Moć miješane selektivnosti: razumijevanje funkcije mozga i spoznaje

Svakodnevno naš mozak teži optimizaciji kompromisa: s toliko događaja koji se događaju oko nas, a istovremeno s toliko unutarnjih poriva i sjećanja, naše misli moraju biti fleksibilne, ali dovoljno fokusirane da vode sve što trebamo učiniti. U novom radu u časopisu Neuron, tim neuroznanstvenika opisuje kako mozak postiže kognitivnu sposobnost integriranja svih relevantnih informacija bez da se preoptereti onim što nije važno.

Autori tvrde da ta fleksibilnost proizlazi iz ključnog svojstva uočenog kod mnogih neurona: „mješovite selektivnosti“. Dok su mnogi neuroznanstvenici prije mislili da svaka stanica ima samo jednu specijaliziranu funkciju, noviji dokazi pokazali su da mnogi neuroni mogu sudjelovati u različitim računalnim ansamblima koji rade paralelno. Drugim riječima, kada zec razmišlja o grickanju salate u vrtu, jedan neuron mogao bi biti uključen ne samo u procjenu njegove gladi, već i u slušanje jastreba iznad glave ili mirisanje kojota u drveću i procjenu koliko je salata udaljena.

Mozak ne obavlja više zadataka istovremeno, rekao je koautor rada Earl K. Miller, profesor na Picower institutu za proučavanje učenja i pamćenja na MIT-u i jedan od pionira ideje mješovite selektivnosti, ali mnoge stanice imaju sposobnost sudjelovanja u višestrukim izračunima (u biti, "mislima"). U novom radu autori opisuju specifične mehanizme koje mozak koristi za regrutiranje neurona za različite izračune i kako bi osigurali da ti neuroni predstavljaju pravi broj dimenzija složenog zadatka.

Ti neuroni obavljaju mnoge funkcije. S miješanom selektivnošću možete imati reprezentacijski prostor koji je onoliko složen koliko vam je potreban, i ništa više. Tu leži fleksibilnost kognitivne funkcije.

Earl K. Miller, profesor, Picower institut za proučavanje učenja i pamćenja, Tehnološki institut Massachusetts

Koautorica Kay Tai, profesorica na Salk institutu i Sveučilištu Kalifornija u San Diegu, rekla je da je miješana selektivnost među neuronima, posebno u medijalnom prefrontalnom korteksu, ključna za omogućavanje mnogih mentalnih sposobnosti.

„MPFC je poput šapata koji predstavlja toliko informacija kroz vrlo fleksibilne i dinamične ansamble“, rekao je Tai. „Mješovita selektivnost je svojstvo koje nam daje fleksibilnost, kognitivne sposobnosti i kreativnost. To je tajna maksimiziranja računalne snage, koja je u biti osnova inteligencije.“

Podrijetlo ideje

Ideja miješane selektivnosti započela je 2000. godine, kada su Miller i njegov kolega John Duncan obranili iznenađujući rezultat studije kognitivnih funkcija u Millerovom laboratoriju. Kada su životinje sortirale slike u kategorije, činilo se da je regrutirano oko 30 posto neurona u prefrontalnom korteksu mozga. Skeptici koji su vjerovali da svaki neuron ima namjensku funkciju ismijavali su ideju da mozak može posvetiti toliko stanica samo jednom zadatku. Millerov i Duncanov odgovor bio je da možda stanice imaju fleksibilnost za sudjelovanje u mnogim izračunima. Sposobnost služenja u jednoj moždanoj skupini, kao što je to činila, nije isključivala njihovu sposobnost da služe mnogim drugima.

Ali kakvu korist donosi miješana selektivnost? Godine 2013., Miller se udružio s dva koautora novog rada, Mattiom Rigottijem iz IBM Researcha i Stefanom Fusijem iz Sveučilišta Columbia, kako bi pokazao kako miješana selektivnost daje mozgu snažnu računalnu fleksibilnost. U biti, ansambl neurona s miješanom selektivnošću može primiti mnogo više dimenzija informacija o zadatku nego populacija neurona s fiksnim funkcijama.

