В исследовании, вдохновленном принципами квантовой механики, исследователи из Университета Помпеу Фабра (UPF) и Оксфордского университета раскрывают новые открытия, чтобы понять, почему человеческий мозг способен принимать решения быстрее, чем самый мощный в мире компьютер в ситуации критического риска. Человеческий мозг обладает этой способностью, несмотря на то, что нейроны намного медленнее передают информацию, чем микрочипы, что поднимает многочисленные неизвестные факторы в области нейронауки.
Исследование опубликовано в журнале Physical Review E.
Следует иметь в виду, что во многих других обстоятельствах человеческий мозг не быстрее технических устройств. Например, компьютер или калькулятор могут выполнять математические операции гораздо быстрее человека. Так почему же в критических ситуациях, например, при принятии срочного решения за рулем автомобиля, человеческий мозг может превзойти машины?
Самая точная вычислительная модель, которая еще не проанализировала связи между самыми дальними нейронами
Это недавнее исследование проясняет этот вопрос благодаря разработке новой модели вычислительного анализа мозга, называемой CHARM (Complex Harmonics Decomposition). Это самая точная на сегодняшний день модель для изучения функций дальних связей мозга, которые связывают нейроны, находящиеся далеко друг от друга, и играют фундаментальную роль в динамике мозга, активируемой при принятии критических решений. Это также первая модель, применяющая квантовую механику в качестве инструмента для анализа мозга.
Исследователи UPF и Оксфорда описывают эту модель в своем исследовании. Основным автором статьи является Густаво Деко, директор группы вычислительной нейронауки в Центре мозга и познания UPF (CBC). Основным исследователем является Мортен Л. Крингельбах (Центр эвдемонии и человеческого процветания в колледже Линакр, Оксфордский университет и Центр музыки в мозге в Университете Орхуса). Соавтором статьи также является Йонатан Санс (CBC-UPF и Университет Буэнос-Айреса).
Нейронные связи на больших расстояниях можно сравнить с теми, которые соединяют компьютеры в далеких странах
Чтобы разработать модель CHARM, исследователи начали с парадигмы анализа динамики мозга, которую мы могли бы сравнить с Интернетом. В определенных сценариях, таких как ситуации риска, нейроны, распределенные в разных областях мозга, как близко друг к другу, так и далеко друг от друга, объединяются различными связями. Эти связи позволяют объединить вычислительную мощность всех нейронов в сети.
Таким образом, хотя группы нейронов, расположенных в разных областях мозга, имеют ограниченную способность передавать информацию, когда они объединяют свои ресурсы в сеть, они достигают гораздо большей вычислительной мощности. Эта парадигма набрала силу за последнее десятилетие, в отличие от традиционного подхода, согласно которому нейронные области функционируют только локализованным образом.
Согласно распределенной парадигме, модель CHARM позволяет исследовать специфические функции связей между нейронами удаленных друг от друга участков мозга. Продолжая параллель с Интернетом, мы могли бы сравнить эти связи с теми, которые позволяют нам связать человека, находящегося в Барселоне, с другим человеком, находящимся в Сиднее.
В критическом состоянии повышается эффективность дальних нейронных связей
Исследователи обнаружили, что эффективность дальних связей повышается, когда в мозге преобладает критическая динамика, которая приводит его в состояние перехода от порядка к хаосу.
«Мы могли бы приравнять это состояние к переходной фазе, подобной процессу, при котором вода становится льдом. В этой критической точке мозг имеет обостренные свойства», — объясняет Деко.
Модель CHARM позволила точно определить функции этих дальних связей в этом или других состояниях, впервые интегрировав принципы квантовой механики в систему вычислительного анализа мозга. Деко (UPF) указывает, что функционирование мозга не является квантовым, но уравнения, основанные на принципах квантовой физики, такие как уравнение Шредингера, являются прекрасным инструментом для анализа его динамики.
В этой связи профессор UPF говорит: «Способность мозга производить такие сложные и чувствительные вычисления одновременно, несмотря на обилие нейронной передачи, всегда была захватывающей загадкой. Приняв уравнение Шредингера, мы можем моделировать эти взаимодействия с такой степенью точности, которая ранее была нам недоступна».
Результаты могут улучшить диагностику неврологических заболеваний и проложить путь к новым исследованиям в области искусственного интеллекта
Результаты исследования также могут иметь многочисленные приложения для улучшения диагностики и лечения различных неврологических заболеваний, таких как шизофрения или депрессия. Дисфункции нейронных связей на больших расстояниях являются ключом к пониманию происхождения этих заболеваний.
Более того, исследование открывает двери новым направлениям исследований в области искусственного интеллекта (ИИ). В настоящее время искусственные нейронные сети основаны на локализованной, нераспределенной модели. В будущем возможное применение распределенной парадигмы к ИИ может умножить его текущие возможности, хотя для этого еще предстоит преодолеть множество технических трудностей.
