Начнем с науки.
Занимаюсь я тут наукой, которая называется нейробиология. Термин достаточно широкий и охватывает практически все науки, изучающие мозг. Наука эта довольно молодая: первые методы регистрации нервных импульсов появились в начале 20 века, однако развиваться наука стала только в 80е с появлением достаточного объема математики и вычислительных мощностей для обработки результатов экспериментов.
Вопрос, на который пытается ответить множество невероятно умных людей, называющих себя нейробилогами, можно кратко сформулировать так: «как работает мозг?». А ответить на него так: «А хрен его знает» Причем я не утрирую, сейчас человечество действительно знает настолько мало, что даже удивительно. Хотя, разобравшись в вопросе, удивление проходит, потому что это, наверное, самое сложное из всего, что когда-либо делало человечество. По шкале сложности расстояние между мозгом мухи и атомной бомбой примерно такое же, как между атомной бомбой и скрепкой, а может и в десятки раз больше.
Поясню. Конечная цель науки состоит в понимании алгоритмов работы мозга, причем на всех уровнях: физиологии, формирования нервных импульсов, кодирования информации в нервные импульсы, декодирования информации, формирования картины окружающего мира, принятия решения и формирования импульсов для определения поведения. Мы, безусловно, можем косвенно измерять стимулы и реакцию на них, но мозг все равно остается для нас черным ящиком. Также, мы можем измерять напряжение в конкретных областях ткани, что дает нам крайне зашумленную и неточную картину нервных импульсов. Приблизительно, конечная цель состоит в восстановлении исходного кода программы, которая выполняется компьютером, замеряя напряжение на 20 из миллиарда транзисторов процессора. Выглядит невозможным, правда? Но с мозгом задача осложняется несколькими моментами:
1. Мы не знаем точно, какие именно транзисторы(нейроны) мы замеряем (обычно электрод получают информацию о целой популяции нейронов, иногда удается из классифицировать и разделить на основании формы волны сигнала, однако это получается не всегда и не всегда точно)
2. Мы не знаем, какими машинными кодами пользуется наш компьютер (До сих пор не решено, что является определяющим показателем, конкретные моменты времени возникновения импульса, или среднее количество импульсов на единицу времени)
3. Мы не знаем, каким образом «программа» «компилируется».
4. Мы не знаем, на каком языке эта «программа» написана.
5. И более того, мы не имеем ни малейшего понятия, чем этот язык вообще может быть.
Сложно ,не правда ли? Причем, говоря «не имеем ни малейшего понятия» я не имею ввиду отсутствие идей, их-то как раз у человечества миллионы, но никто не знает, какая из них правильная.
Задачу эту человечество решает на самых разных уровнях и используя самые разные подходы: от чисто биологических до чисто математических. Учитывая, что на уроках биологии я не очень усердно слушал, поговорим о математическом подходе на примере той задачи, в решении которой участвую я: задачи обратной корреляции между нейро-данными и поведением.
Данные, с которыми я работаю получены следующим образом: мыши в голову вставляются электроды, также ей на голову надевается акселерометр, гироскоп и камера. С помощью этих девайсов получаются 2 вида данных — нейро-данные (voltage traces), которые затем классифицируются и сортируются для того, чтобы получить временные метки для отдельных нервных импульсов; и поведенческие данные — ускорения, угловые скорости и положение головы мыши. Между этими данными и предлагается найти взаимосвязь. Причем возможно, что этой связи нет совсем или она настолько слабая или зашумленная, что найти ее невозможно.
До данного момента занимался тем, что строил различные статистические модели для нахождения корреляции между поведением и импульсами отдельных нейронов. Однако, увы, простые модели тут не работают, то есть, статистически значимых корреляций найти не удается. И проблемы, вобщем-то, вполне ясны:
1. Во время проведения эксперимента мышь просто бегает по клетке, то есть не делает каких-либо повторяемых паттернов поведения. Поэтому, если нейроны, которые мы замеряем, имеют связь только с каким-то конкретным действием мыши, это обнаружить достаточно сложно на фоне остальной активности.
2. Хоть ускорения и угловые скорости головы мыши достаточно хорошо определяют ее положение, эти данные никак нам не говорят, что собственно мышь делает. И если предыдущая проблема легко решается путем тренировки мыши, то вторая проблема более теоретическая.
