Ответ заключается в том, что если у вас есть достаточное количество нейронов, связанных друг с другом, то эта взаимосвязанная коллекция может порождать удивительную сложность. Это подобно легиону муравьев-солдат в муравейнике или тысячам термитов в одном из тех удивительных земляных сооружений. Итак, простые элементы, собранные во множество и коммуницирующие друг с другом, способны создать очень сложные системы. Это было открыто в 1948 году Клодом Шенноном[14], математиком, работавшим в Bell Laboratories[15], США, над проблемой передачи больших объемов данных по телефону. Он доказал, что любая схема – не важно, насколько она сложна, – может быть разложена на серии состояний «вкл.» и «выкл.», распределенных по сети. Теория информации Шеннона, как ее теперь называют, была не бесполезным теоретизированием, а практическим инструментом, совершившим революцию в области коммуникаций и положившим начало компьютерной эре. Он продемонстрировал, что, если соединить множество простых переключателей, которые могут находиться только в положениях «вкл.» или «выкл.», получается двоичный код[16], который является коммуникационной платформой любых цифровых систем, управляющих всем, начиная от iPod и заканчивая Международной космической станцией, летающей вокруг Земли. Этот двоичный код – основа любого современного компьютерного языка. И тот же самый принцип действует в каждом живом организме, у которого есть нервная система.
Нейроны коммуницируют друг с другом, посылая электрохимические сигналы через соединительные волокна. Типичный нейрон имеет множество отростков, соединяющих его с соседними нейронами, но есть и отростки дальнего действия, которые называют аксонами. С помощью аксонов нейрон общается с группами нейронов, расположенных на достаточно большом расстоянии. Это подобно человеку, имеющему множество друзей в своей округе, с которыми он регулярно общается и при этом поддерживает очень крепкую связь с группой друзей, живущих за границей. На внешней поверхности мозга есть слой коры (на латыни cortex) – слой толщиной 3–4 мм, где нейроны очень плотно спрессованы. Кора представляет особый интерес, поскольку высшая нервная деятельность, делающая нас людьми, как выяснилось, опирается на то, что происходит в этом тонком сером веществе. Именно кора придает мозгу его специфический вид огромного грецкого ореха со множеством извилин[17]. Человеческий мозг в 3000 раз крупнее мозга мыши, но наша кора всего втрое толще[18], ее объем собран в складки. Попробуйте запихнуть большую кухонную губку в небольшую бутылку. Вам придется смять ее. То же самое происходит с человеческим мозгом. Складчатая структура коры – инженерное решение природы в ее стремлении запихнуть как можно больше ресурсов в стандартный череп, чтобы людям не пришлось носить головы размером с большой надувной мяч. Спросите любую мать после родов, и она вежливо объяснит вам, что родить малыша с головой нормального размера и без того непросто, страшно и подумать о ее увеличении!
Подобно странному инопланетному существу, распространяющему повсюду свои щупальца, каждый нейрон связан одновременно с тысячами других нейронов. Комплексная интенсивность поступающей информации определяет состояние нейрона – возбужденное или спокойное. Когда суммарная активность поступлений достигает предельного уровня, нейрон включается, генерируя небольшой электрохимический сигнал, запускающий цепную реакцию в его соединениях. В силу этого каждый нейрон немного похож на микропроцессор, поскольку он подсчитывает суммарную активность всех остальных нейронов, с которыми он связан.
Это напоминает также распространение молвы по округе. Некоторые из нейронов по соседству способствуют возбуждению. Они, как добрые друзья, хотят помочь разнести слух. Другие нейроны – тормозящие, проще говоря, они советуют вам заткнуться. И каждый раз, когда нейрон проводит подобную «беседу» с разными соседями и отдаленными приятелями, он запоминает, следовало ли ему в подобной ситуации распространить сообщение по миру или лучше сохранить молчание, поэтому если молва возникает снова, нейрон реагирует на нее более уверенно. Это происходит потому, что связи между нейронами становятся сильнее в случае повторяющихся совместных «стрельб». По словам нейрофизиолога Доналда Хебба, открывшего этот механизм, «совместное возбуждение укрепляет связь»[19].
