Существует общий психофизиологический принцип, в соответствии с которым кодирование содержания психической деятельности осуществляется комбинациями частот импульсной активности в паттернах разрядов нейронов мозга и в характеристиках их взаимодействия. Однако с учётом существующих нейронных моделей восприятия: детекторная концепция и концепция частотной фильтрации, ни одна из них не может полностью объяснить – как из некоторого числа элементов (нейронов – детекторов или узкополосных нейронов-фильтров) создаётся целостный постоянный образ – Гештальт? Неопределённым остаётся механизм визуального синтеза и постоянства зрительного образа.

Детекторная концепция базируется на специализированных нейронах, способных избирательно реагировать на тот или иной признак сенсорного сигнала. Происходит разделение сложного сенсорного сигнала на признаки для их раздельного анализа с целью опознания образа. Высокоспециализированные нейроны – детекторы способны избирательно реагировать на определённый признак сенсорного сигнала, информация о параметре которого кодируется нейроном – детектором. Примером является зрительная система, которая включает ориентационно – и дирекционально – чувствительные клетки. Ориентационная избирательность связана с поворотом световой полоски, а дирекциональная – с движением стимула. Выделены также нейроны – детекторы цвета. Описаны нейроны – детекторы, которые реагируют на такие стимулы, как: циклические движения, приближение и удаление объектов, цвета (синий, зелёный, красный), черты или части лица и др. Речь идёт об острой настройке нейронов – детекторов. Принимается также существование полимодальных нейронов, способных реагировать одновременно на стимулы разных сенсорных модальностей (например, зрительно – слуховые). Синтез целостного образа происходит в результате включения нейронов – детекторов, отвечающих за элементарные признаки, в иерархически организованную нейронную сеть, по типу пирамиды, вершиной которой является нейрон, осуществляющий синтез Гештальта (теория векторного кодирования). “Вектор возбуждения”, отвечающий за восприятие целостного образа, представляет собой комбинацию возбуждений в определённом ансамбле нейронов, отвечающих за элементарные признаки. Гипотетические представления об ожидаемом образе извлекаются из памяти и сопоставляются с информацией сенсорной системы. На основании этого принимается решение о соответствии гипотезы объекту (обобщённая модель сенсорной системы). Существование специализированных нейронов, связанных с восприятием стимулов различной сенсорной модальности, доказано экспериментально (Бехтерева Н.П., 1985, 1988г).

Концепция частотной фильтрации связана с анализом параметров стимула в виде разложения Фурье. Основой здесь является гармоничный состав разложения. Частотный анализ значительно упрощает распознавание объектов. Кроме нейронных комплексов, осуществляющих анализ параметров стимула в виде разложения Фурье, существует множество узких фильтров, настроенных на восприятие разных пространственных частот. Преобразование Фурье – это декомпозиция сигнала на частоты и амплитуды, переход от временного пространства в частотное. Преобразование берёт представление функции сигнала в виде временных рядов и отображает его в частотный спектр. Преобразования Фурье – это математический метод перевода паттерна любой сложности на язык простых волн (прямое ПФ) и метод перевода волновых форм в первоначальный паттерн (обратное ПФ). В основе ПФ лежит идея о том, что любую функцию можно представить в виде бесконечной суммы синусоид, каждая из которых будет характеризоваться своей амплитудой, частотой и начальной фазой.

Многочисленные эксперименты Р. и К. Девалуа показали, что клетки мозга реагировали не на первоначальные образы, а на то, какой вид им придавали преобразования Фурье. То есть, мозг использовал математический метод Фурье, переводя видимые образы в волновые формы. Ухо является анализатором частот; органы обоняния и вкуса используют частотный анализ. Работы Н. Бернштейна показали, что даже наши физические движения закодированы в мозгу в виде волновых форм Фурье. Он обнаружил, что волновые формы содержат скрытые паттерны, позволяющие предсказать движение с точностью до нескольких мм. Мозг анализирует движения, разбивая их на частотные составляющие. То есть зрительная часть коры ГМ реагировала не на паттерны, а на частоты различных волновых форм. Достаточно было провести кодирование светового сигнала от танцора в виде прямого ПФ, а затем – декодирование в виде обратного ПФ. Существуют эксперименты Бехтеревой Н.П., указывающие, что человеческий мозг является органом, который порождает волновые структуры, адекватные формам внешнего мира. Таким образом, любой из наших органов чувств обладает большим частотным диапазоном восприимчивости. Каким образом мозг переводит всю эту лавину частот, которую он воспринимает с помощью всех органов чувств, в наше конкретное представление о мире? Все эти многочисленные эксперименты и привели К. Прибрама к распределённому характеру памяти, к голографической природе памяти, к нейронным голограммам. Его голографическая модель памяти, базирующаяся на ПФ, объясняет многое: колоссальную вместимость памяти, механизм хранения информации, плавание энграмм, фантомные боли и многое другое.

