Мозг: прошлое и будущее. Что делает нас теми, кто мы есть. Алан ДжасановЧитать онлайн книгу.
алгоритм из области машинного обучения[79]. Сходство между абстрактным методом машинного обучения и реальными биологическими сигналами наталкивает на мысль, что мозг обезьяны, вероятно, применяет нейронные сети для исполнения алгоритма, похожего на компьютерный.
Между электроникой и активностью, приписываемой мозгу, есть и другие параллели. Например, нередко говорят, что частота потенциалов активности кодирует информацию, и ссылаются при этом на теорию, которую разработал в 40-х годах XX века Клод Шеннон для описания надежности коммуникаций в электронных системах наподобие радиоприемников и телефонов[80]. Теория информации Шеннона постоянно используется в инженерном деле и информатике для измерения того, с какой надежностью входящие данные соответствуют исходящим. В сущности, мы сталкиваемся с теорией информации, когда сжимаем мегапиксельные фотографии в килобайтовые jpeg-изображения, не теряя деталей, или передаем файлы по Ethernet-кабелям дома или на работе. Чтобы такие задачи хорошо исполнялись, инженерам надо подумать, как лучше всего распаковывать сжатые данные цифровых изображений и как быстро и точно понять и декодировать сигнал, переданный по кабелю, при каждой загрузке и выгрузке. Подобные проблемы тесно связаны с вопросами сохранения данных в биологической памяти и своевременной передачи по нервным волокнам в мозг потенциалов действия, содержащих сенсорную информацию. Для численного описания функционирования нейронов исключительно полезны математические модели теории информации и обработки сигналов в целом[81].
Когда мы представляем себе мозг как электронное устройство, то совершенно естественно анализировать данные о работе мозга при помощи инженерных методов, например, теории информации или моделей машинного обучения. В некоторых случаях аналогия «мозг-компьютер» заводит исследователей еще дальше – заставляет сопоставлять отделы мозга с макро-деталями компьютера. В книге, вышедшей в 2010 году, нейрофизиологи Рэнди Гэллистел и Адам Кинг утверждают, что в мозге должно быть оперативное запоминающее устройство, как у прототипического компьютера – машины Тьюринга[82]. Машина Тьюринга перерабатывает данные, записывая и считывая нули и единицы на ленте, и операции считывания и записывания совершаются в соответствии с набором правил в машине («программой»), а лента и есть машинная память, аналогичная дискам или полупроводниковым микросхемам памяти в современных персональных компьютерах[83]. Гэллистел и Кинг полагают, что если все хорошие компьютеры основаны на подобных механизмах запоминания, значит, и мозг тоже. Таким образом, авторы ставят под вопрос современную догму, что основа биологической памяти лежит в изменениях синаптических связей между нейронами – такую модель трудно уподобить памяти по Тьюрингу: по их мысли, такой синаптический механизм слишком медленный и негибкий, несмотря на то что его подтверждает колоссальное количество
Richard S. Sutton and Andrew G. Barto,
Claude E. Shannon and Warren Weaver,
Fred Rieke, David Warland, Rob de Ruyter van Steveninck, and William Bialek,
C. R. Gallistel and Adam Philip King,
A. M. Turing, «On computable numbers, with an application to the Entscheidungsproblem»,