Na znanym rysunku można zobaczyć biały wazon albo dwa czarne profile. Obraz się nie zmienia, lecz dostrzegamy w nim raz to, raz coś innego. Percepcja nie jest więc jednoznacznym opisywaniem obrazu z siatkówki. Wynik zależy również od stanu naszych emocji, skupienia, a nawet doświadczeń. Czasem ten sam obraz może uruchomić w nas procesy, które doprowadzą do zupełnie innych wniosków lub skutków. Co prawda iluzja nie jest ścisłym przykładem chaosu w sensie matematycznym, ale pomaga go zrozumieć. W układzie chaotycznym minimalna różnica w stanie początkowym narasta, aż prowadzi do zupełnie innego wyniku. To tak jak dwa papierowe samolociki puszczone pozornie tak samo, które ostatecznie lądują w zupełnie różnych miejscach. Dwa podobne spojrzenia mogą także uruchomić coraz bardziej odmienne odpowiedzi.

Tymczasem twarz bliskiej osoby rozpoznajemy w słońcu i półmroku, z przodu, z profilu, a nawet częściowo zasłoniętą. Takie obrazy na siatkówce do tego stopnia się różnią, że jakbyśmy chcieli porównywać je komputerowo to trudno byłoby zbudować algorytm identyfikujący, że przedstawiają to samo. Tymczasem nasza percepcja szybko i niezawodnie prowadzi do tej samej interpretacji. Odpowiedzi nie rozbiegają się, lecz zbiegają.

Widać, że mózg musi reagować na nowe i niejednoznaczne sytuacje, ale nie może pozwolić, aby każda drobna różnica zmieniała wynik rozpoznania. Tę równowagę badał zespół dr. Mehdiego Borjkhaniego z Centrum Badań Oka ICTER przy Instytucie Chemii Fizycznej PAN oraz uczelni w Iranie i Niemczech. Wyniki ukazały się w czasopiśmie naukowym „Journal of Computational Neuroscience”. Badacze nie modelowali rozpoznawania twarzy, lecz wcześniejszy etap widzenia – aktywność pierwotnej kory wzrokowej, reagującej między innymi na ułożenie krawędzi. Jej działanie opisali za pomocą trzech zmiennych.

Pierwsza oznaczała aktywność neuronów pobudzających, które ułatwiają uaktywnienie kolejnych komórek. Druga opisywała neurony hamujące – utrudniające taką reakcję i powstrzymujące pobudzenie przed niekontrolowanym rozchodzeniem się. Nie wyłączają one widzenia, lecz regulują pracę sieci. Trzecia zmienna określała ogólną gotowość sieci do reagowania, zależną między innymi od sygnałów docierających ze wzgórza. Zmieniała się ona wolniej, czyli w dłuższej skali czasu niż bieżące pobudzanie i hamowanie.

Najpierw badacze sprawdzili, co stanie się, gdy trzy części modelu pozostawią bez mechanizmów stabilizujących. Przetestowali 225 różnych ustawień siły pobudzenia, hamowania i ogólnej gotowości sieci. W prawie dziewięciu na dziesięć przypadków model zachowywał się chaotycznie: dwie symulacje rozpoczynające się niemal identycznie z czasem coraz bardziej się od siebie różniły. Przypominało to lot owych dwóch papierowych samolocików, w których niewielka różnica przy starcie prowadzi do lądowania w odległych miejscach.

Następnie naukowcy wyposażyli model w dwa mechanizmy przypominające regulatory działające w prawdziwej korze. Pierwszy reagował natychmiast: gdy narastało pobudzenie, rosła również aktywność neuronów hamujących, ograniczających jego dalsze rozchodzenie się. Drugi działał stopniowo i przywracał ogólną gotowość sieci do zwykłego poziomu.

Po wprowadzeniu tych zabezpieczeń większość przebiegów przestała się nieprzewidywalnie rozchodzić. W jednym z badanych ustawień zmienność aktywności neuronów pobudzających zmalała o 93 proc. Model nie został jednak wyciszony ani unieruchomiony. Jego aktywność nadal się zmieniała, ale zamiast błądzić za każdym razem inną drogą, układała się w stabilny, powtarzalny rytm.

Najważniejsze pytanie brzmiało teraz: czy ten sam bodziec potrafi doprowadzić początkowo różne stany sieci do podobnej odpowiedzi? Aby to sprawdzić, badacze uruchomili model 30 razy, za każdym razem nieznacznie zmieniając jego stan początkowy. Dopóki nie pojawiał się bodziec, aktywność rozwijała się na różne sposoby. Po jego włączeniu rozbieżne przebiegi zaczynały się do siebie zbliżać. Model zachowywał się więc podobnie jak prawdziwa kora, w której pojawienie się konkretnego obrazu ogranicza wcześniejszą zmienność aktywności neuronów.

Nie oznacza to jeszcze, że model rozpoznawał twarze. Otrzymał znacznie prostsze zadanie, odpowiadające wczesnemu etapowi widzenia: miał reagować na linie ustawione pod różnymi kątami. Poszczególne wirtualne neurony odpowiadały silniej na wybrane kierunki, a stopień tych preferencji mieścił się w zakresie obserwowanym w korze wzrokowej makaków.

Co ciekawe, w chaotycznym wariancie model nieco wyraźniej odróżniał preferowane ułożenie linii od pozostałych niż w wariancie regularnym. Nie dowodzi to, że chaos poprawia ludzkie widzenie. Pokazuje jednak, że celem mózgu prawdopodobnie nie jest usunięcie wszelkiej nieregularności. Pewna zmienność może zwiększać jego wrażliwość i zdolność reagowania, pod warunkiem, że nie zacznie narastać bez kontroli.

Praca podpowiada zatem, że mózgu nie należy wyobrażać sobie ani jako doskonale regularnego zegara, ani jako układu pogrążonego w pełnym chaosie. Może on mieć naturalną skłonność do wielu różnych przebiegów, ale pobudzenie, hamowanie i wolniejsza samoregulacja utrzymują ją w ryzach. Gdy pojawia się bodziec, mechanizmy te sprawiają, że różne stany początkowe prowadzą do podobnej odpowiedzi. Model nie wyjaśnia jeszcze, jak rozpoznajemy znajomą twarz, lecz pokazuje możliwy mechanizm bardziej podstawowej zdolności: przekształcania zmiennej aktywności mózgu w stabilną reakcję na to, co widzimy. (PAP)

kmp/ agt/