Текст книги "Как работает мозг спортивных гениев. Нейробиологическая основа высоких достижений"

Но Джеймс Ингрэм, старший научный сотрудник, который работал с Уолпертом больше 10 лет, объяснил цель работы в лаборатории так: «Вы можете изучать молекулы, клетки, синапсы и прочую ерунду. Есть много уровней, на которых можно изучать мозг. Но если у нас есть инженерная программа, мы можем создать еще один уровень. Для меня именно в этом суть вычислительной нейробиологии: достичь такого понимания мозга, которое позволит нам создать искусственный мозг». Джордан Тейлор, профессор когнитивной психологии из Принстона, говорил, что литературный стиль и алгоритмический подход Уолперта сыграли огромную роль в том, что в конце 1990-х гг. его работы стали необыкновенно популярными. «Инженерный взгляд на регуляцию моторики был крошечной нишей, – рассказывал мне Тейлор. – И в этой нише было мало работ». «И что изменилось?» – спросил я. «Сегодня, – ответил он, – все наши статьи написаны с этой позиции».

В лаборатории Уолперт стал известным благодаря двум вещам: аналитическому уму и скорости, с которой двигался он сам. В частности, стремительной походкой, – я не мог за ним угнаться. «Он просто такой, – сказал Джеймс Хилд, один из докторантов. – У него другой ритм». Единственное, что могло соперничать со скоростью его походки – это скорость его речи, хотя иногда его язык с трудом успевает за мыслью и аристократическим акцентом, и он прищелкивает языком между фразами, словно поворачивает ключ зажигания. Уолперт так быстро перемещается по коридорам лаборатории, а говорит еще быстрее, что просто удивительно, как у него хватает терпения усердно разбирать сложные математические вычисления, на которые он опирается в своей работе. «Думаю, им в первую очередь движет удовольствие от всего процесса, – сказал Макнейми. – Думаю, это пронизывает всю лабораторию». Он имел в виду лабораторию вычислительного и биологического обучения.

Вездесущность шума в мозге и во всех нейромышечных связях, до самых конечностей, означает, что каждое движение, которое мы совершаем, будет отличаться определенной степенью неточности. Бейсболист с битой в руке должен одновременно сожалеть об этом, поскольку ему приходится постоянно подстраивать замах, и радоваться, потому что питчер лишен возможности выполнить точную подачу. Наш мозг пытается найти стратегию, уменьшающую последствия вариабельности, и, как считает Уолперт, в конечном итоге мы движемся для того, чтобы достигнуть состояния, которое приносит пользу (или избавиться от состояния, приносящего вред). Вознаграждение, которое мы ожидаем получить, и цена, которую рассчитываем заплатить, определяют скорость движения, выбранную траекторию, а также корректировку движения на сенсорную обратную связь.

Тем не менее цель – это не единственный фактор. Вернемся к тому, как мы ходим. Если оптимизацию ходьбы описать как желание никогда не спотыкаться, то мы могли бы делать каждый шаг с максимальной осторожностью. Но этого не происходит. Когда зоологии составляют модель ходьбы, они описывают ее в терминах минимизации энергии, а не минимизации травм. Полностью исключающая спотыкание ходьба была бы крайне неэффективной. Мы согласны иногда спотыкаться ради экономии энергии. Во многих отношениях, по мнению Уолперта, человеческие существа «хотят лениться», и это их врожденное свойство. Наш мозг стремится найти баланс между двумя задачами: успехом и экономией энергии. Некоторые действия требуют определенной точности – задача поднести вилку ко рту, не ткнув ею в губы, может служить примером ситуации, когда лень слабее стремления к успеху (избежать расплаты болью). Но мозг постоянно подстраивается, чтобы уменьшить затраты энергии. В теле человека насчитывается более 200 суставов. Если сгибать или разгибать каждый из них, то количество возможных движений превысит число атомов во Вселенной. Уолперт считает, что «у системы нет никакой возможности отобразить нечто с такой размерностью». Поэтому вы не управляете 200 суставами по отдельности. Мозг создает синергию. Кисть имеет 20 степеней свободы, но мы используем только семь, что вполне достаточно для удовлетворения почти всех потребностей. «Вот почему так трудно научить играть на пианино, – отмечает Уолперт. – При игре на фортепьяно пальцы действуют независимо. А мы привыкли к взаимосвязанным движениям».

«Эволюционно, – прибавляет он, – вы хотите использовать эту синергию, потому что она полезна и потому что ей легче научиться. Но ее можно разрушить. Долгими тренировками синергию можно разрушить».

