Даниэл Уолперт: Для чего на самом деле нужен мозг

Я нейробиолог. В нейробиологии мы имеем дело со сложными вопросами о мозге. Я хочу начать с самого простого вопроса, который когда-то должен был встать перед каждым, потому что это основной вопрос, если мы хотим понять функцию мозга. Почему у нас и у животных есть мозги? Не у всех видов на нашей планете есть мозги, поэтому если мы хотим узнать, для чего нужен мозг, давайте думать о том, почему он развился у нас. Вы можете рассуждать, что мозг у нас для того, чтобы воспринимать мир или думать, и это совершенно неправильно. Если вы подумаете над этим вопросом некоторое время, станет абсолютно очевидно, почему у нас есть мозг. У нас мозг только по одной простой причине: чтобы делать сложные движения. Нет никаких других причин иметь мозг. Подумайте об этом. Движение — единственный способ, который у вас есть, чтобы оказать влияние на окружающую среду. Это не совсем правда. Есть другой способ — потоотделение. Но кроме этого, все остальное проходит через мышечные сокращения.

Подумайте об общении — о речи, жестах, письме, языке жестов — все они опосредованы сокращениями ваших мышц. Поэтому очень важно помнить, что память, сенсорные и познавательные процессы — важны, но они важны только для того, чтобы или приводить в действие, или сдерживать будущие движения. Не может быть никакого эволюционного преимущества в детских воспоминаниях или в восприятии цвета розы, если это не влияет на ваш дальнейший путь.

Для тех, кто не согласен с этим аргументом, у нас есть деревья и трава, у которых нет мозга, но заключительное доказательство — вот это животное, скромный морской шприц. Рудиментарное животное, с нервной системой, в своей юности плавает в океане. И в какой-то момент жизни оно прикрепляется к камню. И первое, что оно делает, прикрепившись к камню навсегда — переваривает свой мозг и нервную систему как пищу. Поэтому, как только вам больше не надо двигаться, то вам больше не нужна роскошь мозга. И это животное часто берется в качестве аналогии того, что происходит в университетах, когда профессора получают пожизненный контракт, но это уже другой вопрос.

Так что я шовинист движений. Я верю, что движение — самая важная функция мозга, и не позволяйте никому говорить вам, что это неправда. Если движение так важно, насколько хорошо мы все понимаем, как мозг управляет движением? Ответ такой — исключительно плохо. Это очень сложный вопрос. Мы можем посмотреть, насколько хорошо осознаем это, размышляя о том, насколько хорошо создаем роботов, которые могут делать то, что делают люди.

Подумайте об игре в шахматы. Как хорошо мы определяем, куда какую фигуру двинуть? Если вы поставите Гарри Каспарова здесь, на свободе, против Deep Blue от IBM, то Deep Blue от IBM будет выигрывать время от времени. И, по-моему, если бы Deep Blue от IBM играл против кого-нибудь в этой комнате, он бы выигрывал каждый раз. Задача решена. Как насчет задачи подбора шахматной фигуры, ловкого манипулирования ею и опускания обратно на доску? Если вы возьмете ловкость 5-летного ребенка против лучших роботов на сегодня, ответ простой: ребенок легко выигрывает. Совсем вне конкуренции.

Почему первая задача так проста, а последняя так сложна? Одна причина — очень умный 5-летный ребенок может сказать вам алгоритм решения первой задачи: посмотреть на все возможные ходы до конца игры и определить выигрышный ход. Так что это очень простой алгоритм. Конечно, имеются другие ходы, но с помощью компьютеров мы приближаемся к оптимальному решению. Если речь идет о ловкости, то даже не ясно, какой алгоритм у вас есть, чтобы быть ловким. И мы понимаем, что надо и воспринимать, и влиять на мир, в котором много задач.

Позвольте показать вам передовую робототехнику. Сейчас много очень впечатляющей робототехники, но управление роботами находится в средневековье. Это финал проекта аспиранта одного из лучших институтов робототехники. Студент запрограммировал этого робота вылить воду в стакан. Это сложная задача, поскольку вода хлюпает, но робот справляется. Но он не выполняет эту задачу с ловкостью человека. А если вы хотите, чтобы робот выполнил другое задание, это другая кандидатская диссертация. Нет никакого общего правила для перехода от одной задачи к другой в робототехнике.

