مغز چگونه ابهامات مسیریابی را حل می‌کند؟ کشف راز حافظه فضایی!

مغز ما، این فرمانده پیچیده بدن، چگونه در شرایطی که نشانه‌های محیطی گمراه‌کننده هستند، مسیر خود را پیدا می‌کند؟ محققان در MIT به تازگی پرده از این راز برداشته‌اند و نشان داده‌اند که مغز موش‌ها (به عنوان مدلی برای مغز پستانداران) قادر است به طور همزمان چند فرضیه مختلف را در مورد موقعیت مکانی خود در محیط‌های مبهم رمزگذاری کند.

این یافته‌ها نه تنها به درک ما از نحوه عملکرد حافظه فضایی کمک می‌کنند، بلکه دریچه‌ای به سوی طراحی سیستم‌های هوش مصنوعی پیشرفته‌تر نیز می‌گشایند.

فعالیت نورون‌ها در قشر رتروسپلنیال (RSC)

در این مطالعه، موش‌ها باید یک وظیفه پیچیده را انجام می‌دادند: تشخیص بین نشانه‌های یکسان. نورون‌ها در قشر رتروسپلنیال (RSC) مغز آن‌ها، الگوهای فعالیت متفاوتی را نشان دادند که منعکس‌کننده احتمالات مختلف در مورد موقعیت مکانی موش بود.

این الگوها، پس از کسب اطلاعات بیشتر، به یک الگوی “صحیح” واحد تبدیل شدند. این نشان می‌دهد که مغز تنها ایده‌های رقابتی را ذخیره نمی‌کند، بلکه از آن‌ها برای تصمیم‌گیری نیز استفاده می‌کند. این اولین بار است که چنین رمزگذاری مبتنی بر فرضیه برای مسیریابی به طور مستقیم در مغز مشاهده می‌شود.

نکات کلیدی این تحقیق:

• رمزگذاری فرضیه‌های متعدد: نورون‌های RSC بازنمایی‌های عصبی جداگانه‌ای را برای مکان‌های احتمالی مختلف حفظ می‌کنند.
• تصمیم‌گیری در عمل: این بازنمایی‌ها صرفاً غیرفعال نیستند، بلکه پس از رفع ابهام، موش را به سمت هدف صحیح هدایت می‌کنند.
• موازی‌سازی مغز و هوش مصنوعی: فعالیت در مغز موش، مدل‌های پیش‌بینی تولید شده توسط شبکه‌های عصبی مصنوعی آموزش‌دیده بر روی وظایف مشابه را منعکس می‌کند.

تکیه بر نشانه‌های محیطی در مسیریابی

هنگامی که در مکانی نسبتاً ناآشنا قرار داریم، اغلب برای پیدا کردن مسیر خود به نشانه‌های منحصربه‌فرد محیطی تکیه می‌کنیم. با این حال، اگر به دنبال یک دفتر در یک ساختمان آجری باشیم و ساختمان‌های آجری زیادی در مسیر ما وجود داشته باشند، ممکن است به جای تشخیص خود ساختمان، از قاعده‌ای مانند “دومین ساختمان در خیابان” استفاده کنیم.

تا زمانی که این ابهام برطرف نشود، باید در ذهن داشته باشیم که احتمالات (یا فرضیه‌های) متعددی برای موقعیت ما نسبت به مقصد وجود دارد. دانشمندان علوم اعصاب MIT در مطالعه‌ای بر روی موش‌ها کشف کرده‌اند که این فرضیه‌ها به طور واضح در مغز توسط الگوهای فعالیت عصبی متمایز نشان داده می‌شوند.

رمزگذاری فرضیه‌ها در قشر رتروسپلنیال

این اولین بار است که الگوهای فعالیت عصبی که فرضیه‌های همزمان را رمزگذاری می‌کنند، در مغز مشاهده می‌شوند. محققان دریافتند که این بازنمایی‌ها، که در قشر رتروسپلنیال (RSC) مغز مشاهده شدند، نه تنها فرضیه‌ها را رمزگذاری می‌کنند، بلکه می‌توانند توسط حیوانات برای انتخاب مسیر صحیح نیز استفاده شوند.