В большинстве случаев мы предпочитаем просто «плыть по течению», как сказал мне один из исследователей. Мозг учится обнаруживать и использовать пассивную динамику наших систем, а также объектов, которыми мы манипулируем. Чтобы продемонстрировать это, Стернад провела эксперимент с человеком по имени Адам Винрих, достижение которого в 2016 г. попало в Книгу рекордов Гиннесса: он за одну минуту щелкнул двумя кнутами 646 раз подряд. Лично я не могу представить, чтобы кто-то побил этот рекорд – или даже захотел попробовать. Но Стернад в своей лаборатории попросила его сбивать трехметровым кнутом мишень (плюшевого кота) с расстояния трех метров. Прикрепив светоотражающие маркеры к его плечу, предплечью, запястью, локтю, ладони, а также к трем точкам кнута, исследователи получили возможность проследить траекторию движения руки, а также кнута, от бока Винриха до мишени. Оказалось, что эта траектория более стабильна, когда Винрих щелкает кнутом непрерывно и ритмично, а не тогда, когда он делает паузы перед каждым ударом – такое чередование движения и паузы называется дискретным движением. Дискретные движения нестабильны. Они зашумлены. Они отражают усилия мозга скоординировать работу суставов и мышц. Но при ритмичных движениях щелчок кнутом мог объединяться в одну задачу, передавая движение таким образом, словно вся рука представлялась одним суставом – или даже самим кнутом. «Плечо как бы продолжается до самого конца кнута, – объясняет Стернад. – Это отражение организации плавного движения конечностей». При ритмичном движении удары Винриха точнее, чем при дискретном.

Мы используем эти устойчивые и сходящиеся траектории, чтобы уменьшить внутренний шум. Питчеры в бейсболе раскачиваются, чтобы войти в ритм. Баскетболисты перед штрафным броском несколько раз ударяют мячом о площадку. Но с учетом неопределенности нейромоторного шума, а также его неструктурированного характера и негативного влияния на точность, как нам вообще удается выполнять стабильные и целенаправленные движения?

Точное движение основано на обратной связи, которая сообщает мозгу о его текущем положении в окружающем мире, подобно тому, как приборы отражают состояние самолета в любую секунду полета. Но обратная связь работает медленно. Гораздо медленнее, чем вы думаете. Герман фон Гельмгольц, как и большинство ученых середины XIX в., предполагал, что сигналы по нервам передаются почти мгновенно, возможно, со скоростью света. Но в 1850 г. он выделил нервное волокно и мышцу в лапке лягушки и стимулировал нерв электрическим разрядом, который заставлял мышцу сокращаться. В конечном итоге Гельмгольц обнаружил задержку между стимуляцией и сокращением мышцы – такую существенную, что ее можно было даже измерить. Скорость распространения сигнала равнялась 30 метрам в секунду. Гельмгольц сравнивал нервную связь с отправкой телеграммы и ожиданием ответа. «Точно так же, как центральная станция электрического телеграфа в почтовом отделении на Кенигштрассе сообщается с внешними границами монархии, – говорил в 1851 г. Эмиль Генрих Дюбуа-Реймон, – так и душа в своем кабинете, мозге, беспрерывно получает депеши с самых дальних пределов империи по телеграфным проводам, нервам, и посылает указания во все концы своим чиновникам, мышцам». Оказалось, что нервы не являются скоростными проводящими путями, как думали раньше.

Мы знаем, что скорость распространения нервного сигнала может достигать 100 метров в секунду, или 360 км/ч. Насколько я знаю, гоночные автомобили «Формулы-1» могут двигаться быстрее. Задержка также непостоянна. Именно поэтому Международная федерация легкой атлетики в забеге на 100 метров считает фальстартом отрыв ног от колодок в любой момент времени до истечения одной десятой секунды после выстрела из пистолета. За меньшее время просто физически невозможно воспринять стимул и отреагировать на него, и поэтому бегун, стартующий раньше, не может не жульничать [19]19
  То, что на соревнованиях по бегу используют пистолет, а не вспышку света, объясняется тем, что слуховая система обрабатывает сигнал быстрее, чем зрительная. – Прим. автора.


[Закрыть]. Теперь обратимся к такой игре, как бейсбол, где всего лишь за 100 миллисекунд мозгу требуется оценить положение приближающегося мяча и выработать команду на удар по нему. «Будь обратная связь мгновенной, мы могли бы ограничиться только ею», – говорит Ингрэм. Но это не так. Как же мы справляемся с такой задержкой?

