مغز برای جلوگیری از تأثیر عوامل حواس‌پرتی، به‌جای نادیده گرفتن منفعلانه آنها، از فیوزهای عصبی ویژه‌ای استفاده می‌کند که به‌طور فعال اطلاعات نامرتبط را سرکوب می‌کنند.
به گزارش تکناک،پژوهشگران با بررسی فعالیت صدها نورون در مغز میمون‌ها و آموزش 200 شبکه عصبی مصنوعی دریافتند که هر دو، سازوکارهای مشابهی برای مهار اطلاعات مزاحم ایجاد می‌کنند.
این یافته می‌تواند به پیشرفت در درمان اختلالات توجه و بهبود عملکرد هوش مصنوعی منجر شود، اگرچه برای تحقق این اهداف، پژوهش‌های بیشتری مورد نیاز است.
هر لحظه، میلیون‌ها نورون در مغز ما برای مقابله با حواس‌پرتی تلاش می‌کنند. هنگامی که متنی را مطالعه می‌کنیم، مغز به‌طور فعال سیگنال‌های محیطی مزاحم، مانند صدای دستگاه‌های اطراف، قدم‌های رهگذران یا اعلان‌های گوشی را سرکوب می‌کند. پژوهشی جدید، نحوه عملکرد این سیستم فیلترینگ را آشکار کرده و نشان داده است که فیوزهای عصبی چگونه اطلاعات نامرتبط را مسدود می‌کنند.
دانشمندان دانشگاه Princeton و Cold Spring Harbor Laboratory در پژوهشی که در Nature Neuroscience منتشر شده، دریافته‌اند که مغز دارای فیوزهای اختصاصی است، سازوکارهایی که اطلاعات نامرتبط را به‌جای نادیده گرفتن، به‌طور فعال خاموش می‌کنند. این فیوزها در قشر پیش‌پیشانی قرار دارند، ناحیه‌ای که در پسِ پیشانی جای گرفته و مسئول تصمیم‌گیری‌های پیچیده است.
این پژوهش نظریه‌های پیشین درباره نحوه پردازش اطلاعات در مغز را به چالش کشیده است. پیش‌تر تصور می‌شد که مغز، سیگنال‌های مهم را تقویت می‌کند و به‌طور منفعلانه حواس‌پرتی‌ها را نادیده می‌گیرد، اما یافته‌های جدید نشان می‌دهند که مغز دارای فیوزهای اختصاصی است که پردازش اطلاعات غیرضروری را فعالانه متوقف می‌کنند.
این فرآیند در قشر پیش‌پیشانی که به مدیر اجرایی مغز شهرت دارد، انجام می‌شود. این بخش از مغز، وظایف شناختی پیچیده را مدیریت می‌کند. به‌عنوان نمونه، هنگام رانندگی، اگر نیاز باشد تنها بر رنگ چراغ راهنمایی تمرکز کنیم، فیوزهای ویژه‌ای در قشر پیش‌پیشانی، مسیر پردازش اطلاعات حرکتی را مهار کرده و مانع از تداخل آن در تصمیم‌گیری مبتنی بر رنگ می‌شوند.
پژوهشگران برای درک این سازوکار، آزمایش‌هایی را روی مغزهای زیستی و شبکه‌های عصبی مصنوعی انجام دادند. در این آزمایش، دو میمون rhesus نر بالغ، برای انجام یک وظیفه تصمیم‌گیری خاص آموزش داده شدند. ابتدا شکل‌های مختلفی (مربع یا مثلث) به آنها نمایش داده شد و سپس شبکه‌ای رنگی و متحرک ظاهر گردید. بسته به شکل اولیه، میمون‌ها می‌بایست یا رنگ (قرمز یا سبز) و یا جهت حرکت (چپ یا راست) شبکه را تشخیص داده و ویژگی دیگر را نادیده می‌گرفتند.
