Йельские учёные выяснили, почему треть пациентов не осваивает нейроинтерфейсы

Интерфейсы «мозг — компьютер» давно перестали быть фантастикой: с их помощью люди двигают бионическими протезами, набирают текст силой мысли и восстанавливают подвижность после травм. Однако у технологии есть темная сторона, о которой инженеры предпочитают умалчивать. Обучение управлению занимает недели и месяцы, а около трети пациентов вообще не могут освоить систему даже после сотен попыток. В научной среде эту проблему окрестили «нейроинтерфейсной неграмотностью», списывая неудачи на недостаточную пластичность мозга конкретного человека. Группа исследователей из Йельского университета и Монреальского института искусственного интеллекта Mila доказала, что этот диагноз ошибочен, и предложила радикально иной подход к проектированию нейросистем.

Секрет оказался в математике, а не в биологии. Активность мозга подчинена строгим закономерностям: миллиарды нейронов не включаются хаотично, а работают в узком диапазоне состояний, который ученые называют «низкоразмерным нейронным многообразием». Проще говоря, из-за анатомических связей мозг способен воспроизводить лишь ограниченный набор паттернов активности, описываемых всего несколькими ключевыми параметрами. Если алгоритм декодирования требует от человека паттерн, лежащий внутри этого естественного пространства, обучение происходит за минуты. Если же программа запрашивает состояние «вне многообразия» — например, одновременную активацию несовместимых нейронных контуров — задача становится физиологически невыполнимой, сколько бы человек ни тренировался.

Авторы работы впервые проверили эту теорию на людях, причем усложнили задачу, отказавшись от простых моторных команд. Мишенью эксперимента стала сеть пространственной навигации — глубинные структуры гиппокампа и коры, отвечающие за внутренние координаты и планирование маршрутов. 18 добровольцев в томографе управляли виртуальным аватаром на трехмерной арене. Сначала они делали это с помощью джойстика, пока система вычисляла индивидуальную геометрию активности примерно 1300 зон мозга. Затем джойстик убрали, и участникам пришлось поворачивать персонажа исключительно силой мысли, а компьютер в реальном времени расшифровывал их намерения через цепочку алгоритмов T-PHATE и регуляризованного автоэнкодера.

Результаты экспериментальной серии оказались ошеломляющими. Когда управление было привязано к главному, естественному компоненту активности мозга, все участники освоили навык почти мгновенно — рост точности становился заметен уже к четвертой попытке. Когда правила меняли, требуя задействовать второй по значимости, но менее привычный паттерн, люди сбивались, однако мозг перестраивался примерно за 30 попыток. А вот в третьем сценарии, где от участников требовали генерировать сигнал, лежащий на границе их природных возможностей, прогресс оказался нулевым. Ни один человек не смог восстановить контроль, меняя ментальные стратегии, — система упорно игнорировала их усилия.

Ключевым открытием стал механизм адаптации, названный «нейронным выравниванием». При обучении в допустимых пределах мозг не просто перебирал старые команды, а физически перераспределял активность, усиливая нужный вектор сигналов. В этом процессе решающую роль сыграли префронтальная кора и моторные зоны, которые выступили координаторами, направляя навигационную сеть в новое, но заранее существующее русло. Когда же требовался противоестественный паттерн, управляющие сигналы префронтальной коры не находили синаптических путей для реализации — мозг упирался в собственную архитектуру.

Эти результаты переворачивают подход к проектированию нейроинтерфейсов. Оказывается, людей, которых раньше объявляли необучаемыми, скорее всего, подводили инженеры: алгоритмы калибровались линейно или произвольно, назначая команды на состояния вне индивидуального многообразия пользователя. Решение лежит в построении нелинейной топологической карты мозга каждого пациента перед настройкой системы. Причем математическая модель универсальна — она работает одинаково хорошо с дорогими томографами, инвазивными электродами уровня Neuralink и портативными оптическими датчиками.

Более того, исследование проводит четкую границу между двумя направлениями нейротехнологий. Для протезирования, когда нужно вернуть человеку утраченные функции, система обязана полностью подстраиваться под естественную геометрию мозга — требовать от поврежденной нервной системы неестественных сигналов бессмысленно. А вот для терапии психических расстройств, где мозг пациента патологически застревает в деструктивном состоянии вроде круга навязчивых мыслей, задача обратная: принудительно выводить его за пределы привычного многообразия, постепенно расширяя границы возможных состояний.

Долгое время считалось, что эффективность нейроинтерфейсов упирается в железо: количество электродов и чувствительность усилителей. Эксперимент йельских ученых показал, что критическим фактором является математика согласования пространств. Мозг невозможно заставить работать как произвольный генератор чисел — это высокоорганизованная система, подчиненная законам собственной геометрии. Создание стабильных нейроинтерфейсов требует не переделки человека под запросы алгоритма, а зеркального шага: программы должны выучить естественные границы биологических сетей и никогда не требовать движения туда, куда они не способны пойти.

По материалам: iXBT