сегодняшний день здесь больше вопросов, чем ответов).
Основным методом нейрокибернетики является математическое моделирование, при этом для создания моделей в качестве исходного материала используются данные физиологического эксперимента. Одним из наиболее перспективных направлений нейрокибернетики как раз является моделирование на основе нейронных сетей.
Здесь имеются в виду модели биологических нейронных сетей, предназначение которых - воспроизвести свойства реальных биологических нейронов, начиная от базовых и заканчивая всё более мелкими деталями и особенностями. Это может быть учёт трёхмерной структуры нейронов и межнейронных связей, учёт типов синапсов (межнейронных соединений), учёт типа используемого нейромедиатора, изменение параметров часто используемого нейрона, а также, возможно, реализация механизма образования новых связей между уже существующими нейронами и встраивания новых нейронов в существующую систему.
- Почему вы решили заняться этой работой?
- Ещё когда я учился в НГУ, мне были интересны задачи, связанные с моделированием живых систем или их отдельных компонентов. Поэтому я и выбрал кафедру химической и биологической физики на нашем физфаке. Дипломная работа была связана с моделированием структуры РНК, кандидатская - с проблемой моделирования механизмов укладки белковых молекул. Параллельно рос личный интерес к принципам работы разума вообще и искусственного интеллекта в частности.
Несмотря на впечатляющее развитие науки и технологии, по-прежнему не существует искусственной компьютерной системы, обладающей интеллектом, а тем более сознанием. Попытки создать искусственный интеллект, не вникая глубоко в биологические детали строения и функционирования нервной системы живых организмов, так и не привели к успеху. Да, они стали одной из существенных причин стремительного развития компьютеров, интернета и цифровой техники вообще, но сама поставленная задача, по существу, так и осталась нерешённой.
Природа в ходе эволюции, как правило, создаёт на редкость оптимальные решения. Человеческий разум - это продукт миллионов лет эволюции, поэтому довольно самонадеянно рассчитывать воспроизвести его, просто уловив основной принцип и ограничившись во много тысяч раз меньшим количеством структурных элементов и вычислительных мощностей.
Куда более перспективным путём представляется создание максимально точной действующей компьютерной копии живой нервной системы. Исследование нервной системы максимально простого существа может стать первым шагом, который предположительно положит начало новому направлению, позволит отработать технологию и разобраться во всех деталях. Этим мы и занимаемся.
Наша исследовательская группа, хоть пока и небольшая, включает в себя специалистов в области математического моделирования, программирования, биофизики, молекулярной биологии и нейробиологии. В работе также участвует в роли научного консультанта специалист в области нейрофизиологии, работающий в рамках основного направления с реальными культурами живых нервных клеток.
- Какова цель проекта?
- Цель - создание первого в мире виртуального организма, управляемого электронной копией его биологической нейронной сети. На примере этого простого организма мы хотим выяснить, даёт ли копия нервной системы, построенная на основе коннектома организма (совокупности данных, описывающих все его нейроны и межнейронные связи), такое же поведение в ряде тестовых ситуаций, как и оригинал; насколько близко к реальности наше понимание принципов, в соответствии с которыми функционируют нейроны и нейронные системы, нет ли необходимости существенно пересматривать концепцию.
- Почему именно нематода C. еlegans?
- По большому счёту, у нас не было выбора. C. elegans - единственный на сегодняшний день организм, для которого известен весь или почти весь коннектом - совокупность нейронов, межнейронных и нейро- мышечных связей, клеток-сенсоров и ряда параметров, описывающих эти системы. Других столь же изученных в этом плане организмов просто нет. Нобелевский лауреат 2002 года Дж. Сальстон, получивший премию как раз за работу в этой области, недаром сказал о нём: 'Когда мы разгадаем червя - мы поймем жизнь'.
Что касается биологических характеристик объекта, они тоже во многом уникальны. C. elegans - свободноживущая почвенная нематода, маленький червячок длиной около миллиметра.