С позиций синергетической модели мозга, важнейшими являются функция распознавания образов, интегративная функция мозга и синхронизация нейронной активности. Принципиально важной особенностью распознавания образов нейронной сетью является способность восстановления образа по редуцированным, неполным, искажённым данным. По ним нейронная сеть способна восстановить полный ключевой образ, хранящийся в памяти. Все данные о любом нашем действии поступают практически одновременно в разные области мозга, но при этом формируется целостный многомодальный образ, в котором разномодальная информация связана друг с другом. Существует гипотеза, согласно которой механизмом этой интеграции является кратковременная синхронизация активности нейронных ансамблей соответствующих отделов мозга, благодаря чему и формируется целостный образ. Синхронизация, то есть согласованность между временными структурами сигналов, независимо от их амплитуд.

2. Проблема кодирования информации в сенсорных системах.

Для понимания принципов работы мозга и психофизиологии познавательного процесса, для моделирования важной является проблема кодирования информации в сенсорных системах. Кодирование – преобразование информации из одной формы в другую, удобную для её хранения, передачи и обработки. Декодирование – процесс восстановления изначальной формы представления информации. Как происходит приём и преобразование сенсорных стимулов? В каком виде отражается принятый и преобразованный стимул в ЦНС? Нервный импульс (потенциал действия) генерируется нейроном по принципу “всё или ничего”. Каким образом импульс от модально специализированных рецепторов органов чувств передаёт информацию разного вида? И как мозг различает разные качества в пределах одной модальности? Какова форма организации импульсной активности нейронов (кода)? Коды – это особые формы организации импульсной активности нейронов, которые несут информацию о качественных и количественных характеристиках действующего стимула. Для понимания природы кода необходимо знать: какую конкретную информацию представляет данный код, по какому закону преобразуется данная информация, как передаётся преобразованная информация, как осуществляется её интерпретация. В сенсорных системах информация кодируется и передаётся. Извлечение полезной информации является основной задачей обработки сигналов. Она может содержаться в частоте, амплитуде сигнала, фазе, спектральном составе; в интервалах между импульсами; в особенностях организации импульсов в “пачке” (группе импульсов) – длительностью, числом и т.д. Все перечисленные характеристики нейронной активности меняются при изменении параметров стимула. В “теле нейрона” происходит взвешенное суммирование входных возбуждений. Это значение является аргументом активации нейрона.

