1.2. Что означает "Понять принцип работы мозга"?

Миллионы рецепторов человеческого организма постоянно следят за изменениями внешней и внутренней среды. Сотни тысяч клеток, называемых мотонейронами, управляют движениями мышц и секрецией желез. А связывающая их сложная сеть из миллиардов клеток, называемых нейронами, непрерывно сопоставляет сигналы от рецепторов с сигналами, в которых закодирован прошлый опыт, и обрушивает на мотонейроны команды, обеспечивающие адаптивное взаимодействие со средой. Эта нейронная сеть получила название центральной нервной системы (ЦНС); головной мозг составляет важнейшую часть этой системы, и нередко, говоря о мозге, мы будем иметь в виду ЦНС в целом. На рис. 2 схематически показано расположение головного мозга в черепе человека - что бы мы увидели, сделав сагиттальный разрез головы в срединной плоскости или просто удалив череп. Эти схемы более подробно рассматриваются в разд. 2.3.

Рис. 2. Схема строения головного мозга человека. А. Срединный сагиттальный разрез мозга. Б. Общий вид мозга после удаления черепа, 1 - гипоталамус; 2 - новая кора; 3 - мозолистое тело; 4 - таламус; 5 -оптическая хиазма; 6 - гипофиз; 7 - варолиев мост; 8 - мозжечок; 9 - ретикулярная формация; 10 - продолговатый мозг: 11 - вестибулярные ядра; 12 - спинной мозг; 13 - ствол мозга; 14 - височная доля; 15 - сильвиева борозда; 16 - обонятельная кора; 17 - слуховая кора; 18 - соматосенсорная кора; 19 - двигательная кора; 20 - зрительная кора; 21 - затылочная доля; 22 - теменная доля; 23 - центральная борозда; 24 - лобная доля

Что же означает "разобраться в функционировании мозга"? Значит ли это, что в один прекрасный день мы сможем, заглянуть в мозг определенного человека, абсолютно точно предсказать все будущие поступки этого человека? Вряд ли. Мозг человека состоит из миллиардов нейронов. (Это весьма грубая оценка - ни у кого не нашлось времени пересчитать все нейроны мозга. В лучшем случае можно пересчитать клетки на срезах мозга, а затем оценить, какую часть мозга составляют эти срезы.) Многие нейроны связаны с тысячами других клеток. Поэтому если рассматривать "коэффициенты взаимосвязи" таких мест, где происходит взаимодействие нейронов, как регулируемые параметры нервной системы (а с учетом их тонкой химической структуры число таких параметров окажется во много раз больше), то у нас получится порядка 10⁴ параметров для каждой из, скажем, 10¹⁰ клеток, так что для характеристики структурных взаимосвязей одного мозга понадобилось бы около 10¹⁴ параметров. (Если учесть, что продолжительность человеческой жизни составляет в среднем 2-10⁹ секунд, то это значит, что нам придется на протяжении всей нашей жизни регистрировать более 5•10⁴ параметров в секунду, хотя на это можно и возразить, что человеческая память не рассчитана на посекундную "магнитофонную запись", на которой построены эти выкладки.) Обычно такие игры в числа приводят к совершенно неверным выводам, однако они могут заставить нас подумать о том, что если физика все еще не справилась с задачей взаимодействия трех тел, то мы не можем ставить себе целью предсказание поведения отдельного мозга во всех подробностях. Более того, если бы мы попытались измерить хотя бы небольшую долю эти": параметров, мы разрушили бы соответствующую область мозга настолько основательно, что всякое предсказание потеряло бы смысл.

Скорее можно надеяться, что нам удастся достаточно хорошо понять принципы функционирования мозга на разных уровнях. На психологическом уровне мы могли бы предсказывать значения глобальных параметров эмоциональной реакции данного человека, основываясь на сведениях о его личности, семейных взаимоотношениях и социальной среде, или, если углубиться в детали, мы могли бы попытаться описать стратегии, используемые индивидуумом при решении определенных задач. В обоих случаях мы используем методологию "черного ящика" (т. е. отказываемся от любых попыток проанализировать внутреннюю структуру системы и изучаем лишь внешние проявления ее поведения) и описываем поведение человека с помощью относительно небольшого набора действий и реакций.

