Первопроходческая работа Фримана (по бифуркациям и мультистабильности) и Беггса и Пленца (по критическим лавинам) стала доказательством того, что наука о критичности может быть использована для формирования нашего понимания сложных моделей деятельности мозга и, как следствие, поведения. Исследования в этих областях в настоящее время стали передовым направлением науки и дают целый поток важных открытий, начиная от нейронов и заканчивая масштабами всего головного мозга.
Исследование критичности физических систем с использованием простых моделей показало, что системы в критическом состоянии наделены оптимальными вычислительными свойствами. Другим примером вычислительных преимуществ критичности являются упрощенные нейронные модели, предсказывающие высокую точность и оптимальную передачу информации (максимальная взаимная информация между отправителем и получателем) при критичности. Этот прогноз также наблюдался позднее in vitro.
Исследования в этой области показали, что хранение и объем информации - способность системы кодировать широкий репертуар сложных состояний, из которых может декодироваться информация - могут быть оптимизированы при критичности. Опять же, это понятие было зафиксировано в простых нейронных моделях, а также продемонстрировано в эмпирических записях, включая записи, сделанные посредством тщательной фармакологической обработки средств для лечения неврозов. Интересно также отметить, что оптимальные вычислительные свойства могут возникать как при непрерывных, так и при прерывистых фазовых переходах.
Неопровержимый аргумент в пользу преимущества, предоставляемого критическим состоянием, вытекает из анализа психофизических экспериментов, которые количественно определяют взаимосвязь между физическими стимулами и перцептивными ответами.
Психофизические связи могут быть ранним подтверждением критической динамики в нервной системе. Такое силовое поведение имеет ключевую функцию: она позволяет животным различать интенсивность стимулов.
Чем больше динамический диапазон, тем лучше способность обнаруживать изменения в стимулах. Моделирование поведения нейронов на сенсорной периферии показало, что большой динамический диапазон возникает из коллективной реакции сети многих взаимодействующих единиц, и, что более важно, динамический диапазон является оптимальным, когда сеть находится в критическом состоянии.
Важным вкладом в развитие науки о критичности стало разъяснение законов психофизики с точки зрения оптимальной чувствительности критических состояний. Однако, как обычно в аналитических подходах, были сделаны некоторые упрощения, приведшие по крайней мере к двум головоломкам.
Первая проблема связана с важным компромиссом между чувствительностью и специфичностью. Вывод, что оптимальное кодирование сигнала происходит при критичности, подразумевает максимальную чувствительность. Тем не менее, специфика этого состояния ставится под угрозу из-за повышенного уровня колебаний.
Критическое состояние позволяет усиливать стимулы малой интенсивности, что повышает способность различать интенсивность стимула, различающуюся по порядку величины (т.е. большую чувствительность). Однако тот же самый эффект является и ограничением, поскольку высокие колебания критичности снижают специфичность системы. Вопрос заключается в том, остается ли повышение чувствительности полезным для системы, когда также принимается во внимание снижение специфичности. К счастью, решение конфликта, обусловленного спецификой чувствительности, существует в присутствии разнообразия между компонентами системы.
Таким образом, состояние оптимальной чувствительности формируют как подгруппы в критическом режиме, так и подгруппы, работающие в некритическом режиме с повышенной надежностью.
Вторая проблема, возникающая в связи с объяснением законов психофизики, заключается в том, что критическое состояние для оптимального психофизического ответа отделяет активное состояние от неактивного. Проблема здесь заключается в том, что неактивное состояние соответствует поглощающему состоянию, в котором система не может вырваться, пока не будут предоставлены внешние стимулы.
Следовательно, если система попадает в это состояние, она там застрянет. Критические системы, как правило, попадают в это состояние из-за их повышенных колебаний. Если система соответствует мозгу или части нервной системы, можно ожидать, что такое неактивное состояние будет происходить довольно часто. Однако такие молчаливые состояния не наблюдаются in vivo. Решение этой проблемы также вытекает из включения важного, но часто упускаемого из виду ингредиента: ингибирования. Непрерывная активность и критические лавины сосуществуют, когда значительная часть единиц является тормозной.
Таким образом, постепенно накапливаются данные для ранее идеализированного предположения о том, что биологические системы могут использовать особенности критического состояния. Между тем, модели, поддерживающие это предположение, постепенно включают в себя больше физиологических деталей.
