Мы шаг за шагом рассмотрим процесс зрительного восприятия. Вы узнаете, что мы видим мир вовсе не таким, какой он есть на самом деле: наша сетчатка разбивает его на множество отдельных фрагментов (сигналов) и посылает их в мозг по отдельным каналам, каждый из которых несет информацию об одном небольшом аспекте изображения. Я объясню, как нейроны сетчатки выполняют это перекодирование и почему. Затем мы проследуем за этими сигналами в мозг и посмотрим, как из них формируется восприятие.

В мозге по-прежнему еще множество тайн, но мы уже смогли прийти к важному выводу: бо́льшая часть мозга работает не как система фиксированных двухточечных соединений наподобие телефонной сети, а как паутина бесчисленных нейронных связей, то есть как нейронная сеть. В наши дни нейронные сети обычно ассоциируются с компьютерами, но их идея впервые была выдвинута более полувека назад прозорливым канадским нейробиологом Дональдом Хеббом. Несколько лет спустя эту теорию подхватили специалисты в области теории вычислительных систем. В последующие десятилетия нейронные сети то входили в моду, то теряли популярность, но более совершенные компьютеры в конечном итоге привели к рождению новой области искусственного интеллекта (ИИ), известной как машинное обучение. Разработчики ИИ показали, что компьютерные нейронные сети могут научиться впечатляющим вещам, и тем самым побудили нейробиологов вновь посмотреть на головной мозг сквозь призму нейронных сетей. Сегодня у нас есть замечательный альянс нейробиологии и компьютерных наук, в котором каждая дисциплина служит источником идей для другой.

Действительно ли мозг использует нейронные сети для восприятия и осмысления мира? Функционирует ли он согласно принципам, применяющимся в «машинном обучении»? Ответ, судя по всему, да – и мозг делает это намного лучше компьютеров. Безусловно, компьютеры поражают нас некоторыми своими способностями – не только игрой в шахматы, но и выполнением других более сложных задач. Но по большому счету они как цирковые пони, умеющие делать только один трюк. И даже самые простые системы ИИ требуют большого количества оборудования и, как следствие, большого количества энергии. В отличие от них, наш скромный по размерам мозг способен выполнять огромное разнообразие задач, потребляя при этом меньше энергии, чем ночник для чтения. С этой точки зрения компьютеры очень примитивны, поэтому цель – сделать их хотя бы немного похожими на человеческий мозг.

Как это давно понял Дональд Хебб, нейронная сеть с фиксированными соединениями неспособна учиться. Ключ к обучаемости нейронной сети (биологической или искусственной) – в способности синаптических связей между ее нейронами меняться под влиянием опыта. Такая пластичность – общее правило для всего мозга, а не только для сенсорных систем. Благодаря ей мозг может оправляться от повреждений и выделять дополнительные ресурсы под особенно важные задачи. В зрительной системе нейронные сети могут научиться заранее идентифицировать визуальный объект, дополняя сенсорную информацию, поступающую с сетчатки, знаниями об увиденных ранее аналогичных объектах. Это означает, что значительная часть нашего восприятия – не столько фиксированная, сколько приобретенная в результате обучения реакция на зримый объект. Нейронные сети распознают определенные комбинации признаков, когда они их видят.

Куда это приведет нас в наших поисках понимания механизмов восприятия, мышления, эмоций? Конкретные детали нам неизвестны, но мы можем заглянуть в далекое будущее и попробовать увидеть ответ. Это будут фактологические, поддающиеся проверке научные знания в каждой точке. В этой книге мы с вами пройдем часть пути – до того места, где сенсорный опыт превращается в восприятие и мысль.

Наконец, где во всем этом наше «я»? Легко говорить о мозге с позиции внешнего наблюдателя, но что представляет собой – и где обитает – тот «внутренний человек», который смотрит на мир нашими глазами? Задумываясь об этом, мы неизбежно наталкиваемся на вопрос о природе сознания, нашего «я», а на этом пути мы, люди, едва ли сделали первые шаги. Я затрону эту тему в конце книги, не давая ответов, но постаравшись чуть более четко обозначить проблему.

Часть I

Зрение: Первые шаги к пониманию

В 1960-х гг. в Гарвардском университете уважаемый профессор Джейкоб Бек читал курс, незатейливо назвавшийся «Восприятие». Лекции проходили в небольшой аудитории, втиснутой в углу Мемориального холла – величественного готического здания из темно-красного кирпича, возведенного в XIX в. в память гарвардцев, погибших в Гражданской войне. Около сотни коричневых деревянных столов, покрытых за прошедшее столетие бесчисленными слоями пожелтевшего лака, ступенчато спускались к огромной черной доске, которая занимала всю переднюю стену. Через редкие окна, расположенные высоко на левой стене, виднелось холодное небо, но лампы накаливания заливали теплым желтым светом аудиторию, в которой находилось 30–40 студентов.