Вообще, сейчас люди в-основном занимаются поиском корреляций между нейро-сигналами и поведенческими данными «как есть», однако более интересно было бы ввести 2 промежуточных слоя: пространство действий и пространство найро-паттернов. Под пространством действий понимается набор простейших действий, из которых можно реконструировать поведение животного. То есть фактически стоит задача построения «базиса поведения», причем базис этот должен быть максимально коррелирован с элементами второго пространства — нейро-паттернов. То есть нужно ввести 2 дополнительных слоя между данными о мозге и данными о поведении.
Алгоритмы построения этих базисов, конечно, существуют, но все они базируются на следующей идее: мы берем все возможные элементы пространства, а затем выбираем из них те, которые наиболее вероятно являются базисом. Но, как Вы можете заметить, практическое применение этих алгоритмов ограничено фразой «все возможные элементы пространства» - их бесконечно много! Поэтому, на практике для применения этих алгоритмов пытаются придумать некое количество возможных паттернов поведения от балды, а затем выбрать элементы, наиболее похожие на базис. Но и этот подход страдает от проблемы by design. И проблема эта в словах «придумываем от балды»: мы никогда не сможем обосновать этот выбор, ведь мы не знаем, что должно составлять базис. Например для пространства поведения: вы включим в него «повернуть», «ускориться» и «замедлиться», а на самом деле элементарными действиями по отношению к исследуемой нами области мозга являются «почесать ухо», «перекувырнуться» и «моргнуть».
Так вот то, чем занимаюсь я — пытаюсь предложить и проверить какие-либо методы перебора бесконечного пространства поведенческих паттернов для построения базиса этого пространства, наиболее коррелированного с данными об активности нейронов. Этот подход отличается тем, что позволяет не только ответить на вопрос о связи поведения и активности нейронов, но и понять взаимосвязи в этих процессах.
Что любопытно, мне не говорят, из какой области мозга получены данные и запрещают читать вещи, связанные с биологической стороной вопроса. Дело в том, что тут считают, что все, что было в этой области сделано, неверно. Более того, построено на неправильных подходах. Поэтому они хотят от меня новых идей, как можно было бы попытаться решить эту проблему. Так что я все еще ничего почти не знаю о биологии.
К концу получилось несколько сумбурно, уж извините. Буду рад вашим комментариям и замечаниям. О более приземленных вещах — в следующий раз.
Занимаюсь я тут наукой, которая называется нейробиология. Термин достаточно широкий и охватывает практически все науки, изучающие мозг. Наука эта довольно молодая: первые методы регистрации нервных импульсов появились в начале 20 века, однако развиваться наука стала только в 80е с появлением достаточного объема математики и вычислительных мощностей для обработки результатов экспериментов.
Вопрос, на который пытается ответить множество невероятно умных людей, называющих себя нейробилогами, можно кратко сформулировать так: «как работает мозг?». А ответить на него так: «А хрен его знает» Причем я не утрирую, сейчас человечество действительно знает настолько мало, что даже удивительно. Хотя, разобравшись в вопросе, удивление проходит, потому что это, наверное, самое сложное из всего, что когда-либо делало человечество. По шкале сложности расстояние между мозгом мухи и атомной бомбой примерно такое же, как между атомной бомбой и скрепкой, а может и в десятки раз больше.
Поясню. Конечная цель науки состоит в понимании алгоритмов работы мозга, причем на всех уровнях: физиологии, формирования нервных импульсов, кодирования информации в нервные импульсы, декодирования информации, формирования картины окружающего мира, принятия решения и формирования импульсов для определения поведения. Мы, безусловно, можем косвенно измерять стимулы и реакцию на них, но мозг все равно остается для нас черным ящиком. Также, мы можем измерять напряжение в конкретных областях ткани, что дает нам крайне зашумленную и неточную картину нервных импульсов. Приблизительно, конечная цель состоит в восстановлении исходного кода программы, которая выполняется компьютером, замеряя напряжение на 20 из миллиарда транзисторов процессора. Выглядит невозможным, правда? Но с мозгом задача осложняется несколькими моментами:
1. Мы не знаем точно, какие именно транзисторы(нейроны) мы замеряем (обычно электрод получают информацию о целой популяции нейронов, иногда удается из классифицировать и разделить на основании формы волны сигнала, однако это получается не всегда и не всегда точно)
2. Мы не знаем, какими машинными кодами пользуется наш компьютер (До сих пор не решено, что является определяющим показателем, конкретные моменты времени возникновения импульса, или среднее количество импульсов на единицу времени)
3. Мы не знаем, каким образом «программа» «компилируется».
