یک مطالعه جدید نشان می‌دهد که قشر مغز با تشخیص محرک‌های جدید و تشکیل ردپاهای حافظه کوتاه مدت به نام “پژواک (Echoes)”، آینده را پیش‌بینی می‌کند. این مکانیسم که از طریق مدل‌سازی شبکه عصبی تأیید شده است، نقش کلیدی در ادراک و یادگیری ایفا می‌کند.
قشر مغز بزرگترین بخش مغز پستانداران است و نقشی مهم در عملکردهای شناختی مختلف ایفا می‌کند. در انسان نیز، مسئول ادراک، تفکر، ذخیره حافظه و تصمیم‌گیری است. یک فرضیه حاکی از آن است که وظیفه اصلی قشر مغز، پیش‌بینی رویدادهای آینده با پردازش اطلاعات حسی جدید و مقایسه آن با انتظارات قبلی است.
مطالعه‌ای که اخیراً در نشریه Neuron منتشر شده، شواهدی قابل‌توجه در حمایت از این فرضیه ارائه می‌دهد. این تحقیق که توسط یوری شیمکیف، محقق فوق دکترا در آزمایشگاه پروفسور رافائل یوسته، رهبری شده، گام بزرگی به جلو در درک نقش پیش‌بینی کننده قشر مغز است.
شیمکیف گفت:
ما دریافتیم که قشر مغز مانند یک ماشین حافظه عمل می‌کند، تجربیات جدید را رمزگذاری کرده و آینده بسیار نزدیک را پیش‌بینی می‌کند.
یوسته با اشاره به اینکه این مطالعه همچنین به روشن شدن فرآیندهای مهم در مغز طبیعی کمک می‌کند، گفت:
این مطالعه بینش زیادی در مورد نقش قشر مغز و بیماری‌هایی مانند اسکیزوفرنی که به نظر می‌رسد قشر مغز در آنها دچار اختلال عملکرد است، ارائه می‌دهد. تازگی، تفاوت بین آنچه شما پیش‌بینی کرده‌اید که اتفاق می‌افتد و آنچه در واقع رخ داده است، می‌باشد. این تحقیق نشان می‌دهد که قشر مغز به‌طور مداوم محرک‌های جدید را تشخیص می‌دهد تا پیش‌بینی‌های خود از آینده را تغییر داده و بهبود بخشد. تشخیص تازگی، یک عملکرد حیاتی برای انسان‌ها و سایر حیوانات است.
نحوه پاسخ مغز به تازگی
این تیم تحقیقاتی، کار خود را با طراحی مطالعه‌ای برای شناسایی چگونگی پاسخ موش‌ها به ترکیبی از محرک‌های حسی آشنا و جدید آغاز کردند. محرک‌های موجود در آزمایش صداهایی بودند که در زیر و بم‌های مختلف پخش می‌شدند. پس از تصویربرداری از قشر شنوایی موش‌ها، بخشی از قشر مغز که صدا را پردازش می‌کند، آنها دریافتند گروه‌هایی از نورون‌ها نه‌تنها به صدای پخش شده، بلکه به میزان تازگی آن نیز پاسخ می‌دهند.
به طرز جالبی، آنها دریافتند هر صدا، ردپایی از فعالیت عصبی به نام “پژواک” از خود به جای می‌گذارد که ورودی‌های حسی را در طول زمان ردیابی می‌کند و خاطرات کوتاه مدتی از ورودی‌های اخیر را تشکیل می‌دهد. این پژواک‌های فعالیت نه‌تنها تضمین می‌کردند که هر محرک ورودی منجر به یک پاسخ منحصر‌به‌فرد می‌شود، بلکه به انتخاب محرک‌هایی که جدید هستند نیز کمک می‌کردند و در نتیجه آن پاسخ‌ها بسیار قوی‌تر می‌شدند.
مدل‌سازی توانایی‌های پیش‌بینی مغز
برای تعمیق درک خود از این یافته‌ها، این تیم یک مدل شبکه عصبی از قشر شنوایی ساخت و آن را برای تشخیص محرک‌هایی که جدید هستند، آموزش داد. این مدل، آنچه را که در موش‌ها دیده بودند، تکرار کرد و نشان داد که شبکه‌های نورون‌ها نیز از “پژواک‌های” فعالیت برای ذخیره مدلی از محیط استفاده و از آن برای تشخیص تغییر استفاده می‌کنند. آنها نتیجه گرفتند که نحوه سیم‌کشی قشر مغز، با حلقه‌های نورون‌های متصل، تشخیص تازگی را به یک خاصیت نوظهور خودکار از شبکه تبدیل می‌کند.
یوسته با اشاره به اینکه مدلی که شیمکیف ایجاد کرده است، بر ایده‌های جان هاپفیلد، که سال گذشته جایزه نوبل را برای ساخت مدل‌های شبکه عصبی و پیشگام در هوش مصنوعی دریافت کرد، بنا شده است، گفت:
این یک جهش به جلو در درک چگونگی انجام کار بسیار خوب مغز در تشخیص تازگی است.
این تحقیق همچنین بینش جدیدی در مورد نقش اصلی قشر مغز در اسکیزوفرنی ارائه می‌دهد. پزشکان سال‌هاست که می‌دانند افراد مبتلا به اسکیزوفرنی در تشخیص اطلاعات جدید از اطلاعات قدیمی مهارت ندارند. دانشمندان سعی کردند این یافته‌ها را با تفسیر رفتار نورون‌های منفرد توضیح دهند، اما در نهایت با مشکلاتی روبه‌رو شدند. یکی از بینش‌های اصلی این مقاله، کشف این موضوع است که تشخیص تازگی، کار نورون‌های منفرد نیست، بلکه کار شبکه‌های عصبی است.
یوسته گفت:
ما بسیار هیجان زده‌ایم که این یافته‌ها می‌توانند درک ما از این بخش مهم مغز را عمیق‌تر کنند و همچنین به طور بالقوه بینش مهمی در مورد مواردی که این عملکردها به درستی انجام نمی‌شوند – و راه‌هایی برای رفع آن – ارائه دهند.
منبع: Scitechdaily
