Исследователи из компании Google создали модель, которая точнее предыдущих отражает функционирование гиппокампа — области мозга, которая участвует в хранении и обработке топографической информации, помогая животным и человеку ориентироваться в пространстве. Новая модель не только объясняет давно известные особенности работы гиппокампа, но и учитывает совсем недавно открытые его свойства.
Ориентирование в пространстве — один из важнейших навыков животных и человека. Его природу активно изучают в академической среде. В частности, одно из исследований показало, что маршруты, освоенные наяву, дополнительно обрабатываются и усваиваются во сне.
Команда специалистов из Google DeepMind предложила психофизиологичскую модель, которая, на их взгляд, наиболее полно характеризует обработку пространственной информации в мозге. Описание концепции, претендующей на самое точное отражение работы гиппокампа при ориентировании в пространстве, опубликовал журнал Science.
Авторы научной статьи предположили, что образ пространства в мозге формируется в результате процесса, схожего со скрытым обучением последовательности высокого порядка. Гиппокамп поместили «в парадигму, ориентированную на последовательность, бросая вызов преобладающему взгляду, ориентированному на пространство». По словам ученых, такой подход позволяет объяснить разного рода изменения в отображении пространства, связанные, например, с геометрией, прозрачными или непрозрачными барьерами, ориентирами, расстоянием до начального или конечного местоположения.
«Рассмотрение пространства как последовательности <…> предполагает, что методология картографирования пространственных полей, которая интерпретирует последовательные нейронные реакции в евклидовых терминах, сама по себе может быть источником аномалий. Наша модель, clone-structured causal graph (CSCG), использует структуру графов более высокого порядка для изучения скрытых представлений, сопоставляя сенсорные входы с уникальными контекстами», — пояснили ученые.
Специалисты протестировали CSCG в разных условиях. Сначала модель пробовала изучать топологии на основе последовательностей наблюдений, затем — представлять карты нескольких сред в одной модели, а также объединять карты данных, пересекающихся пространственно, но никак не связанных во времени. Исследовалась и способность модели использовать ранее приобретенные структурные данные, чтобы управлять поведением в незнакомой среде. Все перечисленные свойства необходимы животным и человеку для ориентирования в пространстве.
Во второй серии экспериментов ученые проверяли, может ли CSCG воспроизвести и объяснить широкий спектр явлений, происходящих в гиппокампе, данные о которых были известны и экспериментально подтверждены. В общих чертах их можно разделить на пространственные, связанные с геометрией и ориентирами, имеющие как пространственный, так и временной компоненты, а также повторение, искажение и изменения поля местоположения в отношении взаимосвязи с окружающей средой.
Модель CSCG также оказалась способна учесть явления, которые были обнаружены совсем недавно. Например, способность мозга крысы определить, сколько одинаковых кругов нужно сделать по лабиринту, чтобы получить вознаграждение. Алгоритм, обученный, что вознаграждение полагается после третьего круга по прямоугольной дорожке, самостоятельно стал различать круги и предсказывать момент получения награды без явных указателей.
Новая модель может быть полещна не только для понимания процессов, происходящих в мозге, но и для лечения распространенных болезней. В их числе, например, нейродегенеративные диагнозы, при которых часто нарушаются навигация и ориентирование в пространстве, — болезни Паркинсона и Альцгеймера.