4. Мы не знаем, на каком языке эта «программа» написана.
5. И более того, мы не имеем ни малейшего понятия, чем этот язык вообще может быть.
Сложно ,не правда ли? Причем, говоря «не имеем ни малейшего понятия» я не имею ввиду отсутствие идей, их-то как раз у человечества миллионы, но никто не знает, какая из них правильная.
Задачу эту человечество решает на самых разных уровнях и используя самые разные подходы: от чисто биологических до чисто математических. Учитывая, что на уроках биологии я не очень усердно слушал, поговорим о математическом подходе на примере той задачи, в решении которой участвую я: задачи обратной корреляции между нейро-данными и поведением.
Данные, с которыми я работаю получены следующим образом: мыши в голову вставляются электроды, также ей на голову надевается акселерометр, гироскоп и камера. С помощью этих девайсов получаются 2 вида данных — нейро-данные (voltage traces), которые затем классифицируются и сортируются для того, чтобы получить временные метки для отдельных нервных импульсов; и поведенческие данные — ускорения, угловые скорости и положение головы мыши. Между этими данными и предлагается найти взаимосвязь. Причем возможно, что этой связи нет совсем или она настолько слабая или зашумленная, что найти ее невозможно.
До данного момента занимался тем, что строил различные статистические модели для нахождения корреляции между поведением и импульсами отдельных нейронов. Однако, увы, простые модели тут не работают, то есть, статистически значимых корреляций найти не удается. И проблемы, вобщем-то, вполне ясны:
1. Во время проведения эксперимента мышь просто бегает по клетке, то есть не делает каких-либо повторяемых паттернов поведения. Поэтому, если нейроны, которые мы замеряем, имеют связь только с каким-то конкретным действием мыши, это обнаружить достаточно сложно на фоне остальной активности.
2. Хоть ускорения и угловые скорости головы мыши достаточно хорошо определяют ее положение, эти данные никак нам не говорят, что собственно мышь делает. И если предыдущая проблема легко решается путем тренировки мыши, то вторая проблема более теоретическая.
Вообще, сейчас люди в-основном занимаются поиском корреляций между нейро-сигналами и поведенческими данными «как есть», однако более интересно было бы ввести 2 промежуточных слоя: пространство действий и пространство найро-паттернов. Под пространством действий понимается набор простейших действий, из которых можно реконструировать поведение животного. То есть фактически стоит задача построения «базиса поведения», причем базис этот должен быть максимально коррелирован с элементами второго пространства — нейро-паттернов. То есть нужно ввести 2 дополнительных слоя между данными о мозге и данными о поведении.
Алгоритмы построения этих базисов, конечно, существуют, но все они базируются на следующей идее: мы берем все возможные элементы пространства, а затем выбираем из них те, которые наиболее вероятно являются базисом. Но, как Вы можете заметить, практическое применение этих алгоритмов ограничено фразой «все возможные элементы пространства» - их бесконечно много! Поэтому, на практике для применения этих алгоритмов пытаются придумать некое количество возможных паттернов поведения от балды, а затем выбрать элементы, наиболее похожие на базис. Но и этот подход страдает от проблемы by design. И проблема эта в словах «придумываем от балды»: мы никогда не сможем обосновать этот выбор, ведь мы не знаем, что должно составлять базис. Например для пространства поведения: вы включим в него «повернуть», «ускориться» и «замедлиться», а на самом деле элементарными действиями по отношению к исследуемой нами области мозга являются «почесать ухо», «перекувырнуться» и «моргнуть».
Так вот то, чем занимаюсь я — пытаюсь предложить и проверить какие-либо методы перебора бесконечного пространства поведенческих паттернов для построения базиса этого пространства, наиболее коррелированного с данными об активности нейронов. Этот подход отличается тем, что позволяет не только ответить на вопрос о связи поведения и активности нейронов, но и понять взаимосвязи в этих процессах.
Что любопытно, мне не говорят, из какой области мозга получены данные и запрещают читать вещи, связанные с биологической стороной вопроса. Дело в том, что тут считают, что все, что было в этой области сделано, неверно. Более того, построено на неправильных подходах. Поэтому они хотят от меня новых идей, как можно было бы попытаться решить эту проблему. Так что я все еще ничего почти не знаю о биологии.
К концу получилось несколько сумбурно, уж извините. Буду рад вашим комментариям и замечаниям. О более приземленных вещах — в следующий раз.
Комментариев нет:
Отправить комментарий