Нервная система из 24 клеток оказалась далеко не столь простым объектом, как можно было бы предположить. Ученые нашли еще одно препятствие для изучения работы мозга. Которое, впрочем, является весьма ценным качеством — речь идет о способности работать в самых сложных условиях и противостоять сбоям.
Работа исследователей из университета Брандейса (США) примечательна тем, что дает еще один ответ на вопрос, часто задаваемый неспециалистами: почему нельзя взять какое-нибудь примитивное животное, рассмотреть под микроскопом все связи между клетками и получить полную схему хотя бы самой простой нервной системы? Если просто схемы недостаточно, так как по соединению между клетками нервные импульсы проходят только в определенных ситуациях, то что мешает взять какую-нибудь виноградную улитку, плоского червя или муху, вживить в них электроды и записать активность клеток? Почему подход «пронаблюдать, понять и скопировать», хорошо известный каждому специалисту по электронике, не работает в случае даже с примитивным мозгом?
Нейробиологи, которые уже в самом начале становления своей науки поняли, что человеческие и даже мышиные мозги невероятно сложны для изучения, действительно задумались о выборе объекта попроще. Секрет нервных волокон (как и за счет чего они передают сигналы) был, например, раскрыт в опытах с кальмарами — у этих животных оказались очень крупные аксоны, отростки нервных клеток. Плоские черви стали объектом пристального внимания специалистов по развитию организма (удобно, когда объект растет прямо под микроскопом, да еще и будучи прозрачным!). Отдельные аспекты поражения нейронов при болезни Альцгеймера удалось изучить на плодовых мушках, но вот получить «схему простого мозга» ученым так и не удалось. Почему? Ведь уже к 1950-м годам появились первые математические модели нервных клеток, а искусственные нейросети успешно применяются в технике, причем для довольно сложных задач вроде распознавания рукописного текста.
В качестве объекта изучения американский коллектив выбрал краба Cancer borealis, а в качестве метода — электрофизиологию, регистрацию сигналов с электродов, вживленных в нервный ганглий на брюхе краба. Многочисленные прошлые исследования разных групп ученых показали, что в этом нервном узле всего 26 клеток, которые объединены в сеть с давно известной конфигурацией. Схема из 30 элементов, которая выдает согласованные серии ритмических импульсов, — с точки зрения инженера-электронщика такое устройство сгодится разве что в качестве обучающего набора для радиолюбителя… но изучение этого «простого» ганглия внезапно выявило кое-что новое.
Нейробиологи выделили нервный ганглий, подключили к нему электроды и стали записывать сигналы с разных клеток. Далее эти сигналы сопоставлялись друг с другом, и таким образом ученые планировали определить, какие связи между клетками использовались для поддержания ритмичной активности. Математические методы такой обработки сигналов давно известны, процедура регистрации самих нервных импульсов сложна, но вполне по силам прилично оборудованной лаборатории… а вот простого и понятного результата получить не удалось. То есть одна клетка посылала другим один набор сигналов, а другая, которая должна была бы быть связана с первой, выдавала какие-то совершенно иные сигналы! Зато те нейроны, которые анатомически никак не связаны между собой напрямую, напротив, демонстрировали явно не случайным образом совпадающую активность. А те данные, которые не содержали противоречий, никак не укладывались в модели нейронных сетей, способных выдавать циклическую активность.
Что говорит либо о каких-то паранормальных явлениях, либо о том, что с исходными допущениями ученых было что-то не так. В своей статье для журнала Neural Systems & Circuits они прямо написали: метод Грэнджера (кстати, нобелевского лауреата, и не по физиологии, а по экономике!), которым искали сходства в последовательностях импульсов, не всегда подходит для сложных нейронных сетей, где импульсы могут как активировать клетки, так и подавлять их активность. Классическая модель нейрона, складывающего все пришедшие ему сигналы вместе и посылающего импульс дальше при превышении некоего порога, тоже обнаруживает свою ограниченность, а та ритмичность работы ганглия, которую изучали ученые, по всей видимости, обусловлена далеко не теми же простейшими механизмами, которые работают в модельных искусственных нейросетях.
И эта сложность может иметь объяснение с точки зрения теории эволюции: эволюция шла не путем появления простых и готовых схем, а медленным отбором решений, способных любым образом обеспечить необходимую активность. Там, где инженер поставил бы несколько простых деталек, естественный отбор оставлял нетривиальные (и иногда откровенно странные) схемы, которые зато могут работать в сложных условиях, дополняя друг друга. Нервная система использует множество разных типов клеток, десятки рецепторов и нейромедиаторов, у нее нет разумного первоначального проекта.
