Мозговой трест. 39 ведущих нейробиологов – о том, что мы знаем и чего не знаем о мозге

Нет такого закона, который помешал бы нам создать машину, умеющую думать Майкл Маук

ИСКУССТВЕННЫЙ РАЗУМ — последний писк моды в книгах и кинофильмах. Популярность таких персонажей, как коммандер Дейта из телесериала «Звездный путь: Следующее поколение», показывает, что нам очень нравится размышлять о возможности появления думающих машин. Эта идея захватывает все больше умов после реальных успехов искусственного интеллекта, таких как победа программы Deep Blue над чемпионом мира по шахматам Гарри Каспаровым и выигрыш компьютера Watson в телевикторине Jeopardy! Достижения в узких областях, подобных этим играм, действительно впечатляют, однако до появления машины с разумом, похожим на человеческий, еще очень далеко.

Что нужно, чтобы преодолеть эту пропасть? Все на удивление просто: упорная работа. На сегодняшний день еще не открыт фундаментальный закон, который запрещал бы создание искусственного разума. Напротив, исследования в области нейробиологии позволили выявить многие важные принципы работы клеток мозга, и широкомасштабные проекты по изучению коннектома вскоре могут дать нам полную схему соединений человеческого мозга в тот или иной момент времени. Конечно, еще предстоит разобраться во множестве деталей, и для достижения этой цели быстродействие и мощность компьютеров должны многократно превышать нынешние, какими бы впечатляющими они сейчас ни казались. Таким образом, на этом пути нет никакого концептуального барьера в виде универсального принципа (противоположная точка зрения высказывается в эссе Николелиса в этой книге)[490]. Здесь я попытаюсь обосновать это утверждение, показав, как проекты по воссозданию мозговых процессов помогают расширить знания о мозге и о нас самих.

Пессимизм относительно понимания или моделирования человеческого мозга начинается с осознания его, мозга, необъятности и сложности. Наш мозг состоит из приблизительно 80 миллиардов нейронов, образующих гигантскую сеть с 500 триллионами связей, которые называются синапсами. Как и в случае с любым вычислительным устройством, понимание его работы требует знания свойств основных компонентов (нейронов), природы связей между ними (синапсов) и структуры соединений (схемы коммутации). Цифры действительно впечатляют, но важно понимать: и нейроны, и их связи подчиняются конечному числу понятных правил.

80 миллиардов нейронов человеческого мозга следуют разным вариантам одного довольно простого плана. Каждый нейрон генерирует электрические импульсы, которые распространяются по похожим на провода аксонам к синапсам, где вырабатываются химические сигналы для других нейронов. Суть работы нейрона в том, что он получает химические сигналы от других нейронов и генерирует собственные электрические сигналы на основе правил, определяемых его физиологией. Эти электрические сигналы затем снова преобразуются в химические в следующем синапсе сигнальной цепи. Таким образом, мы поймем, что именно делает нейрон, если сумеем описать правила преобразования входящих сигналов в исходящие — иными словами, если смоделируем его работу с помощью устройства, в котором будет реализован тот же набор правил. Согласно разным подходам к классификации, всего насчитывается порядка сотен (не десятков и не тысяч) типов нейронов[491]. Поэтому создать достаточно точное описание правил преобразования входящих сигналов в исходящие для всех типов нейронов — не такая уж непосильная задача. И в этом деле уже достигнут значительный прогресс[492].

А что насчет синаптических связей между нейронами? По всей видимости, не существует непреодолимых препятствий, которые помешали бы нам понять устройство и работу этих связей. Принципы их действия изучены достаточно хорошо. В синапсах содержатся белковые микромашины, которые преобразуют электрические сигналы, генерируемые нейроном, и запускают выделение микроскопических количеств нейромедиаторов в узкую щель между двумя соседними нейронами. Молекулы нейромедиатора связываются с принимающим нейроном и влияют на его электрическую активность, усиливая ее (возбуждение) или ослабляя (торможение). Еще только предстоит выяснить множество подробностей о разных типах синапсов, но это решаемая задача, и здесь нет концептуальных или логистических препятствий.

При необходимости в описание типа синапса можно включать его способность постоянно менять свои свойства в ответ на определенные паттерны активности. Эти изменения, обусловленные синаптической пластичностью, могут ослаблять или усиливать влияние нейрона на соседние. Они важны для обучения и памяти — наши воспоминания хранятся в виде комбинации миллиардов сильных и слабых синапсов в мозге. Важно то, что нам не обязательно во всех подробностях, вплоть до молекулярного уровня, знать, как работает пластичность. Для создания искусственного синапса достаточно понимать правила, лежащие в ее основе.