Различают аналоговую и цифровую формы представления информации. Достоинства аналогового представление – наглядность, простота обнаружения изменений, богатство деталей; недостатки – сложность обработки, подверженность искажениям. Достоинства цифрового представления – устойчивость к искажениям, возможность и математической и логической обработки. Так что переход от аналоговых систем к цифровым позволяет улучшить качество передачи информации (преобразователи АЦП и ЦАП). “У человека есть две главные системы, работающие с информацией – геном и мозг. Геном оказался цифровым и потому его расшифровка идёт столь успешно, не имея принципиальных ограничений, - нужно только время и вычислительная мощность. А вот с мозгом прогресс не велик. И причина в том, что мозг, скорее всего, аналоговый” (Ф. Дайсон). ДНК использует систему, очень похожую на двоичную, за исключением того, что кодировка находится в базе 4 (A, T, C, G), а не на базе 2 (0,1). Нейроны передают сигналы в виде электрических импульсов (спайками). Точный способ кодирования информации в спайках неизвестен. Как определить – является ли нейронный сигнал аналоговым или цифровым? Они оба зависят от характеристик спайков. Это фундаментальный вопрос. От его решения зависят и выбор направления исследования мозга, и моделирование процессов. Сенсорные системы организма формируют информационные потоки в аналоговой форме. Вычислительная техника использует цифровые сигналы, поэтому возникает необходимость преобразования аналоговых сигналов в цифровые для их последующей обработки. Цифровые устройства работают с бинарными элементами 0 и 1. Исходящий сигнал от нейрона похож на двоичный код: Вкл-Выкл; Всё-Ничего; Спайк-Без Спайка. Но на “Вход” нейрон работает как аналоговое устройство: данные не дискретны и на их характеристики влияет множество факторов. Кроме того, вычислительные системы, созданные человеком, строго детерминированы. Мозг же не может воспроизводить последовательность команд с абсолютной точностью, его реакция на один и тот же стимул всегда будет разной. В этом отношении мозг не цифровой. Важным является и то, что первичные сенсорные зоны уже на ранних этапах обработки переводят аналоговые описания в семантические (конечный набор сигналов, соответствующих определённому смыслу). Каждая зона коры оперирует своим характерным для неё набором понятий. Эти семантические описания служат входной информацией для вторичных зон. В процессе приобретения опыта зоны коры формируют собственные понятия. Так что сложно разделить в нейронных кодах цифровой и аналоговый сигналы. И не исключено, что мозг пользуется обоими средствами одновременно. Вопрос остаётся открытым: мозг работает подобно аналоговому компьютеру или – цифровому? Другие “возможные” варианты: квантовый или основанный на топологической структуре конечных графов – не рассматриваются. Сравним, применительно к мозгу, более детально аналоговую и цифровую идеологии нейронных сигналов.

Эмпирическая модель Байеса была создана специально для моделирования аналогового сигнала. Скрытая модель Маркова лучше отражает характеристики цифровых кодов. Японцы Я. Мотидзуки и С. Синомото разработали способ автоматического определения вида кодирования. Идея состояла в том, что они анализировали нейронный сигнал с помощью этих двух моделей. То есть определяли, какая из двух моделей наилучшим образом его отображает.

Визуальная информация передаётся к зрительной коре мозга на относительно большое расстояние при наличии значительных шумов. При таких шумах сохранение точности передаваемого сигнала возможно лишь в случае цифрового протокола кодирования. Другой аргумент в пользу цифрового мозга – память. В этом случае информацию можно считывать сколь угодно много без потерь в качестве её записи. В противном случае качество записи будет ухудшаться при увеличении числа считываний (Шеннон, Теория связи). В случае голографической модели памяти Прибрама, которая может объяснить все феномены памяти, второй аргумент можно считать несущественным. Во всём остальном – мозг аналоговый. Аргументы инженерные и метанаучные. Потребляемая энергия мозга, которая на много порядков ниже предельных значений. К примеру, такой показатель, как отношение производительности к мощности, у японского суперкомпьютера – 14 гигафлопс/ватт, а у мозга человека – 2 петафлопс/ватт. Как сделать цифровые компьютеры в миллион раз менее энергоёмкими? В этом смысле, наш мозг является самым впечатляющим аналоговым нейронным компьютером! Кроме того, все функции, связанные с “преобразованием” информации в понимание, в эмоции; связанные с элементами природы, с содержанием любого искусства, оперируют с целостными образами и понятиями. Так что, по метанаучной аргументации, мозг аналоговый (по Дайсону).

Компьютерное моделирование, проведённое Дж. Ти и Д. Тэйлором, их поведенческие эксперименты показали, что из-за наличия шума надёжная передача информации между нейронами возможна только в цифровой форме. Авторы считают подтверждённой гипотезу о цифровом представлении информации в мозге. П. Кинг придерживается мнения, что мозг не является ни аналоговым, ни цифровым, но работает с использованием парадигмы обработки сигналов, которая связана с обоими. Мозг не использует двоичную логику, он не детерминирован. В этом отношении мозг не цифровой, хотя в то же время нейрон использует “что-то вроде двоичных сигналов”. Внутри нейрона всё работает через биохимические процессы, которые схожи с аналоговыми сигналами. Нейроны также выполняют внутреннюю интеграцию электрических сигналов аналоговым способом. Точка зрения Б. Смита: что касается работы нейронов, они, как правило, используют как “аналоговые” компоненты (синаптические токи), так и “цифровые” (потенциалы действия; сигналы, посылаемые по аксонам для распространения, описываются как события “всё или ничего”).

