Ο εγκέφαλος προσκολλάται σε παλιές συνήθειες όταν μαθαίνει νέα κόλπα
Το χαρακτηριστικό γνώρισμα της νοημοσύνης είναι η ικανότητα μάθησης. Όπως έχουν δείξει δεκαετίες έρευνας, ο εγκέφαλός μας εμφανίζει υψηλό βαθμό «πλαστικότητας», που σημαίνει ότι οι νευρώνες μπορούν να επανασυνδέσουν τις συνδέσεις τους ως απόκριση σε νέα ερεθίσματα. Όμως, οι ερευνητές στο Πανεπιστήμιο Carnegie Mellon και στο Πανεπιστήμιο του Πίτσμπουργκ ανακάλυψαν πρόσφατα εκπληκτικούς περιορισμούς στις μαθησιακές μας ικανότητες. Ο εγκέφαλος μπορεί να είναι εξαιρετικά ευέλικτος και προσαρμοστικός συνολικά, αλλά τουλάχιστον σε σύντομο χρονικό διάστημα, μαθαίνει αναποτελεσματικά ανακυκλώνοντας κόλπα από το νευρωνικό του ρεπερτόριο αντί να καλωδιώνεται εκ νέου από την αρχή.
«Όποτε παίζω σκουός, μοιάζω με τενίστας», είπε ο Byron Yu, βιοϊατρικός μηχανικός και νευροεπιστήμονας στο Carnegie Mellon και ένας από τους ηγέτες της έρευνας. Ο Yu παίζει τένις για πολλά χρόνια. Το πρόβλημά του με το σκουός είναι ότι χρησιμοποιεί μια πιο κοντή ρακέτα και μπορεί να απαιτεί πιο γρήγορες, πιο σκληρές βολές, με διαφορετικό είδος συνέχειας από αυτό που έχει συνηθίσει στο γήπεδο του τένις. Ωστόσο, σε έναν αγώνα σκουός, διολισθαίνει στο στυλ της χρήσης της ρακέτας που του έχει τρυπήσει η μακρόχρονη εμπειρία στο τένις. Ο εγκέφαλος δεν αφήνει εύκολα αυτό που ήδη γνωρίζει.
Τώρα, ενώ παρατηρούσαν δραστηριότητα στον εγκέφαλο κατά τη διάρκεια της μάθησης, ο Yu και οι συνεργάτες του είδαν στοιχεία παρόμοιας έλλειψης πλαστικότητας σε νευρικό επίπεδο. Αυτή η ανακάλυψη και η σχετική έρευνα της ομάδας μπορεί να βοηθήσουν στο να εξηγηθεί γιατί ορισμένα πράγματα είναι πιο δύσκολο να μαθευτούν από άλλα.
Πριν από αρκετά χρόνια, ο Yu, ο Aaron Batista του Πανεπιστημίου του Πίτσμπουργκ και μέλη των εργαστηρίων τους άρχισαν να χρησιμοποιούν διεπαφές εγκεφάλου-υπολογιστή (BCIs) ως εργαλεία για την ανακάλυψη της νευροεπιστήμης. Αυτές οι συσκευές έχουν ένα τσιπ περίπου στο μέγεθος ενός νυχιού που μπορεί να παρακολουθεί την ηλεκτρική δραστηριότητα 100 νευρώνων ταυτόχρονα στον κινητικό φλοιό του εγκεφάλου, ο οποίος ελέγχει την κίνηση. Παρακολουθώντας τις αλληλουχίες των αιχμών τάσης που διατρέχουν τους μεμονωμένους νευρώνες με την πάροδο του χρόνου, ένα BCI μπορεί να υπολογίσει έναν "ρυθμό αιχμής" για να χαρακτηρίσει τη συμπεριφορά κάθε νευρώνα κατά την εκτέλεση μιας εργασίας.
«Μπορείτε να φανταστείτε την πρόκληση της προσπάθειας να σκάψετε όλα αυτά τα δεδομένα για να δείτε τι κάνει ο εγκέφαλος», είπε ο Yu. (Σημείωση του συντάκτη:Ο Yu λαμβάνει χρηματοδότηση από το Ίδρυμα Simons, το οποίο εκδίδει το Quanta .) «Τα μάτια μας δεν είναι καλά εκπαιδευμένα για να αντιλαμβάνονται διακριτικά μοτίβα εδώ». Ωστόσο, οι προηγμένες στατιστικές αναλύσεις που είναι ενσωματωμένες στο τσιπ μπορούν να το κάνουν αυτό και τα μοτίβα μπορούν να χρησιμοποιηθούν για τον προσδιορισμό της νευρικής δραστηριότητας που σχετίζεται με την πρόθεση του υποκειμένου να κάνει συγκεκριμένες κινήσεις. Το σύστημα μπορεί να διακρίνει, για παράδειγμα, μεταξύ ενός θέματος που θέλει να πιάσει έναν βραχίονα προς τα αριστερά, προς τα δεξιά, πάνω ή κάτω.
