Лауреат Нобелевской премии психолог Герберт Саймон убежден, что обучение заключается в накоплении легко распознаваемых паттернов. Не является ли левое полушарие хранилищем таких паттернов?
Новизна и привычность — это определяющие характеристики психической жизни любого существа, способного к обучению. В случае простого инстинктивного поведения пусковой стимул обычно «привычен» и степень «привычности» не меняется с частотой воздействия стимула. Ответ организма вполне сформирован с самого начала и не меняется на всем протяжении жизни. Предполагается, что опыт не меняет нейронную инфраструктуру, контролирующую стимульный ответ. Примером такого поведения являются простые рефлексы. Если ваш нос чешется, вы чешете его автоматически и не думая. Эта реакция не является результатом обучения и не изменится на протяжении жизни.
У высших животных, включая человека, мозг наделен мощной способностью к обучению. В отличие от инстинктивного поведения, обучение, по определению, является изменением. Организм сталкивается с ситуацией, для которой он не имеет готового эффективного решения. В ходе повторяющегося столкновения с подобной ситуацией со временем возникают адекватные стратегии реагирования. Длительность времени, или число итераций, требуемых для возникновения эффективных решений, широко варьируется. Иногда процесс ограничивается одной встречей (так называемая «ага-реакция»). Но неизменно происходит переход от отсутствия эффективного поведения к возникновению эффективного поведения. Этот процесс называется «обучением» и возникающее (или преподанное) поведение называется «выученным поведением». На ранней стадии любого процесса обучения организм сталкивается с «новизной», а финальной стадией процесса обучения является «рутинизация» или «фамильяризация». Переход от новизны к рутине — это универсальный цикл нашего внутреннего мира. Это ритм наших умственных процессов, развертывающийся в различных масштабах времени.
Роль обучения и выученного поведения возрастает в ходе эволюции по отношению к инстинктивному поведению. Возможно ли, что возникновение структурных и химических различий между двумя полушариями было вызвано эволюционными задачами оптимизации обучения? Возможно ли, другими словами, что существование двух различных, отдельных, но взаимосвязанных систем — одна для новизны и другая для рутины — способствует обучению?
Экспериментальный ответ на этот вопрос потребовал бы сравнения способностей к обучению у двух типов организмов: с двумя полушариями и без них, но равной сложности в остальном. Но так как двуполушарность мозга является универсальным атрибутом всех высших видов, такой эксперимент никогда не будет поставлен. Самое большее, на что был бы способен исследователь, — это вычерчивать кривые, относящиеся к эволюционному росту способностей к обучению и к полушарной дифференциации, надеясь увидеть параллель. Но вычерчивание таких «кривых», основанное на произвольных предпосылках, не ведет к точным результатам.
Однако арсенал науки не ограничен экспериментальными и эмпирическими методами. Экспериментальные методы, хотя и являются опорой науки, внутренне ограничены. Поэтому наиболее развитые дисциплины приобретают свою теоретическую ветвь. Теория является упрощенной моделью некоторого аспекта реальности, который обычно конструируется в формальном, часто математическом, языке. Вместо прямого экспериментирования, модель может быть исследована формально, или вычислительно, путем дедукции некоторых ее свойств из других свойств. С наступлением эпохи мощных компьютеров стало возможным объединять дедуктивные и экспериментальные методы в одном вычислительном подходе. Модель исследуемого объекта создается в виде компьютерной программы, которая затем запускается на компьютере, имитируя поведение. Таким путем могут быть спроектированы эксперименты с моделью, и динамические свойства модели могут устанавливаться путем изучения ее фактического поведения. Из всех новых направлений развития в когнитивной нейронауке, развитие вычислительных методов — наиболее многообещающий.
Особенно привлекательными среди них являются формальные нейронные сети. Составленные из больших совокупностей относительно простых единиц, нейронные сети крайне «мозгоподобны». Они могут накапливать и сохранять информацию о своем окружении («входные данные»), при условии, что они получают обратную связь о своем поведении. Они на самом деле обучаются.
