Корінь інтелекту може бути укладений в одному рівнянні

На думку доктора Джо Тзина, провідного нейробіолога в Університеті Августи в Джорджії, ключ до інтелекту лежить в одному простому, невибагливому рівнянні: N = 2^і – 1. В основі теорії зв'язності Тзина лежить опис того, як наші мільярди нейронів гнучко збираються не тільки з освітою знань, але і кристалізацією концепцій і екстраполірованія вивчених ідей, а також міркування про речі, яких ми ще не відчули.

«Інтелект у своїй основі полягає в невизначеності і нескінченних можливостях», говорить Тзин.

Якщо ви недовірливо поглядали на рівняння, ви не самотні. Теорія здається настільки банальною, що її легко відкинути як чергову спробу розгадати нейронный код — тільки теорія без доказів.

Але в новій роботі, опублікованій в Frontiers in Systems Neuroscience, Тзин і його команда перевірили свою теорію в ряді експериментів з тваринами і з'ясували, що вона виконується для семи різних областей мозку, визначаючи базові поведінкові функції, такі як годування, пам'ять і страх.

І простота ще не самий шокуючий аспект ідеї Тзина.

Що ще більш суперечлива, теорія сходиться лицем до лиця з фундаментальним вченням у нейробіології: клітини, які активуються разом, разом і зв'язуються.

Ця споконвічна ідея настільки широко прийнята, що цілком може вважатися догмою. Вона говорить, що коли нейрони активуються разом, кодуючи об'єкт, концепцію або спогад, їх зв'язки зміцнюються. Якщо яка-небудь частина цього ансамблю активується в майбутньому, вона піднімає з пам'яті повне спогад. Іншими словами, клітини активуються випадковим чином, але з'єднуються невипадково в процесі навчання.

На фундаментальному рівні переплетення мозку глибоко вкорінені.

На думку Тзина, ця теорія має сенс як з точки зору клітин, так і розрахунків, але «прекрасним чином розпливається».

Зі свого боку, Тзин вважає, що мозок працює на базі заздалегідь запрограмованих і збережених мереж. Ці мережі не выучиваются; замість цього вони складаються з заздалегідь встановлених нейронних мереж, пов'язаних відповідно з простим математичним принципом.

Іншими словами, на фундаментальному рівні переплетення мозку глибоко вкорінені — ці мотиви, встановлені генетикою, лежать глибоко в основі нашої здатності отримувати риси, знаходити взаємозв'язки, витягувати абстрактні знання і, в кінцевому рахунку, міркувати.

«На мій погляд, Джо Тзин пропонує цікаву ідею про принципи організації мозку, і вона підтверджується інтригуючим і переконливим доказом», говорить доктор Томас Зюдхоф, нейробіолог Стенфордського університету, лауреат Нобелівської премії по фізіології і медицині 2013 року. «Цю ідею варто перевірити».

Теорія прив'язаності

Тзин не з чуток знайомий з дослідженнями інтелекту.

Працюючи в Прінстонському університеті 17 років тому, Тзин виявився серед перших, хто методом генетичної інженерії створила «розумну миша», яка швидше навчалася, довше пам'ятала і вирішувала складні проблеми в лабіринті швидше, ніж її звичайні побратими.

Створення миші «Дуги», названої на честь геніального підлітка в серіалі Дуги Хаузер, навело вчених на думку: якщо зміна всього декількох генів може кардинально змінити когнітивні здібності незалежно від навчання, можливо, ці дослідження стосувалися фундаментальні переплетення мозку.

Кількома роками потому, вивчаючи, як миші формують різні типи страшні спогади, Тзин виявив, що клітини в гіпокампі — центрі пам'яті мозку — варіювалися в характері активації.

Деякі клітини активувалися у відповідь на будь-який тип страшних подій — повітряний вибух зі спини (імітація атаки сови), струс на кшталт землетрусу або раптове вільне падіння. Інші відповідали на підмножину подій, такі як тряска і падіння, але не на повітряний вибух. Інші були ще більш прискіпливими, діяли тільки у відповідь на залежні від контексту події, такі як землетруси в блакитний, але не в червоній кімнаті.

При складанні карти нейрони формували кластери від специфічних до загальним.

«Зерно цієї ідеї призвело до теорії прив'язаності», говорить Тзин.

В ядрі цієї теорії лежить формула N = 2^і – 1, математична логіка переплетення у другого ступеня, яка ілюструє, як нейронні мережі переходять від специфічних до загальним.

Кожна нейронна мережа називається «клікою». Проста кліка включає нейрони, які одержують певний enter. Всупереч широко поширеній думці, що окремі нейрони є основною обчислювальної одиницею мозку, Тзин каже, що цю роль повинні брати на себе нейронні кластери.

