Может ли нейробиолог понять микропроцессор?

Разница между in silico и in vivo — живыми и неживыми системами, обрабатывающими информацию, всегда смущала исследователей. Велик соблазн смоделировать на компьютере или прямо электронной схемой, например, головной мозг мыши. Но как далеко можно проводить аналогии между мозгом настоящим и его цифровой моделью? Вопрос этот всплывает всякий раз, когда удаётся получить интересные результаты моделирования. И всякий раз находятся те, кто напоминает: живое и неживое — две совершенно разных категории, все связи между ними условны, сходство только внешнее!

Скептиков можно понять: действительно, системы in silico и in vivo устроены и работают совершенно по-разному. С одной стороны тут транзистор, микропроцессор, да пусть даже искусственный нейрон: объекты детерминированные, цифровые. С другой — головной мозг, в котором одних только нейронов десятки, а то и сотни типов, соединённых хаотично, в неясную массивно-параллельную аналоговую структуру, биофизически сложных, в работе которых случайность играет не последнюю роль.

Тем не менее проводить аналогии всё-таки возможно — как от живого к неживому, так и в обратном направлении. Дело в том, что хоть элементарные «детали» отличаются, функциональные, логические схемы могут быть очень похожи. Как в живом, так и в неживом можно выделить блоки, разделённые анатомически или отличающиеся поведением, связанные друг с другом. Такую схему уже можно анализировать общими для живого и неживого методами. И это позволяет задать вопрос: почему бы не проверить работоспособность методов анализа живых нейроструктур, натравив их на простые и понятные структуры электронные?

Для сравнения. Слева схема микропроцессора 6502. Справа предполагаемая схема визуальной системы приматов. При этом учёные до сих пор не уверены, правильно ли выделены блоки (тот факт, что они разделены анатомически, мало что значит) и не знают точно, как выходы блоков зависят от состояния их входов…

Этот вроде бы смешной вопрос на самом деле связан с проблемой, которая сильно докучает нейробиологам. Вы, конечно, знаете, что придуманы сотни методов изучения головного мозга. В общем они сводятся к сбору всевозможной информации о работе тех или иных его частей и попыткам, анализируя её, понять, как мозг устроен. Но что значит понять с точки зрения нейробиологии? А это значит быть способным заменить любой участок искусственным аналогом, не нарушив работы мозга целиком.

Так вот, несмотря на все успехи в выдумывании всё новых методов изучения мозга, от понимания его учёные всё ещё бесконечно далеки! Отчасти причиной тому чрезмерная сложность живого: чаще всего мы не знаем даже, действительно ли оно работает так, как мы предположили. Но тем больше причин проверить методы на простых и известных до последнего винтика неживых системах!

Что и проделала группа исследователей из США, опубликовавших замечательную работу в жанре так называемой вычислительной биологии. Называется она «Может ли нейробиолог понять микропроцессор?» и если вас не смущает английский, я очень рекомендую оригинал: написано простым языком, зато подробнейше разбирает массу любопытных и сложных вопросов.

Процессор исполняет Space Invaders.

Суть: нейробиологи, вооружившись методами, обычно применяемыми для изучения живых нейроструктур, попытались использовать их чтобы понять, как функционирует простейшая микропроцессорная система. «Мозгом» стал MOS 6502 — один из популярнейших микропроцессоров всех времён и народов: 8-битный чип, использованный во множестве ранних персональных компьютеров и игровых приставок, в том числе Apple, Commodore, Atari. Естественно, что мы знаем об этом чипе всё — ведь он создан человеком! Но исследователи сделали вид, что не знают ничего — и попытались понять его работу, изучая теми же методами, которыми изучают живой мозг.

Химически была удалена крышка, под оптическим микроскопом изучена схема с точностью до отдельного транзистора, создана цифровая модель (тут я немного упрощаю, но суть верна), причём модель настолько точная, что на ней оказалось возможно запускать старые игры (Space Invaders, Donkey Kong, Pitfall). А дальше чип (точнее, его модель) был подвергнут тысячам измерений одновременно: во время исполнения игр измерены напряжения на каждом проводке и определено состояние каждого транзистора. Это породило поток данных в полтора гигабайта в секунду — который уже и анализировался. Строились графики всплесков от отдельных транзисторов, выявлялись ритмы, отыскивались элементы схемы, отключение которых делало её неработоспособной, находились взаимные зависимости элементов и блоков и т.п.

Насколько сложной была эта система по сравнению с живыми? Процессор 6502, конечно, и рядом не стоит с головным мозгом даже мыши. Но он приближается по сложности к червю Caenorhabditis elegans — ломовой лошадке биологов: этот червь изучен вдоль и поперёк и уже предпринимаются попытки смоделировать его полностью в цифровом виде (вспомните «О правах животных in silico»). Таким образом задача анализа системы на чипе 6502 не является чрезмерным упрощением. И результаты имеют право быть экстраполированы на системы in vivo.

Попытка понять функциональные взаимосвязи.

Вот только исследователи… потерпели поражение! Нет, какие-то результаты, конечно, получены были. Анализируя чип, удалось выделить функциональные блоки, набросать схему их вероятных взаимосвязей, получить некоторые интересные подсказки насчёт того, как, вероятно, работает микропроцессор в целом. Однако понимания в том смысле, в каком его требует нейробиология (в данном случае: быть способным исправить любую поломку), достигнуто не было! Отсюда два неприятных вывода и один совет.

Во-первых, имеющиеся на вооружении нейробиологов методы очевидно бесполезны для изучения живого мозга. Разве вправе мы надеяться понять сложнейшую живую систему, если не в силах справиться даже с простейшей искусственной моделью?

Во-вторых, наращивание объёма информации, собираемой о мозге, вероятно, не поможет проникнуть в секреты его работы глубже — без смены методов анализа. Ведь 6502 измерялся с предельной точностью, от исследователей не укрылось ничто в нём происходящее, и тем не менее понять его не удалось!

Что же до совета, нейробиологам рекомендуют взяться за задачу с другого конца: разработать (принципиально новые) методы изучения искусственных систем, убедиться, что они работают, что действительно позволяют понять, как система вроде того же 6502 устроена — и только потом экстраполировать их на живые нейроструктуры. Так неживое поможет разобраться в живом.