Интересные новости и факты (психология, нейрофизиология)

[ArefievPV]

Что происходит в мозге за минуту до «эврики»? Новое исследование о том, как рождаются гениальные идеи
https://www.ixbt.com/live/science/chto-proishodit-v-mozge-za-minutu-do-evriki-novoe-issledovanie-o-tom-kak-rozhdayutsya-genialnye-idei.html

Каждому знакомо это чувство. Вспышка в сознании, внезапный щелчок, после которого все разрозненные кусочки сложной задачи вдруг встают на свои места. Мы называем это озарением, инсайтом или моментом «эврики». Эти мгновения кажутся нам чем-то магическим, неуловимым продуктом чистого вдохновения, который невозможно ни предсказать, ни вызвать по команде. Но что, если это не так?

Новое исследование, опубликованное в авторитетном журнале PNAS, бросает вызов этому мистическому ореолу. Группа учёных из Калифорнийского университета в Мерседе и Университета Индианы утверждает: у внезапного озарения есть свои предвестники. И, что самое интересное, их можно измерить.

Заглянуть в творческую лабораторию

Чтобы поймать неуловимую «эврику» за хвост, исследователи обратились к тем, кто по роду своей деятельности постоянно сталкивается с нерешаемыми на первый взгляд задачами, — к профессиональным математикам. Шестерым учёным с докторской степенью предложили поработать над головоломками с одного из сложнейших в мире математических соревнований — конкурса имени Уильяма Патнэма.

Эксперимент был организован максимально естественно: учёные работали в своих привычных кабинетах и аудиториях, с мелом у доски. Весь процесс их размышлений, который находил физическое воплощение в записях, чертежах, стираниях и жестах, тщательно фиксировался на видео. Исследователи анализировали не сами математические выкладки, а динамику работы — то, как учёные переключались между идеями, как долго задерживались на одной концепции и как часто возвращались к старым записям.


Изучение внезапных озарений математиков в их естественной среде обитания. (A) Иллюстрация типичной обстановки для математических рассуждений в нашем видео-корпусе. Математиков записывали на видео, когда они в одиночку работали над доказательствами на своих кафедрах (например, в личном кабинете или аудитории). Все математики стояли у доски, как правило, меловой. (B) Помоментная математическая активность разворачивалась в виде серии записей на доске и взаимодействий с ними. Верхний ряд (Top row) показывает стоп-кадры из репрезентативной одноминутной последовательности действий, в которой математик создал четыре записи (цветные круги) и взаимодействовал с ними. На основе жестов, взгляда и речи мы определяли, когда математик явно переключал внимание с одной записи на другую. Эти переключения можно визуализировать в виде направленной сети (Нижний ряд / Bottom row), где узлы представляют собой записи, а рёбра — переключения внимания с одной записи на следующую. Эмпирические вероятности этих переходов могут быть использованы для предсказания будущего поведения. (C) Временной ряд взаимодействий одного математика с записями во время работы над доказательством. Отдельные записи представлены вдоль вертикальной оси и различаются по цвету. Цветные точки указывают на каждый момент, когда математик переключал внимание на одну из записей. (D) Взаимодействия математиков с доской значительно варьировались. Здесь мы визуализируем взаимодействия одного математика с доской во время работы над двумя разными доказательствами. Узлы представляют собой записи, рёбра — переключения внимания с одной записи на следующую, ширина ребра отражает частоту каждого переключения, а заливка ребра указывает на его направление (от светлого к тёмному). Цитирование: S. Tabatabaeian, A. O'bi, D. Landy, & T. Marghetis, An information-theoretic foreshadowing of mathematicians' sudden insights, Proc. Natl. Acad. Sci. U.S.A. 122 (35) e2502791122, https://doi.org/10.1073/pnas.2502791122 (2025).
Автор: S. Tabatabaeian, A. O'bi, D. Landy, & T. Marghetis Источник: www.pnas.org

Сигнал в шуме: предсказуемая непредсказуемость

Проанализировав тысячи таких микро-взаимодействий, команда обнаружила поразительную закономерность. За несколько минут до того, как математик произносил заветное «Ага!» или «Я понял!», его поведение у доски кардинально менялось.

Привычные, устоявшиеся паттерны мышления — когда учёный последовательно проверяет одну гипотезу за другой — внезапно сменялись периодом, который можно описать как «интеллектуальный хаос». Движения становились менее упорядоченными, внимание хаотично перескакивало с одной части доски на другую, а на смену логичным шагам приходили неожиданные, нетривиальные связи между, казалось бы, не связанными идеями. Проще говоря, поведение становилось измеримо менее предсказуемым.

Это и был тот самый сигнал. Мозг, исчерпав стандартные подходы, переходит в режим свободного поиска, лихорадочно перебирая самые дикие комбинации в надежде нащупать верный путь. И именно этот всплеск творческой неупорядоченности предшествует прорыву.

Чтобы превратить это наблюдение в научный факт, исследователи применили инструменты из теории информации — области, которая позволяет математически измерить степень неопределённости или «сюрприза» в потоке данных. Расчёты подтвердили: уровень непредсказуемости в действиях математиков стабильно возрастал прямо перед моментом озарения.