Схемы распространения электрической активности – это подоплека психической жизни. Это наши мысли. Независимо от того, вызваны они внешней средой или всплыли из глубин подсознания, они являются схемами активизации нейронов в матрице нашего разума. Когда какое-то событие внешнего мира, например, звуки музыки, возбуждает наши органы чувств, это возбуждение преобразуется в паттерн[20] нейронных импульсов, который передается в соответствующую обрабатывающую зону мозга. Та, в свою очередь, генерирует схемы каскадной активизации, распространяющиеся по всему мозгу. Каскадные паттерны нейронной активности аналогично прокатываются через соответствующие мозговые центры в обратном направлении (если у вас возникла мысль, например, воспоминание о звуках музыки), восстанавливая память и мыслительные процессы, относящиеся к этому конкретному опыту переживаний.
Подобный характер процесса объясняется тем, что мозг имеет дело с распределенными паттернами. Представьте себе, что нейронные паттерны у вас в мозге похожи на узоры из костяшек домино в тех удивительных трюках, где вы толкаете одну из них и запускаете цепную реакцию. Только здесь эти доминошки могут быть снова выставлены на свои места в ожидании, когда их толкнут очередной раз. Некоторые костяшки легко уронить, другие требуют повторяющихся толчков с разных сторон, прежде чем они активируются и продолжат распространение паттерна.
Теперь представьте, что вместо одного паттерна домино существует триллион всевозможных паттернов, перекрывающихся между собой и делящих некоторые возбужденные и заторможенные нейроны. Не все доминошки падают, поскольку внутренние перекрестные связи некоторых нейронных кластеров оказывают влияние на путь, по которому происходит активизация нейронов. Тот факт, что каждый нейрон может участвовать более чем в одном паттерне возбуждения, означает, что мозг может выполнять параллельные операции. Это очень существенный момент, поскольку он объясняет, откуда у мозга такая обрабатывающая мощность. Он может выполнять одновременно несколько задач, используя одни и те же нейроны. Это как трехмерная игра в крестики-нолики. Представьте, что крестик и нолик соответствуют активному и неактивному состоянию нейронов. Они могут начинать или останавливать линии, которые мы будем использовать в качестве метафоры для цепи активизации нейронов.
Рис. 2. Параллельные процессы обработки информации напоминают трехмерные крестики-нолики
Эти цепи могут распространяться в разных направлениях. Если вы ставите крест в нижней линии нижнего слоя, он будет также активировать паттерны среднего и верхнего уровней одновременно. Если вы рассматриваете комбинацию только на одном уровне, вы, скорее всего, проиграете игру. Чтобы хорошо сыграть, вы должны учитывать параллельную активизацию на всех уровнях одновременно. Точно так же активация одних нейронов порождает параллельную активизацию в других присоединенных сетевых паттернах. И это хорошо: поскольку расчетная скорость импульса, двигающегося от одного нейрона к другому в реальном времени, оказалась слишком медленной в сравнении со скоростью, с которой наш мозг, как нам известно, может выполнять множество одновременных операций. Наилучшее объяснение эффективной скорости нашего мозга при выполнении разных задач – параллельная организация нейронных паттернов[21]. Наш мозг на самом деле осуществляет многозадачную работу на одном и том же физическом оборудовании.
14
C.E. Shannon, «A mathematical theory of communication», Bell System Technical Journal, 27 (1948), 379–423 and 623–56.
15
Исследовательское подразделение AT&T, занимавшееся проблемами телекоммуникаций.
16
Двоичная система (0 и 1) впервые была введена немецким математиком и философом Готфридом Вильгельмом Лейбницем в XVII веке. Двоичный код хорошо работает, поскольку имеет дело только с двумя состояниями «вкл.» и «выкл.», что идеально подходит для электрических систем.
17
E. Ruppin, E.L. Schwartz and Y. Yeshurun, «Examining the volume-efficiency of the cortical architecture in a multi-processor network model», Biological Cybernetics, 70:1 (1993), 89–94.
18
M. Abeles, Corticonics: Neural Circuits of the Cerebral Cortex (Cambridge: Cambridge University Press, 1991).
20
Паттерн – ансамбль нейронов, возбужденных в данный момент, т. е. общая картина «включенных» (и «выключенных») нейронов в данной ситуации.
21
M.A. Arib, The Handbook of Brain Theory and Neural Networks (Cambridge, MA: MIT Press, 2002).