Итог, в среднем, можно подвести следующий. Мозг является цифровым на уровне передачи данных. Он использует короткие серии электрических импульсов для передачи информации между нейронами. Это энерго – эффективный метод, обеспечивающий приемлемую потерю сигнала. Мозг является аналоговым на уровне обработки данных (Н. Варанкин). Не исключено, что разные части мозга используют разные формы кодирования.

Но мне нравится следующее заключение Jose Juarez.

Мозг обладает важным свойством – способностью постоянно перестраиваться, как на морфологическом, так и на функциональном уровнях – в результате текущего и прошлого опыта. Информация, обрабатываемая мозгом, используется для изменения его структуры и функций, создавая постоянную рекурсивную интеграцию между информацией и мозговым веществом. ЦНС, как сложная адаптивная система, подрывает нашу способность точно предсказывать или моделировать её динамическое поведение. Мозг обрабатывает информацию в целом, для него нельзя отличить “программное обеспечение” от “аппаратного”, “память” от “обработки”. Способ, которым мозг генерирует, представляет, запоминает и обрабатывает информацию, отличается от цифровых компьютеров, у которых программное обеспечение отделено от аппаратного. Поэтому цифровая модель весьма ограничена для моделирования ЦНС.

3. Колонки – модули коры головного мозга.

На мой взгляд, вся идеология и философия работы мозга, нейронные сети, проблема с формами кодирования информации согласуются с этим заключением. Но в этом случае процессы моделирования ЦНС становятся сверхсложной задачей. Это подтверждают и колонки – модули коры ГМ, структурно – функциональные единицы коры, специфичные модули переработки информации о какой-то одной сенсорной модальности. Неокортекс состоит из множества модулей в виде вертикальных цилиндров диаметром 300-500 мкм, включающих все 6 слоёв коры. Это особым образом упорядоченная, временная, самоорганизующаяся совокупность нейронов, работающих совместно и организованных вокруг афферентного нервного волокна под влиянием афферентных импульсов. В неокортексе человека ~3 млн модулей.

Неокортекс (новая кора) составляет около 96% всей поверхности полушарий. Кора ГМ функционально состоит из трёх зон: сенсорная, моторная и ассоциативная зона. Последняя занимает у человека ~75% коры. Её функции – связывать между собой активность сенсорных и моторных зон, перерабатывать информацию из сенсорной зоны. Кроме того, ассоциативная зона инициирует осмысленное поведение. Структура ГМ только на 15% состоит из нейронов, помимо их есть ещё вспомогательные клетки – ГЛИЯ, которые обеспечивают работу нейронов. Роль их огромная. Основными и специфичными являются пирамидальные нейроны (ПН). Они составляют ~80% всех нейронов коры ГМ. Размеры их варьируют от 10 до 140 мкм. Они имеют вытянутое треугольное тело, вершина которого обращена к поверхности коры. От неё вверх идёт апикальный дендрит, обычно доходящий до верхнего слоя коры и разветвляющийся там по горизонтали. Вниз от основания ПН отходит аксон. От боковых поверхностей отходят базальные дендриты. Пирамидальные клетки различных слоёв коры отличаются размерами и имеют разное функциональное значение. ПН, ввиду одинаковой ориентации диполей нейронов, играют важную роль в создании внеклеточного электромагнитного поля. Дендриты ветвятся; содержат множество дендритных шипиков, способных образовать синаптические соединения с другими клетками. Естественно это влияет на генерацию потенциала действия. Результат определяется интеграцией сигналов, вызывающих торможение или возбуждение.