Сложность определения устойчивости скрытого понимания на основе наблюдаемого поведения. (A) Графическая иллюстрация минимальной модели того, как наблюдаемые, дискретные действия (например, указывание на диаграмму, написание уравнения) отражают скрытое, непрерывное понимание. Помоментное понимание не наблюдается напрямую и представляет собой непрерывную траекторию в пространстве идей (иллюстрируемую серыми шарами в потенциальных ландшафтах внутри «облаков мыслей»). Скрытое понимание управляет наблюдаемыми действиями, при этом текущее состояние понимания определяет вероятность перехода от взаимодействия с одной записью к следующей (что иллюстрируется сетями переходов на досках). Единый управляющий параметр, γ, определяет относительное влияние новаторства (innovation) и функциональной фиксированности (functional fixedness). При меньших значениях γ в динамике понимания преобладают заблуждения; при больших значениях γ, показанных в обоих «облаках мыслей», доминирует правильный аттрактор. Переход от замешательства (Слева / Left) к просветлению (Справа / Right) может быть внезапным, когда понимание «перескакивает» из одной области притяжения в другую. Мы реализовали эту модель как минимальную математическую структуру, в которой динамика скрытого понимания управляется стохастическим дифференциальным уравнением, а скрытое понимание определяет вероятности переходов Марковского процесса, который генерирует дискретные, наблюдаемые взаимодействия с записями (см. Материалы и методы для деталей). (B) Динамика скрытого понимания из репрезентативного прогона минимальной модели, в котором управляющий параметр γ линейно возрастает со временем. Когда γ проходит критическое значение (γ_t = 0.26, вертикальная пунктирная линия), «запутанный» аттрактор исчезает. В каждой симуляции работы над доказательством скрытое понимание остаётся на низком уровне, но затем претерпевает критический переход с быстрым ростом от замешательства (U < 0.5) к просветлению (U ≈ 1). (C) Взаимодействия с записями в том же прогоне минимальной модели, что показан в (B). Скрытое понимание определяет вероятности перехода от каждой записи к другой. Отдельные записи представлены вдоль вертикальной оси и различаются по цвету. Цветные точки указывают на каждый момент, когда симулируемый математик переключал внимание на одну из записей. Предвидение внезапного озарения на основе математического поведения включает в себя определение динамики лежащего в его основе понимания (показано на панели B) на основе динамики наблюдаемого поведения (показано на панели C). Цитирование: S. Tabatabaeian, A. O'bi, D. Landy, & T. Marghetis, An information-theoretic foreshadowing of mathematicians' sudden insights, Proc. Natl. Acad. Sci. U.S.A. 122 (35) e2502791122, https://doi.org/10.1073/pnas.2502791122 (2025).
Автор: S. Tabatabaeian, A. O'bi, D. Landy, & T. Marghetis Источник: www.pnas.org

Рецепт открытия: физика, экология и психология

Что делает это исследование по-настоящему элегантным, так это его междисциплинарный подход. «Это одно из тех открытий, которые стали возможны лишь потому, что мы соединили очень разные научные дисциплины», — отмечает старший автор работы Тайлер Маргетис.

Идея о том, что система становится хаотичной перед качественным скачком (так называемым фазовым переходом), пришла из статистической физики. Аналогии можно найти и в экологии, где животное, исчерпав привычные источники пищи, начинает исследовать территорию более хаотично и непредсказуемо. Объединив эти концепции с наработками психологии творчества и инструментами теории информации, учёные получили совершенно новый взгляд на знакомое всем явление.


Внезапным озарениям математиков предшествовала возросшая непредсказуемость их взаимодействий с доской. (A) Момент озарения одного математика, отмеченный вербальным выражением «ага!». (B и C) Взаимодействия с доской до и после момента озарения, показанного в (A). Узлы представляют собой записи на доске; ширина ребра указывает на частоту переключения внимания с одной записи на другую, направленного вдоль градиента (от светлого к тёмному). До озарения (B) некоторые записи никогда не связывались математиком. Во время озарения (C) активность математика связала записи, которые ранее никогда не были связаны (синие рёбра), и больше не связывала записи, которые были связаны ранее [например, толстое чёрное ребро, идущее горизонтально в (B), которое исчезает в (C)]. (D) У реальных математиков взаимодействия были значительно более непредсказуемыми вблизи момента озарения. Наблюдаемые взаимодействия с доской, происходившие непосредственно до и после внезапного озарения (бирюзовый цвет / teal), были более непредсказуемыми, чем взаимодействия, происходившие в другое время (красный цвет / red), во всех сессиях работы над доказательствами в корпусе данных. (Точки обозначают средние значения; планки погрешностей — стандартные ошибки (SE); * обозначает P < 0,01.) Сравните с результатами модели на Fig. 3D. (E) У реальных математиков во всех сессиях работы над доказательствами в корпусе данных взаимодействия с доской становились всё более непредсказуемыми по мере приближения к внезапному озарению. Шкала времени изменена таким образом, что 0 — это момент озарения (сплошная вертикальная линия). Толстая чёрная линия обозначает среднее значение «удивления» (surprisal) в скользящем окне; лента обозначает стандартную ошибку (SE); начальная серая линия обозначает ширину скользящего окна. Сравните с результатами модели на Fig. 3E. Цитирование: S. Tabatabaeian, A. O'bi, D. Landy, & T. Marghetis, An information-theoretic foreshadowing of mathematicians' sudden insights, Proc. Natl. Acad. Sci. U.S.A. 122 (35) e2502791122, https://doi.org/10.1073/pnas.2502791122 (2025).
Автор: S. Tabatabaeian, A. O'bi, D. Landy, & T. Marghetis Источник: www.pnas.org

От магии к механике: что дальше?

