Энн-Софи Барвич – Философия запаха. О чем нос рассказывает мозгу (страница 37)
Еще одна проблема «Атласа» Дравнека – в недостатке методологии его психофизики. Дравнек подбирал описания самостоятельно. В компьютерных исследованиях, отражавших семантику «пространства признаков запаха» через словесные описания Дравнека, не было практических экспериментов по психофизике человека. Иными словами, они отражали пространство признаков запаха «по Дравнеку». Компьютерные методы исследований связи структуры вещества и его запаха имели те же недостатки, что и старые методы: они убирали биологию системы в черный ящик. А если бы в них были реальные психофизические данные?
Именно это было показано в статье Андреаса Келлера, Лесли Воссхолл и Пабло Мейера, опубликованной в 2017 году в журнале Science[271]. Статья примечательна по нескольким причинам. Во-первых, в ней использовались новые конкретные психофизические данные о реакции людей на запахи, взятые из обширного исследования, опубликованного в 2016 году (также Келлером и Воссхолл)[272]. Во-вторых, это был значительный массив данных. Ценность данных по обонянию человека нельзя переоценить. Келлер и Воссхолл работали с 49 участниками, которые понюхали и описали не менее 476 молекул (с помощью 19 семантических идентификаторов и рейтингов интенсивности и приятности). Келлер и Воссхолл проверили большой набор одорантов на необычно большом количестве участников (для такой слабо финансируемой области, какой является обоняние). «Это была удивительно скучная работа, – смеется Келлер. – Вы даете людям вещество и спрашиваете, чем оно пахнет. Трудно придумать что-нибудь менее интересное. Описательная наука в чистейшем виде. Но это было нужно. Так что мы сорвали яблоко и попробовали его».
В-третьих, статья замечательна по той причине, что отражает такой современный подход к научному сотрудничеству, как краудсорсинг[273]. В работе, опубликованной в Science в 2017 году, психофизические данные 2016 года были обработаны с помощью алгоритмов машинного обучения для выявления связи между структурой и запахом. Эксперимент строился следующим образом. Сначала подбирали добровольцев в рамках программы DREAM Challenges (открытая интернет-платформа для исследователей с описанием научной проблемы, в которой могут принять участие все желающие). Задача была достаточно понятной: найти алгоритм, описывающий два набора данных – список химических параметров молекул и результаты психофизического исследования 2016 года. Затем участникам выдали некоторое количество данных, на которых они могли проверить и настроить свои алгоритмы до представления окончательной версии. Келлер смеется: «В этом и заключалась задача: я составил набор данных, мы разделили их на две части и половину предоставили участникам. И спрашивали: если одно вещество пахнет так, предскажите, как будет пахнуть другое». Результаты, полученные с помощью двух лучших алгоритмов, были опубликованы, но сами алгоритмы – нет.
Победителями стали биоинформатик Юйфэн Чжан, который также выиграл несколько конкурсов по подбору алгоритмов для описания наборов данных из самых разных областей, и Рик Геркин, о котором мы уже упоминали. Следует подчеркнуть, что статья Келлера от 2017 года – до сих пор самый удачный пример использования больших массивов данных в области обоняния; она служит отправной точкой для аналогичных проектов в будущем.
И все же алгоритм – не объяснение. Статья «Предсказание восприятия запахов человеком на основании химической структуры молекул запаха» – важный пример поиска данных и подтверждение ряда существующих гипотез о значении элементов химической структуры. Однако коэффициент корреляции в этом исследовании был сравнительно низким – 0,3. Так что проект DREAM Challenges не привел к расшифровке кода носа.
На результаты работы, отчасти из-за привлекательности подхода с использованием больших массивов данных, обратили внимание научные журналисты, такие как писатель Эд Йонг[274]. Кроме того, исследование вызвало осторожную критику со стороны экспертов, в частности, Эйвери Гилберта. Беспокойство Гилберта касается не этого конкретного исследования, а компьютерного подхода к исследованиям обоняния в целом. Он указывает на отсутствие психологической теоретической базы. Словесное описание – это субъективный критерий для формирования перцептивных категорий. Обзор Гилберта показывает, насколько все еще разобщена эта сфера деятельности, поскольку биоинформатики в нейробиологии моделируют ощущение запаха почти в полном отрыве от когнитивной психологии.
