← На главную
Guides· 6/7/2026· 4 мин чтения

Мозг умеет в многозадачность — но только если вы его к этому приучили

Исследование Джорджтаунского университета доказало: мозг физически перестраивается для параллельной работы. Вот как это использовать на практике.

Мозг умеет в многозадачность — но только если вы его к этому приучили
AI-assisted, edited by a human reviewer

Нейробиологи из Джорджтаунского университета опровергли устоявшееся представление: многозадачность — не иллюзия быстрого переключения, а реальный физиологический процесс. Мозг буквально перестраивает свою архитектуру, чтобы выполнять две задачи одновременно. Но есть условие.

Почему «четыре монитора» не делают вас продуктивнее

Десять лет назад многозадачность была культом. Несколько экранов, параллельные чаты, переключение между задачами каждые пять минут — всё это создавало ощущение занятости, но не давало результата.

Классическая нейробиология объясняла это просто: префронтальная кора (область мозга, отвечающая за исполнительные функции и принятие решений) — узкое горлышко. Она качественно обрабатывает ровно одну задачу. Всё остальное — иллюзия параллельной работы, на деле состоящая из быстрых переключений с потерей контекста.

Новое исследование, опубликованное командой профессора Максимилиана Ризенхубера из Медицинской школы Джорджтаунского университета, говорит: это правда, но только на начальном этапе обучения.

Что произошло в мозге после 30 000 испытаний

Исследователи отслеживали участников, которые выполнили более 30 000 испытаний по сортировке изображений на протяжении 5–10 недель через мобильное приложение-игру. До и после достижения мастерства снимались данные фМРТ (функциональная МРТ, показывает активность областей мозга) и ЭЭГ (электроэнцефалография, фиксирует электрическую активность нейронов).

Результат оказался неожиданным. После нескольких недель интенсивных тренировок нейронная активность физически смещалась: автоматизированная задача переходила из префронтальной коры в височную кору — область, оптимизированную для распознавания объектов и кодирования памяти.

Это не метафора. Мозг буквально создавал отдельные нейронные цепи для задачи, которая стала автоматической. Префронтальная кора при этом освобождалась — и могла заниматься чем-то новым параллельно.

Классический пример, который приводят авторы исследования: вождение автомобиля. Новичок тратит всё внимание на руль и педали. Опытный водитель разговаривает, слушает подкаст и думает о рабочей проблеме — и при этом не въезжает в столб.

Как это работает на практике: три этапа

Этап 1. Фаза нагрузки. Новая задача полностью занимает префронтальную кору. Никакой параллельной работы нет — и это нормально. Попытки совмещать на этом этапе только замедляют обучение.

Этап 2. Интенсивная практика под нагрузкой. Именно здесь происходит перестройка. Исследователи подчёркивают: нужны непрерывные упражнения под когнитивной или физической нагрузкой, а не расслабленные повторения. Мозг перемещает обработку задачи в височную кору только тогда, когда получает достаточный объём опыта — в эксперименте это десятки тысяч повторений за несколько недель.

Этап 3. Автоматизация и освобождение ресурсов. Когда задача «переехала» в височную кору, префронтальная кора снова свободна. Теперь она может использовать освоенный навык как строительный блок для чего-то нового — или обрабатывать вторую задачу параллельно.

Ключевой вывод доктора Ризенхубера: у многозадачности должна быть конкретная цель, к которой вы стремитесь. Хаотичное переключение между задачами — это по-прежнему не многозадачность, а трата ресурсов.

При чём здесь ИИ

Авторы исследования прямо указывают на разрыв между тем, как учится человеческий мозг, и тем, как устроены современные языковые модели.

Мозг использует автоматизированные навыки как фундамент для освоения следующих. Каждый новый навык опирается на предыдущий, не вытесняя его. Современные модели ИИ с этим справляются плохо: дообучение на новых данных часто разрушает ранее усвоенные паттерны — это называют «катастрофическим забыванием».

Понимание того, как мозг физически разделяет хранение автоматизированных и новых навыков, может дать архитектурные подсказки для следующего поколения нейросетей. Ризенхубер и соавтор Патрик Кокс планируют продолжить исследования в этом направлении — в частности, найти точные сигналы, запускающие миграцию задачи из префронтальной в височную кору.

Где это ломается

Конкурирующие сенсорные каналы. Если две задачи используют одни и те же физические механизмы восприятия (например, обе требуют зрительного внимания), параллельная обработка невозможна даже после автоматизации одной из них. Исследователи называют это «горизонтом совместимости цепей» и планируют изучить его пределы.

Зависимости и компульсивное поведение. Когда навык переходит в физические нейронные цепи височной коры, он становится менее доступен для сознательного контроля. Это объясняет, почему когнитивные стратегии вроде «просто подумай о чём-то другом» не работают с компульсивным поведением: оно буквально записано в другой области мозга, куда сознательное мышление не добирается напрямую.

Скорость перестройки. Эксперимент занял 5–10 недель и 30 000+ повторений. Быстрого пути нет. Любые техники «ускоренного обучения», обещающие автоматизацию за несколько дней, противоречат физиологии процесса.

Что попробовать дальше

Если вы хотите развить реальную параллельную обработку, а не имитировать её:

  • Выберите один навык, который хотите автоматизировать, и дайте ему достаточно времени и повторений — недели, не дни.
  • Практикуйтесь под нагрузкой, а не в расслабленном режиме: мозг перестраивается именно под давлением.
  • Не пытайтесь совмещать задачи на этапе обучения — это замедляет формирование нейронных цепей.
  • Когда навык автоматизирован, осознанно добавляйте вторую задачу — и следите, не конкурируют ли они за один сенсорный канал.

Само исследование опубликовано под названием «Extensive Experience Remodels Neural Task Circuitry to Escape the Frontal Bottleneck and Increase Automaticity of Categorization» — его стоит читать, если интересует методология фМРТ-экспериментов с долгосрочным отслеживанием участников.

Источники

By: PLai AI