دانشمندان اخیراً با استفاده از هوش مصنوعی، تکنیکی را ایجاد کردهاند که با تسهیل اتصالات مغزی موشها، تجسم و نظارت بر تغییرات قدرت سیناپسها را امکانپذیر میسازد.
به گزارش تکناک، سیناپس ها نقاط اتصالی هستند که از طریق آنها سلول های عصبی در مغز موجودات زنده با هم ارتباط برقرار می کنند. به گفته محققان، این تکنیک میتواند راه را برای درک بهتری از چگونگی تکامل این ارتباطات در مغز انسان برای بررسی فاکتورهای یادگیری، سن، آسیب روانی و بیماری هموار کند.
به عنوان مثال، اگر میخواهید درباره نحوه نواختن یک ارکستر بیشتر بدانید، باید زمان بگذارید و به تماشای تکتک نوازندگان بنشینید. دقیقا در این تحقیق از این کار برای بررسی عملکرد سیناپسها در مغز حیوانات زنده انجام شده است.
سلول های عصبی با تبادل پیام های شیمیایی در سیناپس ها، اطلاعات را از یک سلول به سلول دیگر منتقل می کنند. در مغز، تجربیات مختلف زندگی، مانند قرار گرفتن در معرض محیطهای جدید و توسعه مهارتهای یادگیری، باعث ایجاد تغییراتی در سیناپسها، تقویت یا تضعیف این ارتباطات برای یادگیری و حافظه میشوند. درک اینکه چگونه این تغییرات جزئی در میان تریلیونها سیناپس در مغز ما رخ میدهد، یک چالش دلهرهآور است، اما برای کشف اینکه مغز چگونه در یک زمان، به طور سالم کار میکند و چگونه توسط بیماری تغییر میکند، مهم است.
البته هوش مصنوعی همیشه به کمک مردم نمی آید ، گزارش جدید Wired هشدار می دهد که هوش مصنوعی نظامی ممکن است برای جاسوسی از غیرنظامیان عادی از جمله عموم مردم استفاده شود. در این مقاله آمده است که تکنیکهای نظارتی که به روش های دیکتاتوریهای مستبد شبیه است اکنون برای هدف قرار دادن کارگران آمریکایی تغییر کاربری داده شده است.
برای تعیین اینکه کدام سیناپسها در طول یک رویداد خاص زندگی تغییر میکنند، دانشمندان مدتهاست که به دنبال راههای بهتری برای تجسم محتوی در حال تغییر پیامهای سیناپسی هستند که به دلیل چگالی بالای سیناپسها در مغز و اندازه کوچک آنها ضروری است.
محققان باید از دادههای تصویربرداری چالشبرانگیز، مبهم و پر سر و صدا عبور کنند تا بخشهای را که باید بررسی کند، استخراج کنند.
برای انجام این کار، محققان به یادگیری ماشین روی آوردند. یادگیری ماشینی یا هوش مصنوعی به معنای یک چارچوب محاسباتی است که امکان توسعه انعطاف پذیر ابزارهای پردازش خودکار داده را فراهم می کند. یادگیری ماشینی با موفقیت در بسیاری از حوزههای زیستپزشکی اعمال شده است و در این مورد، دانشمندان از این رویکرد برای افزایش کیفیت تصاویر متشکل از هزاران سیناپس استفاده کردند. اگرچه این هوش مصنوعی میتواند ابزار قدرتمندی برای تشخیص خودکار باشد، که تا حد زیادی هم از سرعت انسان پیشی میگیرد، اما این سیستم باید ابتدا آموزش داده شود و به الگوریتم آموزش دهد که تصاویر با کیفیت بالا از سیناپسها چگونه باید باشند.
در این آزمایشها، محققان روی موشهای تغییر ژنتیکی یافته کار کردند که در آنها گیرندههای گلوتامات که حسگرهای شیمیایی در سیناپسها هستند، وقتی در معرض نور قرار میگرفتند، به رنگ سبز میدرخشیدند. از آنجا که هر گیرنده مقدار یکسانی نور ساطع می کند، مقدار فلورسانس تولید شده توسط یک سیناپس در این موش ها نشان دهنده تعداد سیناپس ها و در نتیجه قدرت آن است.
همانطور که انتظار می رفت، تصویربرداری در مغز دست نخورده موش ها، تصاویری با کیفیت پایین ایجاد کرد که در آن خوشه های منفرد گیرنده های گلوتامات در سیناپس ها به سختی دیده می شدند، چه رسد به اینکه به طور جداگانه شناسایی و در طول زمان ردیابی شوند. برای تبدیل این تصاویر به تصاویر با کیفیت بالاتر، دانشمندان یک الگوریتم یادگیری ماشینی را با تصاویر گرفته شده از برش های مغز (ex vivo) که از همان نوع موش های تغییر ژنتیکی یافته گرفته شده بود، آموزش دادند. از آنجایی که این تصاویر از حیوانات، زنده نبودند، میتوان با استفاده از تکنیکهای میکروسکوپی متفاوت، تصاویری با کیفیت بسیار بالاتر و همچنین تصاویری با کیفیت پایین یعنی مشابه تصاویر گرفته شده در حیوانات زنده، از همان نماها تهیه کرد.
این چارچوب جمعآوری دادههای متقابل، تیم تحقیقاتی را قادر میسازد تا یک الگوریتم بهبودی ایجاد کنند که میتواند تصاویری با وضوح بالاتر از تصاویر با کیفیت پایین، مشابه تصاویر جمعآوریشده از موشهای زنده را تولید کند. به این ترتیب، دادههای جمعآوریشده از مغز دستنخورده را میتوان به طور قابل توجهی افزایش داد و قادر به شناسایی و بررسی سیناپسهای فردی در طول آزمایش بود.
برای بررسی تغییرات در گیرندهها در طول زمان در موشهای زنده، محققان از میکروسکوپ برای گرفتن تصاویر مکرر از همان سیناپسها در موشها در طول چند هفته استفاده کردند. پس از ثبت تصاویر پایه، تیم تحقیقاتی حیوانات را در یک اتاقک با مناظر، بوها و تحریک های لمسی جدید برای یک دوره پنج دقیقه ای قرار داد. سپس یک روز در میان از همان ناحیه مغز تصویربرداری کردند تا ببینند چگونه محرکهای جدید بر تعداد گیرندههای گلوتامات در سیناپسها تأثیر گذاشته اند.
اگرچه تمرکز این تحقیق بر روی توسعه مجموعهای از روشها به منظور تجزیه و تحلیل تغییرات میزان سیناپس در زمینههای مختلف بود، اما محققان متوجه شدند که یک تغییر ساده در محیط، باعث ایجاد طیفی از تغییرات در فلورسانس در سیناپسها در قشر مغز میشود که نشاندهنده اتصالات است که در آن قدرت اتصالات سیناپسی در حیواناتی که در معرض محیط جدید قرار میگیرند، نسبت به سایرین افزایش می یابد.
