CC BY
7
ция, по утверждению авторов, должна быть представлена в удобном для поиска формате.
Усилия по интеграции проектов и достижению их общей цели могут быть также значительно облегчены при помощи совместных исследований межвидовых отличий структуры и функций мозга. Любые технологические новации в области картирования и визуализации мозга должны применяться к исследованию мозга нечеловеческих приматов (non-human primates), чтобы получаемые эмпирические данные были в итоге доступны исследователям, работающим с разными видами.
В различных масштабных проектах в области нейронауки могут применяться разные стратегии и методы, но тем не менее все они работают над совершенствованием техник исследования мозга с конечной целью понимания его фантастической сложности. Прогресс в этом деле внесет неоценимый вклад в дело лечения и профилактики неврологических и психических расстройств. Поэтому более тесная кооперация между всеми независимыми проектами -главная цель, над достижением которой должны трудиться все исследователи.
М.А. Сущин
2017.03.011. ОЛДС Дж.Л. ВОСХОЖДЕНИЕ КОЛЛЕКТИВНОЙ НЕЙРОНАУКИ.
OLDS J.L. The rise of team neuroscience // Nature reviews neuroscience. - 2016. - Vol. 17, N 10. - P. 601-602. - DOI: 10.1038/nrn. 2016.116. - Mode of access: http://www.nature.com/nrn/journal/ v17/n10/abs/nrn.2016.116.html
Ключевые слова: нейронаука; масштабные проекты исследования мозга; коллективный подход организации науки; исследования с единственным главным исполнителем.
Профессор молекулярной нейронауки Института перспективных исследований Краснова Университета Джорджа Мэйсона, директор отдела биологических наук Национального научного фонда США Джеймс Л. Олдс рассматривает организационные вопросы, связанные с ведением исследований в рамках современных масштабных проектов изучения мозга. В центре внимания автора -принципиальный переход от традиционной для нейронауки формы
ведения исследования с единственным главным исполнителем, или лидером, к исследованиям, осуществляемым большими коллективами или командами ученых.
Автор отмечает, что человеческий мозг - это наиболее сложный объект известной Вселенной, и задача понимания принципов порождения им познания и сложных форм поведения представляет собой вызов, с которым в настоящее время имеют дело несколько крупных, уже осуществляемых или готовящихся к запуску проектов изучения мозга. Это американский проект The BRAIN Initiative (Brain Research Through Advanced Innovative Neurotechnologies), европейский The Human Brain Project (Проект «Мозг человека»), японский проект The Brain / MINDS (Brain Mapping by Integrated Neurotechnologies for Disease Studies), а также другие схожие проекты в Канаде, Австралии, Южной Корее и Китае.
С учетом их направленности на достижение существенного прогресса в деле понимания структуры и функций человеческого мозга данные инициативы, считает автор, должны придерживаться стратегий и подходов, которые позволят «наиболее эффективно справляться с вызовом сложности нервной системы человека (содержащей 1015 синапсов, которые оперируют на шкале миллисекунд)» (с. 601). Даже такие организмы, как дрозофила фруктовая или данио-рерио, обладают нервной системой, для изучения которой необходимы большие коллективные проекты. Поэтому в современных масштабных проектах должны использоваться коллективные или командные формы ведения исследований в нейронауке, тогда как исторически в ней преобладали проекты под руководством одного ведущего исследователя (single-principal-investigator (PI)-led projects) (с. 601).
Масштабные коллективные проекты в науке впервые появились в XX в. Так, в Манхэттенском проекте, отмечает автор, в свое время на пике работ было задействовано свыше 125 тыс. человек. Позднее коллективная форма ведения исследований неоднократно успешно применялась в физике (в рамках исследований, проводимых при помощи Большого адронного коллайдера в ЦЕРНе и ла-зерно-интерферометрической гравитационно-волновой обсерватории в США) и науках о жизни (в проекте «Геном человека» и др.).
