Мозг предсказывает реальность с помощью электрических импульсов, работая как нейросеть

Специалисты из Института Солка выяснили, что нейронные волны в зрительной зоне служат мощным вычислительным инструментом, с помощью которого мозг формирует внутреннюю модель трехмерного пространства. Исследование подтвердило, что эти электрические сигналы, охватывающие поверхность коры, — вовсе не случайный фоновый шум. Они реализуют сложные пространственно-временные вычисления, критически важные для осмысления и предсказания окружающего мира.

В основе межнейронных коммуникаций лежит электрическая активность. Еще в 2020 году группа под руководством Джона Рейнольдса обнаружила прямую зависимость между бегущими волнами в зрительной системе бодрствующих подопытных и их способностью замечать объекты прямо перед собой. Это пролило свет на классическую ситуацию, когда человек отчаянно ищет вещь, лежащую на самом видном месте, однако глубинные механизмы такого влияния оставались загадкой.

В ходе нового изыскания Рейнольдс с коллегами выдвинули гипотезу: синаптические веса и физиологическая структура нейронных путей, порождающих эти волны, постоянно адаптируются под воздействием внешней среды. Авторы проводят прямую аналогию с архитектурой современных LLM-моделей. Подобно тому как искусственный интеллект анализирует статистические закономерности для генерации осмысленного текста, мозг задействует бегущие волны в качестве живой генеративной модели, выстраиваемой на базе накопленного сенсорного опыта.

Подобные динамические паттерны формируются благодаря внутренним связям нейросети, позволяя синтезировать пространственные и временные параметры гораздо эффективнее классических иерархических схем. Полученные данные доказывают: эти импульсы не просто регулируют возбудимость клеток, но и напрямую определяют скорость реакций и точность восприятия живых организмов.

В зрительной зоне кора задействует волны для решения четырех ключевых задач: адаптации восприятия в режиме реального времени, трансформации поступающих визуальных стимулов в целостные образы, построения кратковременных прогнозов развития ситуации, а также для кодирования и извлечения воспоминаний.

Нейронные бегущие волны (nTW) представляют собой универсальный механизм мозговой активности, наблюдаемый на самых разных пространственно-временных уровнях у самых разных биологических видов — от рыб до человека. Как спонтанная, так и вызванная активность в зрительной коре настраивает пороги возбудимости нейронов, определяя общую чувствительность к внешним раздражителям. В моторных зонах бета-волны предвосхищают момент начала физического действия, тогда как в теменной и префронтальной областях аналогичные процессы обеспечивают функционирование рабочей памяти. За пределами неокортекса волновые ритмы участвуют в консолидации памяти и координируют сигналы, задействованные в обучении с подкреплением. На макроуровне эта динамика особенно ярко проявляет себя во время ночного отдыха, подчеркивая глобальную роль волновых процессов в когнитивной деятельности

Джон Рейнольдс

Ученые зафиксировали эту динамику на всевозможных масштабах по всему объему мозга. Импульсы способны распространяться как непрерывно, так и дискретными порциями по протяженным горизонтальным волокнам, объединяющим нейроны внутри локальных зон.

Традиционные теории описывали работу зрительного анализатора как линейную иерархию передачи сигналов. Концепция бегущих волн существенно углубляет это представление, добавляя к привычным схемам «третье измерение» — комплексные пространственно-временные вычисления внутри отдельных отделов. Эксперименты подтверждают, что данные процессы в режиме реального времени управляют поведением и восприятием посредством модуляции нейронной активности.

В противовес классическим системам связи, ориентированным на простую трансляцию данных, эти механизмы удерживают «историю» предшествующих стимулов. Это дает мозгу возможность формировать краткосрочные прогнозы, опираясь на взаимосвязь времени и локации прошлых событий. Именно так рождается основа для генеративной обработки информации: нейронные ансамбли используют пространственно-временные корреляции для выделения значимых признаков из динамичного визуального ряда и создания гибкой внутренней картины мира, что сближает принципы работы живого мозга с технологиями искусственного интеллекта.

Источник: iXBT