В отличие от этого, понятие массивно взаимосвязанного мозга берет своё начало, несколько кружным путём, от формальных нейронных сетей (или просто нейронных сетей) которые сами были инспирированы биологической нервной системой. Нейронные сети являются динамическими моделями мозга. Впервые этот подход был введён в 1940-е годы, но приход компьютеров вдохнул в него новую жизнь3. Нейронная сеть — это коллекция большого числа простых взаимосвязанных элементов, выраженная в форме компьютерной программы. Свойства элементов и взаимосвязей упрощённо имитируют свойства реальных биологических нейронов, а также соединяющих их аксонов и дендритов. Запуская программу на компьютере, исследуют «поведение» модели при решении различных задач, и это позволяет исследователю понять динамические свойства реального мозга. Накапливая «опыт», формальные нейронные сети приобретают богатый набор свойств, которые не были запрограммированы в них с самого начала, — «эмерджентные» свойства. Комбинации сил их связей меняются, так что различные части сети формируют «внутренние представления» различных поступающих типов информации.
Сегодня моделирование мозга с помощью нейронных сетей находится в числе наиболее мощных средств когнитивной нейронауки. Исследования «приобретённых свойств», наряду с клиническими данными о влияниях повреждений мозга и методами функциональной визуализации, рассматривающими локальные взаимодействия, дают картину альтернативного, амодулярного принципа организации мозга. Ранее в этой книге я описывал этот принцип как градиентный. Согласно градиентному принципу, в мозге присутствуют массивные непрерывные взаимодействия, при этом функции его частей относительно мало предопределены. Вместо этого предполагается, что функциональные роли различных корковых областей складываются в соответствии с определёнными базовыми градиентами4.
Как модулярный, так и градиентный принцип имеют своих сторонников и критиков. Оба они отражают важные свойства мозга. Модулярность лучше всего применима к старой — с эволюционной точки зрения — структуре, таламусу, который состоит из большого числа ядер. Принцип взаимодействия лучше всего применим к относительно молодой эволюционной инновации в мозге, неокортексу (новой коре). В частности, принцип градиентного взаимодействия схватывает свойства самой молодой части неокортекса, так называемой гетеромодальной ассоциативной коры, которая играет решающую роль для высших психических процессов. Рептилии и птицы являются таламическими созданиями, с очень незначительным развитием5 коры. Вероятно, это было верно и для динозавров Млекопитающие, с другой стороны, имеют развитую кору, которая накладывается на таламус и подчиняет его себе.
Таламус и неокортекс тесно взаимосвязаны. Таламус часто рассматривается как предшественник коры, содержащий в рудиментарном виде большинство её функций. Будучи функционально близкими, таламус и неокортекс радикально различаются по нейроанатомической структуре. Таламус состоит из отдельных ядер, взаимосвязанных ограниченным числом проводящих путей, являющихся единственными каналами коммуникации. В отличие от этого, неокортекс — это поверхность без чётких внутренних границ, с богатыми проводящими путями, связывающими большинство зон с большинством других.
Если таламус является близким прототипом коры, то в чем состояло эволюционное давление, приведшее к возникновению неокортекса? Что в эволюции привело к введению фундаментально нового принципа нейронной организации, вместо усовершенствования уже имевшегося? Почему появление нейронной мантии, неокортекса, было с точки зрения адаптации предпочтительнее, чем дальнейшее развитие таламического принципа: больше ядер и ядра побольше? Вопрос выглядит телеологическим, пытающимся найти «цель» там, где какая-либо цель отсутствует, но мы постоянно задаём телеологические вопросы, помещая их в кавычки с оговоркой «так сказать», в качестве эвристической метафоры в нашем поиске понимания эволюции сложных систем, и биологических, и экономических, и социальных.
Возможный ответ на наш телеологический вопрос может заключаться в том, что различные принципы нейронной организации оптимальны для различных уровней сложности. До какого-то момента модулярная организация является оптимальной. Но когда требуется определённый уровень сложности, переход к сильно взаимосвязанной сети, состоящей из большого числа более простых (но разнообразных по типу) взаимодействующих элементов становится необходимым для того, чтобы гарантировать успех адаптации. В ходе эволюции акцент сместился с мозга, наделённого жёсткими, фиксированными функциями (таламус), к мозгу, способному к гибкой адаптации (кора). Это отразилось в экспоненциальном развитии неокортекса у млекопитающих.