Том1_1

103

нейрофизиологии является утверждение о сходстве по аналогии. Два механизма считаются аналогичными, если органы, соответствующие один другому, выполняют одну и ту же функцию. Из аналогии двух механизмов делается заключение о том, что функции одного механизма присущи и другому, у которого наличие таких функций экспериментально еще не установлено.

Разработка экспериментальных моделей синдромов, симптомов нервно-психических расстройств, представляет собой специальный подход к изучению расстройств высшей нервной и психической деятельности. Кроме того, использование патогенетически адекватных моделей этих расстройств позволяет проводить корректные испытания новых лекарственных средств и создавать патогенетически обоснованную, т.е. базирующуюся на знаниях о механизмах развития болезней, терапию.

Одно из направлений в экспериментальном моделировании синдромов, симптомов нервно-психических расстройств базируется на принципе детерминантных структур в патологии центральной нервной системы, сформированном академиком РАМН Г.Н. Крыжановским. (Крыжановский Г.Н.,

1980, 1997).

На основе теории детерминантных структур был сформирован ряд нейропатологических синдромов: многоочаговой корковой эпилепсии, вестибулопатии патологически удлиненного сна. Создана модель процессуального психоза с прогредиентным течением (Крыжановский Г.Н., Лобасюк Б.А., Моховиков А.Н., Барцевич Л.Б., Москети К.В., 1987).

3.1.8. Нейронные сети и исскуственный интеллект

Сегодня, как и сто лет назад, несомненно, что мозг работает более эффективно и принципиально другим образом, чем любая вычислительная машина, созданная человеком. Именно этот факт в течение стольких лет побуждает и направляет работы ученых всего мира по созданию и исследованию искусственных нейронных сетей (ИНС).

К первым попыткам раскрыть секрет высокой

104

эффективности мозга можно отнести работу Рамон-и-Кахаля

(1911) (Ramon-y-Cajal S. 1911), в которой была высказана идея о нейроне как структурной единице мозга. Однако нейрон имеет на 5—6 порядков меньшую скорость срабатывания, чем полупроводниковый логический элемент. Как показали более поздние исследования, секрет высокой производительности мозга заключается в огромном количестве нейронов и массивных взаимосвязях между ними.

Сеть нейронов, образующая человеческий мозг, представляет собой высокоэффективную, комплексную, нелинейную, существенно параллельную систему обработки информации. Она способна организовать свои нейроны таким образом, чтобы реализовать восприятие образа, его распознание или управление движением, во много раз быстрее, чем эти задачи будут решены самыми современными компьютерами.

ИНС является упрощенной моделью мозга. Она строится на основе искусственных нейронов, которые обладают тем же основным свойством, что и живые: пластичностью. Использование структуры мозга и пластичности нейронов делает ИНС универсальной системой обработки информации.

В общем случае ИНС— это машина, моделирующая способ работы мозга. Обычно ИНС реализуются в виде электронных устройств или компьютерных программ. Среди многих можно выделить определение ИНС как адаптивной машины:

Искусственная нейронная сеть— это существенно параллельно распределенный процессор, который обладает естественной склонностью к сохранению опытного знания и возможностью предоставления его нам. Она сходна с мозгом в двух аспектах:

Знание приобретается сетью в процессе обучения. Для сохранения знания используются силы межнейронных соединений, называемые также синаптическими весами. Процедура, используемая для осуществления процесса обучения, называется алгоритмом обучения. Ее функция состоит в модификации синаптических весов ИНС определенным образом так, чтобы она приобрела необходимые,

105

свойства. Модификация весов является традиционным способом обучения ИНС. Такой подход близок к теории адаптивных линейных фильтров, которые уже давно и успешно применяются в управлении. Однако для ИНС существует еще и возможность модификации собственной топологии, основывающаяся на том факте, что в живом мозге нейроны могут появляться, умирать и менять свои связи с другими нейронами.

Из сказанного выше становится ясно, что ИНС реализуют свою вычислительную мощь, благодаря двум основным своим свойствам: существенно параллельно распределенной структуре и способности обучаться и обобщать полученные знания. Под свойством обобщения понимается способность ИНС генерировать правильные выходы для входных сигналов, которые не были учтены в процессе обучения (тренировки). Эти два свойства делают ИНС системой переработки информации, которая решает сложные многомерные задачи, непосильные другим техникам.

