И все же некоторые исследователи, и я в том числе, чувствовали, что по-настоящему выяснить, зачем нужны новые нервные клетки, таким образом невозможно. Мы считали, что ключом к пониманию нейрогенеза взрослых должна быть функция зубчатой извилины. Новые клетки – зернистые, они встраиваются в ее сеть. Структура связей в зубчатой извилине хорошо известна, поэтому можно было ставить очень конкретные вопросы о том, как эта сеть изменится, если добавить пару новых нейронов.

Для этого можно смоделировать зубчатую извилину на компьютере и проверить, что будет, если изменить в этой модели количество клеток. Сложность с подобными компьютерными моделями в том, что результат, конечно, очень сильно зависит от их устройства: настолько, что некоторые утверждают, будто с их помощью можно доказать все, что угодно, и они показывают лишь, в чем именно были предвзяты их создатели. Разумеется, в этом есть доля истины, но в конечном счете отсюда следует только то, что такая модель требует очень тщательного рассмотрения с учетом решений, которые она предлагает, и что лучше всего сравнить между собой несколько моделей.

Так и произошло, потому что разные группы ученых испробовали этот подход параллельно и с совершенно разными идеями.

Самые обширные исследования на эту тему провел Брэд Аймон, который работал с Фредом Гейджем. Его модель была самой сложной и очень далеко продвинула науку вперед^{50}. Однако, как ни странно, его прогнозы оказались совсем недалеки от того, что на основании гораздо более простых моделей предположили мы с моим коллегой Лауренцем Вискоттом или канадская исследовательница Сью Беккер. В конечном итоге это сильно успокаивало: гипотеза была в достаточной степени независима от модели, на основе которой ее развивали.

Брэд Аймон видит в новых клетках возможность снабдить информацию своего рода временнóй отметкой, в результате чего они помогают соответствующим образом регистрировать вещи, связанные друг с другом по времени. Это тоже контекстуализация, в данном случае в первую очередь временнáя. И хотя в случае условного рефлекса страха исходно речь шла о пространственном обусловливании (клетка, лифт и т. д.), конечно же, важно, как именно нахождение в данном контексте связано с неприятным опытом во времени. Только так может сформироваться условный рефлекс.

Здесь напрашивалось очень интересное обобщение. Дело в том, что уже некоторое время существовала теория, согласно которой важная функция гиппокампа состоит в так называемой сепарации паттернов (pattern separation), то есть в способности воспринимать различные, но похожие между собой и близкие во времени раздражители отдельно. Это та же временнáя отметка, но в другом обличье, и здесь был сделан существенный шаг вперед.

Последовала целая череда работ, где удалось более или менее хорошо показать, что новые нервные клетки действительно способны улучшить деятельность зубчатой извилины в плане сепарации паттернов. Модели Аймона выдержали испытание экспериментом, гипотеза, полученная на компьютере, подтвердилась.

Мы с Лауренцем Вискоттом придумали значительно более простую модель сети гиппокампа^{51}. Согласно нашему предположению, функция новых клеток должна быть настолько базовой, что она проявилась бы даже в существенно редуцированных моделях. Так оно и было. Наша модель показала, что гиппокампальная сеть с новыми нейронами, сталкиваясь с новыми условиями, делает меньше ошибок, чем в отсутствие новых клеток. Если хорошенько подумать, это не так уж далеко от идеи сепарации паттернов, но у нас на уме был несколько иной аспект: мы думали о гибкости. Новые нейроны могли бы быть решением главной проблемы сетей: как они обращаются с новой информацией? Наша модель подтвердила, что нужно совсем немного новых клеток, и сеть будет менее склонна к ошибкам, когда от нее требуется гибкая реакция.