По морфологическим свойствам в новой коре можно выделить 6 слоёв, которые отражают последовательность развития: молекулярный, наружный зернистый, пирамидный, внутренний зернистый, ганглионарный и полиморфный. Поэтому, естественно, резко очерченные границы между ними отсутствуют. Каждый слой характеризуется преобладанием какого-либо одного вида клеток.

1. Молекулярный. Содержит небольшое количество мелких ассоциативных клеток веретеновидной формы. Их аксоны проходят параллельно поверхности мозга в составе сплетения нервных волокон. Основная же масса волокон сплетения представлена дендритами нейронов нижележащих слоёв.

2. Наружный зернистый. Образован мелкими нейронами, имеющими округлую, угловатую и пирамидальную форму, и звёздчатыми нейронами. Их дендриты поднимаются в молекулярный слой, а аксоны поступают в сплетение волокон этого слоя.

3. Пирамидный. Самый широкий. Величина ПН последовательно увеличивается в пределах 10-40 мкм от наружной зоны этого слоя к внутренней. От верхушки ПН отходит апикальный дендрит, который располагается в молекулярном слое. Базальные дендриты образуют синапсы со смежными клетками этого слоя. Аксоны мелких клеток остаются в пределах коры, а крупных – формируют волокна, идущие в белое вещество. Функции слоя ассоциативные.

4. Внутренний зернистый. Образован мелкими звёздчатыми нейронами. В состав входит большое количество таламических афферентных волокон.

5. Ганглионарный. Образован крупными пирамидными клетками и гигантскими клетками Беца (120 на 80 мкм). Их аксоны миелинизируются, проникают в полиморфный слой, в белое вещество и образуют тракт для передачи импульсов в мозговой ствол и спинной мозг.

6. Полиморфный. Образован нейронами различной, преимущественно веретенообразной, формы. Аксоны клеток этого слоя уходят в белое вещество в составе эфферентных путей ГМ. А их дендриты достигают молекулярного слоя.

Клетки различных слоёв коры объединены в модули – структурно – функциональные единицы, которые выполняют определённые функции и обрабатывают определённый вид информации. Они расположены перпендикулярно поверхности коры и часто именуются “колонковыми модулями”. В центре колонок находятся крупные ПН, составляющие её основу. Идущая в мозг информация поступает в нижний слой коры. Здесь идентифицируются самые простые свойства объектов. Информация, обработанная в нижнем слое, затем перемещается в вышележащий. При переходе от слоя к слою информация всё больше обобщается. Во вторичных областях коры в колонках находятся нейроны, реагирующие уже на сложный комплекс стимулов. А в третичных (ассоциативных) областях коры мини-колонки, собираясь в модули, получают информацию от вторичных зон разных сенсорных систем и формируется комплексное восприятие объекта, формируется цельный образ. Итак, информация обрабатывается в колонках вертикально. Нижние слои коры работают с “примитивной” информацией, верхние – с цельными образами. В первичных областях отражаются простые характеристики образа, во вторичных – более целостный образ. Таким образом, информация обрабатывается ещё и горизонтально, перемещаясь по коре от первичных зон, во вторичные, а затем – в ассоциативные. Так происходит “сборка” цельного образа. В рамках узко – специализированных нейронов – детекторов, отвечающих за элементарные признаки образа, они включаются в иерархически организованную сеть по типу пирамиды, вершина которого – сложный нейрон, синтезирующий цельный образ. С помощью нейронных отростков модуля каждый модуль имеет надёжную связь со всеми модулями, со всей корой ГМ. Колонка включает: вход (афферентные пути), зону обработки информации (систему локальных связей) и выход (эфферентные пути). Деление конечно условное. Вход образован таламо-кортикальными (специфические афферентные волокна, оканчивающиеся в 4-ом слое коры) и кортико-кортикальными (аксоны ПН 3-го слоя) нервными волокнами, лежащих в центре колонки и несущих информацию из разных отделов коры. Специфические афферентные импульсы по таламо-кортикальным волокнам поступают на тела и дендриты ПН и на шипиковые звёздчатые клетки 4-го слоя (последние по своим аксонам передают их на апикальные и базальные дендриты ПН). Зона обработки информации – это система связанных пирамидальных и звёздчатых нейронов. Выход. Аксоны средних клеток 3-го слоя колонки устанавливают связи с соседними колонками и колонками противоположного полушария. Аксоны крупных и гигантских ПН 5-го слоя образуют вместе с аксонами веретеновидных клеток 6-го слоя систему эфферентных волокон коры, несущих информацию другим отделам ЦНС. Пространства между нервными клетками в коре заняты глиальными клетками, которые доставляют глюкозу, очищают внеклеточные пространства от избытка медиаторов, устраняют химические помехи и выполняют многие другие вспомогательные, но необходимые, функции. Во всех слоях коры находятся тормозные нейроны.

