Мозг применяет сжатие данных для принятия решений
Если вы были ребенком в 80-е годы или являетесь поклонником ретро-видеоигр, то вы наверняка знаете игру Frogger. Игра может быть довольно сложной. Чтобы победить, вы должны сначала выжить в потоке интенсивного движения, а затем избежать забвения, пробираясь зигзагами по деревянным бревнам. Как же мозг определяет, на чем сосредоточиться во всем этом беспорядке?
Исследование, опубликованное сегодня (6 июня) в научном журнале Nature Neuroscience, предлагает возможное решение: сжатие данных.
"Сжатие представлений внешнего мира сродни удалению всей нерелевантной информации и временному "туннельному видению" ситуации", - сказал один из ведущих авторов исследования Кристиан Маченс, руководитель лаборатории теоретической нейронауки в Фонде Шампалимо в Португалии.
"Идея о том, что мозг максимизирует производительность при минимизации затрат за счет использования сжатия данных, широко распространена в исследованиях сенсорной обработки. Однако она еще не была изучена в области когнитивных функций", - говорит старший автор Джо Патон, директор исследовательской программы Champalimaud Neuroscience Research Program. "Используя комбинацию экспериментальных и вычислительных методов, мы продемонстрировали, что этот же принцип распространяется на гораздо более широкий спектр функций, чем считалось ранее"
В своих экспериментах исследователи использовали парадигму определения времени. В каждом испытании мыши должны были определить, разделены ли два тона интервалом больше или меньше 1,5 секунды. В то же время исследователи регистрировали активность дофаминовых нейронов в мозге животного во время выполнения задания.
"Хорошо известно, что дофаминовые нейроны играют ключевую роль в познании ценности действий", - пояснил Маченс. Поэтому если животное неверно оценивало длительность интервала в данном испытании, то активность этих нейронов приводила к "ошибке предсказания", которая должна была помочь улучшить результаты в будущих испытаниях"
Асма Мотивала, первый автор исследования, построила множество вычислительных моделей обучения с подкреплением и проверила, какая из них лучше всего отражает активность нейронов и поведение животных. Модели имели некоторые общие принципы, но отличались тем, как они представляли информацию, которая может быть важна для выполнения задачи.
Команда обнаружила, что только модели со сжатым представлением задачи могут объяснить полученные данные. "Мозг, похоже, отсеивает всю нерелевантную информацию. Любопытно, что он также избавляется от некоторой релевантной информации, но не настолько, чтобы это сильно повлияло на общее количество вознаграждения, получаемого животным. Оно явно знает, как преуспеть в этой игре", - сказал Маченс.
Интересно, что тип представленной информации касался не только переменных самого задания. Напротив, он также фиксировал действия самого животного.
"Предыдущие исследования фокусировались на особенностях окружающей среды независимо от поведения особи. Но мы обнаружили, что только сжатые представления, зависящие от действий животного, полностью объясняют полученные данные. Действительно, наше исследование является первым, показывающим, что способ заучивания представлений о внешнем мире, особенно таких сложных, как в этой задаче, может необычным образом взаимодействовать с тем, как животные решают действовать", - пояснил Мотивала.
