Это, безусловно, главная новость недели в области неврологии. Это показывает, как вы можете использовать постепенный научный прогресс и раздувать его как “новую науку” и прорыв, а средства массовой информации, как правило, просто проглотят это. Научили ли ученые группу клеток мозга играть в видеоигру pong? Что ж, и да, и нет. Настоящая наука здесь увлекательна и очень интересна, но, боюсь, она, как правило, теряется в шумихе.
Вот что на самом деле сделали исследователи – они культивировали нейроны мыши или человека, полученные из стволовых клеток, на многоэлектродной матрице (МЭА). МЭА может как считывать, так и стимулировать нейроны. Нейроны спонтанно объединяются в сеть, вот что сделали эти нейроны. Затем они стимулировали двумерную сеть нейронов слева или справа на разных частотах и записывали реакцию сети. Если сеть реагировала так, как ученые считали правильным, то они были “вознаграждены” предсказуемой дальнейшей стимуляцией. Если их реакция считалась неправильной, их “наказывали” случайной стимуляцией. Со временем сеть научилась выдавать желаемый ответ, и ее обучение ускорилось. Кроме того, нейроны человека обучались быстрее, чем нейроны мыши.
Почему это произошло? Это то, что пытаются выяснить исследователи, но авторы предполагают, что предсказуемая стимуляция позволяет нейронам устанавливать более стабильные связи, в то время как случайная стимуляция разрушительна. Следовательно, предсказуемая обратная связь, как правило, усиливает любую структуру сети, что приводит к предсказуемой обратной связи. Таким образом, сеть ведет себя как простой алгоритм искусственного интеллекта.
Как работают эти сети? Лучше, чем chance, но в остальном не очень хорошо. Но очевидно, что сеть “научилась”, что означает, что ее схема соединений имеет тенденцию к реакции на стимул, которая приводит к желаемому результату. Откуда взялась видеоигра “Пинг-понг”? Вот и все, вы не пропустили? Игра в пинг-понг, по сути, была просто метафорой происходящего. Когда стимул был слева, мяч был слева, и чем быстрее был стимул, тем ближе был мяч. Реакция сети была интерпретирована как движение лопатки, и при определенных параметрах считалось, что она попала по мячу или промахнулась мимо него. Это что, “игра в теннис”? Думаю, это вопрос восприятия, но я бы сказал, что нет. Скорее, случайные срабатывания, которые оказывались в правильном направлении, подкреплялись предсказуемой стимуляцией. Но, конечно, вы могли бы подключить MEA к компьютеру и графически представить входные и выходные данные сети в виде игры в настольный теннис или, возможно, сотнями других способов.
Однако гораздо более вводящим в заблуждение, чем метафора с настольным теннисом, является утверждение, представленное в названии статьи: Нейроны In vitro обучаются и проявляют чувствительность, когда они воплощены в моделируемом игровом мире. “Чувствительность?” Я так не думаю – эта плоская сеть нейронов ни в коем случае не думает и не чувствует что-либо, и она не имеет ни малейшего представления о том, что делает, и было бы большой натяжкой считать ее “воплощенной”? То, что сделали исследователи, – это замкнули цикл между стимулом и реакцией, позволив реакции сети определять дальнейшие стимулы. Это уже было сделано in vivo, они были первыми, кто сделал это in vitro. Вряд ли это прорыв, но вполне предсказуемо. Но они разработали замечательную систему, которая может быть полезна для дальнейших исследований. И снова я должен отметить, что нейробиологи десятилетиями обрабатывали нейроны с помощью MEAS. Новым моментом стало замыкание цикла ввода и вывода данных in vitro.
Что поразительно в этих результатах (опять же, не ново, но интересно и заслуживает внимания), так это то, как спонтанно и легко нейроны объединяются в сеть и могут начать коллективно реагировать на окружающую среду. Конечно, у них было около 500 миллионов лет эволюции, чтобы развить эти функции. Именно это и делают нейроны – они соединяются между собой, активируются совместно и изменяют свою активность в зависимости от стимула. Более того, даже очень простые сети могут использовать самые основные функции (например, силу своих связей), чтобы начать кодировать информацию и по-разному реагировать на внешние раздражители. Существо с такой простой сетью могло бы научиться двигаться в направлении пищи, подальше от токсинов, к свету или от хищников.
Даже на этом самом базовом уровне могут быть некоторые эволюционные преимущества у примитивных сетей клеток, которые немного более электрически активны, чем другие клетки. Со временем каждое постепенное усовершенствование самих клеток или сетей, которые они образуют, может обеспечить дополнительные преимущества организмам, которые ими обладают, – вплоть до человеческого мозга. Плоские сети в конечном итоге становятся трехмерными. Затем сети могут развиваться, приобретая определенную структуру и, следовательно, активность. Эта структура также может быть привязана к телу организма в процессе разработки. В конечном итоге у вас появляется множество сетей, взаимодействующих друг с другом, и каждая сеть становится все более специализированной. С течением времени сложность возрастает на молекулярном уровне (нейротрансмиттеры), клеточном уровне, сетевом уровне, уровне целого органа и на уровне всего организма в целом.
Результаты подобных исследований сводят неврологические функции к простейшим сетям – просто к плоской пластинке из нейронов. Даже на этом удивительно простом уровне сети могут формироваться спонтанно, и все, что им нужно, – это некоторые входные и выходные данные, после чего они могут начать обучаться и выполнять некоторые функции. Довольно примечательно.