Гилберт подчеркивает, что обонятельное пространство остается пространством неизвестного: «Если кто-то хочет предсказать, какие молекулы могут пахнуть сандаловым деревом или лимоном, ему нужно заново протестировать все 476 молекул на других 49 участниках с помощью нового списка идентификаторов, а затем вернуться к компьютерному моделированию с новым набором данных»[275]. И почему взяли именно эти девятнадцать описаний? Воссхолл отвечает: «Причина, почему мы использовали в работе эти девятнадцать, в том, что мы просто не смогли применить большинство других 127 идентификаторов к молекулам, с которыми работали. Я уверена, что можно использовать другие». По мнению Гилберта, проблема также в том, что «полезные термины из области обоняния относятся к разным уровням когнитивной классификации». В ответ Келлер и Мейер подчеркивают, что цель работы 2017 года не выходила за пределы конкретного исследования. Она заключалась в том, чтобы подобрать компьютерные методы и продемонстрировать их применимость для создания одорантов, а не в том, чтобы теоретически объяснить обработку обонятельной информации. И они сделали именно это.
Моделирование обоняния на основании связей между структурой молекул и их запахом имеет теоретическое оправдание. Проблемы возникают в экспериментальной нейробиологии. Биология – это не набор данных, которые нужно извлечь с помощью алгоритма. Биологическая организация – это
По этой причине Фаерштейн считает эти новые методы эвристикой, а не объяснением: «Возможно, здесь есть ценная информация. Я думаю, что исследования, основанные на машинном обучении – хороший путь». Но предупреждает: «Они публикуются как конечные результаты, но таковыми не являются. Они построены на артефактах. Это сплошь ложноположительные результаты». Неправильно было бы отвергать то, что возможно найти связь между структурой молекул и их запахом с помощью алгоритмов машинного обучения, но пока они не работают. Очень важно понять, почему это так.
В большинстве компьютерных моделей к биологии относятся как к условному промежуточному звену, соединяющему химию стимула с человеческим восприятием. Мейнленд полагает, что это осуществимо: «Если вы хотите во всех подробностях изучить один рецептор и понять, как он реагирует на конкретный запах, это прекрасно. Но это огромный труд. Вместо этого можно использовать такой подход [как DREAM Challenges], где вы берете молекулу и изучаете, какие ее признаки соответствуют восприятию. Теоретически при достаточном количестве данных вы узнаете ровно то, что узнал Стюарт. Вы используете другой набор свойств, но вы в конечном итоге можете вывести все, что вывел он». Помолчав, Мейнленд продолжает: «Хотели бы вы в итоге понять, что делают рецепторы? Безусловно. Можно это представить себе, не глядя на рецепторы? Да, можно. Нам не нужно знать, что делают рецепторы, чтобы вообразить, как перенести структуру на восприятие. Современные модели это делают. И работают относительно хорошо. С помехами, но работают. Вам не нужно знать всю последовательность шагов, чтобы сделать прыжок. Они могут оставаться в черном ящике[276]».
Келлер соглашается: «Я думаю об этом, как о треугольнике: молекулы и стимулы, затем картина активации рецепторов, затем результат восприятия. На основании физико-химических свойств можно предсказать, какие рецепторы активируются, а потом, в зависимости от активированных рецепторов, предсказать воспринимаемый запах. Вы просто исключаете промежуточное звено и перешагиваете через черный ящик с рецепторами».
Геркин делает еще один шаг вперед: «Мы уже многое знаем об этих рецепторах. Мы знаем, сколько их. Мы примерно знаем, как некоторые из них настроены, и знаем кое-что о том, как они взаимодействуют с луковицей. Но, с моей точки зрения, все это можно выкинуть в помойку. Теорию обонятельного восприятия можно построить, не зная ничего из этого. Моя гипотеза в том, что, используя психофизику и проведя измерения, можно сделать строгие предсказания относительно большого перцептивного пространства – какова его форма и как в нем смешиваются стимулы». Возможно, этот оптимизм преждевременен. И туда ли он нас ведет?
Заключение рецепторов в черный ящик грозит провалом. Даже самые мощные инструменты не могут решить проблему адекватности теории – проблему последствий выбора предпосылок и критериев оценки. Рассмотрим другой пример. Представим, что мы используем жесткие морфологические критерии для определения механизмов наследования. Такая модель будет основана на корреляции, а не на причинности. Закономерности связи структуры и запаха, полученные с помощью классической химии или больших массивов данных, аналогичным образом удаляют из системы биологию – причинный фактор отбора признаков и их интеграции обонятельной системой. Моделирование этих закономерностей, каким бы методом оно не осуществлялось, предлагает введение в гипотезу, но не реальный механизм. Закономерности связи структуры и запаха не совпадают с принципами обработки стимула и восприятия.