Хаос в нейронных сетях: как мозг сочетает порядок и случайность

Переплетение науки, математики, природы и искусства можно сравнить с созданием шедевра. В этом контексте работы современного американского художника Марка Тэнси служат ярким примером. Его картина Ахиллес и Черепаха (1986) иллюстрирует взаимодействие фундаментальных и прикладных исследований. На фоне изображена гигантская тсуга, чьи листья демонстрируют сложность природы. Инженеры запускают ракету, чей след повторяет очертания дерева, но не достигает его вершины — отсылка к парадоксу Зенона. Ученые сажают дерево, а теоретики, включая Эйнштейна, Зенона и математиков Митчела Фейгенбаума и Бенуа Мандельброта, наблюдают за ними. Присутствие последних указывает на границу между порядком и хаосом, которую исследует Тэнси.

Парадокс хаотического мозга

Мозг демонстрирует удивительный контраст между поведением отдельных нейронов и их коллективной активностью. Изолированные нейроны работают предсказуемо, но в сети их активность становится нерегулярной. Это можно измерить с помощью коэффициента вариации (CV) и фактора Фано. Исследования показывают, что нерегулярность — это свойство сети, а не отдельных нейронов.

Новый вид хаоса

Работа Сомполинского и его коллег (1988) объяснила, как сеть из детерминированных элементов может демонстрировать хаотическое поведение. Они показали, что случайные связи между нейронами приводят к динамическому шуму. Этот хаос отличается от низкоразмерных систем и напоминает фазовые переходы в физике.

Вычисления с хаотическими сетями

Хаотические сети обладают высокой вычислительной мощностью благодаря чувствительности к начальным условиям. Они эффективны в классификации и генерации паттернов, но их нестабильность может быть проблемой для точных вычислений.

На грани хаоса

Оптимальные вычислительные системы работают между порядком и хаосом. Переход к хаосу в нейронных сетях напоминает фазовые переходы в физике. Критические явления near the edge of chaos улучшают обработку информации. Однако задержки в нейронных сетях могут вызывать колебания, влияющие на надежность вычислений.

Частичное подавление хаоса

Мозг использует обратные связи для контроля хаотической активности. Теория динамического среднего поля помогает понять, как сети поддерживают надежные вычисления несмотря на хаос. Это открывает новые перспективы для нейронауки и статистической физики.