Этой общей констатацией мы должны, к сожалению, на сегодня и ограничиться. Если бы мы попытались провести более четкую разделяющую грань между подобными «собственно метаболическими» и «информационными» компонентами мозгового электрогенеза, то на настоящем этапе развития представлений это был бы шаг малообоснованный и неубедительный. Надо, однако, думать, что не так уж долго нам предстоит ждать, когда будет пролит свет на этот быстро созревающий для точного исследования интересный вопрос.
§67 Организация нейронных сетей и динамика возбуждений (проблема «избыточной» детерминированности нейронной модели)
Все, что было сказано в двух предыдущих параграфах, относится к определенному аспекту, в котором современные представления об особенностях функциональной организации и механизмах работы мозга могут быть поставлены в связь с проблемой физиологических основ неосознаваемых форм высшей нервной деятельности. Существует, однако, и другой аналогичный аспект, который заслуживает того, чтобы на нем остановиться детально.
Критика теории сна как процесса, отражающего диффузное торможение коры, основана на представлении, по которому в основе динамики мозговых функций лежат изменения взаимоотношений между конкретными нейронными системами. Примерами таких изменений могут служить торможение определенных функциональных мозговых систем, происходящее вследствие подключения антагонистических систем (отношения между системой «поддержания аппетита» и системой «насыщения», описанные Brobeck [167, стр. 1197—1206]), или связь между упоминавшимися выше активирующей и сомногенной системами (по Hernandez-Peon и др.), отражающие, согласно Konorski [98, стр. 79—86], один из наиболее важных принципов организации мозговой деятельности — принцип нервных «полуцентров» (центров, находящихся в реципрокных отношениях).
Такое понимание выдвинуло на передний план проблему (которая в классической нейрофизиологии если и возникала, то лишь в самой общей форме) закономерностей динамики возбуждений как функции особенностей организации соответствующих нейронных систем. Это обстоятельство наложило резкий отпечаток на развитие учения о мозге, которое имело место на протяжении последнего пятнадцатилетия.
Целесообразно проследить, как ставилась и разрабатывалась эта проблема зависимости судьбы нервной функции от деталей строения нервных образований, так как именно здесь обнаружились интересные совпадения между нейрофизиологическим и нейрокибернетическим подходами, имеющие непосредственное отношение к вопросу о структурных основах «бессознательного».
Представление о том, что строение путей, по которым распространяется возбуждение в центральных нервных образованиях, налагает определенный отпечаток на динамику этих возбуждений и, следовательно, выступает как один из факторов интеграции, побудило многих исследователей тщательно изучать нейродинамические эффекты, наступающие при определенном типе структуры «нервных сетей». Литературные источники, освещающие попытки анализа подобных морфофункциональных корреляций, очень многочисленны. Главный их интерес заключается в том, что они выявляют очень характерное, происходившее постепенно на протяжении последних лет изменение понимания некоторых принципов, определяющих взаимоотношения между субстратом и функциями мозга.
Первые попытки изучения функциональных свойств нейронных сетей относятся к 30-м и 40-м годам и связаны с работами Rashevsky, Householder и др. [174, 230], опиравшихся во многом на математические исследования Turing. В четкой форме первая законченная модель сети, состоящей из формализованных нейронов и могущей, по мнению ее авторов, принципиально воспроизвести «любую из форм активности, выявляемых психологическим анализом», была предложена McCulloch и Pitts [106 стр. 362—384]. Благодаря значительному интересу и подражаниям, которые эта модель вызвала, ее можно в настоящее время рассматривать не как уникальную логическую конструкцию, а скорее как представляющую целый класс моделей с однотипными основными характеристиками.
Касаясь судьбы моделей этого класса и роли, которую последние сыграли в развитии представлений о принципах функциональной организации мозга, Rosenblatt [233] указывает, что вслед за большими надеждами, которые возбудило появление подобных конструкций, довольно быстро наступило разочарование в них как в средстве раскрытия природы событий, происходящих в реальном мозговом субстрате. Интересен анализ причин, которые обусловили, по мнению Rosenblatt, этот спад интереса. Основной здесь является «излишняя детерминированность» модели, вследствие которой достаточно одного неправильного шага в движении импульсов, для того чтобы лишить всю систему возможности правильного функционирования.
