Александр Волошин – Нейротон. Занимательные истории о нервном импульсе (страница 43)

Второй, более интересный тип изменений, который Конорский назвал пластичностью или пластическими изменениями, приводит, как он писал, к «постоянным функциональным трансформациям… в определённых системах нейронов под действием соответствующих стимулов или их сочетаний».

Так возникла идея, что разные формы обучения вызывают нейронную активность разного характера и, что в зависимости от этого определённым образом изменяется сила синаптических связей. Когда такие изменения сохраняются, происходит и сохранение памяти. По мнению многих учёных основным изменением при формировании памяти является развитие новых связей и изменение существующих.

Экспериментальное изучение долговременной синаптической пластичности базируется на постулате Хэбба, сформулированном им в книге «Организация поведения» в 1949 году: «Если аксон клетки А расположен достаточно близко к клетке Б, чтобы возбуждать её, и постоянно участвует в её активации, то в одной или обеих клетках происходят такие метаболические изменения или процессы роста, что эффективность А как одной из клеток, активирующих Б, повышается». В современной формулировке постулат Хэбба понимается так, что изменение эффективности передачи сигнала в синапсе управляется корреляцией силы, необходимой для активации пре– и постсинаптического нейрона.

Первые экспериментальные результаты, подтверждающие постулат Хэбба, были получены в 1973 году. В очень часто цитируемой теперь статье, где Тим Блисс и Терье Лёмо описали совместную работу, проведённую ими в лаборатории Пера Андерсена в Осло. Они обнажали у наркотизированных кроликов гиппокамп и идущие к нему нервные пути и подводили к одному из этих путей – «перфорантному» (perforant) – стимулирующие электроды, а регистрирующие электроды вводили в ту область гиппокампа, где перфорантный путь образует синапсы (в зубчатую извилину). Когда они после этого стимулировали перфорантный путь серией электрических импульсов частотой 10—100 герц и длительностью до 10 секунд, наблюдалось необычайно продолжительное (до 10 часов) усиление активности нейронов зубчатой извилины гиппокампа. Авторы назвали этот феномен долговременной потенциацией (сокращённо ДВП).

Многие нейробиологи сразу же заинтересовались этим явлением. У него был сильно выраженный эффект – специфический, воспроизводимый и, сверх того, поддававшийся физиологическому, а позднее также биохимическому, фармакологическому и морфологическому исследованию. Гиппокамп млекопитающих был уже хорошо известной структурой, его нервные связи, входные и выходные нервные пути подробно картированы и легко распознаваемы на различных препаратах, хотя индивидуальные нейроны не поддавались такой прямой идентификации, как у аплизии.

Продолжительное изменение выходной клеточной реакции на определённое входное воздействие служило по меньшей мере ярким примером нейропластичности; больше того, весьма специфичная форма, которую приобретала реакция, могла рассматриваться как проявление памяти.

ДВП легко вызывать и изучать классическими методами нейрофизиологии, поэтому вряд ли стоит удивляться её популярности в качестве потенциальной модели памяти. В ближайшие годы после первых наблюдений всё большее число исследователей в разных лабораториях стали в мельчайших подробностях изучать физиологию ДВП. Было показано, что этот феномен выявляется не только у наркотизированных и ненаркотизированных кроликов, крыс и других лабораторных животных, но и в препаратах in vitro1.

Теперь пришло время ввести новый термин. Биологическая нейронная сеть – совокупность нейронов головного и спинного мозга центральной нервной системы и периферической нервной системы, которые связаны или функционально объединены в нервной системе, выполняют специфические физиологические функции.

Биологическая нейронная сеть состоит из группы или групп функционально связанных нейронов. Один нейрон может быть связан со многими другими, а общее количество нейронов и связей в сети может быть достаточно большим. Места́ контактов нейронов называется синапсами. Передача импульсов осуществляется химическим путём с помощью медиаторов или электрическим путём посредством прохождения ионов из одной клетки в другую.

Такое представление о нейронных сетях оказало значительное влияние на технологии искусственного интеллекта. В попытке построить математическую модель нейронной сети был создан обширный инструментарий искусственных нейронных сетей, широко используемый в прикладной математике и информатике.

