Горбунов И.А.
Системная диагностика психических явлений по физиологическим сигналам.
Психологическая диагностика человека по его физиологическим характеристикам, одна из проблемных областей современной психологии. Основной проблемой на наш взгляд является разный уровень явлений изучаемых психологией и физиологией в рамках системообразования. Причем психические явления можно назвать в данном контексте макроуровнем, а физиологические явления скорее микроуровнем. Явления же, которые пытаются использовать для диагностики в психофизиологии – мезоуровень. Например, поведение отдельного нейрона это микроуровень, общая активация определенной области мозга – мезоуровень, а, например восприятие определенного объекта в это же время, это макроуровень.
Очевидно, что для адекватного сопоставления явлений различного уровня и нахождения взаимосвязей между ними, необходимы определенные методы исследования, которые позволяли бы обобщать данные физиологии и психофизиологии и выходить на макроуровень. Теоретические изыскания в психофизиологии позволяют довольно отчетливо представить методы системообразования в физиологии (Ухтомский А.А., Анохин П.К., Швырков В.Б., Лурия А.Р., Хъюбел Д., Шеперд Г., Прибрам К., Иваницкий А.М., Хебб Д. и т.д.). Однако практические методы сопоставления данных о поведении человека и отдельных систем еще мало разработаны.
Необычайно сложно найти инвариантные стороны большой совокупности физиологических данных, которые бы объединяли их по принципу порождающих их функциональных систем и далее психических явлений. На наш взгляд для решения этой проблемы удобно привлечь такие методы анализа, которые, во-первых, упрощенно отражают основные принципы функционирования нервной системы, а во-вторых, позволяют довольно точно смоделировать изменения физиологических параметров (ЭЭГ, ЭКГ, КГР и т.п.). В качестве средств такого рода можно указать математические модели нейронных сетей. Эта тема сейчас чрезвычайно популярна в математике и множестве наук, наиболее полно использующих математический аппарат. Известны описания применения математических моделей нейронных сетей в физиологии.
Нейронная сеть в понимании математиков – совокупность элементов (нейронов), имеющих определенное состояние, и объединенных определенными связями (которые можно представить в виде матрицы), которые определяют непрерывное преобразование состояний нейронов. Изменение совокупности состояний нейронов можно назвать траекторией данной системы в фазовом пространстве или аттрактором. Изменение состояний любого подмножества нейронов можно представить в виде графика отражающего определенную функцию. Эта функция, исходя из математических теорий, может быть практически безгранично сложна (сложность будет зависеть от размеров сети). Причем при загрузке других начальных значений в состояния нейронов функция изменяется. Нетрудно представить, что можно подобрать такие значения матрицы связей, что нейронная сеть при загрузке в нее определенных значений будет с достаточной точностью моделировать несколько сигналов полученных в результате психофизиологических экспериментов. Отсюда одна матрица связей будет являться определенным инвариантом для множества сигналов отражающих физиологические процессы испытуемого в момент решения определенных задач. Свойства этой матрицы будут отражать характерные особенности данного испытуемого.
Однако возможно, что определенную совокупность сигналов можно смоделировать c с помощью разных матриц. Эта сложность очень похожа на основные проблемы факторного анализа - подбор количества факторов и вращение факторов. В нашем случае можно решить ее сходным образом.
Допустим мы имеем определенное количество физиологических кривых, снятых с одного испытуемого в процессе протекания различных психических явлений. Предположим, что во время прохождения сходных психических явлений активизируются одинаковые нейронные сети. Мы пытаемся смоделировать все эти сигналы с максимальной достоверностью, при этом используя минимальное количество сетей и их минимальный размер. После этого происходит процесс интерпретации каждой из матриц. При этом анализируются задачи решаемые испытуемым, объединенные тем, что в процессе их решения считывались сигналы, генерируемые одной матрицей, и находятся инвариантные стороны этих задач. После этого каждую матрицу можно назвать по аналогии с психическим явлением протекающим в процессе решения всех этих задачах. Это поможет нам лучше классифицировать и диагностировать психические явления.