Миф о «мозге ящерицы» оказался неверным: исследование 182 видов показало другую модель эволюции

Учёные обнаружили, что мозг млекопитающих эволюционирует не по принципу последовательного наращивания новых слоёв поверх древнего «рептильного мозга». К такому выводу привёл анализ мозга 182 видов и эксперименты с искусственными нейронными сетями. Исследователи выяснили, что разные системы мозга конкурируют за ограниченные пространство и энергетические ресурсы, а их размеры меняются в зависимости от задач, важных для выживания.

Работа пересматривает популярную концепцию, появившуюся ещё в 1950-х годах. Согласно ей, мозг якобы формировался слоями: от древних структур, отвечающих за базовые функции и эмоции, до более развитого неокортекса, связанного с восприятием и мышлением. Новое исследование показывает другую картину: лимбическая система и неокортекс связаны между собой и меняются в противоположных направлениях. Если одна часть лимбической системы крупнее, другие её компоненты также обычно увеличены, тогда как неокортекс оказывается меньше.

Исследователи из Georgia Institute of Technology и Cornell University связали это различие с двумя типами организации нейронных связей. В неокортексе они формируют пространственные карты, что хорошо подходит для обработки зрения, слуха и осязания. Лимбическая система использует распределённую схему, которую исследователи сравнивают со штрихкодом: она эффективна для обработки запахов и сложных воспоминаний. В экспериментах с ИИ те же архитектурные принципы приводили к похожему разделению функций.

Компьютерное моделирование показало, как эта конкуренция может работать в эволюции. При условии, что животному выгоднее ориентироваться по запаху, увеличивались все компоненты распределённой системы, а неокортекс сокращался. При преимуществе зрения происходило обратное. Именно этим исследователи объясняют различия между видами: у девятипоясного броненосца, сильно зависящего от обоняния, развита лимбическая система, а у беличьей обезьяны с развитым зрением больше неокортекс. Учёные считают, что этот принцип можно использовать при создании ИИ, которому потребуется меньше данных и энергии для обучения.

Источник: sciencedaily