Οι ερευνητές μπορούν στη συνέχεια να χρησιμοποιήσουν την έξοδο ενός BCI για να μεταφράσουν τη νευρική δραστηριότητα για συγκεκριμένες κινήσεις σε κατευθυντικά χειριστήρια για έναν δρομέα σε μια οθόνη υπολογιστή. Μέσω δοκιμής και λάθους, τα άτομα ή τα ζώα που χρησιμοποιούν τη διεπαφή μπορούν να μάθουν ότι, για παράδειγμα, φαντάζονται το χέρι τους να κινείται προς τα αριστερά, μπορούν να σπρώξουν έναν κέρσορα με αυτόν τον τρόπο.
Όταν ο Yu, ο Batista και οι συνάδελφοί τους παρακολούθησαν τον κινητικό φλοιό ενός πιθήκου ενώ εκτελούσε επανειλημμένα απλές εργασίες κυματισμού του χεριού, διαπίστωσαν ότι οι νευρώνες δεν πυροδοτούσαν ανεξάρτητα. Αντίθετα, η συμπεριφορά των 100 νευρώνων που μετρήθηκαν θα μπορούσε να περιγραφεί στατιστικά με όρους περίπου 10 νευρώνων, οι οποίοι ήταν διαφορετικοί συναρπαστικοί ή ανασταλτικοί των άλλων. Στην ανάλυση των ερευνητών, αυτό το αποτέλεσμα εμφανίστηκε ως ένα σύνολο γραφικών σημείων που κάλυπταν μόνο έναν μικρό όγκο ενός χώρου δεδομένων 100 διαστάσεων.
«Αποκαλούμε [αυτόν τον τόμο] την εγγενή πολλαπλότητα επειδή πιστεύουμε ότι είναι κάτι πραγματικά εγγενές στον εγκέφαλο», δήλωσε ο Steven Chase, καθηγητής βιοϊατρικής μηχανικής στο Carnegie Mellon. "Η διάσταση αυτού του χώρου είναι πολύ προγνωστική για το τι μπορούν να κάνουν αυτοί οι νευρώνες."
Το 2014, οι ερευνητές παρατήρησαν ότι τα υποκείμενα της δοκιμής θα μπορούσαν να μάθουν νέες εργασίες πιο εύκολα εάν περιλάμβαναν μοτίβα νευρικής δραστηριότητας εντός της εγγενούς πολλαπλότητας και όχι εκτός αυτής. Αυτό το αποτέλεσμα είναι λογικό, σύμφωνα με τον Yu, επειδή οι εργασίες που εμπίπτουν στην εγγενή πολλαπλότητα δημιουργούν απαιτήσεις στον εγκέφαλο που είναι συνεπείς με την υποκείμενη νευρική δομή. Μετά την ολοκλήρωση αυτής της μελέτης, η ομάδα έστρεψε την προσοχή της στο ερώτημα πώς αλλάζει η νευρική δραστηριότητα κατά τη διάρκεια της μάθησης, όπως περιγράφεται σε μια πρόσφατη εργασία στο Nature Neuroscience .
Για να το ανακαλύψουν, οι ερευνητές άφησαν πρώτα τα πρωτεύοντα που είναι εξοπλισμένα με BCI να γίνουν ικανά να μετακινούν τον κέρσορα αριστερά και δεξιά. Στη συνέχεια, η ομάδα άλλαξε τις απαιτήσεις νευρικής δραστηριότητας για τη μετακίνηση του δρομέα και περίμενε να δει ποια νέα μοτίβα νευρικής δραστηριότητας, που αντιστοιχούν σε νέα σημεία στην εγγενή πολλαπλότητα, θα χρησιμοποιούσαν τα ζώα για να τα επιτύχουν.