Хотя эксперимент проводился на математиках, его выводы потенциально применимы к любой творческой деятельности, где мыслительный процесс можно наблюдать со стороны. Представьте себе дизайнера, перебирающего прототипы, химика, рисующего на доске молекулярные структуры, или даже писателя, переставляющего абзацы в тексте. Во всех этих случаях, вероятно, можно зафиксировать похожий всплеск «полезного хаоса» перед нахождением удачного решения.

Конечно, речь не идёт о создании машины, которая будет предсказывать гениальные изобретения. Ценность этой работы в другом. Она помогает нам понять микродинамику творчества. Если мы знаем, что период хаотичного поиска — это не признак тупика, а предвестник прорыва, это может изменить наш подход к решению сложных задач. Возможно, в будущем появятся инструменты, которые смогут подсказать человеку: «Ты близок к решению, не сдавайся, продолжай искать нестандартные ходы!»

Это исследование — важный шаг на пути от мистического восприятия креативности к её научному пониманию. Озарение — это не божественный дар, а сложный, но вполне закономерный нейрокогнитивный процесс. И теперь у нас появился способ увидеть, как зажигается эта искра.

[ArefievPV]

Математическая модель памяти показала оптимальное количество органов чувств для ИИ и человека
https://naked-science.ru/article/column/sem-organov-chuvstv-okaza
Ученые из Сколтеха предложили математическую модель памяти и сделали на основании ее анализа выводы, которые могут пригодиться в области искусственного интеллекта, робототехники и в изучении человеческой памяти. В числе прочего исследование, указывает на то, что оптимальный набор чувств включает не пять, а семь отдельных чувств.

«Применительно к человеческим органам чувств наш вывод не стоит воспринимать слишком серьезно, хотя кто знает, возможно, в процессе долгой эволюции разовьются, скажем, чувство уровня радиации или магнитного поля. Так или иначе, в робототехнике и теории искусственного интеллекта он может быть полезен, — заявил один из авторов работы, профессор Центра искусственного интеллекта Сколтеха Николай Бриллиантов. — Похоже, что число удерживаемых в памяти отдельных концепций максимально в том случае, если каждой из них отвечает семь, а не пять или, скажем, восемь признаков».

В соответствии с распространенным подходом, впервые сформулированным в начале XX века, представленная в работе модель строится на основе энграмм — базовых единиц памяти. Энграмму, как физическую запись в памяти, можно представить как рассредоточенную по разным отделам мозга группу нейронов, которые активируются совместно. Концептуальное содержание энграммы — это идеальный абстрактный объект, характеризуемый рядом признаков. В случае человеческой памяти признаки соответствуют каналам чувственного восприятия. Например, понятие «банан», оказывается, связано с соответствующим визуальным образом, запахом, вкусом и так далее. Получается пятимерный объект, который существует и эволюционирует  в пространстве с пятью измерениями, заполненном всеми остальными концепциями, сохраненными в памяти.

Эволюция энграмм подразумевает, что соответствующие концепции, со временем, могут становиться либо более отчетливыми, либо более размытыми. Это зависит от того, насколько часто энграмма активируется стимулом, который поступает через органы чувств из внешнего мира и вызывает воспоминание о связанном с ней объекте. Так моделируется обучение и забывание в условиях взаимодействия с внешним миром.

«Мы математически показали, что эволюция  энграмм в концептуальном пространстве приводит к некому устойчивому состоянию, то есть, через некоторое время образуется  „зрелое“ распределение энграмм, которое в дальнейшем сохраняется, — рассказал Бриллиантов. Рассмотрев итоговую емкость концептуального пространства с произвольным количеством измерений, мы увидели довольно неожиданную вещь: по достижении устойчивого состояния наибольшее число независимых энграмм помещается в памяти тогда, когда измерений семь. Отсюда и утверждение о семи чувствах».

Иными словами, во внешнем мире существуют объекты, и их можно описать конечным числом признаков, которые отвечают измерениям некоторого концептуального пространства. Емкость измеряется как количество независимых (уникальных) концепций, связанных с внешними объектами. Чем больше емкость памяти, тем глубже понимание мира. Оказывается, она максимальна для семимерного концептуального пространства. На этом основании ученые делают вывод об оптимальном количестве чувств.

По словам авторов исследования, число семь выводится независимо от особенностей модели концептуального пространства и внешних стимулов, формирующих чувственные впечатления. По-видимому, это число является надежной и устойчивой характеристикой энграмм памяти как таковых. Ученые делают оговорку, что считают синонимичными (не уникальными) несколько энграмм разного размера, существующих вокруг общего центра в пространстве концепций. Они представляют сходные понятия, поэтому учитываются как одна концепция при подсчете объема памяти.

Память людей и других живых существ — загадочное явление, связанное, в том числе, с сознанием. Развитие теоретических моделей в этой области потребуется и для более глубокого понимания психики, и для воспроизведения памяти, подобной человеческой, у разного рода ИИ-агентов.

Исследование опубликовано в журнале Scientific Reports.

P.S. Несколько замечаний.

Энграмма, это «запись» знаний, а воспоминание, это активированная «запись» знаний. Напомню: воспоминание формируется каждый раз заново на основе «записи» знаний. При этом, воспоминание также зависит от контекста, в котором происходит активация «записи» и от пути активации (с какого конкретно «шлюза» началась активация «записи»).

Кстати, думаю, что «записи» «пишутся» на разных уровнях – внутри нейрона (на уровне молекул и молекулярных комплексов), между нейронами (на уровне связей между нейронами), между нейронными ансамблями и т.д.