Яркий пример этой дилеммы проявился в 2004 г. на матче всех звезд софтбола, Pepsi All-Star Softball Game, где лучшие отбивающие бейсболисты вроде Альберта Пухольса и Майка Пьяццы пытались отбить подачи лучшего питчера в софтболе, Дженни Финч. Ключевым словом противостояния было: «Попробуй». Финч, бросавшая мяч из-под руки, разгромила Пухольса в трех подачах, а Пьяцца и аутфилдер команды всех звезд Брайан Гилес даже не смогли коснуться битой мяча.

Причина не имела отношения к скорости – подачи Финч с расстояния 13 метров, как это принято в софтболе, были эквивалентны быстрой подаче в бейсболе со скоростью 150 км/ч. Сложно, но ничего экстраординарного для игрока Главной лиги. Скорее дело было в подаче снизу, которая для Пухольса и остальных игроков оказалась крайне неудобной. С таким они раньше не сталкивались. Их база знаний, накопленная за годы практики, оказалась бесполезной. Им приходилось рассчитывать на передачу сенсорной информации, где задержка оказалась роковой. Они утратили способность предсказывать траекторию мяча.

Таким образом, нам досталась прискорбно несовершенная система, вынужденная делать предсказания в условиях низкой скорости распространения сигналов и подверженная сбоям из-за наличия шума. Это все равно что выехать в развалюхе на гоночную трассу Indy Car. Удивительно, что наш мозг вообще позволяет нам попасть битой по мячу. «Наш ум часто превращает идею своего ощущения в идею своего суждения и использует одну только для возбуждения другой», – писал Джон Локк. Но как в этом убедиться?

Уолперт нашел способ. Формально первым это сделал Томас Байес, английский философ XVIII в. Но он никому об этом не рассказал. Байес был англиканским священником, о котором почти никто не знал. Только после его смерти в 1761 г. один из друзей обнаружил среди вещей покойного любопытный математический трактат и отправил его редактору журнала Philosophical Transactions of the Royal Society of London. Работа под названием «Очерки к решению проблемы доктрины шансов» (An Essay toward solving a problem in the Doctrine of Chances) была наконец опубликована.

В своем труде Байес обращается к вопросам условной вероятности – вероятности какого-либо события при условии, что произошло другое, связанное с ним событие. Здесь присутствует элемент смещения, основанный на предыдущем опыте, знаниях или существующих убеждениях. Другими словами, этот аспект делает вероятность и предвидение более человечными.

Например, вы не знаете результатов президентских выборов, но слышали, что планируется существенное сокращение налогов. Байес поможет вам определить (не читая газет), какую политическую партию представляет президент. Или вы открываете свою электронную почту и обнаруживаете письмо от неизвестного корреспондента, сообщающего, что вам причитается миллион долларов. Байес помогает вам определиться с реакцией: «Я богат!» или «Меня обманывают!». Или, предположим, что вы идете по территории колледжа и встречаете парня по имени Роб, который выглядит застенчивым и замкнутым. Какой вывод вы сделаете: Роб готовится к защите докторской по математике или в области управления бизнеса? Байес поможет вам определить будущую карьеру застенчивого Роба, если вам это интересно [20]20
  Эти примеры взяты из видео на YouTube, где можно найти десятки подобных видео, предлагающих примеры из реальной жизни для объяснения формулы Байеса. Некоторые из них очень забавные. – Прим. автора.


[Закрыть].

В случае с застенчивым Робом, необходимо знать, как реагировать на внешние события, скорость которых может превосходить скорость реакции двигательной системы. В 1950-х гг. теорема Байеса проложила себе дорогу в лаборатории, занимавшейся роботами и компьютерным обучением, а впоследствии поведенческой психологией, а также стала средством понимания процессов зрительного восприятия. В конце 1990-х гг. Уолперт и один из его сотрудников в Университетском колледже Лондона, Конрад Кординг, придумали другое применение. Они задали вопрос: «Интересно, применима ли она к моторным задачам?»

Теорема Байеса утверждает, что существует два источника информации: данные (сенсорный вход) и априорные знания, основанные на памяти или убеждениях. Фактор априорных убеждений означает, что не все состояния равновероятны. Они характеризуются вероятностью в диапазоне от 0 до 1, где 0 означает: «я ни на йоту в это не верю», а 1 – «я верю, что это абсолютная истина». Если спросить вас, верите ли вы, что все малиновки рыжие, ваша убежденность будет на уровне 0,95 – вы в этом уверены. Существует также условная вера, то есть ваша вера в определенное утверждение при условии, что другое утверждение истинно. Какова вероятность, что при броске игральной кости выпала шестерка, если известно, что выпало четное число? Поскольку четных чисел на игральной кости всего три, то моим ответом будет 1/3.

