کشف مدار مغزی پنهان که کنترل تصمیمگیریهای پیچیده را در دست دارد

کشف مدار مغزی پنهان که کنترل تصمیمگیریهای پیچیده را در دست دارد, دانشمندان علوم اعصاب دانشگاه پرینستون با طراحی یک مدل ریاضی نوین، موفق شدهاند مکانیزم پنهان مغز در پردازش همزمان سیگنالهای حسی متناقض را فاش کنند. این کشف نه تنها پرده از نحوه مدیریت اطلاعات متضاد — مانند دیدن چراغ سبز ترافیک در همزمان با شنیدن آژیر آمبولانس — برمیدارد، بلکه افقهای جدیدی برای درک اختلالات عصبی و پیشرفت هوش مصنوعی گشوده است.

چگونه مغز در میان سیگنالهای متضاد تصمیم میگیرد؟ تصمیمگیریهای روزمره نیازمند پردازش موازی اطلاعات حسی گوناگون است. تصور کنید در حال عابر پیادهروی هستید چراغ راهنمایی سبز میشود و عبور را ایمن میسازد، اما ناگهان صدای بلند آژیر یک آمبولانس به گوش میرسد که ضرورت توقف را میطلبد. مغز بلافاصله این دو ورودی متضاد را تحلیل کرده و ایمنترین گزینه — توقف — را انتخاب میکند.

تا کنون نحوه ایجاد این تعادل در لحظه بین محسوسهای بصری و شنوایی، برای محققان مبهم باقی مانده بود. نقش قشر پیشپیشانی و پیچیدگی تکسلولی قشر پیشپیشانی، واقع در پشت پیشانی، به عنوان مرکز فرآیندهای شناختی عالی شناخته میشود. تحقیقات پیشین نشان داده بود که نورونهای منفرد این ناحیه پاسخهای چندوجهی و پیچیدهای از خود نشان میدهند.

برای مثال، یک سلول عصبی تنها در صورتی فعال میشود که چراغ سبز باشد و همزمان ماشینی گذرگاه را مسدود کرده باشد. این تخصص بالا در سطح تکسلولی، پیچیدگی درک نحوه هماهنگی کل شبکه را دوچندان میکرد. مدل ریاضی مدار نهان و پیشبینیهای کلیدی تیم پژوهش پرینستون مدل مبتنی بر مدار نهان را توسعه داد تا نحوه تحول انتخابها بر اساس تغییر قدرت اتصالات بین گرههای پنهان شبکه عصبی را شبیهسازی کند.

این مدل قدرتمند به محققان اجازه میدهد تا بررسی کنند که آیا ساختار اتصال پنهان واقعاً برای پشتیبانی از عملکرد در اجرای وظایف ضروری است یا خیر. نتایج حیرتانگیز بود حذف اتصالات خاص در این مدار، عملکرد در وظایف با راهحلهای پیشبینیپذیر را به شدت مختل کرد، که اثبات میکند این اتصالات ستون فقرات تصمیمگیری انعطافپذیر هستند.

پیامدهای درمانی و فناوریای این پژوهش که در مجله معتبر نِیچِر نوروساینس منتشر شده، پیامدهای فراگیر دارد. درک دقیق مدارهای تصمیمگیری میتواند به تشخیص و درمان زودهنگام اختلالات اعصابتکاملی و عصبی-فرساینده مانند بیماری آلزایمر کمک کند.

از سوی دیگر، الگوریتمهای مستوحا از این معماری مغزی، میتوانند کارایی سیستمهای هوش مصنوعی نظیر دستیارهای صوتی (مانند الکسا) و فناوریهای ناوبری خودروهای خودران را به طور قابلتوجهی ارتقا دهند، تا در مواجهه با موقعیتهای پیچیده و متناقض، تصمیمهای ایمنتر و هوشمندانهتری بگیرند.