قواعد چندگانه یادگیری در نورون: گامی نو در فهم انعطاف‌پذیری عصبی

پژوهشی جدید در دانشگاه سن دیگو کالیفرنیا نشان می‌دهد که نورون‌های مغز به طور هم‌زمان از چندین قاعده یادگیری پیروی می‌کنند؛ یافته‌ای که دیدگاه رایج و دیرینه مبنی بر یکسان بودن سازوکار انعطاف‌پذیری سیناپسی در سراسر مغز را به چالش می‌کشد. دانشمندان با بهره‌گیری از فناوری پیشرفته تصویربرداری دو-فوتونی، تغییرات سیناپس‌ها را در حین یادگیری در مغز موش‌ها ردیابی کردند و دریافتند که بخش‌های مختلف یک نورون می‌توانند با بهره‌گیری از سازوکارهای متفاوتی سازگار شوند.

این دستاورد علمی، نوری تازه بر یکی از مسائل اساسی در علوم اعصاب می‌افکند؛ مسئله‌ای که تحت عنوان «مسئله تخصیص اعتبار» شناخته می‌شود، یعنی اینکه چگونه تغییرات موضعی در سیناپس‌ها به یادگیری گسترده رفتاری منجر می‌شود. این یافته‌ها نه‌تنها می‌توانند راهگشای درمان‌های نوین برای اختلالات مغزی باشند، بلکه الهام‌بخش توسعه سیستم‌های هوش مصنوعی پیشرفته‌تر نیز خواهند بود.

قواعد چندگانه یادگیری سیناپس‌ها

پژوهشگران در این مطالعه از یک روش تصویربرداری بسیار دقیق به نام «تصویربرداری دو فوتونی» استفاده کردند تا بتوانند در لحظه، تغییراتی را که در اتصالات بین نورون‌ها (یعنی سیناپس‌ها) هنگام یادگیری اتفاق می‌افتد، مشاهده کنند. آن‌ها این آزمایش را روی مغز موش‌ها انجام دادند و متوجه شدند که حتی درون یک نورون خاص، بخش‌های مختلفش از روش‌های متفاوتی برای سازگاری و یادگیری استفاده می‌کنند.

این کشف مهم به ما کمک می‌کند تا یکی از سوال‌های اساسی در علوم اعصاب را بهتر درک کنیم: اینکه مغز چطور می‌تواند از تغییرات کوچک و محلی در نورون‌ها، برای ایجاد یادگیری و رفتارهای جدید استفاده کند—چیزی که به آن “مسئله‌ی تخصیص اعتبار” (credit assignment problem) گفته می‌شود.

دانشمندان امیدوارند این یافته‌ها در آینده بتواند به پیشرفت‌های مهمی در دو زمینه منجر شود:

1. درمان بیماری‌های مغزی مانند آلزایمر، اوتیسم، یا PTSD (اختلال استرس پس از سانحه)،
2. ساخت سیستم‌های هوش مصنوعی پیشرفته‌تر که از روش‌های یادگیری شبیه به مغز انسان استفاده می‌کنند.

خواندنی‌ها

انعطاف‌پذیری عصبی چگونه کار می‌کند؛ تاثیر تجربه بر رشد سلول‌های مغزی

نکات کلیدی

• یادگیری چندگانه در نورون‌ها: برخلاف تصور قبلی، نورون‌ها فقط از یک قاعده یادگیری پیروی نمی‌کنند، بلکه در بخش‌های مختلف‌شان از قوانین متفاوتی برای یادگیری و سازگاری استفاده می‌کنند.
• تصویربرداری زنده و دقیق: با استفاده از تصویربرداری دو فوتونی، پژوهشگران توانستند به‌صورت زنده ببینند که سیناپس‌های نورون‌ها هنگام یادگیری، چگونه خودشان را تغییر می‌دهند.
• اهمیت و کاربرد: این یافته‌ها نه‌تنها می‌توانند مسیرهای درمانی جدیدی برای برخی اختلالات مغزی فراهم کنند، بلکه الهام‌بخش طراحی هوش مصنوعی‌هایی خواهند بود که عملکردی شبیه‌تر به مغز انسان دارند.

