V. Моделирование некоторых принципов функциональной организации нервной системы

Разработка вопросов теории и практики применения искусственных самоорганизующихся систем, или "обучающихся автоматов", обусловила повышенный интерес специалистов точных наук и техники к проблемам обучения человека и животных, количественному анализу структуры и функций нервной системы.

Однако огромный материал, накопленный физиологией в. н. д., получен преимущественно в упрощенных частных условиях, и поэтому многие выводы этих исследований не могут быть непосредственно использованы для сопоставления с результатами, полученными на описанных выше моделях. Не существует, например, сопоставимых количественных критериев для оценки оптимальности поведенческих реакций организма, эффективности переработки информации в различных отделах нервной системы и некоторых других показателей, необходимых для оценки возможностей мозга как сложной управляющей системы в сравнении с автоматическими устройствами.

Теория обучения автоматов охватывает широкий круг вопросов, который имеет отношение по крайней мере к следующим этапам условнорефлекторного поведения: 1) активный поиск и различение каждого из условных и безусловных раздражителей; 2) определение статистической структуры безусловных раздражителей во времени и пространстве, а также по отношению к окружающим предметам или сигналам (условным раздражителям); 3) различение внутренних состояний отдельных элементов организма (автомата) и их частных задач, определяемых текущим моментом и прошлым опытом; 4) формирование и выполнение реакции, 5) контроль адекватности (эффективности) реакции, и т. д.

Понятно, что рассмотренные в предыдущих разделах модели нейронов и самоорганизующихся систем - логические сети, конечные автоматы - являются лишь весьма отдаленными аналогами структуры или функций нервной системы. Однако ценность моделей заключается не только в наиболее близкой имитации работы мозга, но и в возможности сравнить с тем, как он мог бы или как он не мог бы работать. Здесь вполне уместно привести слова И. М. Сеченова (1952): "Мысль о машинности мозга при каких бы то ни было условиях для всякого натуралиста клад. Он в свою жизнь видел столько разнообразных причудливых машин, начиная от простого винта до тех сложных механизмов, которые все более заменяют собой человека в деле физического труда, он столько вдумывался в эти механизмы, что если поставить перед таким натуралистом новую для него машину, закрыть от его глаз ее внутренности, показать лишь начало и конец ее деятельности, то он составит приблизительно верное понятие и об устройстве этой машины и об ее действии". Успехи современной электроники и развитие кибернетики позволяют создавать машины, заменяющих человека и в деле умственного труда, и нужно полагать, что эти устройства для изучения мозга окажутся еще более полезными, чем машины времен И. М. Сеченова.

Самое главное, что дали нам кибернетические представления о деятельности мозга, - это то, что важнейшая функция мозга - эффективное, целенаправленное управление и регуляция внутренних состояний в изменяющейся внешней среде - доступна для функционального моделирования, и что деятельность мозга подчинена тем же ограничениям, которые установлены теорией информации. Так, например, оптимальное приспособление живого организма, заключающееся в поддержании постоянства его основных параметров в допустимых пределах при наличии внешних изменений и вредных воздействий, гомологично с коррекцией шумов в канале связи.

По известной теореме следует, что для исправления ошибок путем некоторого числа выборов через корректирующий канал должно пройти соответствующее данному числу выборов количество информации. И мозг в этом случае действует так же, т. е. не может выполнить эти функции, пока не примет и не передаст необходимого количества информации (если не верить в чудеса). Данное обстоятельство, конечно, не следует понимать пессимистически, ибо таким же образом открытие закона сохранения энергии положило конец попыткам построить вечный двигатель, но оно же явилось началом бурного развития и успехов техники в новом направлении. Зная ограничения, которым подчиняется работа мозга, мы сможем глубже понять его механизмы и детали строения.

Вообще при изучении сложных систем, имеющих иерархию уровней ее организации или форм движения материи, следует всегда иметь в виду высшие функции системы или направления развития, которым подчиняются детали ее структуры. Поскольку можно предположить, что мозг является оптимальным регулятором, то целесообразно ознакомиться со структурами современных систем автоматического управления. Оставляя в стороне простые случаи, когда в системе имеется полная информация о состоянии объекта и возмущающих воздействиях, рассмотрим систему с неполной информацией и автоматическим поиском (Фельдбаум, 1964). Основой решения какой-либо задачи в неопределенной ситуации является метод активного поиска (Бернштейн, 1962; Гельфанд и соавт., 1962). Этот метод состоит в пробах различных путей и способов решения, без гарантии успеха. В простейшем случае (или когда имеется очень мало информации) используется метод слепого или случайного поиска (выбора), или известный в биологии метод "проб и ошибок" (Эшби, 1956). В последнее время большее внимание уделяется методам эвристического программирования, где используются психологические данные о действии человека по достижению какой-либо цели (Миллер, Галантер, Прибрам, 1959). Прежде всего выбирается (на основе прошлого опыта) зарекомендовавшая себя стратегия, которая проверяется в действии, и в случае неудачи вносится коррекция, выдвигается новая гипотеза о возможных путях решения задачи, и так далее до получения успеха (хотя и этот метод не дает полной гарантии успеха).

Рассмотрим схему автоматической оптимизации (рис. 93). Управляемый объект В находится под воздействием управляющего сигнала u от управляющего устройства А₁ и случайной помехи z, медленно изменяющейся во времени. Выходная реакция должна повторять закон действия х′ задающего сигнала, причем во всех каналах связи имеются помехи, искажающие передаваемую информацию. Автоматический оптимизатор А₂ воспринимает значения критерия оптимальности О и ограничений H_i, вычисленных устройством С на основании сравнения задающего и выходного сигналов. Затем, действуя через управляющее устройство на объект, автоматический оптимизатор изменяет параметры А₁ в нужном направлении, в зависимости от реакции объекта, для повышения критерия оптимальности.