Вопросы и ответы:
— Значит ли это, что ученые не могут понять работу мозга?
— Смотря что вкладывать в «понимание работы мозга». Никто не отрицает, что нейронные сети функционируют за счет обмена электрохимическими сигналами, которые передаются от клетки к клетке благодаря специальным белковым рецепторам и веществам-нейромедиаторам. Не подлежит сомнению и то, что в ряде случаев даже простые формальные нейроны неплохо имитируют работу настоящего мозга, но все это не значит, что ученым известно абсолютно все.
Можно провести аналогию: каждый читатель знает о том, что бухгалтеры используют для работы компьютеры, что в их отчетах фигурируют деньги и банковские счета, что налог с зарплаты составляет 13%, что справки о доходах печатают на определенного вида форме, а документы заверяют печатью, — всех этих знаний вполне достаточно для того, чтобы ответить на вопрос подростка «что такое бухгалтерия?». Но если неспециалист придет в контору и начнет следить за действиями сотрудников бухгалтерии, то он тоже столкнется с тем, что не может понять происходящее. Ученые, которые пытаются понять работу простой нейронной сети, могут быть уподоблены неспециалисту, который пытается без подсказок со стороны понять по видеозаписи то, как надо оформлять годовой отчет.
Если не нравится бухгалтерская аналогия, можно воспользоваться компьютерной. Многие знают, зачем компьютеру процессор, блок питания, видеокарта и жесткий диск, но кто сможет внятно объяснить, как именно его домашний компьютер рисует на экране хотя бы одну-единственную точку?
— А что такое «простая модель нейрона»?
— Для тех, кто знает английский, — зайдите сюда, скачайте и установите простую программу с игрушечной лабораторией. Там в очень доступной форме показано, как даже примитивнейшая на фоне реальной клетки модель нейрона справляется со сложными задачами вроде переставления лапок муравья. На русском и в более строгом стиле есть статья про нейронные сети в Wikipedia.
— А как эволюция могла привести хотя бы к простому нейрону? Ведь для этого требуется множество мутаций; если каждая происходит хотя бы с вероятностью 50% (а на деле, наверное, много меньше), то какова же вероятность того, что произойдет сразу сто нужных? 0,5 в сотой степени?
— Разумеется, ситуация, когда бактериальная клетка вдруг, подвергшись облучению, стала нейроном и тут же к ней примкнули мутанты, ставшие клетками мышц, кишечника и других органов, невозможна. Но возможна серия постепенных изменений, каждое из которых давало существенное преимущество. Клетки, которые научились откликаться только на биохимический сигнал от соседей, стали удачной находкой для многоклеточных, способность протягивать отростки позволила передавать сигнал еще точнее. Так шаг за шагом шел эволюционный процесс.
Стоит вернуться к бухгалтерской аналогии: какова вероятность того, что в Древнем Вавилоне какой-нибудь жрец соорудил себе компьютер, написал бы для него бухгалтерскую систему «Вавилон: висячие сады» и стал бы там вести учет глиняных табличек? Очевидно, что это даже не сюжет для фантастики. Но история бухгалтерского дела почему-то не вызывает вопросов вида «а как это люди научились сдавать годовые отчеты в налоговую?».
Ученые могут не знать сейчас всех деталей — кто, когда и как, к примеру, придумал первые деньги. И точно так же вопрос «как выглядел первый организм, у которого были нейроны» тоже может остаться без ответа — это не делает эволюцию нервной системы менее реальной.
— А почему ученые использовали для анализа сигналов метод, который придумал экономист?
— Грэнджер исходил из того, что если два графика разнесенных по времени явлений похожи, то это, вероятно, неспроста. Скажем, если котировки акций нефтяных компаний растут и следом растет курс акций компании, которая производит стальные трубы, это указывает на строительство нефтепровода. Но с точки зрения математики все равно, что на графике — хоть акции, хоть цены на дрова, хоть активность нервных клеток. Метод экономиста оказался полезен нейробиологам, особенно там, где нет возможности проследить за сигналом… Но новое исследование, где была возможность сравнить результаты анализа с реальной конфигурацией нервной системы, показало: иногда анализу не стоит безоговорочно доверять.