Теперь мы можем сравнить это с современной производительностью человека. Я собираюсь показать вам Эмили Фокс, когда она устанавливает рекорд в штабелировании чашек. Американцы в аудитории знают все про штабелирование чашек. Это школьный вид спорта, где вы должны уложить и разложить 12 чашек на время в установленном порядке. Вот установка мирового рекорда в реальном времени. Она очень счастлива. Мы не понимаем, что происходит в ее мозгу, когда она делает это, и это мы бы хотели узнать.

В моей группе мы разбираем то, как люди управляют движениями. Это выглядит легким делом. Вы отправляете сигнал, и он заставляет мышцы сокращаться. Ваша рука или тело двигается, и вы получаете ответный импульс от зрения, кожи, мышц и т.д. Проблема в том, что эти импульсы не так красивы, как хотелось бы. Одна вещь, которая усложняет управление движением, это сильные шумы при обратной сенсорной связи. Под шумом я не имею в виду звук. В инженерном деле и нейробиологии этот термин означает случайные помехи, препятствующие сигналу. Так в эпоху до цифрового радио, когда при настройке радио вы слышали «хрррр» на станции, которую хотели послушать, вот это называлось шумом. Но в целом, этот шум искажает сигнал.

Например, если вы положите руку под стол и попытаетесь найти ее другой рукой, то вы можете ошибиться на несколько сантиметров из-за помехи в обратной сенсорной связи. Подобным образом, когда вы выводите мощность двигателя на движение — шума очень много. Забудьте о попытках попасть в яблочко в дартс, просто цельтесь в то же самое место снова и снова. Вас ждет огромное рассеивание из-за непостоянства движения. И более того, внешний мир или задача одновременно двусмысленны и изменчивы. Чайник может быть полным, может быть пустым. Это меняется с течением времени. Так что мы работаем в супе из помех сенсорных задач движений.

Этот шум великолепен, общество присуждает огромные премии тем из нас, кто может уменьшить его последствия. Так что если вам повезет попасть маленьким белым шариком в лунку на расстоянии в несколько сотен метров, используя длинную металлическую палку, наше общество будет готово вознаградить вас сотнями миллионов долларов.

Я хочу убедить вас в том, что мозг всегда проходит через множество усилий, чтобы уменьшить негативные последствия такого рода шума и изменчивости. Для этого я собираюсь рассказать вам о системе, которая очень популярна в области статистики и машинного обучения в течение последних 50 лет, называемой Байесовской теорией принятия решений. И с недавних пор это единый способ размышлять о том, как мозг поступает с неопределенностью. Основная идея — вы хотите сделать выводы и потом принять меры.

Давайте подумаем о выводе. Вы хотите создать убеждения о мире. Что такое убеждения? Убеждениями могут быть: где расположены мои руки в пространстве? Я смотрю на кошку или лису? Но мы собираемся формулировать убеждения с вероятностями. Мы собираемся представлять убеждение с числом от 0 до 1. 0 — я не верю вообще, 1 — я абсолютно уверен. Промежуточные числа дают вам серые уровни неопределенности. Ключевая идея Байесовского предположения в том, что у вас есть два источника информации, с помощью которых можно сделать вывод. У вас есть данные, и в нейробиологии это сенсорные исходные данные. Применив сенсорные исходные данные, я могу получить убеждение. Но есть и другой источник информации: предшествующие знания. Вы накапливаете знание в памяти в течении жизни . Суть Байесовской теории принятия решений в том, что она дает вам математику для объединения предварительных знаний с сенсорными данными для создания новых мнений оптимальным путем.

