Ричард Маслэнд

Мы шаг за шагом рассмотрим процесс зрительного восприятия. Вы узнаете, что мы видим мир вовсе не таким, какой он есть на самом деле: наша сетчатка разбивает его на множество отдельных фрагментов (сигналов) и посылает их в мозг по отдельным каналам, каждый из которых несет информацию об одном небольшом аспекте изображения. Я объясню, как нейроны сетчатки выполняют это перекодирование и почему. Затем мы проследуем за этими сигналами в мозг и посмотрим, как из них формируется восприятие.

бо́льшая часть мозга работает не как система фиксированных двухточечных соединений наподобие телефонной сети, а как паутина бесчисленных нейронных связей, то есть как нейронная сеть. В наши дни нейронные сети обычно ассоциируются с компьютерами, но их идея впервые была выдвинута более полувека назад прозорливым канадским нейробиологом Дональдом Хеббом. Несколько лет спустя эту теорию подхватили специалисты в области теории вычислительных систем. В последующие десятилетия нейронные сети то входили в моду, то теряли популярность, но более совершенные компьютеры в конечном итоге привели к рождению новой области искусственного интеллекта (ИИ), известной как машинное обучение. Разработчики ИИ показали, что компьютерные нейронные сети могут научиться впечатляющим вещам, и тем самым побудили нейробиологов вновь посмотреть на головной мозг сквозь призму нейронных сетей

Сегодня у нас есть замечательный альянс нейробиологии и компьютерных наук, в котором каждая дисциплина служит источником идей для другой.

Действительно ли мозг использует нейронные сети для восприятия и осмысления мира? Функционирует ли он согласно принципам, применяющимся в «машинном обучении»? Ответ, судя по всему, да — и мозг делает это намного лучше компьютеров. Безусловно, компьютеры поражают нас некоторыми своими способностями — не только игрой в шахматы, но и выполнением других более сложных задач. Но по большому счету они как цирковые пони, умеющие делать только один трюк. И даже самые простые системы ИИ требуют большого количества оборудования и, как следствие, большого количества энергии. В отличие от них, наш скромный по размерам мозг способен выполнять огромное разнообразие задач, потребляя при этом меньше энергии, чем ночник для чтения. С этой точки зрения компьютеры очень примитивны, поэтому цель — сделать их хотя бы немного похожими на человеческий мозг.

нейронные сети могут научиться заранее идентифицировать визуальный объект, дополняя сенсорную информацию, поступающую с сетчатки, знаниями об увиденных ранее аналогичных объектах

значительная часть нашего восприятия — не столько фиксированная, сколько приобретенная в результате обучения реакция на зримый объект. Нейронные сети распознают определенные комбинации признаков, когда они их видят.

изучение феномена нашего зрения обещает по крайней мере частично приподнять завесу над великими тайнами

перебор вариантов — не вариант для нашего мозга.

остальное рассматривается как фоновый шум и игнорируется

упрощение сенсорной сигнализации — не просто эволюционная прихоть, а один из наиболее фундаментальных принципов всего восприятия, главная цель которого — экономия.