На следующем уровне изучения - на уровне физиологической психологии - мы пытаемся связать поведение, исследуемое психологами, с функциями основных отделов головного мозга. Физиологическая психология старается, разделив мозг на относительно небольшое число визуально различимых подсистем, связать с каждой из них различные аспекты поведения; в экспериментах на животных удаляют разные части мозга, а затем наблюдают, как это отражается на поведении, в надежде выяснить таким образом, в чем состояла функция удаленной части. Это довольно грубый подход. Как справедливо отметил Р. Грегори [91], если у радиоприемника отпаять сопротивление и он после этого начнет свистеть, это еще не означает, что это сопротивление можно назвать "центром торможения свиста" (вспомните также наши рассуждения относительно рис. 1). Однако не следует и преуменьшать достоинства такого подхода. Изучать подсистемы такой сложной системы, как мозг, по отдельности невозможно не только потому, что изолированные части мозга должны оставаться живыми и здоровыми, что само по себе достаточно трудно обеспечить, но и потому, что нейронные сообщения, поступающие от нейронов на каждый такой участок, - это сигналы с весьма сложной системой кодирования, прошедшие весьма сложные преобразования, и, следовательно, стимулировать такой изолированный участок мозга содержательным образом весьма и весьма сложно.

Как бы то ни было, специалистам по физиологической психологии удается получать все новые и новые сведения о декомпозиции мозга на структурно определенные подсистемы. На аналогичном уровне находятся и специалисты по искусственному интеллекту, которые пытаются создать для вычислительных машин программы, позволяющие успешно играть в шашки или доказывать теоремы. Однако соответствие отделов головного мозга или подпрограмм некоторой программы различным функциям головного мозга еще нельзя принимать за доказательство понимания функционирования мозга или процесса мышления.

Следующий шаг может заключаться в том, чтобы попытаться понять, как из клеток, обладающих известными свойствами, можно строить целые системы, которые вели бы себя подобно подсистемам, обнаруженным нейрофизиологами. Как строить фильтры, или системы для распознавания образов, или системы, комбинирующие визуальную и слуховую информацию? Работая на другом уровне, можно всю свою жизнь посвятить поискам взаимосвязей между геометрией клеточных мембран и субклеточных систем и тем, как эти клетки преобразуют приходящие сигналы, или выяснению того, как эти клетки помогают запоминанию, изменяя свои функции при повторных воздействиях. Мы можем также обратиться к физике и биохимии за объяснениями функций мембран, химии межклеточных взаимодействий и подробностей электропроводимости нейрона - это составит еще один уровень изучения.

Существование всех этих "уровней" позволяет каждому исследователю оставаться в разумных пределах, но между этими уровнями нет четких границ, и ученый, работающий на каком-то одном из них, вынужден время от времени совершать набеги к "соседям", как вниз с целью выяснения механизма реализации изучаемой функции, так и вверх - для того, чтобы понять роль изучаемой им функции в общей схеме.

Из многих путей к пониманию того, как люди думают и действуют, мы выбрали один, направленный на поиски принципов организации мозга как некой сложной машины. Но этот путь еще не доведен до конца, и хотя некоторые его участки исхожены вдоль и поперек, нам придется иной раз отправляться в путь без всякой уверенности в том, что это углубит наше понимание вопроса. Исследование малоизученных областей всегда увлекательно, но после того, как через них проложат шоссейную дорогу, все очарование, естественно, пропадает. Такая увлеченность свойственна и попыткам создать теорию мозга. И, быть может, несколько достаточно непрофессиональных слов из области философии наук позволят увидеть излагаемый здесь подход в более правильной перспективе.

Задача науки не сводится лишь к тому, чтобы накапливать все больше и больше данных о все более широком круге объектов. На каком-то этапе нам нужно пойти на рассчитанный риск и допустить, что понятия, кажущиеся полезными для обсуждения небольшого числа известных примеров, - это именно те понятия, с помощью которых можно придать некую структуру всей той массе явлений, изученной пока лишь на этих немногих примерах. Понятия приходится откуда-то заимствовать, и в поисках метафор биологи часто обращались к технике.

Рассмотрим две версии метафоры "человек - это машина". "Тело человека - это паровая машина" - такова была метафора, которая в конечном счете освободилась от своего ложного подтекста и положила начало точным исследованиям метаболизма человека. Аналогичным образом мы в настоящее время отдаем известную дань современной технической моде, когда пытаемся преобразовать метафору "мозг - это вычислительная машина" в полезную основу для создания теории мозга. Поскольку метафора - это лишь отправная точка для развития теории, а не сама теория, здесь уместно, по-видимому, сказать несколько предостерегающих слов о том, что метафоры, к которым мы прибегаем, не следует понимать слишком буквально. Метафора, сравнивая одну систему с другой, которая нам более знакома, призвана облегчить понимание первой системы. Но у этих двух систем помимо общих свойств может быть множество других, по которым они совершенно различны. Если можно сказать, что "моя любимая прекрасна, как роза", это вовсе не значит, что она будет счастлива, если ее станут поливать из лейки. Это верно даже для аналогий, не говоря уже о метафорах. Хорошая метафора - неисчерпаемый источник гипотез относительно первой системы, но ее не следует рассматривать как теорию первой системы. И если помнить об этих ограничениях, то метафоры "человек - это животное" и "человек- это машина" могут оказаться весьма полезными. Более того, после того как мы усовершенствуем ах и отбросим многие из связанных с ними ложных интерпретаций, они помогут нам создать термины и понятия, с помощью которых мы сможем анализировать собственное поведение. Другими словами, на стадии формирования понятий нам необходимо твердо помнить о метафорическом характере этих понятий. Однако, когда наступит такое время, что наши понятия дадут нам возможность отвечать на большинство вопросов в интересующей нас области, мы сможем позволить себе забыть об их метафорическом происхождении и слить наше описание реальности с самой реальностью. Заглавие этой книги напоминает нам, что разработка понятий в теории мозга еще не достигла такой степени, чтобы мы могли забыть об их метафорической природе, хотя мозг, поведение которого мы стараемся объяснить, не становится менее реальным от того, что мы сами признаем предварительность наших теорий.