Я привел формулу. Я не буду объяснять, что это за формула, но она прекрасна. Она красива и многое объясняет. И то, о чем она говорит, и то, что вы хотите рассчитать, это вероятность различных мнений, дающая вам исходные сенсорные данные. Позвольте привести наглядный пример. Представьте, вы учитесь играть в теннис, и вы хотите определить, в каком месте отскочит мяч при направлении его к вам от сетки. Есть два источника информации, об этом говорит правило Байеса. Сенсорные данные — можно использовать визуальную и слуховую информацию — могут сказать вам, что он собирается приземлиться в ту красную зону. Но вы знаете, что ваши чувства не идеальны, следовательно, есть некоторая вероятность, что он приземлится в том красном облаке, представлющем числа между 0,5 и возможно 0,1.

Эта информация пригодна в текущем кадре, но есть другой источник информации, не в текущем кадре, а получаемый только из опыта игры в теннис, и это то, что мяч не скачет с равной вероятностью по корту во время матча. Если вы играете против очень хорошего соперника, они могут послать его в эту зеленую область, которая предраспределена, делая ответ сложным для вас. Оба эти источника информации важны. Правило Байеса говорит, что я должен умножить красные числа на зеленые числа, получить желтые числа, у которых есть эллипсы, это мое убеждение. Так что это оптимальный способ объединения информации.

Я бы не рассказывал вам все это, если бы несколько лет назад мы не показали, что это именно то, что делают люди, когда учат новые движения. Это значит, что мы действительно Байесовские машины логического вывода. Мы ходим вокруг, познаем статистику мира и формулируем ее, но мы также познаем, насколько шумны наши чувства, чтобы затем объединить их настоящим Байесовским способом.

Ключевая часть Байесовской теории в этой части формулы. Это часть говорит о том, что я должен предсказывать вероятность различных обратных сенсорных связей, учитывая мои убеждения. Это значит, что я должен предсказать будущее. Я хочу убедить вас, что мозг предсказывает обратную сенсорную связь, которую вы получите. Более того, она глубоко меняет ваше восприятие того, чем вы занимаетесь. Для этого я расскажу вам о том, как мозг работает с исходными сенсорными данными. Вы посылаете команду, получаете обратную сенсорную связь, и это преобразование регулируется физикой вашего тела и сенсорным аппаратом.

Представьте, что вы смотрите внутрь мозга. Вы внутри мозга. Возможно, вам понадобится маленький предсказатель, нейросимулятор физики вашего тела и ваших ощущений. При посылке команды вниз, вы перехватываете ее копию, направляете в свой нервный симулятор для предвидения сенсорных последствий своих действий. Если я трясу эту бутылку кетчупа, я получаю настоящую сенсорную обратную связь как функцию времени в нижнем ряду. Если мой предсказатель хорош, он скажет то же самое.

Так зачем мне суетиться, делая это? Все равно получу такую же обратную связь. На это есть веские причины. Представьте, когда я трясу бутылку кетчупа, кто-то очень добрый подходит ко мне и стучит ею по спине. Теперь я получаю дополнительный источник информации благодаря внешнему действию. У меня два источника. Путем постукивания и путем встряхивания, но с точки зрения моих чувств, это объединено в один источник информации.

Есть все основания полагать, что вы хотели бы иметь возможность отличать внешние события от внутренних. Потому что внешние события на самом деле больше поведенческие по сравнению с ощущением того, что происходит внутри моего тела. Один способ пересмотреть это — сравнить предсказание, которое базируется только на ваших движениях — с реальностью. Любое несоответствие должно быть внешним. Я осматриваюсь вокруг, делаю прогнозы того, что должен получить, вычитаю их. Все, что осталось, внешнее для меня.

Каковы доказательства этого? Есть один яркий пример, где ощущения, порожденные мной, ощущаются не так, как если бы они были вызваны другим человеком. Поэтому мы решили, что очевиднее всего начать со щекотки. Она известна достаточно давно, вы можете пощекотать себя, также как и другие люди могут. Но в действительности это не было показано, потому что у вас есть нейронный симулятор, имитирующий ваше тело и отнимающий это ощущение. Для решения этой задачи мы применим технологии робототехники ХХI-го века. По сути, у нас есть несколько видов палок на одной руке робота, и они будут двигаться вперед и назад. Мы будем отслеживать это на компьютере, а также контролировать другого робота, который будет щекотать ладони другой палкой. Затем мы будем просить их оценить кучу вещей, включая щекотливость.

