкое междисциплинарное сотрудничество и сосредоточившись на проверке гипотез, а не просто на сборе огромных информационных баз.
Хотя размер все увеличивающейся горы данных поражает воображение, проблема не в этом. В 1992 году Патриция Черчленд и Терри Сейновски опубликовали книгу «Вычислительный мозг», где описали новейшие модели ощущения, пластичности и сенсомоторной интеграции, но тем не менее утверждали, что особого теоретического прогресса не было достигнуто – «почти все еще предстоит сделать, и со всех сторон маячат крупные загадки» [5]. Почти четверть века спустя дочь Патриции, невролог Энн Черчленд, пришла к аналогичному выводу. Работая вместе с Ларри Эбботом, Энн Черчленд подчеркнула существующие трудности в интерпретации огромного количества данных, получаемых лабораториями по всему миру: «Чтобы охватить и понять такой информационный натиск, помимо умелого и творческого применения экспериментальных технологий, потребуются, в частности, значительные достижения в методах анализа данных и интенсивная разработка теоретических концепций и моделей» [6].
«Наше понимание мозга, похоже, снова зашло в тупик».
Эти повторяющиеся призывы к созданию единой теории могут быть тщетными. Можно утверждать, что не существует единой концепции функционирования мозга, даже у червя, потому что мозг – это не единое целое (ученым даже трудно придумать точное определение того, что такое мозг) [7]. Как заметил Крик, мозг – это интегрированная, эволюционировавшая структура, различные части которой появляются в разные моменты эволюции и адаптируются для решения различных задач. Нынешнее понимание того, как все это работает, крайне неполно – например, большинство нейронаучных сенсорных исследований было сосредоточено на зрении, а не на обонянии, которое концептуально и технически более сложно. Но обоняние и зрение работают по-разному, как в вычислительном, так и в структурном плане. Сосредоточившись на зрении, мы получаем очень ограниченное понимание того, что и как делает мозг [8].
Природа мозга – одновременно интегрированного и сложного – может означать, что будущее знание неизбежно будет фрагментированным и скроенным из самостоятельных объяснений для отдельных его частей. В конце концов, как выразился Марр, мозг состоит из «множества» устройств обработки информации. Черчленд и Эббот сформулировали это так: «Глобальное понимание, когда оно придет, скорее всего, примет форму отдельных лоскутков, свободно сшитых в большое пестрое одеяло» [9].
В течение более чем пятидесяти лет все «лоскутки», над которыми мы трудились, были обрамлены мыслью, что процессы в мозге включают нечто подобное тому, что осуществляется в компьютере. Это не значит, что такая метафора будет полезна и в будущем. В самом начале цифровой эры, в 1951 году, Карл Лешли выступал против использования любой машинной метафоры:
«Декарт был впечатлен гидравлическими фигурами в королевских садах и разработал гидравлическую теорию действия мозга. С тех пор у нас были телефонные теории, теории электрического поля, а теперь теории, основанные на вычислительных машинах и автоматических рулях. Я полагаю, что мы с большей вероятностью узнаем о том, как работает мозг, изучая сам мозг и явления поведения, чем потакая надуманным физическим аналогиям» [10].
Недавно французский нейробиолог Ромен Бретт пошел еще дальше, бросив вызов самой влиятельной метафоре функции мозга – кодированию [11]. Идея нейронного кода доминирует в нейробиологии с момента создания ее Эдрианом в 1920-х годах и восторженного принятия концепции Горацием Барлоу в 1960-х – за последние десять лет было опубликовано более 11 000 работ на эту тему [12]. Фундаментальная критика Бретта состояла в том, что, размышляя о «коде», исследователи непреднамеренно дрейфуют от технического смысла, в котором существует связь между стимулом и активностью нейрона, к репрезентативному смыслу, согласно которому нейронные коды представляют стимул. Тот же вопрос поднимали еще в 1990 году Уолтер Фримен и Кристин Скарда, когда они опубликовали статью под названием «Представления: кому они нужны?» [13]. Фримен, десятилетиями изучавший электрофизиологические реакции в мозге на запахи, объяснил, что, перестав беспокоиться о том, как нервные системы представляют окружающую среду, он смог «меньше сосредоточиться на внешнем мире, поставляющем информацию в мозг, и больше на том, что, собственно, делает сам мозг». Идея о том, что нервные системы представляют или кодируют информацию, содержит еще более фундаментальный подтекст. Как спросил Деннет Крика и Коха: «Представить кому?»
Мозг состоит из «множества» устройств обработки информации.
В большинстве описаний нейронного кодирования подразумевается, что активность нейронных сетей представляется идеальному наблюдателю или читателю как «нисходящие структуры», которые имеют доступ к оптимальному способу расшифровки сигнала. Но способы, которыми такие структуры на самом деле обрабатывают активность периферических нейронов, неизвестны, и на этот счет редко прямо выдвигаются гипотезы, даже в простых моделях функционирования нейронных сетей. Обработка нейронных кодов обычно рассматривается как серия линейных шагов – как цепочка из костяшек домино, падающих одна за другой, как в рефлексе. Мозг, однако, состоит из очень сложных нейронных сетей, которые взаимосвязаны и соединяются с внешним миром для осуществления действия. Сосредоточение внимания на множествах сенсорных и обрабатывающих нейронов без учета связи этих сетей с поведением животного упускает смысл всей обработки. «Потенциалы действия – это потенциалы, которые порождают действия, – заключил Бретт, – а не иероглифы, которые нужно расшифровать».
Подобный взгляд на мозг был представлен Дьёрджи Бузаки в недавно вышедшей книге «Мозг шиворот-навыворот» (The Brain from Inside Out) [14]. Согласно автору, мозг не просто пассивно поглощает стимулы и репрезентирует их через нейронный код, а активно ищет альтернативные возможности для проверки различных вариантов. Вывод, основанный на прозрениях Гельмгольца и Марра, состоит в том, что мозг не репрезентирует информацию, а конструирует ее.
Мозг состоит из сложных нейронных сетей, которые взаимосвязаны и соединяются с внешним миром для выполнения наших действий.
Метафоры нейробиологии – компьютеры, кодирование, электрические карты и так далее – всегда неполны. Такова природа аналогий, интенсивно изучавшихся философами науки и учеными, поскольку они, видимо, занимают центральное место в научной мысли [15]. Но метафоры также способны обогатить наше знание и порой позволяют добиться прозрений и открытий. Наступит момент, когда понимание, которое они допускают, будет перевешено накладываемыми ими ограничениями, но в случае вычислительных и репрезентативных метафор мозга нет согласия, что такой момент наступил [16]. С исторической точки зрения сам факт того, что дискуссия существует, предполагает, что мы действительно приближаемся к концу жизни вычислительной метафоры. Однако пока неясно, что могло бы ее заменить.
Ученые часто приходят в восторг, когда осознают, как с помощью метафоры были сформированы их взгляды, и понимают, что новые аналогии могут изменить то, как они воспринимают свою работу, или даже позволят разработать новые эксперименты. Придумать новые образы непросто – большинство из тех, что использовались в прошлом в отношении мозга, были связаны с развитием технологий. Вполне вероятно, что появление новых и метких метафор для мозга и того, как он функционирует, зависит от будущих технологических прорывов, такого масштаба, как открытие гидравлической энергии, изобретение телефонной станции или компьютера. Правда, нет никаких признаков подобного развития. Несмотря на последние модные словечки из сферы технологий – блокчейн, квантовое превосходство