Результаты новой работы, опубликованные в журнале Neuroscience, демонстрируют алгоритм принятия многоэтапных последовательных решений на уровне нервных клеток.
Исследователи из США сконструировали первую полную модель поведения нейронов в головном мозге при сложном процессе принятия решений.
Наши решения могут обеспечить немедленное удовлетворение наших нужд, но они также могут иметь далеко идущие последствия, которые, в свою очередь, зависят от других действий, что мы уже предприняли или сделаем в будущем. Проблема в том, что большинство людей не могут приять во внимание потенциальные долгосрочные последствия конкретного решения, что мешает им в итоге сделать лучший выбор из доступных вариантов. Реалистичная модель точно отражает поведенческие вероятности совершения того или иного выбора и предсказывает его итоги.
Есть два основных типа решений: основанные на привычках и основанные на цели. Примером первого может служить наше поведение во время решения ежедневных поездок, на работу – мы совершаем одни и те же стереотипные действия на основе решений-»заготовок». Их можно сравнить с тем, как кэшируются некоторые сайты, чтобы в следующий раз загрузиться быстрее. Точно также мы достаем из «кэша» головного мозга готовые решения для привычных ситуаций.
Второй тип решений – основанных на цели – с неврологической точки зрения гораздо сложнее: в этом процессе задействовано намного больше переменных, которые разветвляют потенциально вероятные ситуации до бесконечного числа вариантов. Здесь примером может послужить такая ситуация, как ДТП или пробка, заставляющая вас выбрать другой маршрут.
До сих пор механизмы, лежащие в основе принятия решений второго типа, оставались неизвестными. Однако математическая модель, разработанная исследователями из Кембриджского и Колумбийского университетов, дает ответы на многие вопросы. Их алгоритм помогает предсказать не только наше поведение, но и отражает показатели нейронной активности.
Исследователи продемонстрировали (на математической модели), как сеть нейронов, функционирующая надлежащим образом, способна идентифицировать лучшее решение в конкретной ситуации, а также построить варианты развития событий в будущем (при условии принятия этого решения). Эта модель может быть использована для изучения природы различных неврологических и психологических патологий, например, нарушений поведенческого контроля у пациентов с обсессивно-компульсивным расстройством.