Мозговой трест. 39 ведущих нейробиологов – о том, что мы знаем и чего не знаем о мозге
- Автор: Линден Дэвид
- Год: 2022
- Язык: русский
- Год: Синдбад
- ISBN: 978-5-00131-420-2
- Переводчик: Юрий Яковлевич Гольдберг
- Жанр: Биология
Электронная книга - «Мозговой трест. 39 ведущих нейробиологов – о том, что мы знаем и чего не знаем о мозге». Краткое содержание книги:
Авторы описывают самые удивительные особенности мозга, честно объясняя, что известно, а что пока неизвестно ученым о работе нервной системы. Книга увлечет всех, кто интересуется наукой о мозге.
Компьютер многократно превосходит мозг и в точности выполнения базовых операций. Компьютер может представлять количественные значения (числа) с любой заданной точностью в пределах, определяемых разрядностью числа (количеством двоичных нулей и единиц). Например, 32-разрядное число имеет погрешность 1 на 232, или 1 на 4,2 миллиарда. Эмпирические данные свидетельствуют, что большинство числовых параметров в нервной системе (например, частота возбуждения нейронов, которая указывает на интенсивность стимула) из-за биологического шума имеют погрешность в пределах нескольких процентов, в лучшем случае 1 на 100, что в миллионы раз больше, чем у компьютера[121].
Однако вычисления, выполняемые мозгом, нельзя назвать ни медленными, ни неточными. Например, профессиональный теннисист способен всего за несколько сотен миллисекунд проследить за траекторией теннисного мяча, летящего со скоростью 250 километров в час, переместиться в оптимальную точку на корте, замахнуться и отбить подачу. Более того, его мозг потратит на решение этих задач (с помощью тела, которым он управляет) в десять раз меньше энергии, чем понадобилось бы персональному компьютеру. Как же ему это удается?
Важное различие между компьютером и мозгом связано с режимом обработки информации в системе. Компьютер решает задачи по большей части путем последовательных шагов. Иллюстрацией этого процесса может служить компьютерная программа, состоящая из набора команд. Для таких последовательных операций необходима высокая точность на каждом этапе, иначе ошибки будут накапливаться и усугубляться. Мозг также использует последовательные шаги для обработки информации. Например, при приеме теннисной подачи информация поступает от глаз сначала в головной, а затем и в спинной мозг, чтобы вызвать нужные сокращения мышц ног, корпуса и рук.
Но мозг также применяет массовую параллельную обработку, пользуясь преимуществом огромного количества нейронов и их соединений. Например, летящий теннисный мяч активизирует множество клеток в сетчатке глаза, фоторецепторов, которые преобразуют свет в электрические сигналы. Затем эти сигналы параллельно передаются сразу нескольким типам нейронов сетчатки. К тому времени как сгенерированные клетками фоторецепторов сигналы пройдут через 2–3 синаптических соединения в сетчатке глаза, информация о положении, направлении движения и скорости мяча уже будет извлечена параллельными нейронными цепями и передана в мозг. Точно так же моторная кора (область коры головного мозга, отвечающая за сознательное управление движениями) одновременно посылает команды мышцам ног, корпуса и рук, так что теннисист занимает оптимальную позицию и отбивает летящий мяч.
Массовая параллельная обработка возможна потому, что каждый нейрон обменивается сигналами с большим количеством других нейронов — у нейронов млекопитающих в среднем порядка тысячи входных и выходных контактов. (В отличие от нейронов, у каждого транзистора всего три точки ввода-вывода.) Информация от одного нейрона может передаваться по множеству параллельных путей. В то же время множество нейронов, обрабатывающих одну и ту же информацию, могут одновременно передавать сигналы какому-то одному нейрону. Это особенно полезно для более точной обработки информации. Информация, переданная одним нейроном, может быть искажена шумом (скажем, иметь погрешность 1 на 100). Вычисляя среднее значение на основе данных от 100 нейронов, передавших ту же информацию, следующий нейрон цепи может обеспечить гораздо большую точность (в этом случае погрешность составит уже порядка 1 на 1000)[122].
121
Шум может отражать тот факт, что многие нейробиологические процессы, такие как выработка нейромедиатора, имеют вероятностный характер. Например, при повторяющихся событиях один и тот же нейрон не всегда вырабатывает одинаковые последовательности спайков в ответ на одинаковые стимулы.
122
Предположим, что шум для каждого входящего сигнала характеризуется стандартным отклонением от среднего значения — σmean (оно отражает ширину распределения и выражается в тех же единицах, что и среднее значение). Для среднего из n независимых входящих сигналов ожидаемое стандартное отклонение вычисляется по формуле σmean = σ / √n. В нашем примере σ = 0,01, а n = 100. Следовательно, σmean = 0,001.