Нам хотелось бы также подчеркнуть, что в связи с такой сложной системой, как человеческий мозг, возникает так много вопросов, что для ответа на них приходится пользоваться разными подходами, каждый из которых пригоден лишь для изучения какой-то одной группы вопросов; только после того, как будет найден эффективный подход для каждой из таких групп, можно заняться согласованием разных подходов для исследования задач, попадающих сразу в несколько категорий.

Например, мы не претендуем на то, что наша схема изучения "распределенных деенаправленных вычислений в многослойных соматотопически организованных машинах" охватывает все аспекты психологии или науки о мозге. Легче всего, это понять, противопоставляя наш подход "молекулярно-биологическому" подходу. Многие биологи под влиянием успехов, последовавших за открытием роли ДНК в "кодировании" генетического материала, стали всерьез полагать, что всю биологию можно свести к изучению сложных молекул. Мы же не считаем этот подход ни бесплодным, ни всеохватывающим, а полагаем, что он призван ответить на круг вопросов, дополняющих те, для которых оказались пригодными наши методы.

И там, где специалист по молекулярной биологии "поднимается вверх", отрываясь от биохимического и физического фундамента, мы "спускаемся вниз" по отношению к проблемам, связанным с глобальными функциями системы. Для того чтобы уточнить это размежевание, мы можем обратиться за примером к вычислительной технике, где наблюдается аналогичное разделение труда. С одной стороны, инженеры - специалисты по радиоэлектронике, используя достижения физики твердого тела, стараются уменьшить размеры и повысить быстродействие и универсальность блоков вычислительных машин. А с другой стороны, инженеры-"системщики", которых вовсе не заботит физика реальных процессов, получив гарантии в том, что определенные элементы могут выполнять определенные функции, занимаются лишь тем, что собирают из этих элементов системы, реализующие некоторые глобальные сложные функции.

Таким образом, на уровне элементов - или на клеточном уровне, чтобы это звучало более биологично, - происходит встреча двух совершенно разных подходов, и мы здесь собираемся выступать именно с позиций инженера-"системщика".

Необходимость определенных принципов организации как направляющего начала при анализе любой сложной системы хорошо видна из следующей истории, рассказанной Джимом Хорнингом в бытность его студентом Стенфордского университета.

"В декабре 1966 г. на факультете вычислительной техники этого университета была установлена вычислительная машина 2116А для обучения студентов. Я был в числе старшекурсников, попытавшихся начать считать на машине до того, как были присланы инструкции по ее эксплуатации. Главная проблема состояла в том, чтобы разобраться в структуре машины и получить возможность составлять содержательные программы.

Конечно, у нас с самого начала имелся ряд благоприятных обстоятельств. На передней панели были обычные надписи; мы знали, что это электронная цифровая машина определенного класса; мы были достаточно знакомы с теорией вычислительных машин и имели опыт составления программ для машин разных типов. Тем не менее, к нашему удивлению, оказалось, что получить нетривиальную дополнительную информацию о машине 2116А нелегко.

Мы быстро нашли переключатель питания, клавиши ввода данных, индикаторы регистров и основные клавиши управления. У нас не возникло особых трудностей с вводом данных на регистры, и вскоре мы научились вводить и выполнять отдельные команды. Но это оказалось пределом.

Провозившись несколько часов, мы окончательно убедились в том, что нам не удастся выяснить даже такие простые вещи, как формат слова команды (и даже расположение кода операции). Мы не могли запрограммировать сложение двух чисел или простейшую процедуру ввода-вывода.

После получения инструкций выяснилось, что наши трудности никак нельзя было отнести за счет каких-то необычных особенностей машины 2116А. Она оказалась достаточно стандартной малой одноадресной вычислительной машиной как раз того класса, как мы предполагали. По всей вероятности, мы не смогли бы добиться большего и с любой другой подобной машиной.