„Od našeg izvornog rada, napravili smo napredak u razumijevanju teorije miješane selektivnosti kroz prizmu klasičnih ideja strojnog učenja“, rekao je Rigotti. „S druge strane, pitanja važna eksperimentatorima o mehanizmima koji to provode na staničnoj razini bila su relativno nedovoljno proučena. Ova suradnja i ovaj novi rad imaju za cilj popuniti tu prazninu.“

U novom radu, autori zamišljaju miša koji odlučuje hoće li pojesti bobicu. Može mirisati ukusno (to je jedna dimenzija). Može biti otrovna (to je druga). Druga ili dvije dimenzije problema mogle bi doći u obliku društvenog znaka. Ako miš osjeti miris bobice u dahu drugog miša, bobica je vjerojatno jestiva (ovisno o prividnom zdravlju drugog miša). Neuralni ansambl s miješanom selektivnošću mogao bi integrirati sve to.

Privlačenje neurona

Iako miješanu selektivnost podupiru brojni dokazi - uočena je u cijelom korteksu i u drugim područjima mozga poput hipokampusa i amigdale - ostaju otvorena pitanja. Na primjer, kako se neuroni regrutiraju za zadatke i kako neuroni koji su tako širokogrudni ostaju usmjereni samo na ono što je zaista kritično za misiju?

U novoj studiji, istraživači, uključujući Marcusa Bennu sa Sveučilišta Kalifornije u San Diegu i Felixa Taschbacha sa Salk Instituta, identificiraju oblike miješane selektivnosti koje su istraživači primijetili i tvrde da kada oscilacije (također poznate kao "moždani valovi") i neuromodulatori (kemikalije poput serotonina ili dopamina koje utječu na neuronsku funkciju) regrutiraju neurone u računalne ansamble, oni im također pomažu da "filtriraju" ono što je važno za tu svrhu.

Naravno, neki neuroni se specijaliziraju za određeni ulazni podatak, ali autori ističu da su oni iznimka, a ne pravilo. Ove stanice, kažu autori, imaju "čistu selektivnost". Njih zanima samo ako zec vidi salatu. Neki neuroni pokazuju "linearnu miješanu selektivnost", što znači da njihov odgovor predvidljivo ovisi o zbroju više ulaznih podataka (zec vidi salatu i osjeća glad). Neuroni koji dodaju najveću fleksibilnost mjerenja su oni s "nelinearnom miješanom selektivnošću", koji mogu uzeti u obzir više neovisnih varijabli bez potrebe da ih sve zbrajaju. Umjesto toga, mogu uzeti u obzir cijeli skup neovisnih uvjeta (npr. ima salate, gladan sam, ne čujem jastrebove, ne osjećam miris kojota, ali salata je daleko i vidim prilično čvrstu ogradu).

Što privlači neurone da se usredotoče na značajne čimbenike, bez obzira na to koliko ih je? Jedan mehanizam su oscilacije, koje se javljaju u mozgu kada mnogi neuroni održavaju svoju električnu aktivnost u istom ritmu. Ova koordinirana aktivnost omogućuje dijeljenje informacija, u biti ih međusobno podešavajući, poput skupine automobila koji svi sviraju istu radio postaju (možda prijenos jastreba koji kruži iznad glave). Drugi mehanizam koji autori ističu su neuromodulatori. To su kemikalije koje, kada dođu do receptora unutar stanica, također mogu utjecati na njihovu aktivnost. Na primjer, porast acetilkolina može slično podesiti neurone s odgovarajućim receptorima na određenu aktivnost ili informaciju (možda osjećaj gladi).

„Ova dva mehanizma vjerojatno rade zajedno kako bi dinamički formirala funkcionalne mreže“, pišu autori.

Razumijevanje miješane selektivnosti, nastavljaju, ključno je za razumijevanje kognicije.

„Mješovita selektivnost je sveprisutna“, zaključuju. „Prisutna je kod svih vrsta i služi funkcijama koje se kreću od kognitivnih sposobnosti visoke razine do 'automatskih' senzomotornih procesa poput prepoznavanja objekata. Široko rasprostranjena pojava miješane selektivnosti naglašava njezinu temeljnu ulogu u pružanju mozgu skalabilne procesorske snage potrebne za složeno razmišljanje i djelovanje.“

Detalji studije dostupni su na stranici časopisa CELL.