Новый ум короля: О компьютерах, мышлении и законах физики - Роджер Пенроуз

Конструкция элемента «не» (т. е. «~») значительно сложнее. Один из способов его построения приведен на рис. 9.14.

Рис. 9.14. Логический элемент «не». В «нейронной модели», как и ранее, для срабатывания нейрона требуется одновременное воздействие двух (по крайней мере) одиночных импульсов

Входной сигнал поступает по аксону, разделяющемуся на две ветви. Одна из ветвей имеет увеличенную длину, такую, чтобы сигнал при движении по ней запаздывал ровно на время, равное промежутку между импульсами в паре. Затем обе ветви снова разделяются, и одно из ответвлений каждой ветви отходит к тормозящему нейрону, причем аксон от ветви с задержкой предварительно разделяется снова, образуя прямую ветвь и ветвь с задержкой. На выходе тормозящего нейрона не будет ничего при одиночном импульсе на его входе, и двойной импульс (с задержкой), если на его входе также был двойной импульс. Аксон тормозящего нейрона разделяется на три ветви, каждая из которых образует тормозящий синапс на оконечном нейроне. Оставшиеся два ответвления исходного аксона снова разделяются, так что к конечному нейрону подходят уже четыре терминали, образующие возбуждающие синапсы. При желании читатель может проверить, что выходной сигнал этого конечного нейрона соответствует сигналу элемента «не» (т. е. пара импульсов, если на входе был одиночный, и наоборот). (Такая конструкция кажется абсурдно усложненной, но это наилучшее из того, что пришло мне в голову!) В качестве развлечения читатель может составить подобные «нейронные» схемы и для остальных описанных выше логических элементов.

Естественно, эти конкретные примеры не могут служить серьезными моделями того, что происходит в мозге на самом деле. С их помощью я только старался показать, что описанная выше модель возбуждения нейрона по сути логически эквивалентна конструкции электронного компьютера. Легко видеть, что с помощью компьютера можно воспроизвести любую модель соединения нейронов между собой. В то же время, подробно рассмотренные выше конструкции указывают на то, что и, наоборот, системы нейронов могут быть моделями компьютера и, следовательно, могут действовать как (универсальная) машина Тьюринга. Хотя при обсуждении машин Тьюринга во второй главе мы не использовали понятие логических элементов[209] и, в действительности, для построения модели машины Тьюринга в общем случае помимо логических элементов нам понадобилось бы еще многое другое, в этом нет ничего принципиально нового, если только мы допускаем возможность аппроксимации используемой в машине Тьюринга бесконечной ленты огромным, но конечным множеством нейронов. А это уже, как кажется, подводит нас к выводу о том, что мозг по своей сути эквивалентен компьютеру!

Но прежде, чем делать такие поспешные выводы, нам следует рассмотреть некоторые различия между деятельностью мозга и работой современных компьютеров, которые могут оказаться достаточно важными. Во-первых, я слишком упростил описание возбуждения нейрона, отнеся его к явлениям типа «все или ничего». Это справедливо для одиночного импульса, распространяющегося по аксону. На самом деле, когда нейрон возбуждается, он генерирует целую последовательность импульсов, быстро следующих друг за другом. Даже в состоянии покоя нейрон генерирует импульсы, но с гораздо меньшей частотой. Именно многократное увеличение частоты импульсов характеризует переход нейрона в возбужденное состояние. Кроме того, есть еще и вероятностный аспект срабатывания нейрона. Один и тот же стимул может приводит к различным результатам. Более того, в мозге нет точной синхронизации с помощью постоянной тактовой частоты, которая необходима для работы современных компьютеров. Кроме того, следует отметить, что максимальная частота срабатывания нейрона, составляющая около 1000 импульсов в секунду, гораздо меньше, чем у современных электронных устройств, у которых она более чем в 1 млн раз выше. К тому же, по сравнению с очень высокой точностью соединений в электронном компьютере, действительные соединения между нейронами кажутся в большой степени случайными и избыточными — правда, сегодня мы знаем, что в мозге (при рождении) эти соединения установлены с гораздо большей точностью, чем считалось полвека назад.

Может показаться, что большая часть из сказанного выше характеризует мозг с невыгодной стороны по сравнению с компьютером. Но есть и другие факторы, говорящие в пользу мозга. У логических элементов может быть лишь очень ограниченное количество входов и выходов (скажем, три-четыре, не больше), тогда как нейроны могут иметь гигантское число синапсов. (Предельным случаем можно считать нейроны мозжечка, известные как клетки Пуркинье, у которых количество возбуждающих синапсов достигает 80 000.) Помимо этого, общее число нейронов в мозге также превышает максимальное количество транзисторов, входящих в состав самой большой в мире вычислительной машины — примерно 1011 в мозге и «всего лишь» 109 у компьютера. Однако последнее число в будущем, скорее всего, возрастет[210]. Более того, большое число клеток мозга в значительной степени обусловлено огромным количеством мелких клеток-зерен в мозжечке, которых насчитывается около тридцати миллиардов (3 х 1010). Если считать, что осознанным восприятием, в отличие от современных компьютеров, мы обладаем просто благодаря большому числу нейронов, то нам придется найти какое-то дополнительное объяснение тому, что деятельность мозжечка полностью бессознательна и в то же время сознание может быть связано с головным мозгом, в котором нейронов всего в два раза больше (около 7 х 1010) при значительно меньшей плотности.

Пластичность мозга

Между деятельностью мозга и работой компьютера существуют и другие различия, на мой взгляд даже более важные, чем до сих пор упоминавшиеся, и связанные с явлением, которое называется пластичностью мозга. В действительности, неправомерно рассматривать мозг как фиксированную совокупность связанных друг с другом нейронов. Взаимосвязи нейронов на самом деле не постоянны, как это было бы в рассмотренной выше компьютерной модели, но все время меняются. Это не значит, что изменяются положения аксонов или дендритов. Многие из их сложных взаимосвязей в общих чертах формируются еще при рождении. Я имею в виду синаптические контакты, которые в действительности и обеспечивают связь между нейронами. На дендритах они часто формируются на небольших выростах, называемых шипиками, к которым подходят терминали других нейронов (рис. 9.15).

Рис. 9.15. Синаптические контакты, образуемый шипиками дендритов. Эффективность такого соединения легко изменяется при росте или уменьшении шипика

Здесь «контакт» означает не соприкосновение, а узкий зазор (синаптическую щель) заданной ширины — около одной сорокатысячной доли миллиметра. При определенных условиях шипики дендритов могут исчезать, тем самым нарушая контакт, или вырастать (могут образовываться и новые) и формировать новую связь. Таким образом, если мы представим себе, что совокупность соединенных друг с другом нейронов в мозгу действительно образует компьютер, то это компьютер, способный непрерывно изменяться!

Согласно одной из ведущих теорий долговременная память обусловлена именно такими изменениями синаптических контактов. Именно они обеспечивают возможность сохранения необходимой информации. Если это так, то пластичность предстает перед нами уже не просто как несущественное усложнение деятельности мозга, но как ее важнейшее свойство.

Каков механизм этих непрекращающихся изменений? Как быстро они могут происходить? Однозначный ответ на второй вопросов вряд ли существует, хотя представители по крайней мере одной из научных школ утверждают, что такие изменения могут происходить за несколько секунд. Этого можно было ожидать, если такие изменения ответственны за долговременное запоминание, поскольку оно происходит за характерное время около одной секунды (Кандел [1976]). Это имело бы для нас весьма существенное значение в дальнейшем. Я вернусь к этому важному вопросу в следующей главе.

А что же можно сказать о механизмах пластичности мозга? Согласно оригинальной теории, предложенной в 1954 году Дональдом Хеббом, существуют определенные синапсы (впоследствии получившие название «синапсов Хебба»), обладающие тем свойством, что связь между нейронами А и В, обусловленная синапсом Хебба, усиливается каждый раз, когда за возбуждением А следует возбуждение В, и ослабляется, если В не возбуждается. Изменение эффективности связи между нейронами не зависит от степени участия самого синапса Хебба в возбуждении нейрона В. Это делает возможной некоторую форму «обучения». На основе этой теории был предложен целый ряд математических моделей обучения и решения задач. Они получили название нейронных сетей. По-видимому, нейронные сети действительно способны к какому-то элементарному обучению, но им пока еще далеко до реальных моделей мозга. В любом случае, механизмы, управляющие изменениями синаптических контактов, скорее всего более сложны, чем рассмотренные выше. Очевидно, что необходимы дальнейшие исследования.