Коллективную форму организации науки отличает не только иное количество задействованных специалистов, но и стоимость
исследований. Так, расходы Национального научного фонда США (ННФ) на те же исследования на базе лазерно-интерферомет-рической гравитационно-волновой обсерватории в два раза превышали выплаты по среднестатистическому гранту, выдаваемому этим фондом. Такие задачи, как построение коннектома, т.е. полного описания всех связей в нервной системе организма, требуют применения множества сложных и затратных технологий (например, приготовления тканей в индустриальном масштабе, сложных методов визуализации, а также актуального программного и аппаратного обеспечения для сегментации и реконструирования данных). Поэтому, полагает автор, традиционная система финансирования исследований в области нейронауки должна быть изменена.
«Переход к коллективной нейронауке, - пишет автор, - ставит вызовы перед всеми участниками исследований в этой области» (с. 601). Помимо изменения подхода к финансированию меняется и сама форма исследований: нейроученые должны тесным образом сотрудничать с математиками, физиками, инженерами и специалистами из других областей. Более того, в этом конвергентном контексте претерпят изменения базовые навыки и квалификация исследователей: от одного исследователя потребуется, например, умение работать с электрофизиологической аппаратурой и продвинутое владение такими языками программирования, как Python, и т.п.
Поэтому нейронаука, считает автор, должна ориентироваться на принципы исследовательской кооперации, а не соперничества. И это, как показывает пример физики или астрономии, вполне достижимо. Подобного рода исследовательская культура должна прививаться уже в рамках университетских образовательных программ, начиная с бакалавриата и далее к послевузовскому образованию.
Еще одна проблема, связанная с переходом к большим коллективным исследованиям в нейронауке, заключается в определении вклада каждого индивидуального исследователя в полученных научных результатах. В основном это касается публикаций, количество авторов в которых превышает 100 исследователей (в особенности с учетом всевозрастающего участия в них молодых ученых). Тем не менее, полагает автор, текущее положение дел в других дисциплинах свидетельствует о том, что данная проблема
решаема и в нейронауке в контексте ее новых масштабных коллективных предприятий. Ключ к ее решению заключается в использовании идентификационных средств вроде идентификатора «Открытый исследователь и автор» (Open Researcher and Contributor ID -ORCID), а также в автоматическом присвоении идентификаторов самим научным публикациям с их последующей объективной оценкой специальными комитетами.
Новые масштабные коллективные инициативы в нейронауке обещают принести небывалые по значимости результаты, которые позволят эффективно диагностировать и лечить такие заболевания, как болезнь Альцгеймера, шизофрения, аутизм и т.д. С точки зрения автора статьи как руководителя ведущего федерального агентства по финансированию фундаментальных исследований в США, усилия, направленные на поддержку коллективных проектов в ней-ронауке, должны носить синергический характер. Каждая крупная мировая инициатива сама по себе может рассматриваться как часть глобального коллектива: «Координация, - пишет он, - будет ключом к общему успеху» (с. 602).
М.А. Сущин
2017.03.012. МИЛКОВСКИЙ М. МЕХАНИСТИЧЕСКАЯ КОНЦЕПЦИЯ ВЫЧИСЛИТЕЛЬНЫХ ОБЪЯСНЕНИЙ В КОГНИТИВНОЙ НАУКЕ И ВЫЧИСЛИТЕЛЬНОЙ НЕЙРОНАУКЕ. MILKOWSKI M. A mechanistic account of computational explanation in cognitive science and computational neuroscience // Computing and philosophy: Selected papers from IACAP 2014 / Ed. V.C. Müller. -Berlin: Springer, 2016. - P. 191-205. - Mode of access: http://www.springer.com/br/book/9783319232904#
Ключевые слова: вычисление; вычислительное моделирование; объяснение; механизм; уровни; обработка информации.
Специалист в области философии когнитивной науки, научный сотрудник Института философии и социологии Польской академии наук М. Милковский предпринимает попытку представить целостную интерпретацию вычислительных объяснений в когнитивной науке и вычислительной нейронауке в рамках механистической объяснительной перспективы. Общеизвестно, что вычислительное моделирование является одним из краеугольных камней