Οι ερευνητές περίμεναν να δουν στοιχεία μιας στρατηγικής μάθησης που αποκαλούν «επανευθυγράμμιση», στην οποία το ζώο θα άρχιζε να χρησιμοποιεί οποιοδήποτε νέο μοτίβο δραστηριότητας λειτουργούσε πιο φυσικά. «Η ευθυγράμμιση είναι η καλύτερη στρατηγική που θα μπορούσε να χρησιμοποιήσει το ζώο, υπό την επιφύλαξη αυτών των περιορισμών στην εγγενή πολλαπλότητα», είπε ο Matthew Golub, ο οποίος συνεργάστηκε στο έργο ως μεταδιδάκτορας με τον Yu και τον Chase, αλλά τώρα εργάζεται στο Πανεπιστήμιο του Στάνφορντ. Εναλλακτικά, ο εγκέφαλος των πιθήκων θα μπορούσε να έχει μάθει μέσω μιας διαδικασίας "εκ νέου κλιμάκωσης", κατά την οποία οι νευρώνες που εμπλέκονται στην αρχική μαθησιακή εργασία θα αύξαναν ή θα μείωναν τους ρυθμούς αιχμής τους μέχρι να βρουν ένα μοτίβο που λειτουργούσε.
Όμως, προς έκπληξη των ερευνητών, δεν σημειώθηκε ούτε ευθυγράμμιση ούτε επανακλιμάκωση. Αντίθετα, οι ερευνητές παρατήρησαν μια εξαιρετικά αναποτελεσματική προσέγγιση που ονομάζεται «επανασύνδεση». Τα υποκείμενα των ζώων έμαθαν τις νέες εργασίες απλώς επαναλαμβάνοντας τα αρχικά μοτίβα νευρικής δραστηριότητας και ανταλλάσσοντας τις εργασίες τους. Τα μοτίβα που είχαν μετακινήσει προηγουμένως τον κέρσορα προς τα αριστερά, τώρα τον μετακινούσαν δεξιά και αντίστροφα. «Είναι ανακύκλωση ό,τι έκαναν παλιά», είπε ο Golub, αλλά υπό νέες συνθήκες.
Γιατί ο εγκέφαλος χρησιμοποιεί λιγότερο από την καλύτερη στρατηγική για μάθηση; Τα ευρήματα της ομάδας υποδηλώνουν ότι, ακριβώς όπως η νευρωνική αρχιτεκτονική περιορίζει τη δραστηριότητα στην εγγενή πολλαπλότητα, κάποιος περαιτέρω περιορισμός περιορίζει τον τρόπο με τον οποίο οι νευρώνες αναδιοργανώνουν τη δραστηριότητά τους κατά τη διάρκεια των πειραμάτων. Ο Μπατίστα προτείνει ότι οι αλλαγές στις συναπτικές συνδέσεις μεταξύ των νευρώνων που θα απαιτούνταν για την επανευθυγράμμιση μπορεί να είναι πολύ δύσκολο να πραγματοποιηθούν γρήγορα. «Η πλαστικότητα πρέπει να είναι πιο περιορισμένη βραχυπρόθεσμα από ό,τι πιστεύαμε», είπε. «Η μάθηση συνεπάγεται τη λήθη. Ο εγκέφαλος μπορεί να είναι απρόθυμος να αφήσει πράγματα που ήδη ξέρει να κάνει."
Ο Chase παρομοίασε τον φλοιό του κινητήρα με έναν παλιομοδίτικο τηλεφωνικό πίνακα, με νευρικές συνδέσεις όπως καλώδια που συνδέουν εισόδους από άλλες φλοιώδεις περιοχές με εξόδους στην παρεγκεφαλίδα του εγκεφάλου. Κατά τη διάρκεια των πειραμάτων τους, είπε, ο εγκέφαλος «απλώς αναδιατάσσει όλα τα καλώδια» — αν και οι αποχρώσεις του τι σημαίνει αυτό είναι ακόμα άγνωστες.
«Η γρήγορη και βρώμικη στρατηγική είναι να αλλάξετε τις εισροές στον φλοιό», είπε ο Yu. Αλλά σημείωσε επίσης ότι τα πειράματά τους παρακολουθούσαν τη δραστηριότητα του εγκεφάλου μόνο για μία ή δύο ώρες. Οι ερευνητές δεν μπορούν ακόμη να αποκλείσουν την πιθανότητα ότι η επανασύνδεση είναι ένας γρήγορος ενδιάμεσος τρόπος για τον εγκέφαλο να μάθει νέες εργασίες. για μεγαλύτερο χρονικό διάστημα, ενδέχεται να εξακολουθούν να εμφανίζονται νέα ευθυγράμμιση ή κλιμάκωση.
Εάν ναι, μπορεί να εξηγήσει τις διαφορές στον τρόπο με τον οποίο οι αρχάριοι και οι ειδικοί επεξεργάζονται νέες πληροφορίες που σχετίζονται με ένα κοινό ενδιαφέρον. «Οι αρχάριοι αρκούνται με ό,τι έχουν και οι ειδικοί εδραιώνουν τη γνώση», είπε ο Μπατίστα. "Αυτό μπορεί να είναι μια νευρική βάση για αυτό το γνωστό φαινόμενο."