И, конечно, память, явление связанное с сознанием – поскольку знания в памяти (даже можно сказать, что сама память, это и есть знания), а любой акт/процесс осознания и заключается в сравнении/сопоставлении осознаваемого со знаниями с последующей генерацией сигнала о результате такового сравнения/сопоставления.

[ArefievPV]

Циклы активности коры мозга
https://neuronovosti.ru/tsikly-aktivnosti-kory-mozga/
Ученые из Оксфорда обнаружили, что активность крупномасштабных функциональных сетей мозга организована в виде устойчивых, циклических паттернов. Это означает, что когнитивные функции – внимание, память, сенсорная обработка – не активируются хаотично, а следуют строго упорядоченной, повторяющейся последовательности, завершающейся каждые 300-1000 миллисекунд. Исследование опубликовано в журнале Nature Neuroscience.

Циклическая структура активности групп нейронных сетей. Credit: van Es, M.W.J., et al. / Nature Neuroscience 2025

Исследование началось с анализа данных магнитоэнцефалографии здоровых людей в состоянии покоя. Авторы выделили 12 состояний мозга, каждое из которых представляет собой уникальную пространственно-спектральную конфигурацию активности и синхронизации в коре. Эти состояния соответствуют известным функциональным сетям: например, сеть пассивного режима работы мозга, связанная с безусловной активностью (пассивное бодрствование), и дорзальная сеть внимания, отвечающая за внешнюю фокусировку.

Для изучения динамики переходов между этими состояниями авторы разработали новый метод под названием TINDA. В отличие от традиционных подходов, при которых анализируют только непосредственные переходы или предполагают фиксированные временные запаздывания обработки сигнала, TINDA работает с переменными интервалами между повторными активациями одного и того же состояния. Метод разбивает каждый такой интервал на две половины и сравнивает вероятность появления других состояний в первой и второй половине – тем самым получается выявить асимметрии во времени, которые остаются невидимыми при стандартном анализе.

Анализ этих асимметрий для всех пар состояний показал, что они не случайны, а формируют глобальную, направленную циклическую структуру. Визуализация в виде направленного графа проявила единый устойчивый круговой паттерн активации всех 12 сетей. Для количественной оценки этой цикличности авторы ввели метрику «сила цикла»  – меру, измеряющую степень систематического движения в одном направлении (по часовой стрелке). Значение этой метрики было значительно выше, чем в контрольных перестановках данных, что подтвердило статистическую значимость циклической организации.

Ключевым открытием стало то, что эта цикличность проявляется не на уровне отдельных переходов, а на более долгих временных масштабах. Когда интервалы между повторными активациями одного и того же состояния были разделены на группы по длительности, «сила цикла» оказалась близка к нулю для самых коротких интервалов, менее 100 мс, и резко возрастала для интервалов продолжительностью 2-3 секунды и более. Это объясняет, почему цикличность не была обнаружена ранее: традиционные методы не способны уловить эти долгосрочные зависимости.
 
Дальнейший анализ показал, что цикл имеет четкую структуру, группирующую сети по их функциональным и спектральным свойствам. На «верхней» части цикла расположены состояния с высокой общей мощностью и межрегиональной синхронизацией, включая сеть пассивного режима работы мозга. На «нижней» части цикла – состояния с низкой мощностью, преимущественно связанные с сенсомоторной обработкой. При этом на левой стороне цикла преобладают состояния с активностью в высоких частотах, а на правой – в низких частотах, соответствующих фронтотемпоральным и языковым областям.

С возрастом «сила цикла» увеличивается, а «скорость цикла» снижается – что согласуется с известным когнитивным замедлением у пожилых людей. «Скорость цикла» различается у мужчин и женщин – у женщин она выше.

Интересно, что 73% вариативности «скорости цикла» объясняется генетическими факторами, тогда как «сила цикла» не оказалась наследуемой. Это указывает на то, что динамика цикла, его скорость – это наследственные биологические признаки, тогда как его устойчивость может зависеть от опыта и обучения.
 
Наконец, исследователи проверили, сохраняются ли циклы во время выполнения задач и связаны ли они с поведением. В тех задачах, где участники распознавали лица, циклическую структуру также удалось обнаружить. Более того, вероятность активации определенных состояний за 500 мс до нажатия кнопки коррелировала со временем реакции: активация «низкомощных» состояний замедляла реакцию, а «высокомощных»  – ускоряла. В другом эксперименте, связанном со спонтанным воспроизведением памяти, состояния, положительно коррелирующие с этим процессом, также группировались в определенной фазе цикла – на «верхней» его части.
 
Это доказывает, что циклическая организация мозга – не артефакт состояния покоя, а фундаментальный механизм, обеспечивающим периодическую, адаптивную активацию всех необходимых когнитивных функций. Цикличность позволяет мозгу эффективно проходить через все необходимые функциональные состояния, обеспечивая как стабильность, так и гибкость через стохастичность отдельных переходов.

[ArefievPV]

Полная карта мозга не поможет понять его механизмы. Почему схема нейронных связей не соответствует реальной работе?
https://www.ixbt.com/live/science/polnaya-karta-mozga-ne-pomozhet-ponyat-ego-mehanizmy-pochemu-shema-neyronnyh-svyazey-ne-sootvetstvuet-realnoy-rabote.html

В нейронауке существует фундаментальное допущение: структура нейронной сети должна определять ее функцию. Создание коннектома — полной карты синаптических связей — поможет понять все принципы работы мозга. Идеальной моделью для такой задачи является нематода Caenorhabditis elegans, чья нервная система из 302 нейронов полностью картирована.