В настоящее время предпринимаются попытки создания моделей нервной системы, в частности, с использованием искусственных нейронных сетей. Поскольку наши знания о нейронах далеко неполны, модели могут быть лишь грубым приближением к реальным нейронным сетям, и еще слишком рано говорить о создании искусственного мозга сравнимого с человеческим. В настоящее время он еле дотягивает до уровня нервных систем улиток и дождевых червей, но уже сейчас нейронные сети часто выполняют функции бывшие ранее исключительно прерогативой человека, проводят сложные вычисления, позволяют следить за процессами, для которых отсутствуют какие-либо аналитические зависимости.

Первой попыткой создания и исследования искусственных нейронных сетей считается работа Дж. Маккалока (J. McCulloch) и У. Питтса (W. Pitts) "Логическое исчисление идей, относящихся к нервной деятельности" (1943 г.), в которой были сформулированы основные принципы построения искусственных нейронов и нейронных сетей. И хотя эта работа была лишь первым этапом, многие идеи,

106

описанные здесь, остаются актуальными и на сегодняшний день.

Огромный вклад в нейронауку внесла детекторная теория. Ее основоположником считается Дж. Маккалок, который с группой своих сотрудников в 1959 году опубликовал в статью под названием "О чем глаза лягушки говорят мозгу лягушки", где впервые было введено понятие нейрона-детектора. Работа заинтересовала многих исследователей, наиболее успешные из которых - Р. Хьюберт и Т. Визела, объединив гистохимические и нейрофизиологические методы, показали, что нейроны зрительной коры кошки избирательно реагируют на линии определенного наклона. Объединенные в вертикальные колонки с общим для них наклоном, эти нейроны образуют анализатор, определяющий наклон линии в локальном участке пространства. Таким образом, понятие анализатора, введенное. И.П. Павловым на основании изучения условных рефлексов, обрело в рамках детекторной теории свою нейронную основу.

Большим прорывом в области нейроинтеллекта стало создание нейрофизиологом Френком Розенблатом в 1962 г. модели однослойной нейронной сети, названной персептроном. Она была использована для такого широкого класса задач, как предсказание погоды, анализ электрокардиограмм и искусственное зрение. Первые успехи вызвали всплеск оптимизма и послужили стимулом для продолжения исследований. Однако вскоре выяснилось, что созданные сети не способны решать некоторые задачи, существенно не отличающиеся от тех, которые они решали успешно. Позднее Марвин Минский, используя точные математические методы, строго доказал ряд теорем, показав, что используемые однослойные сети теоретически не способны решить многие простые задачи, например, реализовать логическую функцию "Исключающее ИЛИ". Безупречность доказательств Минского, подкрепленная его авторитетом в ученых кругах, явилась одной из причин задержки развития нейроинтеллекта почти на два десятилетия. Однако ряд наиболее настойчивых ученых, таких как Кохонен, Гроссберг, Андерсон продолжили исследования, постепенно создавая теоретические основы для построения и

107

применения искусственных нейронных сетей. Как выяснилось, Минский был слишком пессимистичен в своих прогнозах и многие из задач, описанных им как не решаемые, сейчас решаются нейронными сетями с использованием стандартных процедур.

За последние десятилетия теория о нейроинтеллекте приобрела новое дыхание. Было предложено много интересных разработок, таких, например, как когнитон, способный с высокой достоверностью распознавать достаточно сложные образы (например, иероглифы) независимо от поворота и масштаба изображения. Автором когнитона является японский ученый К. Фукушима (К. Fukushima). В 1982 году американский биофизик Дж. Хопфилд (J. Hopfield) предложил интересную модель сети, получившей в будущем его имя. Позднее было разработано ряд эффективных алгоритмов: сеть встречного потока (R. Hecht-Neilsen), двунаправленная ассоциативная память (В. Kosko) и другие.

Люди называют себя Homo sapiens (человек разумный), поскольку для них мыслительные способности имеют очень важное значение. В течение тысяч лет человек пытается понять, как он думает, т.е. разобраться в том, как именно ему, сравнительно небольшому материальному объекту, удается ощущать, понимать, предсказывать и управлять миром, намного более значительным по своим размерам и гораздо более сложным по сравнению с ним. В области искусственного интеллекта (ИИ) решается еще более ответственная задача: специалисты в этой области пытаются не только понять природу интеллекта, но и создать интеллектуальные су щности. Искусственный интеллект — это одна из новейших областей науки Ученые других специальностей чаще всего указывают искусственный интеллект, наряду с молекулярной биологией, как «область, в которой я больше всего хотел бы работать». Студенты - физики вполне обоснованно считают, что все великие открытия в их области уже были сделаны Галилеем, Ньютоном, Эйнштейном и другими учеными. Искусственный интеллект, с другой стороны, все еще открывает возможности для проявления талантов нескольких настоящих Эйнштейнов.