Формулируя этот вывод, Rosenblatt затрагивает момент исключительной важности для нейрофизиологии. Как мы увидим несколько позже, основным шагом вперед, который сделан за последние годы в теории локализации мозговых функций, является пересмотр ставшего уже устарелым представления о «жесткой» («излишней») детерминированности связей между структурными и функциональными характеристиками нервных образований. Нейрокибернетический анализ, опирающийся на широкое моделирование исследуемых процессов, шел, однако, в этом вопросе явно впереди анализа нейрофизиологического, как бы «прокладывая лыжню» и создавая тем самым для последнего ряд полезных опорных точек.
Класс моделей, представленных сыгравшей в свое время важную роль моделью McCulloch и Pitts, Rosenblatt квалифицирует как «монотипный» и противопоставляет ему модели другого класса («генотипные»), имеющие, по его мнению, существенные преимущества перед первыми. При монотипном моделировании заданы заранее не только все свойства логических элементов сети «нейронов», принимающих альтернативно два состояния — «все» или «ничего», но и все топологические характеристики этой сети. При создании же генотипной модели топология, структурные особенности нейронной сети предусматриваются с некоторой степенью неопределенности (путем наложения определенных ограничений и задания функций распределения вероятностей). В результате, как это точно формулирует Rosenblatt, генотипный подход «приводит к заданию класса систем, а не какой-либо конкретной схемы... имеет дело со свойствами систем, подчиняющихся заданным законам организации, а не с некоторой логической функцией, осуществляемой конкретной системой» [233, стр. 35].
Различие природы монотипных и генотипных моделей связано с различием методов, с помощью которых эти модели могут создаваться и анализироваться. Rosenblattподчеркивает, что «для анализа характеристик монотипной модели мало пригодна теория вероятностей; здесь используется исчисление высказываний, поскольку рассматривается отдельная полностью детерминированная система, которая либо удовлетворяет, либо не удовлетворяет требуемым функциональным уравнениям. С другой стороны, для генотипных моделей символическая логика может оказаться слишком громоздкой или даже совсем неприменимой... При анализе таких моделей основной интерес представляют свойства класса систем, структура которых определяется введенными алгоритмами. Такие свойства лучше всего описываются статистически. Поэтому при этом подходе преимущественную роль играет теория вероятностей» [233, стр. 35].
Представление о том, что жесткая детерминация процессов, разыгрывающихся в нейронной сети, снижает значение последней как модели мозга, определило характер очень многих работ, выполненных в последние годы. Rosenblatt напоминает, что уже сами авторы исходной монотипной модели McCulloch и Pitts одновременно с созданием этой модели опубликовали в соавторстве с Landahl работу [190], в которой был сделан шаг в сторону от жесткой детерминации событий в сети (допускались неопределенности в момент появления распространяющихся импульсов). В дальнейшем по пути усиления подобных неопределенностей пошли многие: Schimbel и Rapoport [244], Farley и Klark [143], Beurle [114], Taylor [251], Uttley [106, стр. 326—351] и др. В результате этой эволюции принципы подхода к проблеме организации нейронных сетей оказались постепенно глубоко преобразованными. Если раньше предполагалось, что сеть должна работать на основе предварительно заданного жесткого алгоритма и стохастичебкие процессы не могут играть в ее деятельности сколько-нибудь существенную роль, то с появлением моделей «генотипного» класса жесткие алгоритмы уступили место ограничениям довольно общего характера, «тенденциям к реагированию» по определенному способу, иерархии «правил предпочтения» и т.п. Тем самым всей системе связей внутри нейронной сети был придан статистический характер, прогноз работы сетей стал определяться на основе вероятностных критериев, а сами сети (и это, пожалуй, самое главное, если иметь в виду осмышление всех этих работ с позиции нейрофизиологии) превратились из ригидных и однозначных систем формализованных нейронов в представителей скорее определенных классов топологических структур. Внутри каждого из этих классов может существовать множество различных топологических вариантов взаимосвязи, функционирующих сходно, вопреки различиям в деталях их конкретной нейронной организации.
