Практика учит мозг эффективно справляться с несколькими задачами сразу

Чтобы понять, как мозг справляется с одновременным выполнением двух дел, исследователи разработали специальную задачу для мышей. Животные должны были непрерывно двигать рычагом и параллельно реагировать на звуковые сигналы: в зависимости от тона им нужно было либо выполнить действие («Go»), либо воздержаться от него («No‑Go»). Таким образом, мыши одновременно выполняли двигательную задачу и задачу на принятие сенсорного решения.

С помощью двухфотонной кальциевой визуализации ученые неделями наблюдали за активностью одних и тех же нейронов в вторичной моторной коре (M2) у одних и тех же животных. Это позволило отследить, как меняется работа мозга по мере того, как мыши учатся справляться с двумя задачами одновременно.

На ранних этапах мозг не пытается жестко разделить задачи. Вместо этого он активно координирует конкурирующие требования: даже те нейроны, которые в основном отвечают за одну задачу, меняют свою активность, когда выполняется вторая. Получается, что мозг временно подстраивает одни процессы под другие, чтобы обе задачи могли выполняться хоть и не идеально, но одновременно. При этом самые сильные конфликты возникают в нейронах, задействованных сразу в обеих задачах: они становятся горячими точками конкуренции и отражают ограниченность ресурсов мозга.

По мере тренировок стратегия меняется. Мозг начинает привлекать больше нейронов, специализированных под каждую отдельную задачу, а представления о задачах постепенно разделяются. Благодаря этому задачи начинают выполняться более независимо, и взаимные помехи снижаются.

Ключевую роль в этом процессе играет вторичная моторная кора (M2). Когда эксперты умеренно подавляли ее активность во время обучения, мыши не улучшали свои результаты с практикой. Но как только подавление прекращали, способность к многозадачности быстро восстанавливалась и продолжала расти. Это доказывает, что M2 не просто участвует в выполнении задач, а критически важна именно для обучения многозадачности.

Исследователи проверили, можно ли применить выявленный биологический принцип к машинным системам. Они обучили рекуррентные нейронные сети решать похожую двойную задачу. Оказалось, что простое жесткое разделение представлений о задачах — не самый эффективный путь. Сети обучались быстрее, если на ранних этапах сохранялась координация между задачами, а разделение представлений происходило постепенно, точно так же, как это делает живой мозг.

По словам профессора Ке Я, исследование позволило увидеть сам механизм обучения многозадачности: на раннем этапе даже снижение активности нейронов, отвечающих за одну задачу, помогает справляться с конкурирующей задачей и обеспечивает первые успехи.

Профессор Юнг Вин‑хо подчеркивает, что эффективная многозадачность — это баланс между координацией и специализацией. Эти принципы могут не только помочь лучше понять нарушения многозадачности при неврологических заболеваниях, но и стать основой для создания ИИ, который будет учиться управлять несколькими задачами так же гибко, как это делает человеческий мозг.