به گفته مارک هارنت (Mark Harnett)، استادیار علوم مغز و علوم شناختی، عضو موسسه McGovern MIT برای تحقیقات مغز و نویسنده ارشد این مطالعه: “تا جایی که ما می‌دانیم، هیچ‌کس در یک وظیفه استدلال پیچیده نشان نداده است که ناحیه‌ای در قشر ارتباطی وجود دارد که دو فرضیه را در ذهن نگه می‌دارد و سپس از یکی از آن فرضیه‌ها، پس از دریافت اطلاعات بیشتر، برای تکمیل واقعی کار استفاده می‌کند.”

جیکوب وویتس (Jakob Voigts)، فارغ التحصیل مقطع دکترا در سال 2017 و محقق فوق دکترا سابق در آزمایشگاه هارنت و در حال حاضر رهبر گروه در پردیس تحقیقاتی Janelia موسسه پزشکی Howard Hughes، نویسنده اصلی این مقاله است که در مجله Nature Neuroscience منتشر شده است.

نشانه‌های مبهم

قشر رتروسپلنیال (RSC) از قشر بینایی، تشکیلات هیپوکامپ و تالاموس قدامی ورودی دریافت می‌کند که آن‌ها را برای کمک به هدایت مسیریابی ادغام می‌کند.

در مقاله‌ای در سال 2020، آزمایشگاه هارنت دریافت که RSC از اطلاعات بصری و فضایی برای رمزگذاری نشانه‌های مورد استفاده برای مسیریابی استفاده می‌کند. در آن مطالعه، محققان نشان دادند که نورون‌ها در RSC موش‌ها اطلاعات بصری در مورد محیط اطراف را با بازخورد فضایی از موقعیت خود موش‌ها در امتداد یک مسیر ادغام می‌کنند و به آن‌ها اجازه می‌دهند بر اساس نشانه‌هایی که دیده‌اند، یاد بگیرند که کجا پاداش پیدا کنند.

در مطالعه جدید خود، محققان می‌خواستند بیشتر به این موضوع بپردازند که RSC چگونه از اطلاعات فضایی و زمینه موقعیتی برای هدایت تصمیم‌گیری‌های مربوط به مسیریابی استفاده می‌کند. برای انجام این کار، محققان یک وظیفه مسیریابی بسیار پیچیده‌تر از آنچه معمولاً در مطالعات موش استفاده می‌شود، طراحی کردند. آن‌ها یک عرصه بزرگ و گرد با 16 دهانه کوچک یا پورت در امتداد دیوارهای جانبی ایجاد کردند.

یکی از این دهانه‌ها در صورتی که موش‌ها بینی خود را از طریق آن وارد می‌کردند، به آن‌ها پاداش می‌داد. در اولین مجموعه آزمایش‌ها، محققان به موش‌ها آموزش دادند تا به پورت‌های پاداش مختلفی بروند که با نقاط نورانی روی زمین مشخص شده بودند و فقط زمانی قابل مشاهده بودند که موش‌ها به آن‌ها نزدیک می‌شدند.

هنگامی که موش‌ها یاد گرفتند این وظیفه نسبتاً ساده را انجام دهند، محققان یک نقطه دوم را اضافه کردند. این دو نقطه همیشه در یک فاصله از یکدیگر و از مرکز عرصه قرار داشتند. اما اکنون موش‌ها باید برای دریافت پاداش به پورت کنار نقطه پاد‌ساعتگرد می‌رفتند.

از آنجایی که نقاط یکسان بودند و فقط در فاصله‌های نزدیک قابل مشاهده بودند، موش‌ها هرگز نمی‌توانستند هر دو نقطه را به طور همزمان ببینند و نمی‌توانستند بلافاصله تشخیص دهند که کدام نقطه کدام است.

