Как белки находят тысячи тайников: нейронная хеш-функция в мозге

Исследователи опубликовали в Scientific Reports работу, которая объясняет, как животные вроде белок решают сложнейшую задачу поиска. Они не хранят в голове подробные «фотографии» мест или точные адреса — это потребовало бы колоссальной и неэффективной памяти. Вместо этого мозг использует хитрый и быстрый алгоритм.

Мозг как вычислитель: в чём фокус?

Учёные описали статический механизм, очень похожий на хеш-функции в информатике. Если говорить просто, хеш-функция превращает любые данные (хоть целую книгу) в короткий уникальный код фиксированной длины. Именно такой принцип, по мнению исследователей, реализован в нейронах гиппокампа.

Когда белка прячет запасы, она запоминает не точку на карте, а целый набор ощущений: запах коры, узор веток, освещённость, может быть, даже звуки. Вся эта многомерная информация сжимается нейронной сетью в компактный «хеш-код» — своеобразный цифровой отпечаток места. Удобно, правда?

Поиск работает так: белка, блуждая по лесу, в реальном времени генерирует хеш-код для своего текущего местоположения и сверяет его с библиотекой сохранённых кодов в памяти. Совпадение? Значит, клад рядом. Нет? Нужно двигаться дальше и проверять снова. Коды короткие, сравнение происходит почти мгновенно — вот и весь секрет эффективности.

Есть и ещё одно преимущество: хеш-код хранит только суть, самое важное для опознания места. Белка может забыть, как выглядело дерево летом с листьями, но сохранит в коде характер ветвления, который не меняется зимой. Если бы она хранила полную картинку, сезонные изменения сбили бы её с толку. Гениальная адаптация, не находите?

Математическая модель учёных точно соответствует активности «пространственных клеток» в гиппокампе, которые по-разному возбуждаются в разных зонах. На основе этой активности и строится биологическая хеш-функция. Это не просто теория — исследователи предложили правдоподобную схему работы нейронной сети, выполняющей такое хеширование.

Открытие не только даёт ответ на давнюю загадку поведения животных, но и предлагает свежий взгляд на работу нашей собственной пространственной памяти. Понимание этих принципов может подтолкнуть развитие новых моделей в нейробиологии и, кто знает, возможно, даже повлиять на архитектуру искусственных систем навигации.