Рис. 93. Структурная схема оптимального управления с автоматическим поиском. A₁- управляющее устройство; В - управляемый объект; С - вычислительное устройство; А₂ - автоматический оптимизатор (прерывистой линией очерчен объект оптимизации). Объяснения в тексте

Вообще обычная система автоматического регулирования состоит из следующих основных элементов: входное и выходное устройства, переключательный блок (управления), цепи обратной связи и органы сравнения прямого и обратного сигнала, моделирующее устройство (в схемах управления по модели) и устройство памяти. Аналогичные структуры можно найти и в нервной системе (Поляков, 1964; Соколов, 1964б). На рис. 94 и 95 показаны схемы нейронной организации ориентировочного и условного рефлексов. Принципиальное отличие этой структуры заключается в пластичности ее элементов.

Рис. 94. Структурная схема ориентировочного и условного рефлексов. (Соколов, 1964б)

Рис. 95. Схема нейронной организации ориентировочного и условного рефлексов. (Соколов, 1964б)

По-видимому, в биологических системах управления и регулирования с целью наилучшей выживаемости в условиях изменяющихся в широких диапазонах влияний внешней среды и активной борьбы за существование в процессе эволюции вырабатывались очень гибкие, разнообразные механизмы перестройки не только в количественном (саморегуляция), но и в качественном (самоорганизация) аспектах. Поэтому можно предположить, что нервная система и ее элементы могут изменять свои свойства под влиянием биологически значимых (экологически адекватных) раздражителей внешней среды и внутренних состояний организма постольку, поскольку это необходимо для наилучшей выживаемости. В этом смысле быстрота реакций может выигрываться за счет точности и наоборот, а вычислительные функции могут "обмениваться" с логическими и т. д. Так, например, можно полагать, что нейрон или элемент такой информационной системы имеет весьма сложный алгоритм преобразования выходного сигнала как по самой функции входа, так и по ее интегралу и производной во времени и в пространстве для оптимального выполнения текущей задачи данного нейрона в составе целостной деятельности нервной системы. Этот, беспорядочный на первый взгляд, смешанный код оказывается наиболее эффективным при передаче и переработке биологически важной информации в прошлом, в настоящий момент и в будущем. Можно думать, что в нервной системе производится поэтапная выработка реакций с последовательными приближениями точности. Такой способ действия позволяет в общих чертах сформулировать реакции почти мгновенно и затем по мере необходимости их уточнять и детализировать, что дает возможность обеспечить гибкий компромисс между правильностью действия и постоянной готовностью к любым неожиданным раздражениям.

Можно предположить, что саморегуляция и самоуправление организма во внешней среде выполняются сложной иерархией управляющих систем на основе физических, логических, семантических и прагматических принципов функционирования. При этом последние являются высшими и управляют низшими, в соответствии с программой деятельности целого организма (Виннер, 1948; Эшби, 1956; Буллок, 1964; Поляков, 1964).

Казалось бы, можно построить теорию функционирования мозга, даже не зная внутреннего строения отдельных нейронов. Однако мы еще слишком мало знаем и об общих или основных принципах взаимодействия их. Отдельно исследовали электрические, химические и различные биофизические параметры отдельных нервных клеток и пытаются экспериментировать с группами клеток, контролируя правильность анализа тем, что объяснения работы и реакций ансамблей клеток не должны противоречить принципам, полученным при исследовании отдельных единиц.

Последние несколько десятилетий характеризуются представлениями о нервной системе как о некоторой весьма сложной телефонной сети с автоматическим коммутатором или обычной электронной вычислительной машине, в которой определенные виды сигналов или взаимодействий передаются по определенным каналам связи и поэтому могут быть точно локализованы в каждый данный момент. Однако в настоящее время все чаще подчеркивается существенное отличие структуры реальной нервной системы от обычной электрической сети с "сосредоточенными постоянными". Предполагается, что все основные функции мозга - способность к обмену веществ, энергией и информацией, память, переключения, классификация различения и тому подобное распределены по миллионам клеток, одновременно участвующих во множестве других системных процессов и составляющих статистическую систему переменных времени, места и состояния (мозаику возбуждений и задерживаний по И. П. Павлову). Такое представление отличается от структуры логической сети из дискретных элементов, и пока еще нет удовлетворительных моделей такого типа, но разработка отдельных элементов для этой цели продолжается.

Особенный интерес в нейрофизиологии и нейрокибернетике в настоящее время представляют различные модели и гипотезы о материальных носителях памяти, или следов возбуждений в нервной системе, на которых могут быть построены правдоподобные модели временной связи. Многочисленными исследователями разрабатывались модели памяти как циклической активности нервных импульсов в замкнутых нейронных контурах. Успехи математической модели взаимосвязи между внутриклеточными и внеклеточными значениями потенциалов действия (Ролл, 1961, и др.) дают основание надеяться, что эта модель может быть использована и при исследовании иных проблем нейрофизиологии, представляющих значительный интерес. Например, найденное различие между вялой реакцией на периферическую дендритную синаптическую активность и значительно более быстрой реакцией на синаптическую активность в соме (и стволе дендрита) позволяет провести обобщение ранее предложенных рефлекторных моделей типа "вход-выход". Это различие между синаптической активностью в дендритах и соме может оказаться также очень важным при рассмотрении проблемы нейронных взаимодействий в больших популяциях. Данный эффект должен быть учтен в коэффициентах, выражающих запаздывающую связь.

Другое направление в исследовании следов возбуждения в нервной системе относится к поискам физиологических механизмов адаптации, постетанической потенциации, роста отдельных элементов нейронов, проявляющихся в ходе "проторения" пути при выработке условного рефлекса.