Dartmouth College, MIT ve Stony Brook'taki New York Eyalet Üniversitesi'nden bir bilim insanı ekibi, beynin biyolojisi ve fizyolojisine yakından dayanan yeni bir hesaplamalı modelin, basit bir görsel kategori öğrenme görevini laboratuvar hayvanlarıyla aynı derecede iyi öğrenmekle kalmayıp, aynı görevi hayvanlar üzerinde yapan araştırmacıların verilerinde daha önce fark etmedikleri, bir grup nöronun sezgisel olmayan aktivitesinin keşfedilmesini de sağladığını söylüyor.
Özellikle belirtmek gerekirse, model bu başarıları hayvan deneylerinden elde edilen hiçbir veriyle eğitilmeden üretti. Bunun yerine, nöronların devreler halinde nasıl bağlandığını ve daha sonra biliş ve davranışı üretmek için daha geniş beyin bölgelerinde elektriksel ve kimyasal olarak nasıl iletişim kurduğunu aslına sadık bir şekilde temsil etmek üzere sıfırdan inşa edildi. Daha sonra, araştırma ekibi modelden daha önce hayvanlarla gerçekleştirdikleri aynı görevi (nokta desenlerine bakmak ve iki geniş kategoriden hangisine uyduklarına karar vermek) yapmasını istediğinde, model son derece benzer sinirsel aktivite ve davranışsal sonuçlar üretti ve beceriyi neredeyse tamamen aynı düzensiz ilerlemeyle kazandı.
Dartmouth'ta psikoloji ve beyin bilimleri profesörü ve modeli açıklayan Nature Communications'da yayınlanan yeni bir çalışmanın kıdemli yazarı Richard Granger , "Bu, beyin aktivitesinin yeni simüle edilmiş grafiklerini üretmekten ibaret ve ancak daha sonra bunlar laboratuvar hayvanlarıyla karşılaştırılıyor. Bu kadar çarpıcı bir şekilde eşleşmeleri bir bakıma şok edici," diyor.
Makalenin yazılmasından bu yana geliştirilen yeni versiyonların ve modelin oluşturulmasındaki amaç, yalnızca beynin nasıl çalıştığına dair içgörü sunmak değil, aynı zamanda hastalık durumunda nasıl farklı çalışabileceğine ve bu sapmaları hangi müdahalelerin düzeltebileceğine dair de bilgi sağlamaktır, diye ekliyor MIT'deki Picower Öğrenme ve Bellek Enstitüsü'nde Picower Profesörü olan ortak yazar Earl K. Miller . Miller, Granger ve araştırma ekibinin diğer üyeleri, modellerin biyoteknoloji uygulamalarını geliştirmek için Neuroblox.ai şirketini kurdu. Neuroblox Projesi'nin baş araştırmacısı olan Stony Brook'ta biyomedikal mühendisliği profesörü ve ortak yazar Lilianne R. Mujica-Parodi, şirketin CEO'sudur.
MIT Beyin ve Bilişsel Bilimler Bölümü öğretim üyesi olan Miller, "Amaç, nöroterapi ilaçlarının keşfi, geliştirilmesi ve iyileştirilmesi için daha verimli bir yol sağlamak amacıyla beynin biyomimetik modellemesi için bir platform oluşturmaktır. Örneğin, ilaç geliştirme ve etkinlik testleri, klinik denemelerin risk ve masraflarından önce, platformumuzda daha erken bir aşamada gerçekleştirilebilir" diyor.
Biyomimetik bir model oluşturmak
Dartmouth'ta doktora sonrası araştırmacı olan Anand Pathak, birçok diğer modelden farklı olarak, tek tek nöron çiftlerinin birbirleriyle nasıl bağlantı kurduğu gibi küçük ayrıntıları ve asetilkolin gibi nöromodülatör kimyasalların bölgeler arası bilgi işlemeyi nasıl etkilediği de dahil olmak üzere büyük ölçekli mimariyi bir araya getiren bir model geliştirdi. Pathak ve ekibi, nöronların daha geniş ritimlerle nasıl senkronize olduğu gibi gerçek beyinlerde gözlemlenen çeşitli kısıtlamalara uyduklarından emin olmak için tasarımlarını tekrarladılar. Pathak, diğer birçok modelin yalnızca küçük veya büyük ölçeklere odaklandığını, ancak ikisine birden odaklanmadığını söylüyor.
Pathak, "Ağacı kaybetmek istemedik, ormanı da kaybetmek istemedik," diyor.
