Путь к сути вещей: Как понять мир с помощью математики

● древовидная структура, разветвляющаяся на тысячи маленьких чувствительных элементов – дендритов. Это «передняя» часть нейрона: через дендриты нейрон собирает информацию;

● центральная часть, именуемая перикарион: это «тело» нейрона, содержащее ядро клетки;

● своего рода ствол, аксон, который ветвится, а разветвления оканчиваются концевыми ветвями. Это «задняя» часть нейрона: отсюда информация «выходит» после обработки, чтобы передаться другим нейронам.

Нейроны соединены между собой по четкой схеме подключения: концевые ветви аксона одного нейрона служат «розетками», к которым могут «подключиться» дендриты других нейронов, чтобы получить информацию из этого нейрона. Такие соединения называются синапсами.

Информация, содержащаяся в нейроне, – это его состояние. Одно из двух: он или в покое, или возбужден, то есть через него идет электрический импульс, который распространяется до концевых ветвей и высвобождает молекулы, которые называются нейротрансмиттерами.

Именно эти нейротрансмиттеры, обнаруженные дендритами нейронов позади синапсов, сообщают им о возбужденном состоянии переднего нейрона.

Чтобы определить, оставаться в покое или породить импульс, нейрон проводит своего рода опрос своих дендритов. Если достаточное количество дендритов обнаруживают импульс от передних нейронов, нейрон решает тоже создать импульс, который он по синапсам передает нейронам сзади.

Таким образом, нейрон воспринимает мир только через состояние возбуждения нейронов впереди него. Если возбуждено достаточное количество передних нейронов, он решает отреагировать и тоже возбудиться. В противном случае он остается в покое.

Вот и всё.

Системное свойство

Когда мне впервые объяснили работу нейронов, меня это не заинтересовало. Мне показалось, что это ни к чему не ведет. Если наши нейроны такие примитивные, почему тогда мы умные?

Механизмы нашего интеллекта невозможно понять, если пытаться локализовать его в каком-то конкретном месте мозга. Интеллект – это то, что называют системным свойством: по отдельности наши нейроны примитивны и ограниченны, но в результате объединения вместе они начинают вести себя весьма хитроумно; такое поведение нельзя приписать тому или иному нейрону – именно эти масштабные включения мы зовем интеллектом.

Это примерно как с пробками: пока вы рассматриваете машины по отдельности, вы не можете понять, что такое пробки, однако же они существуют и состоят исключительно из машин.

Поведение отдельных нейронов и глобальную работу мозга разделяет огромная пропасть. Долгое время она казалась такой огромной, что все отчаялись когда-нибудь что-нибудь про нее понять.

Теперь это не так. Загадка зрения в значительной степени разрешена.

Неврология, в свою очередь, позволила уточнить, как нейроны соединены между собой. Также стало возможно в реальном времени проследить за активностью отдельных нейронов или конкретных зон мозга у человека и животных. Но у этого подхода тоже есть свои пределы: хотя пространственное и временное разрешение методов визуализации мозга совершило гигантский рывок, мы все еще очень далеки от возможности одновременно проследить за всеми нейронами, участвующими, например, в определении слона, – и еще дальше от возможности проследить за ними на всем протяжении процесса обучения в масштабе нашей жизни.

Самый эффектный и убедительный прорыв в этой области пришел из другой дисциплины – информатики. С 1950-х годов психологи и программисты стремились создать по образцу работы наших нейронов и анатомии коры мозга системы искусственного интеллекта. Они воспроизводят архитектуру нашего мозга, а потому поведение этих систем проясняет нам явления, происходящие в голове.

Один из первопроходцев, Фрэнк Розенблатт (1928–1971), стоял у истоков первой математической и компьютерной модели отдельного нейрона. Оставалось смоделировать поведение сложных сетей, способных имитировать наше зрение. Технология топталась на месте десятилетиями, воодушевление не раз сменялось разочарованием и наоборот. Трое ученых, Джеффри Хинтон, Ян Лекун и Йошуа Бенжио, продолжали верить. История показала, что они правы.

В конце 2000-х годов их алгоритмы глубокого обучения настолько продвинулись, что стали способны решать сложные задачи по распознанию образов, такие как определение наличия слонов.

Правильная метафора

Около 2010 года, когда я начал приобщаться к этим алгоритмам, я с восторгом обнаружил там описание процесса понимания, впервые совпавшее с моими ощущениями.

Пластичность мозга, неизбежная двусмысленность человеческого языка, роль времени и поисков наощупь в работе по прояснению, внезапное ощущение очевидности – все эти могущественные и таинственные явления, которые так долго интриговали меня и о которых я веду рассказ с самого начала книги, вдруг стали осязаемыми и конкретными.

Стало возможным говорить о них, не обращаясь к какой-нибудь, не знаю, черной магии.