Итак, нейроны колонки получают от проекционных нейронов таламуса афферентные сигналы определённой субмодальности. Несколько вертикальных колонок с разными субмодальностями образуют функциональный модуль, способный перерабатывать информацию, связанную с различными субмодальностями, то есть комплексно объединить эти элементарные признаки. Каждый проекционный нейрон таламуса получает информацию от рецепторов одной модальности и возбуждает входные звёздчатые нейроны одной кортикальной колонки. Выбор её определяется топографией организации связей сенсорной системы. Связь между таламусом и корой является двусторонней, что обеспечивает регуляцию получения информации по принципу обратной связи. Так как множество нейронов в одной кортикальной колонке выполняют одну и ту же функцию, то можно считать кортикальную колонку универсальным вычислительным элементом. Это своего рода “аналог” микросхемы, внутри которой находится множество “полупроводниковых элементов”. Динамика нейронной переработки информации в колонках исследована пока только предварительно.

Компьютерное моделирование позволило создать статистическую модель небольшого участка коры из 298 кортикальных нейронов 6 типов, расположенных в объёме колонки коры мозга крысы (исследователи группы Blue Brain Project). Оказалось, что использованный способ моделирования описывает ~75% связей, обнаруженных в живом мозге. Работа показала, что знание конкретного положения нейрона внутри слоя коры не является обязательным для моделирования его связи с соседями. Достаточно расположить нейроны разных типов в правильных слоях, с подходящей плотностью и в необходимом количестве. Не обязательно картировать положение каждого нейрона. Возможно изучение работы мозга на уровне функционирования макроструктур неокортекса. Модель, созданная командой Генри Маркрама, позволяет отображать на компьютере нейронную колонку мозга любой структуры. Теперь необходимо найти принципы, которые помогут смоделировать связи в коре БП мозга человека без обязательного описания положения каждого нейрона и всех его связей.

Я не думаю, что результаты, полученные группой Маркрама, являются окончательными, по следующим причинам. Модуль – это временное образование, самоорганизующееся под влиянием афферентных импульсов и тормозящего действия интернейронов, активно вычленяющих их из всей массы корковых нейронов. Ведь у колонки (модуля) амплитуда стремительно растёт, её активность необходимо сдерживать. Торможение вокруг колонки является важным механизмом функциональной изоляции активных колонок от их соседей. И вот здесь важен дисбаланс между возбуждением и торможением, важны и возбуждающие и затормаживающие связи. Сложные процессы интеграции сигналов ТПСП (ГАМК – рецепторы) и ВПСП (рецепторы ГЛУТАМАТА) определяют вероятность “срабатывания” нейронов и, следовательно, этот дисбаланс. Этим определяются два типа электрической активности ПН – импульсный разряд (ПД) и более медленное колебание мембранного потенциала, связанное с ТПСП и ВПСП. Так что нарушения состава и структурной интеграции ВКМ и ПНС влияют на нейронную активность, синаптическую стабилизацию и работу мозга. ВКМ (внеклеточный матрикс) заполняет пространство между нейронами и синтезируется нейронами и глиальными клетками. ПНС (перинейрональные сети) представляют собой выраженные комплексы молекул ВКМ, которые формируют оболочку вокруг нервных клеток. Причём эти сети в основном окружают тормозные интернейроны. Эти структуры регулируют возбудимость нейронов и влияют на эффективность межнейронных коммуникаций. Так что корковый модуль (нейронный ансамбль) – это не просто изолированная группа нейронов. Он представляет собой группу нейронов, глиальные клетки, ВКМ, ПНС, кровеносные сосуды, функционально связанные между собой. Именно они обеспечивают обработку поступающей информации в коре. А взаимосвязанные подгруппы модулей образуют коммуникационную сеть. Эти универсальные вычислительные элементы представляют собой результат работы мозга, как единой сложной адаптивной системы. Он постоянно перестраивается и на морфологическом и на функциональном уровнях. Мозг генерирует, представляет, запоминает и обрабатывает информацию в целом (Jose Juarez). Так что, вряд ли здесь можно обойтись статистическими моделями, которые основаны на формальных нейронах, представляющих собой взвешенные сумматоры с функцией активности.