Çalışmada "ilkel yapılar" olarak adlandırılan mecazi "ağaçlar", gerçek hücrelerin elektriksel ve kimyasal prensiplerine göre bağlantı kurarak temel hesaplama işlevlerini yerine getiren, her biri birkaç nöron içeren küçük devrelerdir. Örneğin, modelin beyin korteksi versiyonunda, bir ilkel tasarımda, nörotransmitter glutamat tarafından etkilenen sinaps bağlantıları aracılığıyla görsel sistemden girdi alan uyarıcı nöronlar bulunur. Bu uyarıcı nöronlar daha sonra, diğer uyarıcı nöronları kapatmaları için sinyal gönderme yarışında, engelleyici nöronlarla yoğun bir şekilde bağlantı kurarlar; bu, gerçek beyinlerde bulunan ve bilgi işlemeyi düzenleyen "kazananın her şeyi aldığı" bir mimaridir.
Daha geniş ölçekte, model temel öğrenme ve hafıza görevleri için gerekli olan dört beyin bölgesini kapsar: korteks, beyin sapı, striatum ve asetilkolin patlamaları yoluyla sisteme biraz "gürültü" enjekte edebilen bir "tonik olarak aktif nöron" (TAN) yapısı. Örneğin, model sunulan nokta desenlerini kategorize etme görevine giriştiğinde, TAN başlangıçta modelin görsel girdiye nasıl tepki verdiğinde bir miktar değişkenlik sağladı, böylece model çeşitli eylemleri ve sonuçlarını keşfederek öğrenebildi. Model öğrenmeye devam ettikçe, korteks ve striatum devreleri TAN'ı baskılayan bağlantıları güçlendirdi ve modelin öğrendiklerini giderek artan bir tutarlılıkla uygulamasına olanak sağladı.
Model öğrenme görevine dahil olurken, Miller'ın hayvanlarla yaptığı araştırmalarda sıklıkla gözlemlediği bir dinamik de dahil olmak üzere gerçek dünya özellikleri ortaya çıktı. Öğrenme ilerledikçe, korteks ve striatum beyin ritimlerinin "beta" frekans bandında daha senkronize hale geldi ve bu artan senkronizasyon, modelin (ve hayvanların) gördükleri şey hakkında doğru kategori yargısında bulundukları zamanlarla ilişkiliydi.
“Uyumsuz” nöronları ortaya çıkarmak
Ancak model, araştırmacılara aktivitesi hatayı oldukça iyi tahmin eden bir grup nöronu (yaklaşık yüzde 20) da sundu. Bu sözde "uyumsuz" nöronlar devreleri etkilediğinde, model yanlış kategori yargısında bulunuyordu. Granger'ın dediğine göre, ekip ilk başta bunun modelin bir tuhaflığı olduğunu düşündü. Ancak daha sonra Miller'ın laboratuvarının hayvanlar aynı görevi gerçekleştirdiğinde topladığı gerçek beyin verilerine baktılar.
"Ancak o zaman, elimizdeki verilere geri döndük; bunun orada olamayacağından emindik çünkü birileri mutlaka bir şey söylerdi, ama oradaydı ve sadece daha önce fark edilmemiş veya analiz edilmemişti," diyor.
Miller, bu sezgisel olmayan hücrelerin bir amaca hizmet edebileceğini söylüyor: Bir görevin kurallarını öğrenmek elbette iyi bir şey, ama ya kurallar değişirse? Zaman zaman alternatifleri denemek, beynin yeni ortaya çıkan bir dizi koşulu keşfetmesini sağlayabilir. Nitekim, Picower Enstitüsü'ndeki ayrı bir laboratuvar yakın zamanda insanların ve diğer hayvanların bunu bazen yaptığını gösteren kanıtlar yayınladı .
Granger'ın belirttiğine göre, yeni makalede açıklanan model ekibin beklentilerinin ötesinde performans gösterirken, ekip daha çeşitli görev ve koşulları ele alabilecek kadar gelişmiş hale getirmek için modeli genişletmeye devam ediyor. Örneğin, daha fazla bölge ve yeni nöromodülatör kimyasallar eklediler. Ayrıca, ilaçlar gibi müdahalelerin dinamiklerini nasıl etkilediğini test etmeye başladılar.
Granger, Miller, Pathak ve Mujica-Parodi'ye ek olarak, makalenin diğer yazarları Scott Brincat, Haris Organtzidis, Helmut Strey, Sageanne Senneff ve Evan Antzoulatos'tur.
Araştırmaya Baszucki Beyin Araştırma Fonu, Amerika Birleşik Devletleri Deniz Kuvvetleri Araştırma Ofisi ve Freedom Together Vakfı destek sağlamıştır.