Сью Беккер из Канады пришла к совершенно аналогичному выводу и выразила всю идею через легко запоминающуюся аналогию. Если угодно, ее можно было бы представить в лос-анджелесской формулировке и в мюнстерской версии. Сью Беккер выбрала североамериканский вариант: допустим, вам приходится каждый день ездить на работу на машине, и вы всегда оставляете ее на гигантской парковке вашей фирмы. Каждый день вам нужно запоминать, где вы припарковались. Свое знание об этой парковке вам ежедневно приходится дополнять единственной, но важнейшей деталью, а именно где вы сегодня оставили автомобиль. Для этого не нужно забывать (или перезаписывать), где вы парковались вчера, – эта информация не имеет никакого значения. Помните ли вы, где оставляли машину 27 июля прошлого года, не поможет вам снова найти ее сегодня вечером.

Вряд ли вы решите эту задачу, если запомните, что остановились возле желтого автомобиля. Желтый автомобиль к вечеру может уехать, кроме того, на этой парковке таких машин может быть много. Лучше сделать вот что: мысленно нанести в правильное место на карте парковки, которую вы уже давно запечатлели в уме, новый крестик, и опять же в уме и совершенно бессознательно добавить временнýю отметку.

Илл. 24. Аналогия между функцией новых нейронов, которые образуются в гиппокампе взрослого, и парковкой показывает, что новые нервные клетки используются для гибкой актуализации имеющегося знания. Точно так же на парковке приходится заново искать место и опять запоминать, где именно вы поставили машину, причем для этого не нужно с нуля заучивать «всю парковку» или забывать, где автомобиль стоял вчера

Легко понять, как здесь сходятся различные гипотезы о функции новых нейронов. Речь о том, чтобы гибко вносить новую информацию в воспоминания и представления. Для этого нужно определить и знать, что в ситуации изменилось, а также представлять себе контекст. Новую информацию нужно связать с контекстом и гарантировать, чтобы она распознавалась как новая – до следующего дня, когда поступят другие сведения о другом свободном месте на громадной парковке, которое не следует путать со старым.

А мюнстерская версия? Все то же, только с велосипедами на вокзале…

Мы с моим коллегой Александром Гарте немного злились, что великолепная парковочная аналогия пришла в голову Сью Беккер, а не нам. Но мы сказали себе, что, если эта идея верна – а мы со всей ясностью осознавали ее очевидность, потому что этот вывод откровенно напрашивался из совместных работ с Лауренцем Вискоттом, – то отсутствие новых нейронов должно также проявляться в испытаниях, которые были бы ближе к жизни, чем мигательный рефлекс, условный рефлекс страха и диковатые эксперименты с сенсорным экраном на мышах, где те в качестве пальца используют нос (с помощью последних подтвердили гипотезу сепарации паттернов).

Однако, к сожалению, различные исследования показали, что результаты, которые мыши и крысы демонстрируют в водном лабиринте Морриса, не слишком зависят от того, исключены ли новые нейроны из процесса или включены в него. Существует линия мышей, у которых не хватает определенного гена – по прихоти природы у этих животных он отвечает исключительно за деление стволовых клеток в гиппокампе. Этих мышей вдоль и поперек исследовали в различных тестах, включая тест Морриса. Было ясно: для обучения «как такового», в какой бы степени оно ни было обусловлено функциями гиппокампа, новые клетки не нужны. Но мы предположили, что эти тесты, возможно, не подходят для тех аспектов обучения, за которые отвечают новые нервные клетки. Поэтому, исходя из своих теоретических рассуждений, мы использовали вариант водного лабиринта, в котором можно измерить гибкость в обучении. Мышей учат находить платформу в бассейне, затем, на следующий день, коварно перемещают ее в другое место, а животным ничего не говорят. Разумное поведение с их стороны – сначала посмотреть в старом месте, а потом быстро пуститься на поиски, используя при этом знания из первого тура. Мы обнаружили, что мыши без новых нервных клеток прекрасно обучались в первом раунде, хотя, может быть, и немного медленнее, чем животные, у которых шел нейрогенез взрослых. Но затем они гораздо дольше искали платформу на старом месте, прежде чем приняться за обучение вновь. Они залипли на старой информации, были менее гибкими^{52}. Это хорошо сочеталось с нашей гипотезой.