Ο νευρωνικός θόρυβος δείχνει την αβεβαιότητα των αναμνήσεων μας

Τη στιγμή που θα διαβάσετε έναν αριθμό τηλεφώνου και θα τον χτυπήσετε με γροθιά στο τηλέφωνό σας, μπορεί να διαπιστώσετε ότι τα ψηφία έχουν παραπλανηθεί μυστηριωδώς — ακόμα κι αν έχετε κολλήσει τα πρώτα στη μνήμη σας, τα τελευταία μπορεί να εξακολουθούν να θολώνουν αδικαιολόγητα. Το 6 ήταν πριν το 8 ή μετά; Είστε σίγουροι;

Η διατήρηση τέτοιων αποσπασμάτων πληροφοριών για αρκετό χρόνο ώστε να ενεργεί με βάση αυτά βασίζεται σε μια ικανότητα που ονομάζεται οπτική μνήμη εργασίας. Για χρόνια, οι επιστήμονες συζητούσαν εάν η μνήμη εργασίας έχει χώρο μόνο για λίγα στοιχεία κάθε φορά ή αν έχει απλώς περιορισμένο χώρο για λεπτομέρειες:Ίσως η ικανότητα του μυαλού μας να είναι απλωμένη είτε σε μερικές κρυστάλλινες αναμνήσεις είτε σε ένα πλήθος πιο αμφίβολων θραύσματα.

Η αβεβαιότητα στη μνήμη εργασίας μπορεί να συνδέεται με έναν εκπληκτικό τρόπο με τον οποίο ο εγκέφαλος παρακολουθεί και χρησιμοποιεί την ασάφεια, σύμφωνα με μια πρόσφατη δημοσίευση στο Neuron από ερευνητές νευροεπιστήμης στο Πανεπιστήμιο της Νέας Υόρκης. Χρησιμοποιώντας μηχανική μάθηση για να αναλύσουν σαρώσεις εγκεφάλου ανθρώπων που ασχολούνταν με μια εργασία μνήμης, διαπίστωσαν ότι τα σήματα κωδικοποιούσαν μια εκτίμηση του τι πίστευαν ότι είδαν οι άνθρωποι - και η στατιστική κατανομή του θορύβου στα σήματα κωδικοποίησε την αβεβαιότητα της μνήμης. Η αβεβαιότητα των αντιλήψεών σας μπορεί να είναι μέρος αυτού που αντιπροσωπεύει ο εγκέφαλός σας στις αναμνήσεις του. Και αυτή η αίσθηση της αβεβαιότητας μπορεί να βοηθήσει τον εγκέφαλο να πάρει καλύτερες αποφάσεις σχετικά με το πώς να χρησιμοποιήσει τις αναμνήσεις του.

Τα ευρήματα υποδηλώνουν ότι «ο εγκέφαλος χρησιμοποιεί αυτόν τον θόρυβο», δήλωσε ο Clayton Curtis, καθηγητής ψυχολογίας και νευροεπιστήμης στο NYU και συγγραφέας της νέας εργασίας.

Το έργο προσθέτει σε ένα αυξανόμενο σύνολο αποδεικτικών στοιχείων ότι, ακόμη και αν οι άνθρωποι δεν φαίνονται ικανοί στην κατανόηση στατιστικών στην καθημερινή τους ζωή, ο εγκέφαλος ερμηνεύει τακτικά τις αισθητηριακές του εντυπώσεις από τον κόσμο, τόσο τρέχουσες όσο και ανακαλούμενες, με όρους πιθανοτήτων. Το insight προσφέρει έναν νέο τρόπο κατανόησης της αξίας που αποδίδουμε στις αντιλήψεις μας για έναν αβέβαιο κόσμο.

Προβλέψεις με βάση το παρελθόν

Οι νευρώνες στο οπτικό σύστημα πυροδοτούνται ως απόκριση σε συγκεκριμένες όψεις, όπως μια γωνιακή γραμμή, ένα συγκεκριμένο μοτίβο ή ακόμα και αυτοκίνητα ή πρόσωπα, στέλνοντας μια έκρηξη στο υπόλοιπο νευρικό σύστημα. Αλλά από μόνοι τους, οι μεμονωμένοι νευρώνες είναι θορυβώδεις πηγές πληροφοριών, επομένως «είναι απίθανο οι μεμονωμένοι νευρώνες να είναι το νόμισμα που χρησιμοποιεί ο εγκέφαλος για να συμπεράνει τι είναι αυτό που βλέπει», είπε ο Curtis.

