Зак Шонбран - Как работает мозг спортивных гениев. Нейробиологическая основа высоких достижений

Когда осенью 2014 г. два исследователя впервые тестировали свой шлем на игроках бейсбольной команды Университета Брэдли, они наконец до конца осознали масштаб идеи, которую разрабатывают, и ее возможное значение для бейсбола. Тренеров особенно интересовал результат одного игрока, который, похоже, испытывал проблемы на поле, несмотря на очевидный атлетизм и впечатляющий замах. Джордан, которому тогда было 29 лет – стройный, с мальчишеским лицом, коротко подстриженными темными волосами и густыми бровями, – терпеливо объяснял параметры, записанные в процессе тестирования работы мозга игрока; на научном жаргоне они назывались «эффективность нейронного декодирования», «метрика позиции принятия решения» и «сила нейронного распознавания». Он сообщил тренерам, что у этого игрока «нейронная кривая смещена назад»: он запаздывает с распознаванием подач и поэтому поздно принимает решение о замахе.

Тренеры долго молчали. Потом один из них сказал: «Мы никак не могли понять, почему он не лучший игрок команды». Теперь у них появилось объяснение. «Это было как “Да, да, да!”», – впоследствии рассказывал мне Джордан.

Джейсон и Джордан демонстрировали бейсбольную версию процесса, известного как быстрое перцепционное принятие решений и совсем не похожего на решения, над которыми мы размышляем (что приготовить сегодня на обед) или которые вычисляем (какой шахматной фигурой пойти). Однако способности хиттера зачастую ошибочно приписывают скорости реакции, которая для всех более или менее одинакова. Мы каждый день принимаем множество быстрых решений. Как и большинство процессов, связанных с мозгом, их можно свести к пространственной и временной схеме активации взаимосвязанных нейронов. У бейсболистов – по крайней мере хороших – эта активация происходит не так, как у других людей, и реагируют они на нее тоже иначе. В результате они умеют распознать подачи, подобно тому, как любители автомобилей могут узнать марку и модель автомобиля, исчезающего вдали, или энтузиасты, наблюдающие за птицами, по мелькнувшему оперению или характеру полета безошибочно называют вид пернатых. Опытный шахматист точно так же визуализирует и интерпретирует передвижение фигур на доске. Мы всегда об этом знали или догадывались – исходя из регулярной статистики, которая на протяжении десятков лет использовалась для вычисления ценности игроков, например среднего уровня достижений или процента попаданий на базу. Но все это, как постоянно указывает deCervo, случайные переменные. Они начинают действовать уже после окончания выхода игрока к бите. Они не учитывают, какой вклад в эту статистику вносит удача, например когда мяч выскользнул из перчатки игрока защищающейся команды или когда ветер вдруг сменил направление и исправил ошибку игрока. Разработаны также усовершенствованные методы анализа, которые помогают исключить часть этих факторов, но они очень трудоемкие и сложные. Их редко используют в низших лигах бейсбола – и никогда тренеры-селекционеры, которые охотятся на будущих звезд в университетах или за рубежом.

Первые испытания с разными командами из Брэдли, Брауна и Колумбийского показали, что программа deCervo способна строить графики, которые с точностью до миллисекунды указывают, когда бэттер принимает решение отбивать или не отбивать мяч во время подачи. Например, игрок с битой в руках видит, как мяч, летящий со скоростью 145 км/ч, отклоняется в сторону и вниз, и не делает попытки его отбить. Программа deCervo может определить момент, когда он решает просто следить за мячом, а не отбивать его. Это регистрируется на ЭЭГ в виде крошечных всплесков нейронной активности. После дополнительных испытаний удалось получить графики, отображавшие весь спектр времени реакции для разных подач, графики уровня концентрации бэттера (на основе движений глаз и соответствующих колебаний активности мозга) перед подачей, а также графики, отражавшие активность того отдела мозга, который активизировался при принятии решения. Через год исследователи посмотрели на средний уровень достижений игроков, вычисляемый традиционным методом, и сравнили с измеренными параметрами нейронной активности. Затем они показали результат сравнения всем тренерам. «Совпадение было идеальным», – рассказывал мне Элвис Домингес, тренер команды Университета Брэдли. Он начал делать ставку на тех игроков, которые показали лучшую способность пропускать подачи, что, по его убеждению, помогло повысить процент достижения бэттером первой базы.