Я покажу вам одну часть нашего исследования. Здесь я убрал роботов, здесь люди двигают правую руку синусоидально вперед и назад. Мы повторяем это с другой рукой через некоторое время. Либо без временной задержки, в случае которой свет будет щекотать вашу ладонь, или с временной задержкой в две или три десятых секунды. Важный момент здесь — это то, что правая рука всегда делает то же синусоидальное движение. Левая рука двигается так же и делает синусоидальную щекотку. Все, с чем мы играем, — временная причинность. Если переходим от нуля до 0,1 секунды, становится более щекотно. Если переходим от 0,1 до 0,2, становится более щекотно в конце. И на 0,2 секунды нет разницы с тем, если бы робот щекотал самостоятельно. Все, что ответственно за это аннулирование, очень тесно связано с временной причинностью. На этом примере мы действительно убедились, что мозг делает точные прогнозы и вычитает их посредством наших ощущений.

Я должен признаться — это худшие исследования моей лаборатории, потому что ощущение щекотки на ладони приходит и уходит, нужно большое количество подопытных для придания эксперименту значимости. Так что мы искали более объективный способ оценки этого феномена. За прошедшие годы у меня появились 2 дочери. А при дальних поездках в машине в детских сиденьях дети затевают драки, которые начинаются, когда один что-то делает другому, а тот отвечает. Это быстро обостряется. Дети склонны к усиливающимся со временем дракам. Иногда, когда я кричал на них, чтобы остановить, обе жаловались, что другая била сильнее.

Как оказалось, мои дети не врут. Поэтому мне как нейробиологу было важно объяснить несоответствие их высказываний. Мы предполагаем, основываясь на исследованиях щекотки, что когда один ребенок бьет другого, они порождают команду на движение. Они предсказывают сенсорные последствия и вычитают их. Они думают, что бьют слабее, чем на самом деле — как со щекоткой. А в то время пассивный получатель не делает прогнозы и чувствует полный удар. Если они отвечают с такой же силой, то первый подумает, что был ударен сильнее.

Мы решили протестировать это в лаборатории. Теперь мы не работаем с детьми, с ударами, но суть та же самая. Мы взяли двух взрослых и сказали, что они будут играть. Вот первый игрок и второй, сидят друг напротив друга. Игра очень проста. Мы начали с двигателя с небольшим рычагом малой мощности. Мотор действует на один из пальцев игрока в течение трех секунд, а потом останавливаемся. Игроку говорят, чтобы он запомнил ощущение этой силы и использовал свой другой палец, чтобы применить такую же силу на палец другого объекта через датчик силы — они это сделали. Второму игроку было сказано запомнить ощущение силы и использовать другую руку для применения силы. Они по очереди применяли силу, которую запомнили.

Но важно то, что они ознакомлены с правилами игры, находясь в разных комнатах. Они не знают, по каким правилам играет человек. Мы увидели, что сила зависит от условий. Если мы посмотрим на то, с чего начали, с ¼ Ньютона, это число оборотов, идеальной будет эта красная линия. Во всех парах подопытных мы видим 70% увеличения силы на каждом ходу. Предполагается, что когда вы делаете это — основываясь на этих и других наших исследованиях — мозг гасит сенсорные последствия и недооценивает силу, которую производит. Это еще раз показывает, что мозг делает прогнозы и принципиально меняет предписания. Мы сделали выводы, мы сделали прогнозы, теперь необходимо произвести действия. Правило Байеса говорит, учитывая мои убеждения, действия должны быть оптимальными.

Но у нас есть проблема. Задачи символичные — я хочу пить, я хочу танцевать — а двигательная система должна сокращать 600 мышц в определенной последовательности. Есть большая разница между задачей и двигательной системой. Она может быть преодолена по-разному. Подумайте, как направить движение. Я мог бы выбрать эти две траектории из бесконечного множества путей. Выбрав особую траекторию, я могу вести свою руку по этому курсу бесконечным множеством вариантов сгибов. Я могу сгибать руку по-разному, как легко, так и напряженно. Так что у меня огромный выбор. Оказывается, мы очень стереотипные. Мы всегда двигаемся одинаково.