Πιθανότατα, ο εγκέφαλος συνδυάζει πληροφορίες από πληθυσμούς νευρώνων. Είναι σημαντικό, λοιπόν, να καταλάβουμε πώς το κάνει αυτό. Θα μπορούσε, για παράδειγμα, να είναι μέσος όρος πληροφοριών από τα κύτταρα:Εάν ορισμένοι νευρώνες πυροδοτούν πιο δυνατά στη θέα μιας γωνίας 45 μοιρών και άλλοι σε 90 μοίρες, τότε ο εγκέφαλος μπορεί να ζυγίζει και να υπολογίζει κατά μέσο όρο τις εισόδους τους για να αντιπροσωπεύει μια γωνία 60 μοιρών στο οπτικό πεδίο των ματιών. Ή ίσως ο εγκέφαλος έχει μια προσέγγιση νικητή, με τους πιο ισχυρούς νευρώνες να λαμβάνονται ως δείκτες του τι γίνεται αντιληπτό.

"Αλλά υπάρχει ένας νέος τρόπος σκέψης γι' αυτό, επηρεασμένος από τη Μπεϋζιανή θεωρία", είπε ο Curtis.

Η Μπεϋζιανή θεωρία - που πήρε το όνομά της από τον δημιουργό της, τον μαθηματικό του 18ου αιώνα Thomas Bayes, αλλά ανακαλύφθηκε ανεξάρτητα και διαδόθηκε αργότερα από τον Pierre-Simon Laplace - ενσωματώνει την αβεβαιότητα στην προσέγγισή της στις πιθανότητες. Το συμπέρασμα Μπεϋζιανό εξετάζει πόσο με σιγουριά μπορεί κανείς να περιμένει ότι θα συμβεί ένα αποτέλεσμα, δεδομένου του γνωστού των περιστάσεων. Όπως εφαρμόζεται στην όραση, αυτή η προσέγγιση θα μπορούσε να σημαίνει ότι ο εγκέφαλος κατανοεί τα νευρικά σήματα κατασκευάζοντας μια συνάρτηση πιθανότητας:Με βάση δεδομένα από προηγούμενες εμπειρίες, ποια είναι τα πιο πιθανά αξιοθέατα να έχουν δημιουργήσει ένα δεδομένο μοτίβο πυροδότησης;

Ο Laplace αναγνώρισε ότι οι υπό όρους πιθανότητες είναι ο πιο ακριβής τρόπος για να μιλήσουμε για οποιαδήποτε παρατήρηση και το 1867 ο γιατρός και φυσικός Hermann von Helmholtz τις συνέδεσε με τους υπολογισμούς που μπορεί να κάνει ο εγκέφαλός μας κατά την αντίληψη. Ωστόσο, λίγοι νευροεπιστήμονες έδωσαν μεγάλη προσοχή σε αυτές τις ιδέες μέχρι τη δεκαετία του 1990 και τις αρχές της δεκαετίας του 2000, όταν οι ερευνητές άρχισαν να ανακαλύπτουν ότι οι άνθρωποι έκαναν κάτι σαν πιθανολογικό συμπέρασμα σε πειράματα συμπεριφοράς, και οι μέθοδοι Bayes άρχισαν να αποδεικνύονται χρήσιμες σε ορισμένα μοντέλα αντίληψης και κινητικού ελέγχου.

«Οι άνθρωποι άρχισαν να μιλούν για τον εγκέφαλο ως Μπεϋζιανό», είπε ο Wei Ji Ma, καθηγητής νευροεπιστήμης και ψυχολογίας στο NYU και άλλος ένας από τους νέους Neuron συγγραφείς της εργασίας.

Σε μια ανασκόπηση του 2004, ο Alexandre Pouget (τώρα καθηγητής νευροεπιστήμης στο Πανεπιστήμιο της Γενεύης) και ο David Knill του Πανεπιστημίου του Rochester υποστήριξαν την υπόθεση για μια «υπόθεση κωδικοποίησης Bayesian», η οποία υποστηρίζει ότι ο εγκέφαλος χρησιμοποιεί κατανομές πιθανοτήτων για να αναπαραστήσει αισθητηριακές πληροφορίες .