Формула связывает величины А (некоторая оценка состояния окружающего мира) и В (сенсорная информация, которую мы получаем). Идея заключается в вычислении вероятностей различных состояний окружающего мира при данной сенсорной информации, или P (A|B).

Согласно формуле Байеса:

P(состояние|сенсоры) = = P(сенсоры|состояние) * P(состояние) ÷ P (сенсоры)

P(состояние) – это вероятность разных состояний окружающего мира независимо от обратной связи. Например, насколько вероятно, что я сегодня встречу на улице кошку, а не белого медведя? Это называется априорным убеждением. Если мозг опирается только на априорное убеждение, это похоже на непрерывную галлюцинацию. Поэтому нужно соотнести априорное убеждение с реальностью. Вот почему оно умножается на P(сенсоры|состояние) – вероятность данной сенсорной информации при текущем состоянии окружающего мира. Это называется правдоподобием. Умножая эти две вероятности, мы получаем величину, которая называется апостериорной вероятностью. Это метод оптимального согласования априорного знания с сенсорными данными, чтобы сформировать отношение к окружающему миру.

Лучше всего проиллюстрировать это на примере тенниса. При игре в теннис требуется оценить, куда попадет мяч, чтобы отбить его. Формула Байеса дает вам два источника информации для того, чтобы сделать предсказание. Один из них – это сенсорные данные: вы видите приближающийся мяч. Но ваши органы чувств далеко не совершенны. Более того, мяч может быть подкручен или лететь так быстро, что вы не понимаете, где он приземлится; его траекторию также может изменить ветер. Вместо того чтобы принимать сенсорную информацию как окончательную, вы считаете ее правдоподобной – то есть вероятностью увидеть отскок мяча в определенном месте. Ваш мозг использует и второй источник информации: априорное знание. Теннисные подачи не распределяются равномерно по корту. Скорее всего, они ограничены определенными зонами – я по опыту знаю, куда противник предпочитает посылать мяч. Это мое априорное убеждение. Когда я подставляю эти оценки в формулу Байеса, получается другое предсказанное место приземления мяча. Исследователи почти случайно натолкнулись на всеобъемлющую теорию, объясняющую, как мозг ориентируется в сложном и постоянно меняющемся окружении, рассматривая чувства лишь как одну составляющую уравнения. Система также опирается на априорное убеждение, основанное на вероятности повторения того, с чем мы уже сталкивались. Спортсмены укрепляют свои априорные убеждения, когда перед матчем смотрят видеозапись игры противника, запоминая и изучая их склонности, так чтобы происходящее на корте не застало их врасплох. Эти склонности подставляются в постоянно корректирующееся уравнение, предназначенное для оптимизации моторного ответа. Теннисисты не просто сенсорные автоматы: увидеть мяч, отбить мяч. Они статистики, решающие в уме уравнения Байеса.

Именно так в январском номере журнала Nature за 2004 г. появилась статья Уолперта и Кординга о байесовской интеграции – в сопровождении рисунка теннисистки, отбивающей подачу. Девушка стоит на лицевой линии, а красным цветом на рисунке выделена зона на корте, куда, скорее всего, попадет мяч; зеленая линия отображает распределение предыдущих подач. Цель – желтый круг – находится там, куда теннисистка направляет свою ракетку. Она мгновенно производит вычисления. «Ученые обнаружили, что движения и решения первого номера теннисного рейтинга в точности соответствуют математическому закону, впервые сформулированному в XVIII в.», – восхищенно писал корреспондент газеты The Independent. Вполне возможно, что способность спортсменов принимать решения в условиях стресса – как отбить теннисную подачу, отдать пас в футболе или попасть бейсбольной битой по приближающемуся мячу – включает в себя предвидение возможного сценария на основе глубокого понимания вероятностей. Оценку можно оптимизировать, сочетая опыт с сенсорными данными. Я буду знать, куда летит мяч – подобно тому, как я знаю, что электронное письмо от незнакомца не сделает меня богатым.

Теперь нейробиология уже не может обойтись без закона Байеса. Это модель, с помощью которой ищутся ответы на вопросы об обучении, восприятии, памяти, логике, языке и принятии решений. Отклик аксонов на молекулярный градиент назвали байесовским. Как отмечает Кординг, многие из этих интерпретаций отклоняются от первоначальных предположений исследователей. «С одной стороны, эта идея воспринята, и бесчисленные статьи показали, что поведение людей близко к тому, что предсказывает байесовская статистика, – говорит он. – С другой стороны, наука интерпретирует это так, словно мозг построен на байесовских принципах».

