В то время как большинству людей требуется тишина и покой, чтобы подготовиться к тесту, самому мозгу может потребоваться шум для обучения, как показывают недавние исследования Массачусетского технологического института. В экспериментах с обезьянами исследователи обнаружили, что нейронная активность в мозге постепенно меняется, даже когда ничего нового не узнается. Требование к обезьянам отрегулировать свою задачу вызывало систематические изменения в их нейронной активности, помимо этого фона "шум."
Исследователи заявили, что их результаты предлагают новую теорию того, как мозг учится.
"Что нас больше всего удивило, так это то, что нейронное представление движения, кажется, меняется даже тогда, когда кажется, что поведение вообще не меняется," сказал Себастьян Сунг, профессор физики и вычислительной нейробиологии и исследователь Медицинского института Говарда Хьюза. "Это была удивительная степень нестабильности в представлении мира мозгом."
Сын и профессор института Эмилио Бицци провели исследование, которое было опубликовано в выпуске журнала Neuron от 24 мая. Ведущим автором исследования был Ури Рокни, научный сотрудник лаборатории Сына.
В более ранней работе Бицци и его коллеги измеряли нейронную активность в моторной коре, в то время как обезьяны манипулировали ручкой для перемещения курсора к целям на экране. В контрольных экспериментах обезьянам приходилось перемещать курсор к целям так же, как их учили. В обучающих экспериментах обезьянам приходилось адаптировать свои движения, чтобы компенсировать новые силы, приложенные к ручке.
Ученые обнаружили, что даже когда обезьяны выполняли знакомую контрольную задачу, их нейронная активность постепенно изменялась в течение сеанса.
Чтобы изучить значение этих фоновых изменений, Рокни проанализировал данные обучающего компонента экспериментов Бицци. Он обнаружил, что может отличить нейронные изменения, связанные с обучением, от фоновых изменений, которые произошли во время контрольных экспериментов. На основе этого анализа Рокни разработал рабочую теорию, которая объединила концепции избыточной нейронной сети и концепции "шумный" головной мозг.
"Хорошей аналогией с избыточной схемой, которая обеспечивает одно и то же поведение при разных конфигурациях проводки, может быть фрагмент текста, в котором вы можете сказать одно и то же разными словами," Рокни объяснил. "Наша теория утверждает, что обучающийся мозг имеет эквиваленты «учителя» и «мастерицы» – обучающий сигнал и шум в процессе обучения соответственно.
"Создавая определенный фрагмент текста, мастер просто случайным образом меняет слова, в то время как учитель постоянно исправляет текст, чтобы он имел правильное значение. Учителя заботит только смысл, а не точная формулировка. Когда учитель и мастер работают вместе, текст постоянно меняется, но смысл остается прежним. Например, мастер может изменить предложение «Джон женат» на «Джон не женат», а учитель может исправить его на «Джон не женат».’
"Точно так же обучение в мозгу состоит из двух компонентов – исправления ошибок и шума – так что, хотя нейронное представление постоянно меняется, поведение остается неизменным. Мы думаем, что мастерица, то есть шум, не просто мешает учителю, но на самом деле помогает учителю исследовать новые возможности, которые в противном случае он бы не рассмотрел."
Чтобы проверить эту идею, Рокни построил математическую модель избыточной корковой сети, которая контролирует движение, и использовал ее для моделирования обучающего эксперимента с обезьянами. В этой модели предполагалось, что изучение связей между нейронами будет значительно зашумленным процессом. "Когда мы запускали симуляцию достаточно долго, производительность стала хорошей, но нейронное представление продолжало меняться, очень похоже на эксперименты," Рокни сказал.
По словам Рокни, концепции избыточных сетей и "шумное обучение" имеют важное значение для нейробиологии. "Я не думаю, что эта концепция избыточности – что мозг может говорить одно и то же по-разному – до сих пор была полностью оценена," он сказал.
"С практической точки зрения, люди, которые конструируют устройства, которые транслируют сигналы мозга для работы с такими внешними устройствами, как нейронные протезы, должны будут учитывать такие постоянно меняющиеся нейронные представления," сказал Рокни.
Источник: MIT