Σάρωση για μνήμες

Εκείνη την εποχή δεν υπήρχε σχεδόν καμία απόδειξη για αυτό από μελέτες νευρώνων. Αλλά το 2006, οι Ma, Pouget και οι συνάδελφοί τους στο Πανεπιστήμιο του Rochester παρουσίασαν ισχυρές ενδείξεις ότι οι πληθυσμοί των προσομοιωμένων νευρώνων θα μπορούσαν να εκτελέσουν τους βέλτιστους υπολογισμούς συμπερασμάτων Bayes. Περαιτέρω εργασία του Ma και άλλων ερευνητών τα τελευταία δώδεκα χρόνια πρόσφερε πρόσθετες επιβεβαιώσεις από την ηλεκτροφυσιολογία και τη νευροαπεικόνιση ότι η θεωρία εφαρμόζεται στην όραση χρησιμοποιώντας προγράμματα μηχανικής μάθησης που ονομάζονται αποκωδικοποιητές Bayes για την ανάλυση της πραγματικής νευρικής δραστηριότητας.

Οι νευροεπιστήμονες έχουν χρησιμοποιήσει αποκωδικοποιητές για να προβλέψουν τι βλέπουν οι άνθρωποι από σαρώσεις fMRI (λειτουργική μαγνητική τομογραφία) του εγκεφάλου τους. Τα προγράμματα μπορούν να εκπαιδευτούν για να βρίσκουν τους δεσμούς μεταξύ μιας παρουσιαζόμενης εικόνας και του μοτίβου της ροής του αίματος και της νευρικής δραστηριότητας στον εγκέφαλο που προκύπτει όταν τη βλέπουν οι άνθρωποι. Αντί να κάνουν μια ενιαία εικασία - ότι το θέμα κοιτάζει σε γωνία 85 μοιρών, για παράδειγμα - οι αποκωδικοποιητές Bayes παράγουν μια κατανομή πιθανότητας. Ο μέσος όρος της κατανομής αντιπροσωπεύει την πιο πιθανή πρόβλεψη αυτού που κοιτάζει το υποκείμενο. Η τυπική απόκλιση, η οποία περιγράφει το πλάτος της κατανομής, πιστεύεται ότι αντανακλά την αβεβαιότητα του ατόμου σχετικά με την όραση (είναι 85 μοίρες ή θα μπορούσε να είναι 84 ή 86;).

Στην πρόσφατη μελέτη, οι Curtis, Ma και οι συνάδελφοί τους εφάρμοσαν αυτήν την ιδέα στην εργαζόμενη μνήμη. Πρώτον, για να ελέγξουν αν ο Μπεϋζιανός αποκωδικοποιητής μπορούσε να παρακολουθεί τις μνήμες των ανθρώπων και όχι τις αντιλήψεις τους, έβαλαν υποκείμενα σε μια μηχανή fMRI να κοιτάζουν στο κέντρο ενός κύκλου με μια κουκκίδα στην περίμετρό του. Αφού εξαφανίστηκε η κουκκίδα, ζητήθηκε από τους εθελοντές να μετατοπίσουν το βλέμμα τους εκεί που θυμόντουσαν την κουκκίδα.

Οι ερευνητές έδωσαν στον αποκωδικοποιητή εικόνες fMRI 10 περιοχών του εγκεφάλου που εμπλέκονται στην όραση και τη μνήμη εργασίας που λήφθηκαν κατά τη διάρκεια της εργασίας μνήμης. Η ομάδα εξέτασε εάν οι μέσοι όροι των κατανομών νευρικής δραστηριότητας ευθυγραμμίζονται με την αναφερόμενη μνήμη - όπου τα υποκείμενα πίστευαν ότι ήταν η κουκκίδα - ή αν αντανακλούσαν πού ήταν στην πραγματικότητα η κουκκίδα. Σε έξι από τις περιοχές, τα μέσα προσέγγισαν περισσότερο τη μνήμη, γεγονός που κατέστησε δυνατό ένα δεύτερο πείραμα.

