— Так, — я схопив суть, але не міг збагнути, як це стосується мого сина.

Енді Далтон наче прочитав мої думки.

— Тепер до основного. 2007-го молодий професор Каліфорнійського університету в Берклі Джек Ґеллент першим здогадався застосувати алгоритми машинного навчання для розпізнавання образів, згенерованих зоровою зоною кори головного мозку. Те, яка частина кори відповідальна за формування візуальних образів у свідомості, відомо давно. Джек Ґеллент першим подумав, що з активності в корі можна витягти щось більше, ніж різнокольорові плямки на схематичному зображенні мозку. Він написав програму, що давала змогу фіксувати активність нейронів чи, якщо бути точним, зміну активності нейронів у корі залежно від простих геометричних ілюстрацій, на які дивиться піддослідний, потім порівнювала цю активність із картинками й таким чином навчалася. Для вимірювання мозкової активності Ґеллент скористався методом функціональної томографії — фМРТ. Принцип фМРТ простий: шляхом визначення концентрації кисню в окремих зонах мозку можна встановити активність нейронів. Річ у тім, що активні нейрони споживають багато енергії, їх розряджання спричиняє підвищення потоку крові у прилеглих капілярах, що, у свою чергу, призводить до посилення концентрації кисню, а це легко вдається зафіксувати томографові.

Далтон пробігся пальцями по клавішах:

— Ось типове зображення мозку під час функціональної томографії. Оранжевим позначено зони з підвищеною активністю нейронів.

Я кинув погляд на інтерактивну дошку. У центрі розгорнувся сірий зріз мозку з яскравими та дуже чіткими — піксельними — плямами в потиличній частині. Пікселі у плямах відрізнялися різними відтінками — від світло- оранжевого до майже коричневого.

Повернувшись назад до Далтона, я невпевнено проказав:

— Як саме система того професора навчалася?

— Зараз поясню. Джек Ґеллент не мав шолома, подібного до нашого, йому доводилося заштовхувати піддослідного (наче в якийсь тубус) до велетенської МРТ-труби. Утім, працював за аналогічним принципом. Він вмикав магніторезонансний томограф, показував піддослідному прості геометричні зображення, наприклад, смужки з різними кутами нахилу, та фіксував зміни активності нейронів у ділянці мозку, що відповідає за первинний аналіз зорової інформації. Метод функціональної томографії не дає змогу отримати доступ до окремих нейронів. По суті, апарат фіксує усереднену активність багатьох тисяч клітин у межах певного мінімального об’єму. Через це Ґеллент розбив мозок піддослідного на тисячі уявних вокселів. Воксель — це як піксель, лише для об’ємних картинок. Подібно до того як ми формуємо двовимірне зображення з маленьких кольорових квадратиків-пікселів, 3D-модель можна представити у вигляді набору крихітних кубиків-вокселів. Із цим усе гаразд — уявляєте?

— Ну… — я повільно підняв і опустив плечі.

Доктор Далтон поклацав по клавіатурі й вивів на дошку наступне зображення.

— Це 3D-модель мозку у вигляді набору вокселів. На малюнку вокселі не мають кольорів, але під час досліду вони, як і пікселі, стають кольоровими, причому колір відповідає рівню усередненої активності нервових клітин, що ніби як утиснені у воксель. Фактично, воксель — це мінімальний, замкнений у крихітному кубі об’єм мозку, зміну активності якого може сприйняти томограф.

— Тепер о’кей.