В области искусственного интеллекта существует подход, называемый – коннекционизм. Сторонники его полагают, что информация хранится в синапсах, или даже что носителем информации является сама связь между двумя нейронами. Главный принцип коннекционизма состоит в предположении, что мыслительные явления могут быть описаны сетями из взаимосвязанных простых элементов. Например, элементы в сети могут представлять нейроны, а связи – синапсы.

1 In vitro (с лат. – «в стекле») – это технология выполнения экспериментов, когда опыты проводятся «в пробирке» – вне живого организма. В общем смысле этот термин противопоставляется термину in vivo – эксперимент на живом организме (на человеке или на животной модели).

Кибернетика

Некогда модное, а теперь почти забытое слово. Но из истории его не выкинешь. Именно из кибернетики выросли современные идеи нейронных сетей и искусственного интеллекта.

Историки полагают, что первым, кто применил термин «кибернетика» для управления в общем смысле, был древнегреческий философ Платон. Однако реальное становление кибернетики как науки произошло много позже. Оно стало закономерным итогом развития технических средств управления и преобразования информации.

История современной кибернетики началась в 1948 году с публикации Норбертом Винером (Norbert Wiener, 1894—1964) культовой одноимённой книги «Кибернетика».

Винер предложил называть Кибернетикой «науку об управлении и связи в животном и машине».

Кибернетика (от греч. kybernetike – искусство управления, от kybernáo – правлю рулём, управляю), наука об управлении, связи и переработке информации.

Основным объектом исследования в кибернетике являются так называемые кибернетические системы. Такие системы рассматриваются абстрактно, вне связи с их реальной физической природой. Высокий уровень математической абстракции позволяет кибернетике применять общие методы к изучению систем самой разной природы, например, технических, биологических и даже социальных.

Методы кибернетики. Имея в качестве основного объекта исследования кибернетические системы, кибернетика использует для их изучения три принципиально различных метода исследования. Первые два: математико-аналитический и экспериментальный, широко применяются и в других науках.

Зато третий – метод математического (машинного) эксперимента, или математического моделирования появился и стал популярен благодаря кибернетике. Суть его состоит в том, что эксперименты производятся не с реальным физическим объектом или его моделью, а с его математическим описанием. Описание объекта вместе с программами, моделирующими изменения характеристик объекта в соответствии с этим описанием, загружается в память ЭВМ, что делает возможным проводить с объектом различные эксперименты: контролировать его реакции на изменение тех или иных условий, менять те или иные элементы описания и тому подобное. Огромное быстродействие современных компьютеров зачастую позволяет моделировать многие процессы в более быстром темпе, чем они происходят в действительности.

При кибернетическом подходе к изучению мозга как системы нейронов, обычно абстрагируются от их размеров, форм, химического строения и прочего. Предметом изучения выступают состояния нейронов, вырабатываемые ими сигналы и связи между нейронами, а также алгоритмы изменения их состояний.

Есть два способа запоминания информации в кибернетических системах, оно обусловлено: либо изменениями состояний элементов системы, либо изменениями структуры системы. Различие между ними не принципиально. В большинстве случаев оно зависит лишь от выбранного подхода к описанию системы. Например, популярный сегодня взгляд объясняет долговременную память животных изменениями проводимости синаптических контактов, т. е. связей между отдельными составляющими мозг нейронами. Если в качестве элементов, составляющих мозг, рассматриваются исключительно сами нейроны, то изменение синаптических контактов следует рассматривать как изменение структуры мозга. Если же и все синаптические контакты, независимо от степени их проводимости, рассматриваются как составные части мозга, то процесс запоминания сведётся к изменению состояния элементов при неизменной структуре системы.

Искусственные нейронные сети

Прежде всего надо пояснить, что искусственная нейронная сеть (ИНС, нейросеть) это не привычная нам сеть, связывающая некоторое количество компьютеров. ИНС – это математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма. ИНС может быть создана и на одном отдельном компьютере. Так что не стоит предполагать, что ИНС «умнее» привычных нам компьютеров. Нет, это просто новый «интеллектуальный» способ обработки данных.