Η υπόθεση Μπεϋζιανής κωδικοποίησης πρότεινε ότι το πλάτος των κατανομών από τουλάχιστον ορισμένες από αυτές τις περιοχές του εγκεφάλου θα πρέπει να αντανακλά την εμπιστοσύνη των ανθρώπων σε αυτό που θυμούνται. "Αν είναι πολύ επίπεδη και είναι εξίσου πιθανό να έλθετε από τα άκρα όπως και προς τη μέση, η μνήμη σας θα πρέπει να είναι πιο αβέβαιη", είπε ο Curtis.

Για να αξιολογήσουν την αβεβαιότητα των ανθρώπων, οι ερευνητές τους ζήτησαν να κάνουν ένα στοίχημα σχετικά με τη θέση της κουκκίδας που θυμούνται. Τα υποκείμενα είχαν κίνητρο να είναι ακριβή και ακριβή — έπαιρναν περισσότερους πόντους αν μάντευαν μικρότερο εύρος τοποθεσιών και κανέναν πόντο αν έχαναν την πραγματική τοποθεσία. Τα στοιχήματα ήταν στην πραγματικότητα ένα αυτοαναφερόμενο μέτρο της αβεβαιότητάς τους, έτσι οι ερευνητές μπορούσαν να αναζητήσουν συσχετίσεις μεταξύ των στοιχημάτων και της τυπικής απόκλισης της κατανομής του αποκωδικοποιητή. Σε δύο περιοχές του οπτικού φλοιού, το V3AB και το IPS1, η τυπική απόκλιση της κατανομής συνδέθηκε σταθερά με το μέγεθος της αβεβαιότητας των ατόμων.

Θορυβώδεις μετρήσεις

Τα παρατηρούμενα μοτίβα δραστηριότητας θα μπορούσαν να σημαίνουν ότι ο εγκέφαλος χρησιμοποιεί τους ίδιους νευρικούς πληθυσμούς που κωδικοποιούν τη μνήμη μιας γωνίας για να κωδικοποιήσουν την εμπιστοσύνη σε αυτή τη μνήμη, αντί να αποθηκεύει τις πληροφορίες αβεβαιότητας σε ένα ξεχωριστό μέρος του εγκεφάλου. «Είναι ένας αποτελεσματικός μηχανισμός», είπε ο Curtis. "Αυτό είναι πραγματικά αξιοσημείωτο, επειδή κωδικοποιείται από κοινού στο ίδιο πράγμα."

Ωστόσο, «ένα πράγμα που πρέπει να συνειδητοποιήσουμε είναι ότι οι πραγματικές συσχετίσεις είναι πολύ χαμηλές», δήλωσε ο Paul Bays, νευροεπιστήμονας στο Πανεπιστήμιο του Cambridge που μελετά επίσης την οπτική λειτουργική μνήμη. Σε σύγκριση με τον οπτικό φλοιό, οι σαρώσεις fMRI είναι πολύ χονδροειδείς:Κάθε σημείο δεδομένων σε μια σάρωση αντιπροσωπεύει τη δραστηριότητα χιλιάδων, ίσως και εκατομμυρίων νευρώνων. Δεδομένων των περιορισμών της τεχνολογίας, είναι αξιοσημείωτο ότι οι ερευνητές μπόρεσαν να κάνουν καθόλου τα είδη των παρατηρήσεων σε αυτήν τη μελέτη.

«Χρησιμοποιούμε μια πολύ θορυβώδη μέτρηση για να ξεχωρίσουμε ένα πολύ μικροσκοπικό πράγμα», είπε ο Hsin-Hung Li, μεταδιδακτορικός ερευνητής στο NYU και πρώτος συγγραφέας της νέας εργασίας. Μελλοντικές μελέτες, είπε, μπορεί να αποσαφηνίσουν τις συσχετίσεις προκαλώντας ένα ευρύτερο φάσμα αβεβαιότητας κατά τη διάρκεια της εργασίας, με ορισμένες εικόνες για τις οποίες τα υποκείμενα μπορούν να είναι αρκετά βέβαιοι και άλλες που τους καθιστούν αρκετά αβέβαιους.

Όσο ενδιαφέροντα κι αν είναι τα ευρήματα, μπορούν να είναι μόνο μια προκαταρκτική και μερική απάντηση στο ερώτημα πώς κωδικοποιείται η αβεβαιότητα. «Αυτή η εργασία υποστηρίζει έναν συγκεκριμένο απολογισμό αυτού, ο οποίος είναι ουσιαστικά ότι η αβεβαιότητα κωδικοποιείται στο επίπεδο δραστηριότητας [σε ομάδες νευρώνων]», είπε ο Bays. "Αλλά υπάρχουν τόσα πολλά που μπορείτε να κάνετε με το fMRI για να αποδείξετε ότι αυτό συμβαίνει."