108

В настоящее время тематика искусственного интеллекта охватывает огромный перечень научных направлений, начиная с таких задач общего характера, как обучение и восприятие, и заканчивая такими специальными задачами, как игра в шахматы, доказательство математических теорем, сочинение поэтических произведений и диагностика заболеваний. В искусственном интеллекте систематизируются и автоматизируются интеллектуальные задачи и поэтому эта область касается любой сферы интеллектуальной деятельности человека. В этом смысле искусственный интеллект является поистине универсальной научной областью.

3.2. Структурные элементы нервной системы

3.2.1. Нейрон

Нейрон (от греч. neuron - жила, нерв), нервная клетка, нейроцит, основная функциональная единица нервной системы, обладающая специфическими проявлениями возбудимости. Способен принимать сигналы, перерабатывать их в нервные импульсы и проводить к нервным окончаниям, контактирующим с другими нейронами или эффекторными органами (мышцы, железы). Образуется в эмбриогенезе из нейробласта на стадии нервной трубки. Главная, структурная особенность нейрона - наличие отростков (дендритов и аксона), которые отходят от тела клетки, или перикариона. Воспринимающая часть нейрона - ветвящиеся дендриты, снабжённые рецепторной мембраной. В результате суммации местных процессов возбуждения и торможения в наиб, высоковозбудимой (триггерной) зоне нейрона возникают нервные импульсы. Они распространяются по аксону к концевым нервным окончаниям, высвобождающим медиатор, который приводит к активации мембраны воспринимающих импульсы нервных клеток. Нейроны разнообразны по форме тела (пирамидные, многоугольные, круглые и овальные), его размерам (от 5 мкм до 150 мкм) и количеству отростков, униниполярные нейроны (имеют 1 отросток - аксон) характерны для ганглиев беспозвоночных,

109

псевдоуниполярные (1 отросток, делящийся на 2 ветви) - для ганглиев (спинно- и черепномозговых нервов) высших позвоночных; униполярные (есть аксон и дендрит) - для периферия, чувствительных. Н.; мультиполярные (аксон и несколько дендритов) - для мозга позвоночных. Если трудно дифференцировать отдельные, отростки би- и мультиполярных нейронов, то их называют, изополярными, если легко гетерополярными. беспозвоночных преобладают униполярные, у позвоночных - гетеро- и мультиполярные нейроны. Исходя из функций, нейроны подразделяют на чувствительные (сенсорные), воспринимающие сигналы из внешней или внутренней среды, ассоциативные, связывающие нейроны друг с другом, и двигательные, или эффекторные| передающие первые импульсы от нейрона к исполнительным, органам. Последовательное синаптическое объединение чувствительного, ассоциативного и двигательного нейрона образует рефлекторную дугу. По характеру воздействия нейронов на клетки, с которыми они контактируют посредством синапсов, различают возбуждающие и тормозные нейроны, по типу выделяемого медиатора - холинергические, пептидергические, норадренергические и др. Нейросекреторные нейроны вырабатывают и выделяют нейрогормоны. ля всех нейронов характерен высокий уровень обмена веществ, особенно синтеза белков и РНК. Интенсивный белковый синтез необходим для обновления структурных и метаболических белков цитоплазмы нейронов, и его отростков. В филогенезе число нейронов, нарастает, достигая у человека многих млрд. У большинства животных дифференцированные нейроны не делятся. Как в онтогенезе, так и в филогенезе происходят постоянные количественные, и качественные, перестройки межнейронных связей. Человеческий мозг может рассматриваться, как гигантский биокомпьютер, в несколько тысяч раз более сложный, чем любая вычислительная машина, сконструированная человеком из небиологических элементов. Число нейронов человеческого мозга оценивается приблизительно в 13 миллиардов, причем число глиальных клеток еще раз в пять больше. Все части этого компьютера непрерывно работают,

110

совершая миллионы вычислений параллельно и последовательно. Он имеет около двух миллионов визуальных входов и около ста тысяч акустических. Трудно сравнивать работу столь грандиозного компьютера с любым искусственным, существующим сегодня, в связи с его весьма совершенным и сложным устройством.