Манера преподавания Бека была такой же простой и ясной, как и название его курса. Он придерживался классического стиля, считая, что его главная задача – четко и организованно изложить учебный материал, а не увлечь студентов. В ходе лекций он пользовался тщательно подготовленными конспектами и в начале каждого занятия обязательно уделял несколько минут тому, чтобы повторить основные моменты предыдущей лекции.

Впрочем, Беку и не надо было вести себя как шоумен. Материал захватывал сам по себе. Разумеется, Бек преподавал нам основы: давление на кожу деформирует нервные окончания, которые посылают сигнал через спинной мозг в головной. Одни наши кожные рецепторы реагируют на прикосновения, другие – на тепло, третьи – на движение по коже, например, когда вы гуляете по лесу и вдруг чувствуете, что у вас по руке ползет неизвестное (и, возможно, ядовитое) насекомое. Такого рода факты любого могли заинтересовать. Но самой удивительной проблемой, которой Бек озадачил нас, 19-летних, была проблема распознавания объектов.

С одной стороны, она непосредственно связана со зрительным восприятием: как работает глаз, как он подает сигнал в мозг. Но не только. Здесь играют роль куда более сложные феномены, такие как мышление, память, природа сознания. Сегодня мы более-менее представляем себе, как работает наша сенсорная система. Мы научились регистрировать прохождение электрических сигналов по чувствительным проводящим путям. Научились стимулировать нейроны, что позволяет нам все больше узнавать об их работе и функциях. Мы многое узнали о том, как обрабатываются сенсорные сигналы в головном мозге и как они передаются между различными его отделами. Таким образом, у нас появились надежные базовые знания, опираясь на которые мы можем двигаться дальше по пути, на котором мы только-только начинаем делать первые шаги, – по пути к пониманию того, как мыслит наш мозг. И изучение феномена нашего зрения обещает по крайней мере частично приподнять завесу над великими тайнами.

1 | Чудо восприятия

Груши – не скрипки,Не обнаженные тела, не бутыли.Они ни на что не похожи.Они – желтые формы,Сотворенные из изгибов,Бочковатые книзу,Чуть тронутые красным.УОЛЛЕС СТИВЕНС

Взгляните на эти три лица. Хотя фотографии несколько размыты и неконтрастны, вы легко можете распознать, кто на них изображен: справа – женщина (у нее более округлое лицо); в центре – мальчик (у него явно мужской подбородок). Будь они вашими сыном или дочерью, братом или матерью, другом или подругой или любым другим близким человеком, вы бы узнали их в любом виде и в любой ситуации, в профиль и анфас, при ярком свете и в сумерках, вблизи и издалека, радостными, грустными, смеющимися или молчаливыми.

Задумывались ли вы когда-нибудь о том, как вы это делаете? Каждый раз на вашу сетчатку падают фактически разные изображения. Ваш мозг приспосабливается к каждому изображению – крупному либо мелкому, яркому либо тусклому, с улыбкой или нахмуренными бровями. Число различных версий лица – как физического раздражителя, воспринимаемого вашей сетчаткой, – практически бесконечно. Однако же мы узнаем знакомые лица мгновенно и без усилий. И мы способны различать не три лица, а сотни и тысячи. Каким же образом нашему мозгу, который, по сути, является всего лишь природным аппаратом, как и все остальное в нашем теле, удается так хорошо справляться с этой задачей?

Давайте начнем с более простого примера. Представьте, что вам нужно разработать компьютерную программу, способную распознавать букву А. Современные компьютеры справляются с этим легко, не так ли? Но это всего лишь видимость – компьютеры нас обманывают (через пару абзацев я объясню, почему так говорю).

Решение кажется очевидным: в компьютере (или в мозге) должен иметься шаблон или образец буквы А. Компьютер (или мозг) сравнивает распознаваемую букву с образцом буквы А и делает вывод об их сходстве или различии. Но что, если размер распознаваемой А отличается от размера шаблонной А? Их сопоставление покажет, что это разные буквы.

Хорошо, значит, в компьютерную программу необходимо включить все множество шаблонов буквы А разного размера:

Окей, проблема с несхожими размерами решена. Но предположим, что распознаваемая буква А немного наклонена влево: Накренившаяся буква снова не будет совпадать ни с одним из имеющихся шаблонов.

Чтобы решить эту проблему, мы включаем в программу набор шаблонов буквы А всех возможных размеров со всеми возможными углами наклона. Если компьютер достаточно мощный, эта программа может работать достаточно быстро. Но как насчет остальных параметров, таких как толщина линии, цвет, шрифт и т. д.? Мало того: число комбинаций, которые в итоге нужно проверить компьютеру, – все возможные размеры, умноженные на все возможные углы наклона, умноженные на все возможные свойства шрифта, умноженные на все возможные цвета, и т. д. Это количество становится очень большим, слишком большим с практической точки зрения. И вся морока ради того, чтобы распознать одну-единственную букву!