И получается, что мы так стереотипны, что наш мозг получил отдельную нервную систему для декодирования этого стереотипирования. Если я возьму некоторые точки и приведу их в движение биологическим путем, ваш мозг поймет мгновенно, что происходит. Это куча движущихся точек. Вы будете знать, что этот человек делает, будь он счастлив, печален, стар, молод — огромное количество информации. Если бы эти точки были автомобилями, мчащиеся по гоночной трассе, у вас бы не было никакого понятия, что происходит.

Так почему мы передвигаемся определенным способом? Давайте подумаем над тем, что в действительности происходит. Может, мы не все движемся одинаково. Возможно, есть изменения. Возможно те, кто двигается лучше, чем другие, имеет больше шансов увидеть внуков. Так что движение эволюционирует. Возможно, в жизни, движения совершенствуются путем обучения.

Так что же в движении хорошо и что плохо? Представьте, я хочу перехватить этот мяч. Есть два возможных пути к этому мячу. Если я выберу путь левой руки, я могу рассчитать силу, требуемую мышцам, как функцию времени. Но к этому добавится помеха. Что же я получаю, основываясь на этой прекрасной, гладкой, желанной силе, это очень шумный вариант. Если я буду часто давать одну команду, шум будет разным каждый раз. Я могу показать вам, как разнообразие движения будет развиваться, если выберу этот способ. Если я выберу другой способ движения, справа, например, у меня будет другая команда, другой шум, воспроизводить через шумную систему достаточно сложно. Мы можем быть уверены, что изменчивость будет непохожей. Если я подвигаюсь определённым образом, я получу меньшую изменчивость во многих движениях. Если мне нужно выбрать между теми двумя, я выбрал бы правый, потому что менее изменчивый.

Основная идея — спланировать свои движения так, чтобы минимизировать негативные последствия шума. Одна возможная догадка в том, что количество шума увеличивается с увеличением силы. В принципе, вы хотите избежать больших сил. Мы показали, что используя это, мы можем объяснить огромное количество данных — что в жизни люди пытаются планировать движения, чтобы минимизировать отрицательные последствия шума.

Надеюсь, я убедил вас, что мозг эволюционировал для контроля движений. Это интеллектуальный вызов, чтобы понять, как мы это делаем. Это также имеет отношение к болезням и реабилитации. Есть много болезней, которые воздействуют на движение. Если мы поймем, как мы контролируем движение, мы можем применить это к робототехнике. Наконец, я хочу напомнить вам, что когда вы видите животных, выполняющих простые задачи, настоящая сложность того, что происходит внутри их мозга на самом деле весьма драматична.

Крис Андерсон: Маленький вопрос, Дэн. Значит вы шовинист движения. Означает ли это, что вы считаете другие вещи, о которых думает наш мозг, — мечтание, тоска, влюбленность, все эти вещи — пустяком, случайностью?

ДУ: Нет, нет, на самом деле я думаю, что они все важны, чтобы в итоге привести к правильным движениям с целью размножения. Я думаю, что люди, которые изучают ощущения или память, не понимают, почему вы запоминаете детство. Например то, что мы забываем большую часть детства, вероятно хорошо, т.к. это не влияет на наши движения в дальнейшей жизни. Вам нужно только то, что действительно меняет движение.

КА: Вы полагаете, что люди, думающие о мозге, и о сознании в целом, могли бы получить реальную картину, говоря, куда идет движение в этой игре?

ДУ: Люди обнаружили, например, что ошибочно изучать зрительное восприятие без понимания, почему у вас есть зрение. Вы должны изучать зрение с осознанием того, как двигательная система использует зрение. И если размышлять подобным образом, то результаты отличаются.

КА: Это было весьма увлекательно. Спасибо Вам большое.

Перевод: Екатерина Гаврилова
Редактор: Александр Автаев

Источник