Короткий жизненный цикл, период взросления, исчисляемый несколькими днями, сделал его чрезвычайно удобным для исследований в области генетики.
В 1998 году был секвенирован геном C. elegans. Также заслуженное внимание на него обратили и нейробиологи. Началом крупномасштабного исследования нервной системы C. elegans можно считать работу 'The pharynx of Caenorhabditis elegans' (Albertson&Thomson, 1976), посвящённую изучению головного нервного узла C. elegans, и 'The Structure of the Nervous System of the Nematode Caenorhabditis elegans' (White et al., 1986), итогом которых явилось получение экспериментальных данных о большинстве нейронов и межнейронных связей.
Как оказалось, нервная система у всех особей одного пола идентична: 302 нейрона, около семи тысяч межнейронных соединений, 95 мышечных клеток и несколько десятков сенсорных клеток разного типа. Ещё одно существенное достоинство этого организма в плане моделирования - прозрачность в оптическом диапазоне.
- Почему прозрачность - достоинство?
- Более сложные организмы имеют свойство надёжно защищать свою центральную нервную систему. У всех позвоночных мозг скрыт внутри черепной коробки, а насекомые и ракообразные обзавелись прочным внешним каркасом. Всё это не позволяет наблюдать их мозг, особенно под микроскопом, непосредственно в живом организме. Зато у C. elegans - пожалуйста. Существуют сотни микрофотографий отдельных нейронов, их отростков, мышечных клеток и так далее.
- Как работает нервная система нематоды?
- До 1990 года никто не рассматривал всерьез способность C. elegans к пластичности поведения и использование опыта для обучения, однако затем в результате ряда работ мнение учёных на этот счёт значительно поменялось. Начиная с первой работы, посвящённой обучению и памяти у C. elegans, было показано, что нервная система этой нематоды не является столь неизменной в ходе жизни организма, как поначалу казалось. Напротив, оказалось, что она спроектирована природой как миниатюрный, но при этом идеально отточенный механизм для извлечения опыта, запоминания и обучения на основе сигналов от механо-, хемо- и терморецепторов, посредством которых нематода воспринимает окружающую среду.
Недавно было также обнаружено, что, несмотря на отсутствие глаз, C. elegans реагирует на изменение освещённости, и учёные даже обнаружили несколько нейронов, связанных с обработкой этих сигналов.
Нематода может обучаться: приближаться или, наоборот, избегать источников вкуса, запаха или изменений температуры, которые на основе прежнего опыта позволяют прогнозировать наличие или отсутствие еды. Также червь проявляет ассоциативные формы обучения, такие, как выработка классического и дифференцированного условного рефлекса, и обладает способностями к краткосрочной и долгосрочной памяти (Catharine H. Rankin. Current Biology. 2004).
В соответствии с текущими представлениями считается, что нервная система любой взрослой особи одного из полов неизменно содержит 302 нейрона и образования новых, даже в результате обучения, не происходит. Однако эти наблюдения не исключают образования новых межнейронных связей и перенастройки параметров уже существующих. Как именно это происходит, ещё предстоит выяснить, как посредством экспериментальной работы, так и с помощью компьютерного моделирования.
Данные о структуре нервной системы, используемые в симуляторе, соответствуют взрослой особи, которая была подвергнута оцифровке, и должны содержать в себе все базовые поведенческие программы, в соответствии с которыми виртуальный C. elegans должен вести себя правдоподобно. Однако описанные выше способности к обучению 'заработают' только в том случае, если удастся выявить стоящие за ними механизмы и дополнить ими модель.
- Достаточно ли смоделировать только нервную систему?
- Создать модель 'нервной системы в вакууме' совсем не так интересно и плодотворно, как смоделировать одновременно совокупность взаимосвязанных систем - нервной, мышечной и сенсорной на базе гибкого каркаса тела, помещенного в виртуальное окружение - физический симулятор.
Это позволит нервной системе получать от окружения реалистичный сенсорный ввод, меняющийся в