— Чудово! Спочатку Джек Ґеллент демонстрував піддослідному серію паралельних вертикальних рисок. Потім — діагональних, помалу змінюючи кут їхнього нахилу. Потому — горизонтальних. Томограф фіксував зміну активності вокселей у зоровій зоні кори. Звісно, нам, ученим, хотілося б, щоби зміна активності нейронів у певному вокселі відповідала конкретному куту нахилу рисок, на які дивиться піддослідний, але це було не так. Виявилось, що свідомість може сприймати один і той самий візуальний образ через різні групи нейронів. Важливими були комбінації або візерунки активності вокселей. Саме їх Ґеллент застосував для машинного навчання своєї програми. Він провів безліч дослідів за різних кутів нахилу рисок, примусив програму аналізувати візерунки, утворені з активних вокселів, і зрештою отримав комп’ютерну модель, у якій різним кутам нахилу рисок відповідали різні візерунки активації вокселів. Модель була реверсивною, тобто уможливлювала зворотну операцію — тепер, зафіксувавши візерунок активних нейронів, Джек Ґеллент міг угадати кут нахилу рисок, які споглядає його піддослідний.

Я незчувся, як розповідь американця захопила мене, і несамохіть нахилився ближче. Помітивши рух, Далтон усміхнувся. Попри зморшки, що на засмаглому лиці здавалися радше подряпинами, він виглядав хлопчаком, безмежно щасливим тому, що його історія захопила однолітків.

— Це був тільки початок, — продовжив він. — Професор Ґеллент не припиняв навчати програму. Він набрав більше добровольців, а після рисок зосередився на складніших геометричних зображеннях. Відчувши, що програма накопичила достатньо досвіду, Ґеллент запустив зворотній процес: почав показувати піддослідним картинки, які вони (а отже, і програма) раніше не бачили, потому фіксував візерунки активних нейронів, завантажував їх у програму та примушував її «вгадувати», тобто вибудовувати на екрані те, що, на її думку, в цю мить бачить людина.

Енді Далтон схилився над клавіатурою.

— Наприклад, піддослідним демонстрували ось такий чорний квадрат на білому тлі, обрамлений чорною рамкою.

Я повернув голову до дошки.

— А ось що після зчитування сигналів із мозку вибудувала програма.

На місці попереднього виникло, на перший погляд, невпорядковане зображення із пікселів різних відтінків сірого.

Я не мусив придивлятися, щоб збагнути: попри видиму хаотичність, зображення загалом подібні. У центрі чітко проглядався темний квадрат в обрамленні більш світлих пікселів.

— Це не єдиний приклад. Ось іще кілька зображень, побудованих програмою під час експерименту, — на дошці з’явилося шість чорно-білих квадратів, розташованих у два ряди. — У верхньому ряді — малюнки, які Ґеллент показував піддослідним, у нижньому — їхні відповідники, намальовані програмою.

Я не зводив очей із дошки. Зображення нижнього ряду виглядали наче притуманеними та водночас достатньо виразними, щоби безпомилково зіставити їх із відповідниками, розміщеними у верхньому ряді.

— У складнішій версії експерименту, — розказував далі доктор Далтон, — яку 2008-го зреалізувала команда японських учених під керівництвом Юкіясу Камітані, прості чорно-білі фігури замінили на білі й дещо спрощені літери на чорному тлі. Схожу програму тривалий час вивчали, після чого різним піддослідним показували просте слово з шести літер. І кожного разу програма генерувала картинку, з якої експериментатори без особливих зусиль могли прочитати вихідне слово, — чудово усвідомлюючи, як прозвучить наступна фраза, Енді Далтон підняв указівний палець, а з-під розтягнутих у широкій посмішці губів блиснули по- голлівудському доглянуті зуби. — І слово було neuron.

Я також усміхнувся. Далтон перемкнувся на інший малюнок:

— Це малюнок зі статті, опублікованої японцями. Угорі, як ви розумієте, — те, що демонстрували піддослідним.

Посмішка на моєму лиці поступилася місцем здивуванню. Я прикипів очима до нижнього рядка. Як і в попередніх прикладах, літери виглядали розмитими, вони наче мерехтіли, та я ні на мить не сумнівався, що зміг би прочитати «neuron» навіть у тому разі, якби не бачив верхнього напису.