Мозг – орган, который эволюционирует более 500 миллионов лет, поэтому не стоит ожидать, что он функционирует как механизмы, создаваемые человеком.
Несмотря на столь многообещающие темпы, у некоторых нейробиологов есть ощущение – судя по публикациям в научных изданиях за последнее десятилетие, – что будущий путь неясен. Трудно понять, что мы должны делать, кроме как просто собирать больше данных или рассчитывать на новейший захватывающий экспериментальный подход. Это не означает, что все настроены пессимистично, – некоторые уверенно утверждают, что применение новых математических методов позволит понять мириады взаимосвязей в человеческом мозге. Другие предпочитают изучать животных, которые совсем на нас не похожи, сосредоточивая внимание на крошечном мозге червя или личинки и используя хорошо зарекомендовавшие себя пути исследования. Они стремятся понять, как работает простая система, а затем применить полученные результаты к более сложным. Многие нейробиологи, если они вообще задумаваются о данной проблеме, просто полагают, что прогресс в любом случае будет постепенным и медленным, потому что нет Никакой Великой Единой Теории Мозга, поджидающей за углом.
Ученые до сих пор не понимают, как образуется наше сознание.
Проблема двоякая. Во-первых, мозг умопомрачительно сложен. Мозг – любой мозг, а не только человеческий, который был центром большей части размышлений, описанных здесь, – является самым сложным объектом в известной нам Вселенной. Астрофизик Мартин Джон Рис заявил, что насекомое сложнее звезды. А для Дарвина мозг муравья, крошечный, но способный порождать такое разнообразное поведение, был «одним из самых удивительных атомов материи в мире, возможно, даже более удивительным, чем мозг человека». Таков масштаб стоящей перед нами задачи.
Отсюда следует второй аспект. Несмотря на шквал данных о мозге, производимых лабораториями по всему миру, наука столкнулась с кризисом идей и сложнейшим вопросом: что делать со всей получаемой информацией и как ее трактовать? Я думаю, это свидетельствует о том, что компьютерная метафора, которая так хорошо служила нам более полувека, возможно, достигла своего предела. Представление о мозге как о телеграфной сети в конечном счете исчерпало себя в XIX веке. Ряд ученых теперь открыто оспаривают эффективность некоторых из наиболее важных технологических метафор мозга и нервной системы, таких как идея о том, что нейронные сети обрабатывают данные из внешнего мира через нейронный код. Судя по всему, научное понимание желает выйти за рамки давно устоявшейся парадигмы.
Может оказаться, что даже в отсутствие новых технологий достижения в области вычислительной техники, в частности связанные с искусственным интеллектом и нейронными сетями – которые частично вдохновлены тем, как работает мозг, – вернутся в наши представления о нем, давая компьютерной метафоре новую жизнь. Возможно. Но, как вы увидите, ведущие исследователи в области глубокого обучения[4] – самой модной и удивительной части современной информатики – радостно признают, что не знают, как их программы выполняют свои задачи. Я не уверен, что вычислительная техника даст нам понимание работы мозга.
Большинство крупных фармацевтических компаний отказались от поиска новых лекарств для лечения депрессии и тревожного расстройства из-за высоких затрат и рисков.
Одним из наиболее трагических признаков нашей исходной неопределенности в отношении мозга является самый настоящий кризис в исследовании психического здоровья.
С 1950-х годов наука и медицина приняли химические подходы к лечению психических заболеваний. Миллиарды долларов были потрачены на создание лекарств, но до сих пор неясно, как работают (и работают ли вообще) многие из широко распространенных препаратов. И фармацевтика пока не может предложить обнадеживающих перспектив.
Большинство крупных фармацевтических компаний отказались от поиска новых лекарств для лечения таких состояний, как депрессия или тревожное расстройство, считая, что и затраты, и риски слишком велики. Ситуация неудивительна: если мы еще не до конца понимаем функционирование мозга даже простейших животных, то вряд ли сможем эффективно реагировать на то, что происходит в голове человека.
4
Глубокое обучение (deep learning) – совокупность методов машинного обучения, основанных на обучении представлениям, а не специализированным алгоритмам под конкретные задачи. Иными словами, глубокое обучение построено на имитации работы человеческого мозга в процессе обработки больших массивов информации и создания паттернов, используемых для принятия решения.