Исследование ученых из Университета Джонса Хопкинса проливает свет на то, как млекопитающие отслеживают свое положение и ориентацию в пространстве во время движения. Ученые показали, что визуальные подсказки движения позволяют мозгу корректировать и перекалибровывать свою внутреннюю карту даже при отсутствии стабильных визуальных ориентиров.
Когда вы движетесь в пространстве, ваш мозг получает множество сенсорной информации о вашем положении и скорости, и ему нужно все это упорядочить. В ходе экспериментов стало ясно, что мозг способен постоянно перекалибровываться, основываясь исключительно на оптическом потоке – визуальных паттернах движения, которые человек воспринимает при перемещении.
Исследовательская команда изучала, как мозг млекопитающих использует визуальные подсказки для ориентирования в пространстве. Ученые предположили, что, изменяя скорость и направление визуальных меток в виртуальной реальности, можно изменить восприятие животными своего местоположения.
В рамках эксперимента крысы передвигались в виртуальной реальности, где на стены проецировались светящиеся полосы. Полосы создавали подсознательную подсказку о скорости и общем местоположении крыс в пространстве. Когда полосы начинали вращаться в противоположную сторону при каждом шаге крыс, гиппокамп крыс реагировал так, будто они двигались в 2 раза быстрее, и их восприятие местоположения искажалось.
Лабораторная установка: a – купол виртуальной реальности, b – проецируемые полосы.
Спустя некоторое время после выключения проекции полос крысы продолжали воспринимать себя как движущихся быстрее, чем они были на самом деле. Эксперимент доказал, что мозг млекопитающих может перекалибровывать свою скорость и местоположение без визуальных ориентиров.
Исследование также проливает свет на работу гиппокампа млекопитающих – области мозга, связанной с болезнью Альцгеймера и другими видами деменции. Понимание, как мозг создает такие когнитивные карты, может дать представление о том, как память слабеет с возрастом и при деменции.
Кроме того, результаты исследования могут найти применение в робототехнике. Открытие может способствовать разработке алгоритмов ИИ и машинного обучения, предназначенных для интеграции визуальной информации с представлениями пространства, что в конечном итоге проложит путь к созданию сложных когнитивных систем.