Наше видение

Мозг не просто механически обрабатывает информацию, он ищет в ней смысл. Один из важнейших алгоритмов работы мозга – это алгоритм поиска смысла.

Мы исходим из того, что любая информация содержит множество смыслов. Одна и та же информация имеет разные трактовки в различных контекстах. Единственный способ найти смысл информации – это рассмотреть все возможные контексты и выбрать те из них, в которых трактовки будут наиболее правдоподобны.

Правдоподобность трактовки – это ее соответствие предыдущему опыту, то есть памяти.  Механизмы памяти позволяют самой памяти производить вычисления и “узнать” знакомую ей трактовку.

Кора мозга – это порядка ста миллионов кортикальных миниколонок. Кора делится на зоны, содержащие около миллиона миниколонок каждая. Отдельная миниколонка состоит из сотни нейронов. У нас есть весомые основания полагать, что миниколонки являются автономными вычислительными элементами. Каждой миниколонке соответствует свой уникальный контекст. Контекст – это правила по которым преобразуется информация, позволяющие из исходного описания получить его трактовку.  Каждая миниколонка “видит” и “оценивает” происходящее со своей “точки зрения”.

Мы исходим из того, что память не есть усиление или ослабление синаптических связей. Предложенный нами механизм памяти основан на определенной “интерференции” кодирующих информацию паттернов активности. Носители памяти в нашей модели – это кластеры рецепторов, расположенные на мембранах нейронов. Они же являются базовыми элементами, осуществляющими вычисления в памяти.

Давно показано, что память не локализована в мозге где-то конкретно, при этом оставался непонятным механизм ее распределенного хранения. Мы полагаем, что каждая миниколонка обладает не фрагментом общей памяти, а содержит в себе полную копию всех воспоминаний, такую же как у всех миниколонок одной с нею зоны коры. Это позволяет каждой из миниколонок судить о том насколько достоверна именно ее информационная трактовка. Нам удалось показать биологическую обоснованность такого предположения.

Мы продемонстрировали, что для решения комбинаторно сложных задач можно использовать прием разбиения исходного пространства высокой размерности на большое количество перекрывающихся случайных подпространств значительно меньшей размерности. Решения, которые слабо “видны” и плохо достижимы итерационными методами в исходном пространстве оказываются просты для поиска в определенных “удачных” подпространствах. Мы показали, что этот прием может использоваться для вычислений внутри кортикальных миниколонок и он же применим для построения пространства контекстов.