Нейроны в мозге и узлы в искусственных нейросетях оперируют не только отдельными «да» и «нет», но и плавно меняющимися величинами: где именно находится предмет, какого он размера. Но нейронный ответ — штука капризная: один и тот же стимул вызывает чуть разные всплески активности от раза к разу. Как из этой мешанины извлекается точная информация?

Активность группы нейронов похожа на рисунок на песке. Ветер, то есть шум, постоянно размывает линии. Задача — по размытому рисунку угадать, что было нарисовано: где стоял объект и насколько он был большим. Авторы работы разработали математический аппарат, который оценивает, насколько хорошо это можно сделать, исходя из того, как «рисунки» для разных положений и размеров расположены друг относительно друга. Чем дальше друг от друга и чем чётче разделены эти узоры, тем надёжнее декодирование.

Теорию применили к реальным записям активности нейронов зрительной коры макаки. Выяснилось: по мере продвижения сигнала от первичных зрительных зон к более высоким, способность декодировать положение и размер объекта растёт. Мозг как будто постепенно «распутывает» информацию, делая её всё более доступной для считывания.

В итоге получается мост между сырой нейронной активностью и поведением: геометрия нейронных ответов напрямую связана с тем, насколько точно мозг может сообщить о том, что видит.