بنابراین، برای حل این وظیفه، موش‌ها باید به خاطر می‌آوردند که انتظار دارند یک نقطه در کجا ظاهر شود و موقعیت بدنی خود، جهتی که به آن سمت می‌روند و مسیری را که طی کردند را برای تشخیص اینکه کدام نشانه چیست، ادغام کنند.

با اندازه‌گیری فعالیت RSC در حالی که موش‌ها به نشانه‌های مبهم نزدیک می‌شدند، محققان توانستند تعیین کنند که آیا RSC فرضیه‌هایی را در مورد موقعیت فضایی رمزگذاری می‌کند یا خیر. این وظیفه به دقت طراحی شده بود تا موش‌ها به جای استراتژی‌های دیگر مانند نشانه‌های بویایی یا مسیریابی کورکورانه، از نشانه‌های بصری برای به دست آوردن پاداش استفاده کنند.

اهمیت حافظه کوتاه مدت

به گفته وویگتس: “نکته مهم در مورد رفتار در این مورد این است که موش‌ها باید چیزی را به خاطر بسپارند و سپس از آن برای تفسیر ورودی‌های آینده استفاده کنند. این فقط به خاطر سپردن چیزی نیست، بلکه به خاطر سپردن آن به گونه‌ای است که بتوانید بر اساس آن عمل کنید.”

محققان دریافتند که با جمع‌آوری اطلاعات توسط موش‌ها در مورد اینکه کدام نقطه ممکن است کدام باشد، جمعیت نورون‌های RSC الگوهای فعالیت متمایزی را برای اطلاعات ناقص نشان می‌دهند. به نظر می‌رسد هر یک از این الگوها مربوط به فرضیه‌ای در مورد این است که موش فکر می‌کرد نسبت به پاداش در کجا قرار دارد.

هنگامی که موش‌ها به اندازه کافی نزدیک می‌شوند تا تشخیص دهند کدام نقطه نشان‌دهنده پورت پاداش است، این الگوها در الگویی که نشان‌دهنده فرضیه صحیح است، ادغام می‌شوند. به گفته محققان، این یافته‌ها نشان می‌دهند که این الگوها نه تنها به طور غیرفعال فرضیه‌ها را ذخیره می‌کنند، بلکه می‌توانند برای محاسبه نحوه رسیدن به مکان صحیح نیز استفاده شوند.

وویگتس می‌گوید: “ما نشان می‌دهیم که RSC اطلاعات لازم را برای استفاده از این حافظه کوتاه مدت برای تشخیص نشانه‌های مبهم دارد. و ما نشان می‌دهیم که این نوع فرضیه به گونه‌ای رمزگذاری و پردازش می‌شود که به RSC اجازه می‌دهد از آن برای حل محاسبات استفاده کند.”

نورون‌های متصل به هم

هنگام تجزیه و تحلیل نتایج اولیه خود، هارنت و وویگتس با ایلا فیته (Ila Fiete)، استاد MIT، که حدود 10 سال پیش با استفاده از یک شبکه عصبی مصنوعی برای انجام یک کار مسیریابی مشابه، مطالعه‌ای انجام داده بود، مشورت کردند.

آن مطالعه، که قبلاً در bioRxiv منتشر شده بود، نشان داد که شبکه عصبی الگوهای فعالیتی را نشان می‌دهد که از نظر مفهومی شبیه به الگوهای دیده شده در مطالعات حیوانی انجام شده توسط آزمایشگاه هارنت بودند. نورون‌های شبکه عصبی مصنوعی در نهایت شبکه‌های کم‌بعدی بسیار متصل به هم را تشکیل دادند، مانند نورون‌های RSC.

هارنت می‌گوید: “به نظر می‌رسد این اتصال متقابل، به روش‌هایی که هنوز درک نمی‌کنیم، کلیدی برای چگونگی ظهور این پویایی‌ها و چگونگی کنترل آن‌ها است. و این یک ویژگی کلیدی در مورد چگونگی نگه داشتن این دو فرضیه به طور همزمان توسط RSC است.”

