Там, где рождается индивидуальность. Как мозг создает уникальность каждого человека - Шантель Прат

бы здорово петь как Бейонсе, быть Бейонсе по-настоящему может оказаться совсем не так классно, как вы думали. Во-первых, у вашего мозга совсем не те ожидания. Бейонсе не просто поет в точности как Бейонсе, она еще и круглые сутки выглядит в точности как Бейонсе и, как известно, давно выступает с совершенно невообразимыми сногсшибательными концертами, каких мир еще не видел. И поскольку я могу предположить, что система вознаграждения в мозге Бейонсе работает точно так же, как и у нас с вами, получается, что большой прилив дофамина она получит, только если выступит лучше нормального для себя уровня! Естественно, это приводит к постоянным разочарованиям и заставляет меня задать вопрос: вы правда хотели бы на денек поменяться местами с Бейонсе?[389]

Прежде чем ответить, позвольте мне рассказать вам об одной важной мелочи, которая, вероятно, повлияет на то, что и как усвоит ваш мозг, если вы денек побудете Бейонсе. Как выяснилось, у человеческого мозга при обучении с подкреплением образуется некая вилка, которой нет у большинства систем искусственного интеллекта, и это все меняет. Эта вилка соответствует двум совершенно реальным способам дофаминового обучения в мозге. Первый путь, который я назову «Выбирай», работает примерно так, как я описала выше. Когда путь «Выбирай» получает сигнал дофаминового вознаграждения, он укрепляет связи между средой и выбранным действием, что повышает вероятность, что вы в будущем вернетесь к этому сценарию. Но есть и другой путь, который задействуется параллельно, и я назову его «Избегай». Этот дофаминовый путь состоит из рецепторов того типа, которые подавляют нейроны (то есть приглушают их активность). Поэтому, когда вы выбираете действие, которое приносит не настолько восхитительные результаты, как вы надеялись, и дофамин падает ниже базового уровня, путь «Избегай» активно учится тому, что так поступать не стоило, и ослабляет связи. Навигационная система коня в мозге у всех людей учится обоими способами – на нее действует и «пряник», который повышает вероятность, что мы двинемся по пути, который приведет нас ближе к хорошим вариантам, и «кнут», который уменьшает шансы, что мы свернем туда, где нас ждут не самые лучшие результаты. С точки зрения выбора сценариев мозга главное, что в путях «кнута» и «пряника» доминируют разные дофаминовые рецепторы. В результате те различия, о которых мы говорили в главе «Коктейль» – те самые, которые управляют коммуникацией на химическом языке, – определяют и то, какой из двух путей сильнее влияет на навигацию коня в мозге каждого отдельного человека (или они вносят одинаковый вклад в ваши решения). В следующем разделе мы обсудим некоторые тесты, при помощи которых измеряют баланс кнута и пряника, а затем посмотрим, как сторонники разных типов обучения прокладывают себе путь в реальном мире.

Что вы предпочитаете – выбирать или избегать?

Лучший способ определить относительное влияние путей «Выбирай» и «Избегай» лично у вас – пройти тест, который придумал Майкл Франк с коллегами: так называемый Probabilistic Stimulus Selection Task («Задача вероятностного выбора стимулов»)[390]. Условимся для краткости называть его Тестом на выбор стимулов. Увы, поскольку тест исследует, как вы учитесь на результатах своих решений, он требует обратной связи в прямом эфире, а ее в книге не обеспечить. Если вам интересно узнать, как предпочитает учиться ваш мозг, методом кнута или методом пряника, советую до того, как вы прочтете раздел о том, как устроен этот тест, ознакомиться со вкладкой Research на моем веб-сайте.

Тест на выбор стимулов проводится в два этапа. На первом участники учатся выбирать одно из двух новых для них действий, которое приносит наибольшее вознаграждение. Участникам показывают два незнакомых предмета и просят выбрать один из них – это и есть «действие». Естественно, сначала они выбирают наугад, поскольку не знают, который из предметов лучше. Затем они после каждого решения получают обратную связь. В одних случаях они видят надпись «ВЕРНО» большими зелеными буквами, которая указывает, что они сделали правильный выбор, соответственно, надпись «НЕВЕРНО» большими красными буквами означает, что они только что съехали на трехколесном велосипеде по лестнице (в переносном смысле). Может показаться, что это не самый убедительный способ воспроизвести систему наград и наказаний за выбор в реальной жизни, однако дайте мне закончить. Цель такого эксперимента – измерить, в каких случаях испытуемые учатся лучше: когда им дают обратную связь «ВЕРНО» или когда «НЕВЕРНО».

Фокус в том, что единственно правильного ответа не существует. Повторный выбор того же варианта не гарантирует того же результата – совсем как в реальной жизни. Поэтому тест и называется вероятностным. От выбора действия зависит только вероятность получить обратную связь «ВЕРНО» или «НЕВЕРНО». На первом этапе участники должны сделать выбор три раза – им предлагают три пары трех разных действий. В первой паре один вариант, худший из шести, дает «НЕВЕРНО» в 80 % случаев, зато с ним в комплекте идет лучший вариант, который дает «ВЕРНО» в 80 % случаев. Научиться делать выбор в этом случае участникам легче всего, поскольку разница в результатах очень велика. Вторая пара состоит из варианта, который дает ответ «ВЕРНО» в 70 % случаев, и варианта, который дает ответ «НЕВЕРНО» в 70 % случаев. Здесь учиться немного труднее. Третья пара состоит из варианта, который дает ответ «ВЕРНО» в 60 % случаев (и «НЕВЕРНО» в 40 % случаев), и варианта, который дает ответ «НЕВЕРНО» в 60 % случаев (и «ВЕРНО» в 40 % случаев). Вот тут учиться становится очень трудно. Что бы ты ни выбрал, почти в половине случаев получаешь «НЕВЕРНО». Испытуемые, чувствительные к отрицательной обратной связи, начинают просто беситься.

На первой фазе эксперимента, фазе обучения, участникам предлагают эти три варианта много раз подряд, пока они не научаются достаточно уверенно выбирать предмет, который приносит награду с наибольшей вероятностью (или с наименьшей вероятностью оказывается неправильным). Затем, чтобы понять, как именно испытуемые учатся принимать решения и какие при этом задействуются пути обучения с подкреплением, исследователи перегруппируют эти символические действия в другие пары.

На втором этапе теста – этапе принятия решений – на вероятный выбор стимулов, пары перемешиваются так, чтобы каждое действие побывало в паре с каждым другим. В итоге иногда испытуемые выбирают между двумя лучшими вариантами (которые дают положительную обратную связь в 80 и 70 % случаев), а иногда между двумя худшими (которые приносят награду только в 20 и 30 % случаев). Кроме того, они перебирают все остальные, промежуточные пары.

И вот тут, по-моему, начинается самое интересное. Хотя математическая разница между вероятностью получить награду в 80 % и 70 % случаев, в сущности, тождественна математической разнице между вероятностью получить награду в 20 % и