یادگیری چگونه اتفاق می‌افتد؟

چطور می‌توانیم وظایف یک شغل جدید را یاد بگیریم، متن آهنگ محبوب این روزها را حفظ کنیم، یا مسیر خانه‌ی دوستی را به خاطر بسپاریم؟ پاسخ کلی این است که:

مغز ما برای جا دادن اطلاعات جدید، خودش را تغییر می‌دهد.

نقش تغییرات مغزی در یادگیری

برای اینکه بتوانیم رفتار جدیدی را دنبال کنیم یا اطلاعات تازه‌ای را نگه داریم، سیم‌کشی عصبی مغز دچار تغییراتی می‌شود. این تغییرات در سطح تریلیون‌ها سیناپس اتفاق می‌افتد. سیناپس‌ها همان نقاط ارتباطی بین سلول‌های عصبی (نورون‌ها) هستند که در آن‌ها تبادل اطلاعات مغزی انجام می‌شود.

در این فرآیند بسیار هماهنگ و پیچیده، برخی از این سیناپس‌ها با ورود اطلاعات جدید قوی‌تر می‌شوند، در حالی که برخی دیگر تضعیف می‌گردند. عصب‌شناسان این تغییرات را “انعطاف‌پذیری سیناپسی” (synaptic plasticity) می‌نامند و تاکنون فرآیندهای مولکولی مختلفی را شناسایی کرده‌اند که باعث این تغییرات می‌شوند.

با این حال، یک سؤال مهم بی‌پاسخ مانده بود: بر چه اساسی برخی سیناپس‌ها دستخوش این تغییرات می‌شوند و برخی دیگر نه؟ پاسخ به این سؤال می‌تواند مشخص کند که مغز چطور اطلاعات جدید را یاد می‌گیرد و آن را ذخیره می‌کند.

کتاب مغز: داستان شما اثر دیوید ایگلمن نشر مازیار

175,000 تومان

مشاهده و خرید

اکنون، سه عصب‌شناس از دانشگاه کالیفرنیا در سن‌دیگو ویلیام “جِیک” رایت، نِیتن هِدریک و تاکاکی کومی‌یاما توانسته‌اند به جزئیات مهمی در این زمینه دست پیدا کنند. این تحقیق که چندین سال به طول انجامیده، با حمایت مالی مؤسسات ملی سلامت ایالات متحده انجام شده است.

در این پژوهش که در تاریخ ۱۷ آوریل در مجله Science منتشر شد، محققان از یک روش تصویربرداری پیشرفته به نام تصویربرداری دو فوتونی استفاده کردند تا فعالیت‌های نورون‌ها و سیناپس‌ها را هنگام یادگیری در مغز موش‌ها با وضوح بی‌سابقه‌ای مشاهده کنند.

با دیدن سیناپس‌ها از نزدیک در حین فعالیت، آن‌ها به کشف شگفت‌انگیزی رسیدند:

بر خلاف تصور قدیمی که فکر می‌کردیم نورون‌ها هنگام یادگیری فقط از یک قانون خاص پیروی می‌کنند، واقعیت این است که هر نورون می‌تواند هم‌زمان از چند قانون مختلف پیروی کند و در بخش‌های مختلف خود، از قواعد متفاوتی برای یادگیری استفاده کند.

تأثیرات گسترده این کشف

این یافته‌ی تازه می‌تواند تأثیر بزرگی در حوزه‌های مختلف داشته باشد از درمان اختلالات مغزی و رفتاری گرفته تا توسعه هوش مصنوعی.

جِیک رایت، پژوهشگر ارشد و نویسنده اول این مطالعه، می‌گوید: «وقتی از انعطاف‌پذیری سیناپسی صحبت می‌شود، معمولاً تصور می‌کنیم این فرآیند در کل مغز به‌صورت یکسان اتفاق می‌افتد. اما تحقیقات ما نشان می‌دهد که تغییرات سیناپسی در مغز خیلی پیچیده‌تر از آن چیزی است که فکر می‌کردیم.»