Однако недавнее исследование проводит прямое сопоставление анатомической структуры с реальной сигнальной активностью и приходит к выводу, что это допущение требует серьезной корректировки.

Два представления одной сети: анатомия и сигнал

В основе работы лежит сравнение двух различных, но взаимодополняющих карт нервной системы червя.

• Анатомическая сеть (коннектом) — это подробная карта всех физических контактов между нейронами. Она показывает, какие нейроны соединены друг с другом синапсами. По сути — какие нейроны потенциально могут обмениваться информацией напрямую.
• Сигнальная сеть (функциональная) — это динамическая карта, которая показывает, какие нейроны на самом деле активируют друг друга в процессе работы. Эту карту получают, стимулируя один нейрон и наблюдая, какие другие нейроны на это реагируют. Это называют каузальными (причинными) связями.

Ожидалось, что эти две карты будут очень сильно, если не полностью, совпадать. Однако результаты исследования показали глубокие расхождения в их организации.



a) Левая панель: матрица, показывающая анатомическую сеть. Каждый пиксель обозначает наличие или отсутствие синаптических контактов от одного нейрона мозга к другому, по данным. Нейроны отсортированы по их принадлежности к сообществам первого иерархического уровня: сначала — наименьшее сообщество, затем — последующие сообщества в порядке возрастания их размера. Правая панель: круговая дендрограмма, показывающая принадлежность к сообществам на разных иерархических уровнях; цвета соответствуют первому уровню.

(b) Левая панель: матрица сигнальной сети. Каждый пиксель показывает, демонстрирует ли нисходящий нейрон устойчивую кальциевую активность в ответ на оптогенетическую стимуляцию восходящего нейрона. Организовано аналогично (a). Правая панель: то же, что и в (a), для сети распространения сигнала.
Автор: DVALI, SEGUIN, BETZEL, AND LEIFER. PRX Life Источник: journals.aps.org

Группы нейронов организованы по-разному

Сложные сети, включая мозг, организованы по модульному принципу. Нейроны формируют группы, внутри которых связи значительно плотнее, чем с остальной сетью. Эти модули, как правило, соотносятся со специализированными функциональными блоками.

Сравнение модульной структуры выявило принципиальные различия:

• Анатомическая сеть была разделена на 20 небольших, четко очерченных групп.
• Сигнальная сеть, напротив, состояла всего из 6 крупных, более рассредоточенных модулей.

Ключевой вывод заключается в том, что границы этих модулей практически не совпадали. Нейроны, которые согласно анатомической карте принадлежали к одному сообществу, в функциональной сети могли быть частью разных систем.

Единственное совпадение — нейроны, отвечающие за глотку. Эта часть нервной системы физически почти полностью отделена от остального мозга, поэтому ее структура и функция совпадают. Во всех остальных случаях такого прямого соответствия нет.


Различие сообществ по типу и роли нейронов.

(a) Долевое распределение нейронов в сигнальных сообществах по типам клеток: сенсорные, промежуточные (интер-) и моторные (зеленый, фиолетовый и желтый, соответственно).

(b) Обогащение (z score) сигнальных сообществ сенсорными, промежуточными (интер-) и моторными нейронами (* p < 0.05, ** p < 0.01, p values FDR-adjusted).

(c) Обогащение сигнальных сообществ по роли нейронов (* p < 0.05, ** p < 0.01, p values FDR-adjusted).

(d) Обогащение (z score) анатомических сообществ сенсорными, промежуточными (интер-) и моторными нейронами (* p < 0.05, ** p < 0.01, p values FDR-adjusted).

(e) Обогащение анатомических сообществ по роли нейронов (* p < 0.05, ** p < 0.01, p values FDR-adjusted).
Автор: DVALI, SEGUIN, BETZEL, AND LEIFER. PRX Life Источник: journals.aps.org

Ключевые нейроны в картах не совпадают

Другим важным свойством сетей является наличие узлов с максимальным числом соединений. Считается, что они играют центральную роль в управлении информацией.

Анализ показал, что состав этих групп в анатомической и сигнальной сетях практически не пересекается. Те нейроны, которые выглядят главными по количеству физических соединений, не обязательно являются главными в реальной передаче сигналов.

И здесь также нашлось исключение: пара нейронов AVEL/R оказалась центральными в обеих сетях. Этот факт подкрепляет общую тенденцию: только самые ярко выраженные черты анатомической структуры сохраняют свой статус при переходе к реальной работе.



Центральные узлы в сигнальной сети.

(a) Нормализованный коэффициент центральных узлов для сигнальной сети (фиолетовый), коэффициенты центральных узлов для эмпирической сигнальной сети (голубой) и для 100 рандомизированных нулевых сетей (темно-синий; планки погрешностей обозначают стандартное отклонение). Режимы центральных узлов отмечены зеленой (k > 25) и синей (k > 40) заливкой.

(b) Степень связности в сигнальной сети в сравнении с анатомической степенью связности для каждого нейрона (корреляция Пирсона r = 0.22).

(c) Диаграмма Венна для нейронов, входящих в группу анатомических центральных узлов (красный), группу сигнальных центральных узлов с k > 25 (зеленый) и группу сигнальных центральных узлов с k > 40.

(d) Обогащение (z score) сигнальных сообществ нейронами, являющимися центральными узлами (* p < 0.05, ** p < 0.01, p values FDR-adjusted).

(e) Обогащение (z score) нейронов, принадлежащих к группе сигнальных центральных узлов (слева) и группе анатомических центральных узлов (справа), во взаимодействиях ассортативного, дисассортативного и типа «ядро-периферия» в их соответствующих сетях.
Автор: DVALI, SEGUIN, BETZEL, AND LEIFER. PRX Life Источник: journals.aps.org

Почему строение и работа так отличаются?