Перспективными являются работы, связанные с модульной парадигмой и с теорией самоорганизации. Модульная парадигма предполагает, что модули – ансамбли, реализующие основные механизмы межнейронной интеграции; что крупные структуры мозга формируются по принципу повторения одинаковых многоклеточных структурно – функциональных единиц – модулей. Модуль – это дискретная единица (элемент) анализа, с помощью которого можно понять “организацию и порядок” сложных нейронных сетей. Анализ показал следующее:

1. Модули “отвечают” на афферентную стимуляцию с какой-то явной закономерностью.
2. От импульсов, поступающих с афферентных волокон, зависят и формообразование модулей, и их конфигурация.
3. Реальное существование модулей объясняется их функциональной ролью.
4. Самоорганизацию нейронных модулей.
5. Стыковка тормозных и возбуждающих синапсов, проявляющаяся как спонтанная активность, ведёт к оптимизации самоорганизации нейронной сети.

В 1980-х годах Б. Мандельброт сформулировал основные принципы фрактальной геометрии, которая позволяет представить сложную конструкцию биологических систем как итог процесса самоорганизации. Главным является то, что фрактальная структура образуется путём бесконечного повторения какой-либо исходной формы по определённому алгоритму и характеризуется масштабной инвариантностью или самоподобием. Фрактал – это структура, состоящая из частей, которые подобны целому. Фракталы – самоподобные, внутренне динамичные структуры, являющиеся представительной частью сложных, нелинейных, открытых, постоянно трансформирующихся структур природы. Предполагается, что эта квазифрактальная структура способна оптимизировать процесс информационного обмена между нейронами.

С позиций сетевой топологии и теории графов, в плане самоорганизации нейронных сетей, особое место занимают “безмасштабные сети”, для которых характерны узлы – концентраторы и кластерная структура. Небольшое число узлов – концентраторов в значительной мере определяют свойства этих сетей. Фрактальные кластеры (кластеры) – это фракталы систем большого числа связанных макрочастиц, образующих разветвлённый кластер. Безмасштабные сети малочувствительны к повреждениям. Кластеризация – это локальная характеристика сети. Она характеризует степень взаимодействия между собой ближайших соседей данного узла. Многие биологические объекты подобны физическим фрактальным кластерам. Не исключено, что функциональные связи мозга, когнитивные сети образуют безмасштабные самоорганизующиеся сети (И.А. Евин, Синергетика мозга).

Важным для сложных синергетических систем, для процессов самоорганизации является эмерджентность (“системный эффект”) – несводимость свойств системы к сумме свойств её компонентов. Эмерджентность приводит к таким новым свойствам системы, которые никоим образом не следуют из свойств её элементов. Как писал ещё Аристотель: “Целое является чем-то большим, нежели сумма его частей”. Бесчисленные индивидуальные нейроны, которые объединяются в мозге, создают нечто большее. А вот каким образам это достигается – до сих пор непонятно. С целью понимания и осознания этого “системного эффекта” и возникла теория эмерджентности – новая физическая модель, базирующаяся на информации. В смысловом понимании, гештальт и эмерджентность отражают единую суть – целостное образование, состоящее из отдельных элементов, но воспринимаемое не как их простая сумма.

P.S. Поскольку рассматриваемый материал является в основном христоматийным, автор опустил ссылки на источники. Цель – заострить внимание на проблемах, решение которых поможет понять принципы работы нашего мозга.