Возможно, все это свидетельствует лишь о том, что старшекурсники совсем не такие умные, как им кажется. Но размышляя над этим случаем, я пришел к выводу, что он типичен для тех проблем, с которыми приходится сталкиваться при изучении любых сложных систем переработки информации... Изучение мозга [может оказаться] очень похожим на изучение какой-то неизвестной вычислительной машины".

Другим хорошим примером тех опасностей, которые вытекают из переоценки роли молекулярной биологии и пренебрежения принципами организации, могут служить некоторые результаты исследований химии памяти. Все мы согласны с тем, что клетки - это живые системы и что при обучении в головном мозге происходят определенные изменения. Таким образом, обучение- это своего рода процесс роста, и поэтому не удивительно, что вещества, блокирующие синтез РНК, а следовательно, и рост клеток, препятствуют обучению животного. Но делать на основании всего этого вывод, что "РНК представляет собой молекулу памяти", столь же неправильно, как утверждать, что "электроны - это строительные элементы памяти", на основании того, что если прервать питание, то работа запоминающего устройства вычислительной машины нарушится. У нас есть структурная теория сложных запоминающих устройств для вычислительных машин, основанная на свойствах переключающихся и запоминающих элементов. Для этой теории несущественно, какова физическая природа этих свойств: электрическая, механическая, гидравлическая или химическая. Точно так же теория мозга должна оперировать не столько биохимическими терминами, сколько принципами организации нейронов. Для теории организации как таковой биохимические исследования вообще несущественны, но они жизненно необходимы для того, чтобы мы могли разобраться в устройстве элементов. Биохимия мало может дать для понимания процессов восприятия; главное здесь в принципах организации. И, напротив, если мы изучаем терапевтическое действие лекарственных веществ, то здесь на первый план выступает биохимия.

Таким образом, хотя эта книга практически целиком посвящена поиску принципов организации, мы не пытаемся доказать преимущества нашего подхода по сравнению с подходом, принятым в молекулярной биологии, а лишь настаиваем на том, что эти подходы взаимно дополняют друг друга. В самом деле, структурный подход - "если клетка может делать то-то и то-то, то система таких клеток, обладающая определенными свойствами, будет вести себя так-то, что соответствует наблюдаемому поведению", - неизбежно вызывает дополнительный вопрос - "а имеются ли у клетки физические возможности делать то-то и то-то, и если да, то благодаря какому биохимическому механизму"? Если мы не пытаемся ответить на этот вопрос, это отнюдь не означает, что он менее важен. Просто об этом нужно писать в других книгах.

Большая часть этой книги посвящена теме "мозг - это сложная система переработки информации с распределенными деенаправленными вычислениями, производимыми в многослойной соматотопически организованной структуре", но наша уверенность в содержательности такого подхода не означает, что при этом следует отказаться от всех других подходов к исследованию мозга. Лишь в результате коренной перестройки и расширения наша схема сможет вобрать в себя и исследования Фрейда и эксперименты с медикаментозными воздействиями. Можно надеяться, что в конце концов мы придем к единой теории (или к системе взаимно согласованных и взаимно дополняющих теорий), которая не будет столь ограничена. И тогда кибернетик сможет утверждать, что кибнернетика оправдала себя, поскольку можно проследить эволюцию кибернетических представлений, впитавших в себя элементы психоанализа и химии. Представители других направлений увидят в создании такой единой теории оправдание позиции молекулярных биологов, которые смогли включить в свои концепции элементы кибернетики и результаты терапии словом. Истинная наука представляет собой удивительную смесь страстной убежденности в правильности своего собственного подхода - именно она создает чувство личной заинтересованности, превращающее тяжкий труд в наслаждение, - и готовности признать достоинства других подходов. И если ученый готов принять участие в синтезе знаний в момент его зарождения, то, наверное, можно простить ему естественную человеческую слабость - несколько преувеличенное представление собственного вклада в этот синтез.

В настоящее время кибернетический подход позволяет объяснить лишь некоторые фрагменты процессов человеческого мышления и поведения, хотя во многих областях этот подход позволяет углубить имеющиеся поверхностные представления. В этой книге мы увидим, что некоторые аспекты разумного решения задач можно рассматривать в свете исследований по искусственному интеллекту, а наша теория мозга позволяет понять определенные черты взаимодействия организма с окружающей средой и структурами, с которыми этот организм сталкивается. Книгу эту ни в коей мере нельзя рассматривать как исчерпывающее изложение достижений в этих двух областях знания. Мы лишь хотели убедить читателя в жизнеспособности исследования, рассчитанного на много лет и ставящего себе целью построить модель "распределенных деенаправленных вычислений в многослойных соматотопически организованных машинах", которая позволила бы проникнуть в механизмы головного мозга, ведающие восприятием, мышлением, языковым общением и движением.