Есть несколько причин, по которым схема соединений не может точно описать работу мозга:

• Полисинаптические пути. Анатомическая карта показывает только прямые, одношаговые связи. Но в реальности сигнал может передаваться от одного нейрона к другому через нескольких посредников.
• Внесинаптическая передача. Коммуникация в мозге не ограничивается синапсами. Нейроны выделяют химические вещества, которые действуют на другие клетки на расстоянии. Эти связи на схеме строения не видны.
• Динамическая природа синапсов. Синаптическая связь не является статичным элементом. Наличие физического контакта между нейронами не означает, что он всегда активен. Сила и даже сама возможность передачи сигнала может меняться.

Это исследование показало, что полная карта соединений всё равно не позволит точно понять работу мозга. Она показывает лишь возможные пути для сигналов, но не то, как они будут использоваться. Чтобы понять мозг, необходимо наблюдать за его активностью в реальном времени.

[ArefievPV]

«Эффект страуса»: ученые выяснили, в каком возрасте дети начинают избегать информации
https://naked-science.ru/community/1120799
Взрослея, люди начинают избегать информации, даже если знания могут принести пользу. Исследователи выяснили, в каком возрасте человек начинает делать выбор в пользу комфорта, а не неопределенности.

Ученые из Чикагского университета (University of Chicago) определили возраст, в котором люди начинают избегать информации. Оказалось, «эффект страуса» проявляется еще в детском возрасте. Исследование опубликовано в журнале Psychological Science.

Исследователи проанализировали, как происходит процесс избегания информации у 320 американских детей в возрасте от пяти до 10 лет. Они обнаружили, что дети младшего возраста активно искали знания. К семи годам они начинали избегать информации, если ответы потенциально могли вызвать негативные эмоции.

В первом эксперименте ученые рассмотрели пять возможных причин, по которым люди могут проявлять «поведение страуса».

Одна из причин — желание избежать негативных эмоций, таких как тревога или разочарование.

Также человек может хотеть избежать негативной информации о собственной привлекательности или компетентности.

Поводами могут быть нежелание подвергать сомнению свои убеждения и попытка защитить свои предпочтения.

Кроме того, человек может действовать в собственных интересах.

Затем авторы эксперимента разработали разные сценарии, чтобы проверить, существует ли взаимосвязь между причинами и избеганием информации. В одном из тестов детям предложили вспомнить свои любимые и нелюбимые конфеты. Потом им дали возможность посмотреть видео, почему употребление каждой из этих конфет вредно для зубов.

Исследователи пришли к выводу, что маленькие дети хотели узнавать информацию, но с годами они начинали проявлять склонность к избеганию. По словам научного сотрудника Чикагского университета Радхики Сантанагопалан (Radhika Santhanagopalan), дети не хотели знать, почему их любимые конфеты вредны. При этом они были не против узнать, почему вредны их наименее любимые конфеты.

Ученые проанализировали еще одно явление, которое называется «моральным пространством для маневра». В этом случае человек избегает информации в собственных интересах, стараясь не казаться эгоистичным в глазах других.

Чтобы проверить этот эффект, исследователи вручили детям-партнерам два ведра с наклейками — для себя и партнера. В одном из ведер было больше наклеек, а в другом их количество скрыли. Прежде чем участники делали выбор, их спрашивали, хотят ли они знать, сколько стикеров получит их партнер.

Хотя понимание, сколько наклеек достанется партнеру в закрытом ведре не влияло на количество наклеек у самого ребенка, с возрастом дети все чаще отказывались узнать, сколько их получит другой человек. Получается, выбирая ведро с неизвестным количеством стикеров для партнера, они не испытывали чувства вины.

Авторы пришли к выводу, что по мере взросления дети начинали чаще отказываться от информации, чтобы избежать негативных эмоций, связанных со знаниями. Исследователи подтвердили четыре причины из пяти. Исключением стали знания, связанные с компетентностью. Дети без колебаний интересовались, как они справились с тестом. По мнению ученых, это может быть связано с тенденцией в школах: плохой результат — это шаг на пути к хорошему результату.

Во взрослом возрасте избегание информации становится обычным явлением. Знания становятся слишком тяжелыми для восприятия, могут угрожать давним убеждениям или вызывать страх перед неопределенностью. По мнению ученых, избегание может приводить как к личным, так и общественным последствиям. К примеру, это способствует «углублению политической поляризации или идеологической жесткости».

[ArefievPV]

Нейроны общаются по трубкам
https://www.nkj.ru/news/55166/
Между нейронами мозга есть соединения в виде коротких нанотрубок, по которым от одного нейрона к другому могут перетекать ионы, белки и целые клеточные органеллы.

Когда мы слышим о межнейронных соединениях, то обычно сразу представляем себе синапс – специальный контакт между нейронными отростками, через который один нейрон передаёт другим электрохимический импульс. В передаче сигнала задействованы разные рецепторы и ионные каналы, его регулируют разные белки, влияющие на динамику нейромедиаторов, и вообще межнейронный синапс устроен сложно. Но, по-видимому, одними синапсами межнейронные связи не ограничиваются.