Μπορεί επίσης να είναι δυνατές και άλλες ερμηνείες. Ίσως μια μνήμη και η αβεβαιότητά της να μην αποθηκεύονται από τους ίδιους νευρώνες - οι νευρώνες αβεβαιότητας μπορεί απλώς να είναι κοντά. Ή ίσως κάτι διαφορετικό από την πυροδότηση μεμονωμένων νευρώνων συσχετίζεται πιο έντονα με την αβεβαιότητα, αλλά δεν μπορεί να επιλυθεί με τις τρέχουσες τεχνικές. Στην ιδανική περίπτωση, μια ποικιλία τύπων αποδεικτικών στοιχείων — συμπεριφοριστικών, υπολογιστικών και νευρωνικών — θα πρέπει να συντάσσονται και να οδηγούν στο ίδιο συμπέρασμα.

Αλλά η ιδέα ότι περπατάμε με κατανομές πιθανοτήτων στο κεφάλι μας όλη την ώρα έχει μια κάποια ομορφιά. Και μάλλον δεν είναι μόνο η όραση και η λειτουργική μνήμη που είναι δομημένα έτσι, σύμφωνα με τον Pouget. «Αυτή η Μπεϋζιανή θεωρία είναι εξαιρετικά γενική», είπε. "Υπάρχει ένας γενικός υπολογιστικός παράγοντας που λειτουργεί εδώ", είτε ο εγκέφαλος λαμβάνει μια απόφαση, αξιολογεί εάν πεινάτε ή αν κάνετε πλοήγηση σε μια διαδρομή.

Ωστόσο, αν ο υπολογισμός των πιθανοτήτων είναι τόσο αναπόσπαστο μέρος του τρόπου με τον οποίο αντιλαμβανόμαστε και σκεφτόμαστε τον κόσμο, γιατί οι άνθρωποι έχουν αποκτήσει τη φήμη ότι είναι κακοί κατά πιθανότητες; Γνωστά ευρήματα, κυρίως από την οικονομία και την επιστήμη της συμπεριφοράς, έχουν δείξει ότι οι άνθρωποι κάνουν μυριάδες λάθη εκτίμησης, με αποτέλεσμα να υπερεκτιμούν την πιθανότητα να συμβούν κάποια επικίνδυνα πράγματα και να μειώνουν σε άλλα. «Όταν ζητάς από τους ανθρώπους να εκτιμήσουν ρητά και λεκτικά τις πιθανότητες, είναι χάλια. Δεν υπάρχει άλλη λέξη», είπε ο Πουζέ.

Αλλά αυτού του είδους η εκτίμηση, η οποία μπορεί να διατυπωθεί σε προβλήματα λέξεων και διαγράμματα, εξαρτάται από ένα γνωστικό σύστημα στον εγκέφαλο που εξελίχθηκε πολύ πιο πρόσφατα από το σύστημα που χρησιμοποιείται για εργασίες όπως αυτή σε αυτή τη μελέτη, είπε ο Ma. Η αντίληψη, η μνήμη και οι κινητικές συμπεριφορές έχουν βελτιωθεί από μια πολύ μεγαλύτερη διαδικασία φυσικής επιλογής στην οποία η αποτυχία εντοπισμού ενός αρπακτικού ή η εσφαλμένη εκτίμηση του κινδύνου σήμαινε θάνατο. Για αιώνες, η ικανότητα να κάνουμε μια γρήγορη κρίση για μια απομνημονευμένη αντίληψη, συμπεριλαμβανομένης ίσως μιας εκτίμησης της αβεβαιότητάς της, κράτησε τους προγόνους μας ζωντανούς.

Η διόρθωση προστέθηκε στις 22 Ιανουαρίου 2022:
Σε μια λεζάντα αρχικά λανθασμένη ταυτοποίηση Hsin-Hung Li ως μεταδιδακτορικός ερευνητής στο εργαστήριο του Wei Ji Ma στο NYU. Εργάζεται στο εργαστήριο του Clayton Curtis.