Учёные из Google разработали модель, которая лучше предыдущих моделей отражает работу гиппокампа — отдела мозга, отвечающего за хранение и обработку пространственной информации, помогая живым существам ориентироваться в мире. Новая модель не только объясняет уже известные особенности работы гиппокампа, но и учитывает его недавно открытые свойства.
Ориентация в пространстве – важный навык для животных и людей. Учёные активно исследуют её природу. Одно исследование показало, что изученные маршруты дополнительно обрабатываются и… усваиваются во сне.
Специалисты из Google DeepMind разработали психофизиологическую модель, которая, по их мнению, наиболее полно описывает обработку пространственной информации в мозге. опубликовал журнал Science.
Авторы научной статьи выдвинули предположение о том, что представление о пространстве в мозге формируется подобно скрытому обучению последовательности высокого порядка. Гиппокамп был помещён в парадигму, ориентированную на последовательность, что ставит под сомнение преобладающий взгляд, основанный на пространстве. По мнению учёных, такой подход позволяет объяснить различные изменения в отображении пространства, например, связанные с геометрией, прозрачными или непрозрачными препятствиями, ориентирами и расстоянием до начальной или конечной точки.
Анализ пространства в виде последовательности подразумевает, что методика отображения пространственных областей, интерпретирующая последовательные нейронные ответы, в евклидовых терминахВнедрение самой модели может стать причиной аномалий. Разработанная модель clone-structured causal graph (CSCG) применяет графы более высокого порядка для изучения скрытых представлений, связывая сенсорные входы с уникальными контекстами.
Эксперты оценили работоспособность CSCG в разнообразных ситуациях. Начальным этапом стало ознакомление модели с топологииМодель может основываться на рядах наблюдений, совмещать карты нескольких сред, а также объединять карты данных, разделяющихся пространственно, но не связанных во времени. Проверялась возможность модели использовать ранее полученные структурные данные для управления поведением в новой обстановке. Все перечисленные свойства важны как для животных, так и для человека для навигации в пространстве.
Во второй серии экспериментов ученые проверяли, может ли модель CSCG воспроизвести и объяснить широкий спектр явлений гиппокампа, данные о которых известны и экспериментально подтверждены. Эти явления можно разделить на пространственные, связанные с геометрией и ориентирами, имеющие как пространственный, так и временной компоненты, а также повторение, искажение и изменения поля местоположения в связи с окружающей средой.
Модель CSCG может учитывать недавно обнаруженные явления. Например, крысы могут определить количество одинаковых кругов по лабиринту для получения вознаграждения. Алгоритм, обученный, что вознаграждение полагается после третьего круга по прямоугольной дорожке, сам различал круги и предсказывал момент получения награды без явных указателей.
Новая модель может быть полезна не только для понимания процессов в мозге, но и для лечения распространенных болезней, таких как нейродегенеративные диагнозы с нарушением навигации и ориентирования в пространстве — болезни Паркинсона и Альцгеймера.