Мозг рендерит пространство как нейросеть: не просто считывает информацию об объектах, а использует электрические импульсы для постоянного прогнозирует изменения реальности

Нейробиологи показали, что распространяющиеся по коре электрические импульсы работают аналогично большим языковым моделям, непрерывно предсказывая и достраивая картину физического мира

Учёные из Института Солка (Salk Institute) определили, что нейронные волны в зрительной коре работают как вычислительный механизм, позволяющий мозгу конструировать внутренние представления трёхмерногомерного внешнего мира. Исследователи доказали, что эти распространяющиеся по поверхности коры электрические импульсы не являются фоновым шумом, а выполняют важные пространственно-временные вычисления, необходимые для предсказания и восприятия реальности.

Мозг использует электричество для связи между синапсами. Ранее в 2020 году команда под руководством нейробиолога Джона Рейнольдса (John Reynolds) выявила прямую корреляцию между бегущими волнами в зрительной системе бодрствующих животных и их способностью замечать объекты прямо перед собой. Это объяснило классическую проблему, когда субъект долго ищет предмет, лежащий на самом видном месте. Однако до сих пор оставалось неясным, почему именно волны так влияют на восприятие.

В новой работе Рейнольдс и его коллеги предложили концепцию, согласно которой нейронные связи, генерирующие бегущие волны, постоянно меняют свою физиологическую структуру или синаптические веса, подстраиваясь под внешний мир. Авторы исследования напрямую сравнивают этот процесс с работой больших LLM-моделей. Подобно тому как нейросети изучают статистическую структуру данных для генерации осмысленного ответа, мозг использует бегущие волны как биологическую генеративную модель, создаваемую с нуля на основе сенсорного опыта.

Эти динамические паттерны возникают благодаря внутренним связям в нейронных сетях и позволяют объединять данные о пространстве и времени эффективнее, чем стандартные иерархические модели. Исследования подтверждают, что такие волны не только влияют на возбудимость нейронов, но и напрямую определяют точность восприятия и скорость реакций живых существ.

В зрительной коре волны выполняют 4 функции: модулируют восприятие от момента к моменту, превращают свежие визуальные данные в образы, генерируют краткосрочные прогнозы об окружении, а также сохраняют и воспроизводят паттерны воспоминаний во времени.

Динамика, подобная этим нейронным бегущим волнам (nTW), является фундаментальной и широко распространенной характеристикой работы мозга, проявляющейся на самых разных пространственных и временных шкалах у различных видов, включая рыб, млекопитающих и человека. В зрительной коре как спонтанные, так и вызванные стимулами волны модулируют нейронную возбудимость и напрямую влияют на пороги восприятия, определяя чувствительность к внешним сигналам. В моторной коре волны в бета-диапазоне служат предиктором времени начала движения, в то время как в префронтальной и теменной коре аналогичные волновые процессы связывают с механизмами поддержания рабочей памяти. За пределами новой коры [в верхнем слое полушарий мозга] эти волны играют не менее важную роль кодирования памяти, а так же организуют сигналы, необходимые для обучения с подкреплением. На уровне всего мозга эта динамика наиболее ярко выражена во время сна, что подчёркивает глобальный характер волновых процессов в обеспечении когнитивных функций

Джон Рейнольдс

Учёные зафиксировали динамику на разных пространственных и временных масштабах во всём мозге. Импульсы могут распространяться непрерывно или дискретно за счёт длинных горизонтальных волокон, связывающих нейроны внутри одной области.

Традиционные концепции рассматривали работу зрительной системы как строгую иерархию передачи сигналов. Нейронные бегущие волны расширяют понимание мозга, добавляя к традиционным иерархическим моделям «третье измерение» — пространственно-временные вычисления внутри отдельных областей. Экспериментальные данные подтверждают, что эти волновые процессы напрямую управляют восприятием и поведением, модулируя нейронную возбудимость в реальном времени.

В отличие от классических систем, ориентированных на простую передачу сигналов, эти процессы удерживают в себе «историю» стимуляции, позволяя мозгу строить краткосрочные прогнозы на основе связи между временем и местом предыдущих событий. Это и создаёт основу для генеративной обработки данных: нейронные сети используют зависимости «пространство-время» для извлечения признаков из динамических сцен и создания гибкого внутреннего представления внешнего мира, что функционально сближает биологические процессы с работой моделей искусственного интеллекта.