Почему мозги разных людей видят мир одинаково: открытие израильских нейробиологов

Ученые из Университета Райхмана и Института Вейцмана выяснили, почему люди с различной структурой мозга воспринимают окружающий мир похожим образом.

Почему два человека, глядя на одну картинку, видят одно и то же? Этот вопрос давно занимает нейробиологов. Ведь мозг каждого из нас уникален: 85 миллиардов нейронов образуют совершенно разные связи и паттерны активности. Казалось бы, при таких различиях восприятие должно отличаться, но этого не происходит.

Исследователи под руководством Офера Липмана изучили данные пациентов с эпилепсией, которым для лечения были имплантированы электроды в мозг. Это позволило сравнить активность нейронов в реальном времени, пока люди смотрели на одинаковые изображения. Работа опубликована в журнале Nature Communications.

Выяснилось, что паттерны нейронной активности действительно различаются у разных людей. Когда один человек видит кошку, активируются одни нейроны, когда другой видит ту же кошку – совсем иные. Однако ученые обнаружили удивительную закономерность: соотношения между общими паттернами активности совпадают у всех участников эксперимента.

Можно представить, что у каждого человека есть свое пространство восприятия, где каждый образ – это вектор. Сами векторы у всех разные, но геометрия между ними сохраняется. Если в одном мозге реакция на кошку ближе к реакции на собаку, чем на слона, то в других мозгах будет такое же отношение близости. Это похоже на то, как мы узнаем одну мелодию, сыгранную на скрипке и на флейте: физические звуки разные, но структура отношений между нотами одинакова.

Ученые пришли к выводу: мозг сохраняет не абсолютные значения активности нейронов, а относительную структуру связей между нейронными паттернами. Именно это позволяет всем людям понимать мир схожим образом, несмотря на различия в нейронном кодировании.

Ученые считают, что открытие важно не только для нейронауки, но и для развития искусственного интеллекта. Понимание того, как мозг организует информацию, может помочь создавать более эффективные искусственные нейронные сети.