С 1980-х годов нейробиологи утверждали, что зрительная система человека и приматов делится на два канала: вентральный поток, который специализируется на распознавании объектов, и дорсальный поток, отвечающий за обработку пространственной информации. Подобные взгляды подкреплялись экспериментами с обезьянами.
Однако последние исследования Массачусетского технологического института (MIT), основанные на работе с искусственным интеллектом, ставят под сомнение это утверждение. В 2016 году ученые предположили, что вентральный поток, помимо распознавания объектов, может кодировать и пространственные характеристики, включая размер объекта, его ориентацию (насколько он повернут) и местоположение. Опираясь на эту гипотезу, команда MIT решила выяснить, так ли это на самом деле.
«Главным вопросом нашего исследования было выяснить, возможен ли иной сценарий, при котором вентральный поток оптимизирован не только для категоризации объектов, но и для выполнения пространственных задач», — объяснила одна из авторов исследования Юди Се.
Результатом этой работы стала статья, в которой авторы описали серию экспериментов с нейросетью. В ней искусственный интеллект обучили выполнению пространственных задач и задач распознавания объектов. В обоих случаях нейросеть действовала как вентральный поток и демонстрировала соответствие нейронной активности человеческого мозга.
Далее ученые попытались понять, почему обучение ИИ распознаванию объектов и обучению пространственным характеристикам приводят к аналогичным результатам. Для этого они применили метод центрированного выравнивания ядер, который измеряет сходство представлений в различных нейросетях. Выяснилось, что модели, воссоздающие работу вентрального потока, подражают мозгу, учитывая не только изображение, но и нецелевые функции, такие как положение объекта в пространстве.
Эти выводы поднимают целый ряд вопросов о том, какие еще задачи может выполнять вентральный путь, насколько глубоким может быть параллельное использование разных способностей мозга.
Следующим шагом исследователей станет создание новых инструментов для точного сравнения ИИ и реальных отделов мозга. Ученые верят, что сравнение моделей поможет понять, как мозг распределяет задачи между различными зонами и какие еще способности скрываются за устоявшимися представлениями.