Нейроны — специализированные клетки, способные принимать, обрабатывать, кодировать, передавать и хранить информацию, организовывать реакции на раздражения, устанавливать контакты с другими нейронами, клетками органов. Уникальными особенностями нейрона являются способность генерировать электрические разряды и передавать информацию с помощью специализированных окончаний — синапсов.

Основная роль в реализации процесса возбуждения, т.е. способности генерировать электрические разряды принадлежит мембране, которая отделяет цитоплазму клетки от окружающей среды

Согласно современным представлениям, биологические мембраны образуют наружную оболочку всех животных клеток и формируют многочисленные внутриклеточные органеллы. Наиболее характерным структурным признаком является то, что мембраны всегда образуют замкнутые пространства, и такая микроструктурная организация мембран позволяет им выполнять важнейшие функции.

3.2.2. Строение и функции клеточных мембран.

Современными методами электронной микроскопии была определена толщина клеточных мембран (6—12 нм). Химический анализ показал, что мембраны в основном состоят из липидов и белков, количество которых неодинаково у разных типов клеток. Сложность изучения молекулярных механизмов функционирования клеточных мембран обусловлена тем, что при выделении и очистке клеточных мембран нарушается их нормальное функционирование. В настоящее время можно говорить о нескольких видах моделей клеточной мембраны, среди которых наибольшее распространение получила жидкостно-мозаичная модель.

111

Согласно этой модели, мембрана представлена бислоем фосфолипидных молекул, ориентированных таким образом, что гидрофобные концы молекул находятся внутри бислоя, а гидрофильные направлены в водную фазу. Такая структура идеально подходит для образования раздела двух фаз: вне- и внутриклеточной.

В фосфолипидном бислое интегрированы глобулярные белки, полярные участки которых образуют гидрофильную поверхность в водной фазе. Эти интегрированные белки выполняют различные функции, в том числе рецепторную, ферментативную, образуют ионные каналы, являются мембранными насосами и переносчиками ионов и молекул.

Рис. 7. Строение клеточной мембраны 1 – цитоплазма, 2 – липидный бислой, 3 –

гликопротеин, 4 – гликолипид, 5 – протеин.

Некоторые белковые молекулы свободно диффундируют в плоскости липидного слоя; в обычном состоянии части белковых молекул, выходящие по разные стороны клеточной мембраны, не изменяют своего положения. Здесь описана только общая схема строения клеточной мембраны и для других типов клеточных мембран возможны значительные различия.

Мембраны имеют ряд функций.

1.Барьерная функция выражается в том, что мембрана при помощи соответствующих механизмов участвует в создании концентрационных градиентов, препятствуя

112

свободной диффузии. При этом мембрана принимает участие в механизмах электрогенеза. К ним относятся механизмы создания потенциала покоя, генерация потенциала действия, механизмы распространения биоэлектрических импульсов по однородной и неоднородной возбудимым структурам.

2.Регуляторная			функция		клеточной		мембраны
заключается	в	тонкой		регуляции		внутриклеточного

содержимого и внутриклеточных реакций за счет рецепции внеклеточных биологически активных веществ, что приводит к изменению активности ферментных систем мембраны и запуску механизмов вторичных «месенджеров» («посредников»).

3.Преобразование внешних стимулов неэлектрической природы в электрические сигналы (в рецепторах).

4.Высвобождение нейромедиаторов в синаптических окончаниях.

Главную роль в возбуждении нейрона играют ионные каналы мембраны. Эти каналы бывают двух видов: одни работают постоянно и откачивают из нейрона ионы натрия и накачивают в цитоплазму ионы калия. Благодаря работе этих каналов (их называют еще насосными каналами или ионным насосом), постоянно потребляющих энергию, в клетке создается разность концентраций ионов: внутри клетки концентрация ионов калия примерно в 30 раз превышает их концентрацию вне клетки, тогда как концентрация ионов натрия в клетке очень небольшая -примерно в 50 раз меньше, чем снаружи клетки. Свойство мембраны постоянно поддерживать разность ионных концентраций между цитоплазмой и окружающей средой характерно не только для нервной, но и для любой клетки организма. В результате между цитоплазмой и внешней средой на мембране клетки возникает потенциал: цитоплазма клетки заряжается отрицательно на величину около 70мВ относительно внешней среды клетки.

Измерить этот потенциал можно в лаборатории стеклянным электродом, если в клетку ввести очень тонкую (меньше 1 мкм) стеклянную трубочку, заполненную раствором соли. Стекло в таком электроде играет роль хорошего изолятора, а раствор соли - проводника. Электрод соединяют с усилителем электрических сигналов и на экране осциллографа