پژوهشگران با ثبت فعالیت صدها نورون (727 نورون در یک میمون و 574 نورون در دیگری) در قشر پیش‌پیشانی دریافتند که فیوزهای عصبی خاصی برای مهار اطلاعات غیرضروری فعال می‌شوند. برای نمونه، زمانی که حرکت به‌عنوان عامل اصلی در نظر گرفته شد، سلول‌های پردازش شکل، فعالیت سلول‌های مرتبط با رنگ را سرکوب کردند و بالعکس.
به‌منظور تأیید این یافته‌ها، پژوهشگران 200 شبکه عصبی مصنوعی را برای انجام همین وظیفه آموزش دادند. نکته قابل‌توجه این بود که این شبکه‌ها نیز مکانیسم‌های مهاری مشابهی را ایجاد کردند، که نشان می‌دهد این نوع سرکوب فعال، یک اصل اساسی در پردازش هوشمند اطلاعات است.
کریستوفر لانگدون.، نویسنده اصلی این پژوهش و پژوهشگر پسادکتری، می‌گوید: «اینکه توانستیم یک مکانیسم مشخص و قابل تفسیر را در دل یک شبکه پیچیده شناسایی کنیم، بسیار هیجان‌انگیز بود.»
پژوهشگران برای تحلیل این شبکه‌های عصبی، مدلی جدید با نام مدل مدار نهفته توسعه دادند. به‌جای بررسی تک‌تک نورون‌ها و روابط آنها، این مدل، گروهی از نورون‌های کلیدی را شناسایی کرد که نقش هدایت فعالیت شبکه عصبی را بر عهده دارند. این رویکرد، نشان داد که چگونه گروه‌های کوچک نورونی می‌توانند شبکه‌های بزرگ‌تر را برای فیلتر کردن اطلاعات کنترل کنند.
این مدل نه‌تنها ساختار این شبکه‌ها را تشریح کرد، بلکه پیش‌بینی‌های عملی نیز ارائه داد. پژوهشگران دریافتند که با دستکاری اتصالات خاص بین نورون‌ها، می‌توانند رفتار تصمیم‌گیری را تغییر دهند.
این پژوهشگر می‌گوید: «آنچه در پژوهش جدید ما اهمیت دارد، این است که نشان دادیم چگونه می‌توان عملکرد یک مدار عصبی را در سطح یک شبکه گسترده پیاده‌سازی کرد.»
مغز انسان دارای بیش از 86 میلیارد نورون است، که تعداد آنها از ستارگان کهکشان راه شیری نیز بیشتر است و این امر، مطالعه عملکرد مغز را به چالشی پیچیده تبدیل می‌کند. اما این پژوهش با نمایش چگونگی عملکرد فیوزهای عصبی ساده در مدیریت این پیچیدگی، مسیرهای جدیدی را برای درک عملکرد مغز و اختلالات آن گشوده است.
این یافته‌ها می‌توانند به درک بهتر اختلالاتی که در آنها تصمیم‌گیری و توجه دچار مشکل می‌شود، از افسردگی گرفته تا اختلال نقص توجه و بیش‌فعالی (ADHD) کمک کنند. علاوه بر این، می‌توان از این دانش برای بهبود عملکرد هوش مصنوعی، از دستیارهای دیجیتال تا خودروهای خودران، بهره برد. البته، تحقق این اهداف مستلزم پژوهش‌های گسترده‌تر است.
لانگدون می‌افزاید: «بسیاری از فرایندهای تصمیم‌گیری که در پژوهش‌های کنترل‌شده بررسی می‌شوند، احتمالاً دارای مکانیسم‌های نهفته‌ای هستند که ما اکنون می‌توانیم آنها را در مجموعه داده‌های گوناگون جست‌وجو کنیم.»
این پژوهش، گامی به‌سوی درک بهتر مکانیسم‌های تمرکز در مغز است. با شناسایی فیوزهای عصبی که اطلاعات نامرتبط را مهار می‌کنند، این مطالعه نشان می‌دهد که چگونه مغز ما در میان حجم گسترده‌ای از اطلاعات، کارآمدترین مسیر پردازش را انتخاب می‌کند.