Уолперт не удивлен, что некоторые особенности мозга могут иметь байесовскую природу: «Если вы не придерживаетесь байесовского подхода, вы не оптимальны». Следствие, или теорема Голландской книги, говорит, что если ваши действия противоречат байесовскому закону, то вас будут использовать, а это не способствуют выживанию. «Если вы хотите, чтобы ваши движения были максимально точными, то должны в определенном смысле действовать по-байесовски – в противном случае вы будете неэффективными». Возможно, точное соответствие закону Байеса не обязательно – достаточно хорошего приближения.

Уолперт считает, что практически все можно объяснить с байесовской точки зрения. Гораздо труднее ответить на вопрос, как мозг это делает. Можно привести множество примеров – подобных теннису, – как мы производим в голове сложные вычисления, причем делаем это инстинктивно, никогда не изучав статистику. Экономист Милтон Фридман, объясняя, как фирмы оптимизируют свои возможности ведения бизнеса, использовал аналогию с опытными игроками в бильярд, которые в явном виде не высчитывают углы отражения шаров, силу удара кием. Игрок просто по опыту знает, как правильно бить, и действует так, словно провел точные геометрические расчеты. Точно так же, по словам Уолперта, мозг не вычисляет формулы Байеса. Чтобы должным образом построить такую модель, вам придется включить в нее все сценарии того, что может произойти, и все, что вы можете увидеть в данном состоянии. «Это уравнение с невообразимым количеством переменных», – объяснил мне один из исследователей. Его не в состоянии решить даже самый мощный компьютер в мире. «Мы думаем, что мозг тоже на это не способен, – говорит Уолперт. – Задача меняется: можно ли эффективно решить это уравнение, найдя приблизительные ответы, близкие к оптимальным?» Не каждая теннисная подача оценивается правильно. Чувства могут быть настолько ненадежными, что они полностью разрушают наши байесовские вычисления.

Феномен восприятия, получивший название эффекта Мак-Гурка, был впервые описан в 1976 г. Гарри Мак-Гурком и Джоном Макдональдом. Они попросили техника наложить голос женщины, произносившей слоги «ба-ба-ба» на видеоизображение той же женщины, произносившей «га-га-га». Совместив изображение со звуком, исследователи услышали слоги «да-да-да». Это мультимодальная иллюзия, одновременный обман зрения и слуха. Причина того, что вместо одного из двух оригинальных слогов вы слышите третий, имеет байесовский характер. В условиях противоречивой сенсорной информации формула Байеса предлагает наиболее вероятное убеждение. В данном случае это «да-да-да». Это никуда не годная обработка зрительной информации? Нет. Это оптимальное решение. Просто оно неверное [21]21
  В 2004 г. итальянские исследователи предположили, что тот же эффект Мак-Гурка объясняет трюк, который исполняют чревовещатели. Наш сенсорный аппарат смещен в сторону зрения, и поэтому мы обращаем внимание на движущиеся губы куклы, а не на истинный источник речи. – Прим. автора.


[Закрыть].

Но человеческий мозг не так-то легко обмануть. В бейсболе бытует мнение, что игроки Главной лиги способны отбить мяч, летящий с любой скоростью. В октябре 2016 г. газета New York Times напечатала статью с интервью игроков, которые делились ощущениями от противоборства с лучшим подающим в истории Главной лиги, Арольдисом Чепменом из Chicago Cubs. Скорость мяча, запущенного левой рукой Чепмена, достигала 169,14 км/ч – казалось, он вышел за границы возможного. Но, как отмечалось в статье, из 26 подач со скоростью не меньше 167 км/ч 12 подач были отбиты; промах был только один. «Даже бейсбольная пушка не выстреливает мячи с такой скоростью, – говорил в своем интервью Райан Флаэрти, инфилдер из Baltimore Orioles. – Вы просто начинаете заранее, замахиваетесь и пытаетесь достать мяч. Это миллисекунды». Тем не менее Флаэрти смог выбить в аут мяч, летящий со скоростью 168,8 км/ч.

Его мозг нашел решение. В 2011 г. в статье «Нейрон» (Neuron) Уолперт и Дэвид У. Франклин описали вычислительные механизмы, которые может использовать мозг хоккейного голкипера, чтобы поймать шайбу. С неопределенностью положения летящей шайбы помогает справиться байесовская теория. Модель, предложенная исследователями, описывает, как мозг находит оптимальный набор мышц для приведения тела в нужное положение. Предсказательный механизм компенсирует задержки в сенсорных каналах и системе обработки информации.

А возможно, голкиперу еще и немного повезло: его нервные цепи передают сообщения мышцам чуть более четко, с меньшим уровнем шума. Мне бы очень хотелось это увидеть.