Сотрудники Институт Джонса Хопкинса, анализируя чужие электронные микрофотографии срезов мозга человека и мыши, обратили внимание на тонкие трубочки, соединяющие дендриты разных нейронов. Трубочки были длиной всего 3 микрометра, и чтобы достоверно их увидеть, исследователям пришлось уже в собственных экспериментах использовать особые методы микроскопии, позволяющие получать сверхдетальные изображения. Потом сверхдетальные микрофотографии нужно было ещё прогнать через машинный алгоритм, который должен был определить, действительно перед нами какая-то новая структура, соединяющая нейроны друг с другом, или это просто какие-то выступы на мембранах.

В статье в Science говорится, что микротрубочки оказались действительно микротрубочками; более того, их появление и распад удалось понаблюдать вживую на лабораторных культурах нейронов. Тут нужно сказать, что «трубопроводы» между клетками изучают с 2000-х, но до сих пор это были другие трубочки – более длинные, в 10 микрометров и больше. Их назвали туннелирующими нанотрубками (TNT). Считается, что такие межклеточные контакты важны при восстановлении тканей и при развитии органов, что по туннелирующим нанотрубкам путешествуют самые разные субстанции, от испорченных белков до целых клеточных органелл. Например, летом мы рассказывали о том, как раковые клетки крадут у нейронов их митохондрии, а в прошлом году в журнале Neuron была опубликована статья о том, что нейроны по нанотрубкам отдают вспомогательным глиальным клеткам опасные белки, а глиальные клетки передавали нейронам здоровые митохондрии.

А вот между нейронами трубочек до сих пор не видели. Как было сказано, новые трубочки оказались заметно меньше; их назвали дендритными нанотрубками – DNT. Формируются они с помощью цитоскелетного белка актина, и так же, как длинные TNT, они проводят митохондрии, белки и ионы кальция. Проводя от нейрона к нейрону ионы, нанотрубки тем самым меняют электрическое состояние клеток, а значит, они должны влиять на возбудимость и проведение сигнала. Что до белков, то исследователи продемонстрировали, что по этим нанотрубкам могут путешествовать молекулы бета-амилоида, который при болезни Альцгеймера образует опасные комплексы. Когда человеческий бета-амилоид вводили в один мышиный нейрон, он по трубкам переходил в соседний. У мышей с моделью болезни Альцгеймера плотность нанотрубок возрастала перед тем, как у них в мозге начинали появляться амилоидные бляшки – те самые токсичные скопления бета-амилоида. Компьютерные модели также говорят о том, что DNT могут играть роль в накоплении альцгеймерических белков в нейронах.

Однако компьютерные модели и мыши со смоделированным «альцгеймером» (которого у них от природы не бывает) – это одно, а человеческий мозг – это другое. Строго говоря, пока что удалось установить, что между нейронами, помимо синапсов, есть и вот такие соединения в виде нанотрубок. Они могут влиять и на электрическую активность нейронов, и на развитие заболеваний, но насколько они влияют и влияют ли вообще, станет ясно только после дальнейших исследований.

[ArefievPV]

Движение жидкости в мозге предложили считать основой сознания
https://naked-science.ru/article/biology/dvizhenie-zhidkosti-v-moz
Согласно новой гипотезе, сознание возникает не только из-за активности нейронов, но и благодаря физическим процессам — электромагнитным полям от движения жидкости в мозге. Эта модель, как и ее предшественники, пока носит теоретический характер, но предлагает нестандартный взгляд на проблему синхронизации работы разных отделов мозга.

Происхождение сознания — субъективного опыта, мыслей и ощущений — остается одной из главных загадок науки. Десятки лет исследований не привели к появлению теории, которая могла бы полностью охватить этот феномен. Распространенные концепции предлагают разные, порой противоречивые объяснения и сталкиваются с трудностями при экспериментальной проверке.

Одна из ведущих теорий, теория интегрированной информации, предполагает, что сознание — это свойство любой системы, способной сложным образом объединять информацию. Согласно ей, эпицентр сознания расположен в так называемой горячей зоне в задних отделах коры головного мозга. Недавние масштабные эксперименты по проверке теории не смогли подтвердить ее ключевое предсказание о непрерывной синхронизации активности в этой зоне во время осознанного восприятия.

Другой влиятельный подход — теория глобального нейронального рабочего пространства. Она сравнивает сознание со сценой, на которую попадает лишь самая важная информация. Когда информация достигает нейронных сетей в лобных и теменных долях, она становится «глобально доступной» для всего мозга — и в этот момент осознается. Эта теория также столкнулась с противоречиями. Эксперименты показали, что предсказанная ею мощная «вспышка» активности в лобных долях в момент осознания далеко не так универсальна, как предполагалось.

На фоне этих трудностей студент-медик Шалин Бхатт вместе с коллегами из Джорджтаунского университета предложил альтернативный взгляд. Научная работа опубликована в журнале Medical Hypotheses, который как раз специализируется на рассмотрении новых и спекулятивных идей.

Новая гипотеза получила название «теория глиовазомоторного поля» (GlymphoVasomotor Field). Она смещает фокус с чистой нейробиологии на биофизику и берет за основу работу глимфатической системы — сети каналов вокруг сосудов, по которым в мозге движется спинномозговая жидкость (ликвор), выполняя функцию очистки.
 
Авторы идеи выстроили следующую цепочку событий. Ритмичные выбросы норадреналина из отдела в стволе мозга под названием «голубое пятно» заставляют стенки сосудов ритмично пульсировать. Эта пульсация, в свою очередь, приводит в движение ликвор. Поскольку он содержит заряженные частицы — ионы, — их ускоренное движение, согласно законам электродинамики, создает слабое, но структурированное электромагнитное поле.