محققان همچنین به یکی از مسائل کلیدی در علوم اعصاب نزدیک شدند: “مسئله تخصیص اعتبار”. این مسئله مربوط به این است که هر سیناپس تنها به اطلاعات محلی خود دسترسی دارد، اما در نهایت، همین تغییرات جزئی چطور باعث شکل‌گیری یک رفتار جدید کلی می‌شوند؟

کتاب خطای دکارت اثر آنتونیو داماسیو نشر نگاه معاصر

20 %

400,000

320,000 تومان

مشاهده و خرید

برای درک بهتر، این مسئله را می‌توان با کار یک مورچه در یک کلونی مقایسه کرد مورچه فقط وظیفه خودش را انجام می‌دهد، اما نتیجه‌ی کار همه‌ی مورچه‌ها با هم، باعث زنده ماندن کل کلونی می‌شود. نکته جالب اینجاست که کشف اینکه نورون‌ها هم‌زمان از چند قانون پیروی می‌کنند، خود پژوهشگران را هم غافل‌گیر کرد. با کمک فناوری تصویربرداری پیشرفته، آن‌ها توانستند هم‌زمان ورودی‌ها و خروجی‌های نورون‌ها را در حال تغییر بررسی کنند.

تاکاکی کومی‌یاما، نویسنده ارشد مقاله و استاد دانشگاه، می‌گوید: «این کشف، نگاه ما به نحوه حل مسئله تخصیص اعتبار در مغز را به‌طور بنیادی تغییر می‌دهد. حالا می‌دانیم که یک نورون می‌تواند به‌طور هم‌زمان در بخش‌های مختلف خود، محاسبات جداگانه‌ای انجام دهد.»

این اطلاعات جدید، نوید بخش پیشرفت‌هایی در حوزه هوش مصنوعی نیز هست خصوصاً در طراحی شبکه‌های عصبی مصنوعی که عملکردشان بر اساس مغز انسان ساخته شده است. تا پیش از این، بیشتر شبکه‌های عصبی مصنوعی بر اساس یک قانون واحد برای کل شبکه طراحی می‌شدند. اما این پژوهش نشان می‌دهد که شاید استفاده از چند قانون هم‌زمان، حتی در یک نورون مصنوعی، بتواند سیستم‌های هوشمندتر و دقیق‌تری بسازد.

خواندنی‌ها

تاثیر باورنکردنی بازی کردن بر بهبود سلامت روان کودکان

در حوزه سلامت، این یافته‌ها ممکن است راهکارهای درمانی جدیدی برای بیماری‌هایی مثل اعتیاد، اختلال استرس پس از سانحه (PTSD)، آلزایمر و حتی اوتیسم ارائه دهند. «این پژوهش ممکن است پایه‌ای برای درک بهتر عملکرد طبیعی مغز فراهم کند. درکی که می‌تواند به ما کمک کند بفهمیم در بیماری‌های مغزی دقیقاً چه چیزهایی از کار می‌افتند یا به اشتباه عمل می‌کنند.»

 قدم بعدی پژوهشگران

پژوهشگران اکنون می‌خواهند بررسی کنند که نورون‌ها چگونه می‌توانند از چند قانون مختلف استفاده می‌کنند و این ویژگی چه سودی برای عملکرد مغز دارد. آن‌ها معتقدند شناخت بهتر این سازوکار، می‌تواند دریچه‌ای به فهم عمیق‌تر عملکرد طبیعی مغز و بیماری‌های آن باشد.

جمع بندی

پژوهش جدیدی با استفاده از تصویربرداری دو فوتونی بر روی مغز موش‌ها نشان داده است که سیناپس‌های نورونی برای یادگیری، از قواعد مختلفی به‌صورت هم‌زمان بهره می‌برند؛ یافته‌ای که دیدگاه سنتی مبنی بر وجود یک قاعده یادگیری یکنواخت در مغز را به چالش می‌کشد. این کشف نه‌تنها به درک دقیق‌تری از سازوکارهای انعطاف‌پذیری سیناپسی و مسئله‌ی تخصیص اعتبار کمک می‌کند، بلکه می‌تواند زمینه‌ساز طراحی هوش مصنوعی‌های پیشرفته‌تر و ارائه روش‌های نوین درمانی برای اختلالات مغزی مانند آلزایمر، اوتیسم و PTSD باشد.

منبع: این متن از مقاله Synapses Use Multiple Learning Rules to Encode New Information ترجمه و بازنویسی شده است.