Математики и нейробиологи создали первую анатомически точную, единую математическую модель, которая объединяет годы биологических экспериментов и объясняет, как мозг производит сложные визуальные репродукции мира, основанные на скудной визуальной информации.
По моему мнению данная модель применима ко всему, что происходит в мозге.
Это великая тайна человеческого зрения: яркие цвета мира предстают перед нашим умственным взором, однако от самого мира зрительная система мозга получает достаточно мало информации.
Многое из того, что мы «видим», мы просто "выдумываем".
Что же мы знаем о зрении?
Глаз действует как линза. Он получает свет от внешнего мира и проецирует точную копию нашего поля зрения на сетчатку, которая находится в задней части глаза. Сетчатка связана с зрительной корой, частью мозга в задней части головы.
Однако между сетчаткой и зрительной корой очень мало связей.
Только около 10 нервных клеток, соединяют сетчатку со зрительной корой, эти клетки составляют LGN или латеральное ядро - единственный путь, по которому визуальная информация поподает из внешнего мира в мозг.
Мало того, что LGN клеток мало, так к тому же они мало что могут делать. LGN клетки посылают импульс в зрительную зону головного мозга, когда обнаруживают изменение от темноты к свету или наоборот, в своем крошечном участке поля зрения.
И это все!!!
Мир бомбардирует сетчатку данными, но все, что нужно мозгу - это скудный сигнал от крошечной группы LGN клеток?!
Видеть мир, основанный на таком небольшом количестве информации, все равно что пытаться реконструировать театральное представление по звукам из гардероба.
Но не смотря на то, что кора и сетчатка соединены относительно небольшим количеством нейронов, сама кора имеет высокую плотность. На каждые 10 нейронов LGN, приходится до 4000 нейронов только в начальном «входном слое» зрительной коры.
Что говорит о том, что мозг достаточно интенсивно обрабатывает те небольшие визуальные данные, которые он получает.
Нервная анатомия зрения провокационная.
Как маленький человек, поднимающий огромный вес, она требует объяснения: почему не маленькая область мозга выполняет так много работы с небольшим набором данных?
LGN клетки посылают кортексу серию электрических импульсов с амплитудой в одну десятую вольт и длительностью в одну миллисекунду, вызывая каскад нейронных взаимодействий.
Отдельные нейроны получают сигналы от сотен других нейронов одновременно. Одни из этих сигналов побуждают нейрон срабатывать, а другие сдерживают.
Когда нейрон получает электрические импульсы от возбуждающих и тормозных нейронов, напряжение на его мембране колеблется, и срабатывает только тогда, когда это напряжение (его «мембранный потенциал») превышает определенный порог.
Предсказать когда это произойдет, почти невозможно.
Правила, которые управляют этими взаимодействиями, «бесконечно сложнее», чем правила, которые управляют взаимодействиями в более знакомых физических системах. Но взаимодействия между нейронами, запускаемыми в мозге, вполне можно отнести к динамическим системам.
Вот тут то и нужна математика:
Визуальные Петли.
Визуальная кора - это многократная игра обратной связи.
С петлями обратной связи действительно трудно иметь дело, потому что информация постоянно возвращаясь меняет вас, она продолжает возвращаться и продолжает вас менять.
Модели петель обратной связи, представили нечто вроде эффекта бабочки: небольшие изменения в сигнале от LGN усиливались в процессе, когда они проходили одну петлю обратной связи за другой, известном как «повторяющееся возбуждение», что приводило к значительным изменениям в визуальном представлении, производящем финишную модель.
Объяснение включает в себя механизм, с помощью которого возбуждающие нейроны усиливают активность друг друга, это тип усиления необходимзрительной коре для создания полного изображения из скудных входных данных.
В данный момент модель активности описывает только один из шести слоев зрительной коры, в которых мозг "рисует" основные контуры визуального впечатления. Модель не затрагивает оставшиеся пять слоев, где происходит более сложная визуальная обработка.
/Источник №1//Источник №2//Источник №3/