Пространство как последовательность: психофизиологи смоделировали, как мозг ориентируется на местности

Исследователи из Google создали модель, которая более точно отражает функцию гиппокампа — области мозга, отвечающей за хранение и обработку информации о местности, которая помогает животным и людям ориентироваться в пространстве. Новая модель не только объясняет давно известные особенности гиппокампа, но и учитывает его недавно открытые свойства.

Пространственная ориентация — один из важнейших навыков у животных и человека. Его природа активно изучается в академических кругах. В частности, одно исследование показало, что маршруты, освоенные в реальности, также получают дополнительную обработку и обучение во сне.

Команда экспертов Google DeepMind предложила психофизиологическую модель, которая, по их мнению, наиболее полно описывает обработку пространственной информации в мозге. Журнал Science опубликовал описание концепции, утверждая, что она является наиболее точным отражением работы гиппокампа во время ориентации в пространстве.

Авторы этой научной статьи полагают, что пространственные изображения в мозгу формируются процессами, аналогичными процессам, лежащим в основе обучения последовательностям более высокого порядка. Гиппокамп помещен в «парадигму, ориентированную на последовательность, которая бросает вызов доминирующему пространственно-ориентированному взгляду». По мнению ученых, этот метод может учитывать различные изменения в пространственном отображении, например, связанные с геометрией, прозрачными или непрозрачными препятствиями, ориентирами и расстояниями до начального или конечного положения.

«Рассмотрение пространства как последовательности […] предполагает, что подход к отображению пространственных полей для интерпретации последовательных нейронных реакций в евклидовых терминах сам по себе может быть источником аномалий. Наша модель, клонированный структурный причинный граф (CSCG), использует графовые структуры более высокого порядка, изучает скрытые представления, сопоставляя сенсорные сигналы с уникальными контекстами», — объяснили ученые.

Эксперты протестировали CSCG в разных условиях. Модель сначала пытается изучить топологию на основе последовательности наблюдений, затем представляет карты нескольких сред в одной модели и объединяет карты данных, которые пересекаются в пространстве, но никак не связаны во времени. Также была изучена способность модели использовать ранее полученные структурные данные для управления поведением в незнакомой среде. Все эти свойства необходимы животным и человеку для навигации в пространстве.

Во второй серии экспериментов ученые проверили, может ли CSCG воспроизводить и объяснять различные известные и экспериментально подтвержденные явления, происходящие в гиппокампе. В широком смысле их можно классифицировать как пространственные, связанные с геометрией и ориентирами, с пространственными и временными компонентами, а также как повторения, искажения и изменения полей положения, связанные с отношениями окружающей среды.

Модели CSCG также способны объяснить явления, которые были открыты совсем недавно. Например, мозг крысы способен определить, сколько одинаковых кругов ей нужно сделать в лабиринте, чтобы получить награду. Алгоритм обучается получать награду после третьего круга по прямоугольной траектории и самостоятельно, без явных инструкций, начинает различать круги и прогнозировать момент получения награды.

Новую модель можно использовать не только для понимания процессов, происходящих в мозге, но и для лечения распространенных заболеваний. К ним относятся, например, нейродегенеративные диагнозы, при которых часто нарушаются пространственная навигация и ориентация — болезнь Паркинсона и болезнь Альцгеймера.