1.3: Обчислювальний підхід

Важливою особливістю нашої подорожі через мозок є те, що ми використовуємо транспортний засіб комп'ютерних моделей для розуміння когнітивної неврології (тобто обчислювальної когнітивної неврології). Ці комп'ютерні моделі збагачують досвід навчання важливими способами - ми регулярно чуємо від наших студентів, що вони насправді нічого не розуміють, поки не витягнули комп'ютерну модель і не грали з нею кілька годин. Можливість маніпулювати та візуалізувати мозок за допомогою потужного 3D-графічного інтерфейсу приносить абстрактні концепції до життя та дозволяє проводити багато експериментів легко, чисто та безпечно в комфорті власного ноутбука. Цей матеріал веселий, як відеоігри - подумайте «сим мозок», як у популярній грі «сім-сіті» від декількох років тому.

На більш серйозному рівні використання комп'ютерних моделей для розуміння того, як працює мозок, є критичним фактором наукового прогресу в цій галузі протягом останніх кількох десятиліть. Ключовою перевагою комп'ютерного моделювання є його здатність боротися зі складністю, яка часто виявляється складною для інакше неозброєного людського розуміння. Як ми могли сподіватися зрозуміти, як мільярди нейронів, що взаємодіють з десятьма тисячами інших нейронів, виробляють складне пізнання людини, просто розмовляючи розпливчастими словесними термінами або простими паперовими діаграмами? Безумовно, ніхто не ставить під сумнів необхідність використання комп'ютерних моделей в кліматичному моделюванні, робити точні прогнози і розуміти, як багато складних факторів взаємодіють один з одним. Ситуація лише більш жахлива в когнітивній неврології.

Проте у всіх сферах, де використовуються комп'ютерні моделі, існує принципове недовіра до моделей. Вони самі по собі складні, створені людьми, і не мають необхідного відношення до реальної системи, про яку йде мова. Звідки ми знаємо, що ці моделі - це не просто повністю вигадані фантазії? Відповідь здається простою: моделі повинні бути обмежені даними на якомога більшій кількості рівнів, і вони повинні генерувати прогнози, які потім можна перевірити емпіричним шляхом. Далі ми обговорюємо різні підходи, які люди можуть прийняти до цього виклику - це покликане дати відчуття наукового підходу, що стоїть за роботою, описаною в цій книзі - як студент, це, можливо, не настільки актуально, але це може допомогти дати певний погляд на те, як наука насправді працює.

В ідеальному світі можна уявити, що нейрони в нейронній моделі будуть дзеркальними зображеннями тих, хто знаходиться в реальному мозку, тиражуючи якомога більше деталей, враховуючи технічні обмеження для отримання необхідних деталей. Вони були б з'єднані точно так, як вони є в реальному мозку. І вони виробляли б детальну поведінку, яка точно повторює те, як організм, про який йде мова, у широкому діапазоні різних ситуацій. Тоді ви відчуєте впевненість, що ваша модель досить «реальна», щоб довіряти деяким її прогнозам.

Але навіть якби це було технічно здійсненним, ви могли б задатися питанням, чи отримана система буде більш зрозумілою, ніж сам мозок! Іншими словами, нам вдалося б лише транспортувати фундаментальні таємниці з мозку в нашу модель, не розвиваючи жодного фактичного розуміння того, як ця річ насправді працює. З цієї точки зору найголовніше - розробити найпростішу можливу модель, яка фіксує максимально можливі дані — в основному це принцип бритви Окхема, який широко розглядається як центральний принцип для всієї наукової теорії.

У деяких випадках легко застосувати цю бритву, щоб вирізати непотрібну деталь. Безумовно, багато біологічних властивостей нейронів не мають значення для їх основної функції обробки інформації (наприклад, клітинні процеси, які є загальними для всіх біологічних клітин, а не лише нейронів). Але часто справа доходить до судового дзвінка про те, які явища ви вважаєте важливими, що буде змінюватися залежно від наукових питань, які розглядаються за допомогою моделі.

Підхід, прийнятий для моделей у цій книзі, полягає в тому, щоб знайти якусь щасливу (або нещасну) золоту середину між біологічними деталями та когнітивною функціональністю. Ця середина незадоволена тією мірою, що дослідники, стурбовані будь-яким кінцем цього континууму, незадоволені рівнем моделей. Біологи будуть хвилюватися, що наші нейрони та мережі надмірно спрощені. Когнітивні психологи будуть стурбовані тим, що наші моделі занадто біологічно деталізовані, і вони можуть зробити набагато простіші моделі, які захоплюють ті ж когнітивні явища. Ми, хто насолоджується цією «золотою серединою», щасливі, коли ми досягли важливих спрощень на нейронній стороні, зберігаючи при цьому важливі когнітивні явища. Цей рівень моделювання досліджує, як розгляд нейронних механізмів інформує роботу розуму, і взаємно, як когнітивні та обчислювальні обмеження дозволяють багатше розуміння проблем, які ці механізми розвивалися для вирішення. Таким чином, він може робити прогнози щодо того, як на когнітивне явище (наприклад, втручання пам'яті) впливають зміни на нейронному рівні (через захворювання, фармакологію, генетику або аналогічно через зміни параметрів когнітивного завдання). Потім модель може бути протестована, фальсифікована і доопрацьована. У цьому сенсі модель когнітивної неврології подібна до будь-якої іншої «теорії», за винятком того, що вона явно вказана та формалізована, змушуючи моделіста відповідати за свою теорію, якщо/коли дані не збігаються. І навпаки, моделі іноді можуть показати, що коли існуюча теорія стикається зі складними даними, теорія може затриматися зрештою через певну динаміку, яку не можна розглядати з вербальної теорії.

Зрештою, це зводиться до естетичних або особистісних факторів, які змушують різних людей віддати перевагу різним загальним стратегіям комп'ютерного моделювання. Кожен з цих різних підходів має цінність, і наука не буде прогресувати без них, тому пощастило, що люди змінюються у своїх особистостях, тому різні люди в кінцевому підсумку роблять різні речі. Деякі люди найбільше цінують простоту, елегантність та чистоту - ці люди схильні віддавати перевагу абстрактним математичним (наприклад, байєсівським) когнітивним моделям. Інші люди цінують біологічні деталі понад усе, і не відчувають себе дуже комфортно, виходячи з найбільш твердо встановлених фактів - вони воліють робити високорозроблені індивідуальні моделі нейронів, що включають все, що відомо. Щоб жити посередині, потрібно бути готовим піти на деякі ризики і найбільш високо цінувати процес виникнення, де складні явища можуть бути показані, що виникають з більш простих базових механізмів. Критерії успіху тут трохи похмуріші та суб'єктивні - в основному це зводиться до того, чи є модель достатньо простою, щоб бути зрозумілою, але не настільки простою, щоб зробити її поведінку тривіальною або інакше настільки повністю прозорою, що вона, здається, не приносить вам користі в першу чергу. Останнє зауваження з цього питання полягає в тому, що різні рівні моделей не є взаємовиключними. Кожна з низькорівневих біофізичних та когнітивних моделей високого рівня внесла величезний внесок у розуміння та аналіз у відповідних областях (значна частина яких є основою для подальшого спрощення чи опрацювання в книзі). Насправді багато підстав можна (і в якійсь мірі вже було) здобуто спробами зрозуміти один рівень моделювання з точки зору іншого. Зрештою, зв'язування від молекули до розуму охоплює кілька рівнів аналізу, і, як вивчення законів фізики частинок з планетарним рухом, вимагає декількох формальних інструментів.