وویگتس اکنون در آزمایشگاه خود در Janelia قصد دارد بررسی کند که چگونه سایر نواحی مغزی درگیر در مسیریابی، مانند قشر جلوی پیشانی، در حالی که موش‌ها به روشی طبیعی‌تر به کاوش و جستجو می‌پردازند، بدون اینکه برای یک وظیفه خاص آموزش ببینند، درگیر می‌شوند.

وویگتس می‌گوید: “ما در حال بررسی این موضوع هستیم که آیا اصول کلی وجود دارد که وظایف بر اساس آن‌ها یاد گرفته می‌شوند یا خیر. ما دانش زیادی در علوم اعصاب در مورد چگونگی عملکرد مغز زمانی که حیوان یک وظیفه را یاد گرفته است، داریم، اما در مقایسه، ما اطلاعات بسیار کمی در مورد چگونگی یادگیری وظایف توسط موش‌ها یا اینکه آن‌ها چه چیزی را انتخاب می‌کنند زمانی که آزادی رفتار طبیعی به آن‌ها داده می‌شود، داریم.”

تأمین مالی:

این تحقیق تا حدی توسط مؤسسات ملی بهداشت، یک بورسیه فوق دکترا مرکز Simons برای مغز اجتماعی در MIT، مؤسسه ملی علوم پزشکی عمومی و مرکز مغزها، ذهن‌ها و ماشین‌ها در MIT، که توسط بنیاد ملی علوم تأمین مالی می‌شود، تأمین شده است.

درباره این خبر تحقیقات علوم اعصاب

نویسنده: سارا مک‌دانل (Sarah McDonnell)

منبع: MIT

تماس: سارا مک‌دانل – MIT

تصویر: تصویر از Neuroscience News گرفته شده است.

تحقیق اصلی: دسترسی آزاد.

“استدلال فضایی از طریق پویایی عصبی عودکننده در قشر رتروسپلنیال موش” توسط مارک هارنت و همکاران. Nature Neuroscience

چکیده

استدلال فضایی از طریق پویایی عصبی عودکننده در قشر رتروسپلنیال موش

از ادراک بصری تا زبان، محرک‌های حسی بسته به تجربه قبلی، معنای خود را تغییر می‌دهند.

پویایی عصبی عودکننده می‌تواند محرک‌ها را بر اساس زمینه نشانه‌گذاری شده خارجی تفسیر کند، اما مشخص نیست که آیا آن‌ها می‌توانند فرضیه‌های داخلی را برای حل ابهامات محاسبه و به کار گیرند یا خیر.

در اینجا نشان می‌دهیم که قشر رتروسپلنیال موش (RSC) می‌تواند چندین فرضیه را در طول زمان شکل دهد و از طریق پویایی عودکننده، استدلال فضایی انجام دهد.

در وظیفه ما، موش‌ها با استفاده از نشانه‌های مبهم که از طریق رابطه فضایی متقابل خود شناسایی می‌شوند، مسیریابی کردند و نیاز به پالایش متوالی فرضیه‌ها داشتند.

نورون‌ها در RSC و در شبکه‌های عصبی مصنوعی مخلوطی از فرضیه‌ها، مکان و اطلاعات حسی را رمزگذاری کردند و توسط پویایی کم‌بعدی قوی محدود شدند.

RSC فرضیه‌ها را به عنوان مکان‌هایی در فضای فعالیت با مسیرهای واگرا برای ورودی‌های حسی یکسان رمزگذاری کرد و تفسیر صحیح آن‌ها را ممکن ساخت.

نتایج ما نشان می‌دهد که تعامل بین فرضیه‌های داخلی و داده‌های حسی خارجی در مدارهای عودکننده می‌تواند بستری برای استدلال شناختی متوالی پیچیده فراهم کند.

منبع