Именно это поле, по мнению авторов исследования, и играет роль невидимого каркаса или «дирижера» для нейронов. Если представить нейроны как музыкантов в оркестре, каждый из которых исполняет свою партию, то глиовазомоторное поле задает общий ритм, объединяя их разрозненную активность в единую и слаженную «симфонию» сознания. Такой подход позволяет объяснить, как отдаленные друг от друга отделы мозга — например, задние и передние — могут работать синхронно даже без прямых нейронных связей между ними. Их координирует общее физическое поле.

В качестве косвенного подтверждения ученые привели эффект от некоторых препаратов. Например, снотворное золпидем, которое изменяет сознание, также подавляет пульсацию сосудов и ток ликвора. В то же время у некоторых пациентов с тяжелыми нарушениями сознания золпидем парадоксальным образом вызывает «пробуждение». Теория глиовазомоторного поля предлагает этому возможное объяснение, связывая изменения сознания с модуляцией сосудистой динамики и потоков жидкости.

Впрочем, эта гипотеза поднимает серьезные вопросы. Ключевой — достаточно ли сильны эти предполагаемые электромагнитные поля, чтобы оказывать значимое влияние на активность миллиардов нейронов. Современные представления о биофизике мозга предполагают, что такие поля скорее должны быть исчезающе малы.

Другой фундаментальный аспект — проблема корреляции и причинности. Наблюдаемое совпадение между изменениями кровотока и состояния сознания не доказывает, что первое — причина второго. Оба этих явления, например, могут быть следствием другого нейронного процесса, который гипотеза не учитывает.

Тем не менее ценность теории глиовазомоторного поля в том, что она заставляет посмотреть на проблему сознания под новым углом и объединить знания из разных областей — нейробиологии, гидродинамики и физики. Она подчеркивает, что сознание может быть не просто продуктом нейронной активности, а сложным эмерджентным свойством всей экосистемы мозга, включая его сосудистую сеть и потоки жидкости. Будущие эксперименты, направленные на измерение этих сверхслабых полей и их связи с нейронной активностью, покажут, насколько состоятельной окажется эта смелая идея.

P.S. В дополнение к этой гипотезе несколько цитат:

Нейронауки в Science и Nature. Выпуск 266: геометрия мозга против коннектома
http://neuronovosti.ru/nejronauki-v-science-i-nature-vypusk-266-geometriya-mozga-protiv-konnektoma/
Классическая нейробиологическая теория о влиянии коннектома на функции мозга предполагает, что динамика нейронов зависит от взаимодействия между специализированными нейронными пулами, связанными сложной сетью аксонов. Однако другая теория – теория нейронного поля, которая используется в моделировании активности целого мозга – предполагает, что геометрия мозга может иметь более фундаментальное значение. Результаты нового исследования, опубликованного в журнале Nature, бросают вызов преобладающим взглядам и выявляют недооцененную роль геометрии в формировании функций мозга.

Мозг хранит память в электрическом поле
https://www.nkj.ru/news/43568/
Постоянство памяти сохраняется постоянством электрического поля, которое возникает от меняющегося ансамбля работающих нейронов.
...
Авторы работы полагают, что постоянство памяти поддерживается как раз благодаря постоянству поля: какие именно нейроны будут задействованы, не так уж важно, один и тот же результат в смысле электрического поля можно достичь разными ансамблями клеток.

Мозг обрабатывает информацию с помощью волн
https://www.nkj.ru/news/43782/
Реакция нейрона на стимул зависит от того, под какую электрическую микроволну он попал.
...
Речь не о тех альфа-, бета-, гамма-волнах, которые мы измеряем с помощью электроэнцефалографии – они показывают общую картину работы мозга. Волны, возникающие в небольших нейронных сетях – это микроволны, они одновременно возникают в разных областях мозга и распространяются по нейронным сетям. Встречаясь, такие микроволны взаимодействуют друг с другом, и от того, как они провзаимодействуют, зависит активность отдельной клетки. Грубо говоря, если волны погасят друг друга, клетка промолчит в ответ на стимул, если волны усилят друг друга, клетка на тот же стимул отреагирует импульсом. Волновой подход даёт другой инструмент для анализа того, как мозг работает с информацией: нужно работать не с отдельными межнейронными контактами, а с волнами активности; соответственно, такой метод предполагает несколько иной математический аппарат.

Волны памяти, которые перемещаются
http://neuronovosti.ru/volny-pamyati-kotorye-peremeshhayutsya/
Ученые из MIT провели эксперимент, в котором оценивали нейрональную активность мозга обезьян при решении задачи на рабочую память. Ученые выяснили, что паттерн, или рисунок активности не стоит на месте. Он перемещается по мозгу, словно волны на воде. При этом направление, ротация и скорость перемещения зависят от типа нагрузки на рабочую память. Об этом – статья в журнале PLOS Computational Biology.
...
Но помимо того, что волна распространяется с течением времени, она еще и крутится в пространстве. Интересно, что крутящихся волн было значительно больше среди всех динамических. При этом, как оказалось, у каждой волны можно наблюдать предпочтительное направление движения. В ходе выполнения задачи на определенной ее стадии вероятность распространения волн в этих направлениях уменьшалась или увеличивалась.
...
Ориентация таких волн изменяется во время выполнения теста на рабочую память, сперва распространяется в две противоположные стороны, но организуясь в одном направлении при тестировании.

Ученые сделали предположение, что динамические волны могут быть связаны с поддержанием активности в нейрональных сетях рабочей памяти, позволяя им постоянно оставаться во включенном состоянии.