Учёные из Института математических проблем биологии РАН разработали осцилляторную нейронную сеть, способную воспроизводить время реакции человека при решении задач зрительного поиска. Результаты исследования опубликованы в журнале Neural Networks и открывают новые перспективы в понимании когнитивных механизмов мозга.
Накапливающиеся экспериментальные данные убедительно свидетельствуют о том, что в основе когнитивных процессов лежит колебательная активность нейронных структур и её синхронизация. Нейробиологи по всему миру проявляют большой интерес к математическим моделям нейронной динамики, рассчитывая получить новые идеи для объяснения механизмов памяти, внимания, распознавания образов и управления движениями. Именно в этом направлении работают сотрудники лаборатории нейронных сетей Института математических проблем биологии РАН, которым удалось создать модель, дающую понимание того, как в мозге реализуется один из наиболее типичных когнитивных процессов — зрительный поиск и нахождение искомого объекта.
Что известно из экспериментов с мозговой активностью
В электрической активности мозга присутствуют разнообразные ритмические компоненты, проявляющиеся в различных частотных диапазонах. Характер этих колебаний коррелирует с внешними воздействиями и психологическим состоянием исследуемого организма. Устойчивые паттерны ритмической активности были обнаружены в различных структурах мозга — на уровне отдельных нейронов, нейронных популяций и целых структур. Подобные данные получены в первичных зонах зрительной и обонятельной коры, сенсомоторной коре, в таламусе, гиппокампе и других отделах мозга.
Вопрос о роли колебаний в обработке информации остаётся дискуссионным. Согласно одной из точек зрения, колебательная активность не выполняет специальной функции в обработке информации и является лишь следствием циклически протекающих процессов, связанных, например, с циркуляцией информации по кольцевым траекториям. Однако всё больше экспериментальных и модельных данных указывает на то, что именно колебательная активность и её синхронизация лежат в основе когнитивных механизмов мозга. В этом контексте особую ценность представляют математические модели, демонстрирующие, как экспериментальные данные могут быть объяснены исходя из осцилляторных принципов обработки информации.
Что такое задача зрительного поиска
В классических экспериментах по зрительному поиску испытуемому предъявляется изображение на компьютерном дисплее, содержащее определённое количество объектов. Задача состоит в том, чтобы определить, присутствует ли на изображении так называемый целевой объект — то есть объект, обладающий заранее заданными признаками. Например, в качестве изображения может использоваться набор букв T и L красного и зелёного цвета в разной ориентации, а целевым объектом является буква T красного цвета. При обнаружении целевого объекта испытуемый нажимает определённую клавишу на клавиатуре, а при его отсутствии — другую клавишу.
Таким образом экспериментаторы измеряют время реакции и изучают, как оно зависит от числа объектов на изображении и от степени заметности целевого объекта на фоне остальных. Эксперименты показывают, что зависимость времени реакции от числа объектов носит линейный характер, а трудность задачи зрительного поиска отражается в угле наклона этой линии по отношению к горизонтальной оси: чем сложнее задача, тем больше угол наклона.
Одной из признанных моделей, объясняющих эти экспериментальные данные, является модель Управляемого Поиска (Guided Search), разработанная американским учёным Джереми Вольфом. Согласно этой модели процесс поиска представляет собой случайный выбор одного из объектов на изображении в фокус внимания с последующей проверкой — является ли выбранный объект целевым. Если является, поиск завершается; если нет — выбирается следующий объект, и так далее, пока либо не будет найден целевой объект, либо не истечёт отведённое время. Вероятность выбора целевого объекта тем выше, чем он заметнее на фоне остальных. Вместе с тем модель Джереми Вольфа является чисто стохастической и не объясняет нейронные механизмы, реализующие выбор объекта для включения в фокус внимания.
Принципы функционирования новой модели
В основе модели, разработанной в Институте математических проблем биологии РАН, лежат два ключевых принципа. Во-первых, предполагается, что в системе внимания существует центральный управляющий элемент (ЦУЭ), организующий обработку зрительной информации, поступающей в первичные и последующие зоны зрительной коры, — подобно тому, как дирижёр управляет игрой оркестра. Во-вторых, предполагается, что включение объекта в фокус внимания реализуется путём синхронизации активности ЦУЭ с активностью нейронного ансамбля, кодирующего этот конкретный объект.
Модель представляет собой нейронную сеть, элементами которой являются осцилляторы — системы, совершающие колебания, — представляющие сравнительно большие нейронные ансамбли. Один из осцилляторов играет роль ЦУЭ, а остальные осцилляторы, называемые периферическими, представляют различные зрительные объекты. Периферические осцилляторы взаимодействуют с центральным управляющим элементом посредством прямых и обратных связей. Взаимодействие организовано таким образом, что периферические осцилляторы конкурируют между собой за синхронизацию с ЦУЭ. Победитель этой конкуренции и является нейронным представителем того зрительного объекта, который в данный момент включён в фокус внимания.
В терминах модели целевой объект отличается от остальных тем, что соответствующий ему периферический осциллятор оказывает более сильное синхронизирующее влияние на центральный управляющий элемент и, следовательно, имеет большую вероятность быть включённым в фокус внимания. Именно этот механизм обеспечивает более быстрое обнаружение заметного целевого объекта по сравнению с объектом, слабо выделяющимся на общем фоне.
Результаты моделирования и комментарий учёного
С помощью компьютерных вычислений было показано, что разработанная модель успешно воспроизводит данные о времени поиска для задач различной степени сложности. При этом наблюдается линейная зависимость времени поиска от числа объектов на изображении — именно та закономерность, которая фиксируется в реальных психофизических экспериментах с участием людей.
Яков Казанович, заведующий лабораторией нейронных сетей Института математических проблем биологии РАН, прокомментировал полученные результаты следующим образом: «С помощью компьютерных вычислений было показано, что наша модель может воспроизводить данные о времени поиска для задач различной степени сложности, при этом имеет место линейная зависимость времени поиска от числа объектов на изображении, наблюдаемая в экспериментах».
Значимость исследования для нейробиологии
Разработанная модель предлагает простое и вместе с тем неожиданное объяснение весьма сложного когнитивного процесса. В настоящее время прямых экспериментальных данных, подтверждающих участие колебательной активности и её синхронизации в решении задачи зрительного поиска, пока не получено. Тем не менее связь механизмов внимания с синхронизацией активности различных нейронных структур была продемонстрирована в значительном числе экспериментальных работ, что создаёт убедительный контекст для предложенного подхода.
Модель наглядно демонстрирует, что осцилляторные процессы и различные режимы синхронизации обладают огромным потенциалом в области обработки информации. Этот результат должен стимулировать нейробиологов к дальнейшему поиску экспериментальных подтверждений участия осцилляторных процессов в реализации когнитивных функций мозга. Работа открывает перспективное направление исследований, в котором математическое моделирование и экспериментальная нейробиология взаимно обогащают друг друга, приближая науку к разгадке фундаментальных механизмов человеческого познания.
Всё возрастающий объём экспериментальных данных убедительно свидетельствует о том, что ритмическая активность и её синхронизация претендуют на роль одного из универсальных механизмов функционирования мозга. Работа сотрудников лаборатории нейронных сетей Института математических проблем биологии РАН вносит весомый вклад в развитие этого направления, предлагая строгое математическое описание процессов, которые прежде оставались за пределами формальных моделей. Публикация в авторитетном журнале Neural Networks подтверждает высокий уровень проведённого исследования и его значимость для международного научного сообщества.
