دانشمندان توانایی تصمیم گیری مغز را رمزگشایی کردند
راستابلاگ: یک چارچوب ریاضی جدید نشان میدهد که چگونه قشر پیش پیشانی مغز، سیگنال های ترکیبی را برای هدایت تصمیم گیری پردازش می کند و اطلاعات جدیدی را برای مراقبت های بالینی آینده و نسل بعدی هوش مصنوعی ارائه می دهد.
به گزارش راستابلاگ به نقل از ایسنا، مدل ریاضی جدید دانشمندان علوم اعصاب «دانشگاه پرینستون» چگونگی پردازش نشانه های مختلف مغز همچون مناظر و صداها را در طول روند تصمیم گیری آشکار می سازد. یافته های این پژوهش ممکنست روزی بتوانند مدارهای مغزی لطمه دیده طی اختلالات عصبی مانند آلزایمر را بهبود ببخشد و به مغزهای مصنوعی مانند دستیار صوتی «الکسا»(Alexa) یا فناوری خودرو های خودران کمک کنند.
به نقل از وب سایت رسمی دانشگاه رینستون، انسان ها هنگام پیاده روی به سوی محل کار، با سیگنال های حسی زیادی در طول مسیر خود روبه رو می شوند؛ همچون درخشش خطوط عابر پیاده که نشان میدهد عبور از آن امن است یا باید مراقب ترافیک مقابل بود. در صورتیکه مردم آغاز به عبور از خطوط عابر پیاده می کنند، یک آمبولانس ممکنست درحال آژیر کشیدن از خیابان بگذرد و به سوی تقاطع بپیچد. اینکه مغز چگونه اطلاعات حسی متناقض و مرتبط مانند نشانه های رنگی و آژیرهای بلند را می فهمد و تصمیم معقولی می گیرد، مدت ها مورد بررسی قرار گرفته اما هنوز یک راز است.
یکی از ناحیه های مغز که برای تصمیم گیری حیاتی محسوب می شود، قشر پیش پیشانی مغز است که دقیقا پشت چشم ها قرار دارد و به عنوان مرکز شناخت درنظر گرفته می شود. پژوهش های پیشین نشان داده بودند که واکنش انفرادی سلول های مغز در قشر پیش پیشانی هنگام تصمیم گیری چندوجهی و پیچیده است. به عنوان مثال، یک نورون در قشر پیش پیشانی مغز ممکنست تنها در واکنش به چراغ سبز راهنمایی شلیک کند تا مانع عبور عابر پیاده شود. با این وجود، دانشمندان تا حالا درک یکپارچه ای از نحوه پردازش سلول های مغز در قشر پیش پیشانی، اطلاعات حسی مانند نشانه های ترافیک و سپس تولید خروجی های رفتاری مانند تصمیم به پیاده روی نداشته اند.
روش های ریاضی گوناگونی پیش تر برای درک مکانیسم های مداری که پویایی عصبی را به خروجی رفتاری مرتبط می کنند، مورد استفاده قرار گرفته اند اما هر کدام از آنها محدودیت های خاص خودرا دارند. دکتر «کریستوفر لنگدون»(Christopher Langdon) و «تاتیانا انگل»(Tatiana Engel) محققان این پروژه، چارچوب ریاضی جدیدی را به نام «مدل مدار نهفته» برای توضیح بهتر تصمیم گیری پیشنهاد کردند. لنگدون اظهار داشت: هدف از پژوهش این بود که بفهمیم آیا مکانیسم های کم بعدی در داخل شبکه عصبی بازگشتی بزرگ عمل می کنند یا خیر.
لنگدون و انگل برای آزمایش فرضیه خود، ابتدا مدل جدید را برای شبکه های عصبی تکراری که برای تصمیم گیری وابسته به زمینه آموزش دیده بودند، اعمال کردند. آنها با بهره گیری از مدل جدید خود دریافتند وقتی حرکت یک نشانه مهم برای ردیابی است، سلول های قشر پیش پیشانی مغز که شکل را پردازش می کنند، جلوی سلول های همسایه را که به رنگ توجه دارند، می گیرند. وقتی از آنها خواسته شد که قرمز را در مقابل سبز تشخیص دهند، برعکس این کار انجام شد. لنگدون اظهار داشت: پیدا کردن مکانیسم قابل تفسیر و ساختگی که درون یک شبکه بزرگ پنهان شده است، بسیار هیجان انگیز بود.
مدل مدار نهفته، پیش بینی هایی را درباره ی نحوه تغییر انتخاب ها در زمانی ارائه می دهد که قدرت اتصالات بین گره های پنهان تغییر می کند. این یک مدل قوی است برای اینکه به محققان امکان می دهد تا بررسی نمایند که آیا ساختار اتصال پنهان واقعاً برای پشتیبانی از عملکرد مورد نیاز است یا خیر. در حقیقت، دانشمندان دریافتند که با حذف اتصالات خاص از مدار، عملکرد به روش های قابل پیش بینی لطمه می بیند.
مغز انسان با تعداد نورون های بیشتری نسبت به ستاره های کهکشان راه شیری، به طرز وحشتناکی پیچیده است؛ اما مدل مدار نهفته، فرصت های جدیدی را برای آشکار کردن مکانیسم هایی باز می کند که توضیح می دهند چگونه اتصال بین صدها سلول مغز به ارائه محاسباتی می انجامد که افراد را به انتخاب های متفاوت سوق می دهند.
این پژوهش در مجله «Nature Neuroscience» به چاپ رسید.
منبع: rastablog.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب