Специалисты из Google разработали модель, более точно воспроизводящую работу гиппокампа – структуры мозга, отвечающей за запоминание и обработку пространственной информации, необходимой для ориентации животных и людей. Данная модель не только позволяет объяснить известные ранее аспекты функционирования гиппокампа, но и учитывает недавно выявленные его характеристики.
Способность ориентироваться в пространстве играет ключевую роль в жизни животных и человека. Природа этого навыка является предметом интенсивных исследований в научных кругах. Например, одно из недавних исследований выявило, что маршруты, изученные в реальных условиях, подвергаются дальнейшей обработке и усваиваются во сне.
Специалисты из Google DeepMind разработали психофизиологическую модель, которая, по их мнению, наиболее точно описывает обработку пространственной информации в мозге. В ней представлено описание концепции, стремящейся к наиболее точному воспроизведению принципов работы гиппокампа при ориентировании в пространстве, опубликовал журнал Science.
В своей научной работе авторы высказали мнение, что формирование представления о пространстве в мозге происходит посредством процесса, аналогичного скрытому обучению последовательностям высокой степени сложности. Гиппокамп был помещен «в парадигму, основанную на последовательностях», что противоречит общепринятой точке зрения, ориентированной на пространство. Исследователи утверждают, что такой подход позволяет объяснить различные изменения в отображении пространства, такие как те, что связаны с геометрией, прозрачными или непрозрачными препятствиями, ориентирами и расстоянием до отправной или конечной точки.
«Восприятие пространства в виде последовательности <…> указывает на необходимость применения методологии картографирования пространственных полей, которая интерпретирует последовательные нейронные реакции в евклидовых терминах, иногда сам по себе процесс может становиться причиной отклонений. Разработанная нами модель, основанная на графах с клонированной структурой и причинно-следственными связями (CSCG), использует более сложные структуры графов для изучения скрытых представлений, устанавливая соответствие между сенсорными данными и различными контекстами, — отметили исследователи.
Эксперты провели тестирование CSCG в различных условиях. На начальном этапе модель должна была изучать топологии на основе последовательностей наблюдений, затем — представлять карты нескольких сред в одной модели, а также объединять карты данных, пересекающихся пространственно, но никак не связанных во времени. Исследовалась и способность модели использовать ранее приобретенные структурные данные, чтобы управлять поведением в незнакомой среде. Все перечисленные свойства необходимы животным и человеку для ориентирования в пространстве.
Во время проведения второго этапа экспериментов исследователи стремились установить, способна ли CSCG воссоздать и интерпретировать разнообразные процессы, наблюдаемые в гиппокампе, результаты которых уже были задокументированы и подтверждены экспериментальным путем. Эти процессы можно условно разделить на пространственные, связанные с геометрией и ориентирами, имеющие как пространственный, так и временной аспекты, а также воспроизведение, искажение и модификацию поля местоположения в зависимости от взаимодействия с окружающей средой.
Модель CSCG продемонстрировала способность учитывать недавние открытия. В частности, она смогла воспроизвести способность мозга крысы определять необходимое количество одинаковых кругов в лабиринте для получения вознаграждения. Алгоритм, которому было показано, что вознаграждение полагается после прохождения третьего круга по прямоугольной траектории, начал самостоятельно различать круги и прогнозировать момент получения награды, даже без явных подсказок.
Новая модель может оказаться полезной не только для изучения процессов, протекающих в мозге, но и для терапии распространенных заболеваний. К ним, в частности, относятся нейродегенеративные расстройства, сопровождающиеся нарушениями ориентации и навигации, такие как болезнь Паркинсона и болезнь Альцгеймера.