«Це дозволяє системі уникнути катастрофічної відмови у разі втрати одного нейрона», пояснює Тзин.

Ці прості нейронні кліки потім переплітаються у великі мережі, які називаються functional connectivity motifs (FCM) у відповідності з N = 2^і – 1. У цій формулі N — це число нейронних клік, з'єднаних різними способами, і i — типи інформації, яку вони отримують.

Наприклад, скажімо, у вас є тварина, яка хоче їжі і самок (i = 2). Отже, необхідні три нейронних кліки (N = 2 x 2 — 1), щоб повною мірою задовольнити його потреби.

«З цього рівняння кожен FCM повинен складатися з повного набору нейронних клік, які отримують і обробляють різні вводи комбінаторним чином», говорить Тзин.

Поєднуючи ці схеми, мозок можестворювати нові ідеї і уявлення про світ, говорить Тзин. У деякому роді це ніби розбирання і складання кубиків LEGO під все нові структури. Для тварини, що має справу з більш складними ввідними, кожна нейронна кліка обробляє різні аспекти інформації, що надходить. Разом вони переплітаються з утворенням більш великих блоків, здатних обробляти ввідні дані більш високого рівня.

Ці блоки заздалегідь програмуються, а не розучуються, і, на думку Тзина, є основними обчислювальними цеглинками мозку.

Таким чином, мозок може приймати інформацію і перетворювати комбінації окремих елементів, таких як «землетрус» і «ландшафт», в більш загальні знання, такі як «природні катаклізми».

Оскільки нейронні мережі працюють саме так, вони утворюють схеми, які можуть знаходити загальні схеми в різних сортах інформації. Поєднуючи ці схеми, мозок може вибудовувати нові ідеї та концепції про світі, говорить Тзин. У деякому роді це гнучке комбінування кубиків LEGO з утворенням нових структур.

Перевірка теорії

Якщо мозок дійсно працює за формулою N = 2^і — 1, ця теорія повинна виконуватися для декількох типів когнітивних завдань. Щоб перевірити ідею, вчені забезпечили мишей масивами електродів, щоб послухати їх нейронні розмови.

В одному з експериментів вчені дали тваринам комбінацію з чотирьох різних типів їжі — стандартний корм, цукрові гранули, краплі рису і знежиреного молока. Згідно теорії, миші повинні мати 15 (N = 2⁴ — 1) нейронних клік, щоб повною мірою представляти кожен тип їжі і різні їх комбінації.

Ось що вони з'ясували.

При запису активності мигдалини, області мозку, яка обробляє емоції, деякі нейрони відгукувалися на всі види їжі, інші ж були більш вибагливі. Збираючись у кластери для подальшої активності, вони сформували 15 клік — в точності як і передбачала теорія.

В іншому експерименті, направленому на запуск страху, тварин піддавали чотирьох страшним сценаріями: раптового вибуху повітря, землетрусу, несподіваного вільного падіння або удару струмом в ноги. На цей раз записи з області кори головного мозку, яка відповідає за страх, теж виявили 15 клітинних клік.

Аналогічні результати були отримані і в інших областях мозку — у загальній складності з семи різних областей. Помітне виключення явили дофамінові нейрони в ланцюжку винагород, які мають тенденцію бути придатним в двійковій манері, кодуючи такі поняття, як добре чи погано.

Це говорить про те, що рівняння працює для багатьох когнітивних механізмів, якщо не всіх.

Тому вони перейшли до перевірки того, що цей алгоритм заздалегідь конфігурується еволюцією та розвитком, а не навчається. Вони повторили описані вище експерименти, але з типом генетично модифікованих мишей, у яких не вистачало NMDA-рецептора — головного вимикача, необхідного для змін мережі, викликаних навчанням.

Дивно, але це математичне правило виконувалося навіть після видалення генів.

Враховуючи, що нейрони у мишей без рецепторів NMDA не можуть «бути придатним разом і переплітатися разом», автори дослідження зробили висновок, що теорія прив'язаності корінним чином відрізняється від нашого нинішнього поняття пластичності: вона не продається, а є вродженою.

І що тепер?

Тзин вважає, що цю теорію можна негайно використовувати для перегляду даних про те, як спогади фізично зберігаються в мозку, і вона теоретично може пролити світло на те, як прояви хвороби і старості впливають на мозок на клітинному рівні.

Завдяки добре описаного алгоритму, готовому до перевірок, теорія може надихнути нейроморфные обчислення, навчити штучні схеми отримувати знання та проявляти гнучка поведінка.