Neuronaučnici sa Prinstonskog univerziteta dešifruju sistem za donošenje odluka

Novi matematička šema pokazuje kako prefrontalni korteks mozga obrađuje izmešane signale radi upravljanja odlučivanjem, dajući sveže uvide za kliničku negu i sledeću generaciju veštačke inteligencije.

Novi matematički model rasvetljava kako mozak procesuira različite podatke, poput prizora i zvukova, tokom donošenja odluka. Nalazi prinstonskih nauronaučnika mogli bi jednog dana popraviti moždane putanje u neurološkim poremećajima poput Alchajmerove bolesti i pomoći veštačkim mozgovima kao što su Aleksa ili samovozeća automobilska tehnologija.

Preporučujemo

Na putu do posla, ljudi nailaze na mnoge senzorne signale, kao što je svetlo semafora na pešačkom prelazu. Kad ljudi krenu da prelaze put, ka njima se mogu sjuriti kola hitne pomoći. Kako mozak tačno obrađuje konfliktne i povezane senzorne informacije – zeleno svetlo semafora i bučnu sirenu – i donosi razumnu odluku dugo je predmet istraživanja, ali i dalje misterija.

Jedna oblast mozga bitna za odlučivanje jeste prefrontalni korteks, koji se nalazi odmah iza očiju i smatra se epicentrom više kognicije. Ranije istraživanje je otkrilo da je reakcija pojedinačnih moždanih ćelija prefrontalnog korteksa tokom odlučivanja višestrana i složena. Na primer, neki neuron u prefrontalnom korteksu može se aktivirati samo kao reakcija na zeleno svetlo semafora kad neka kola blokiraju pešaki prelaz.

Sveobuhvatno razumevanje kako moždane ćelije u prefrontalnom korteksu procesuiraju senzorne informacije, kao što su saobraćajni signali, i zatim proizvode bihevioralne ishode, kao što je odluka da se nepropisno pređe put, izmicalo je istraživačima.

Različiti matematički pristupi se korišćeni da bi se shvatili mehanizmi koji povezuju nervnu dinamiku sa bihevioralnim ishodima, svaki sa sopstvenim ograničenjima.

Jedan pristup se fokusira na rekurentne nervne mreže, tip modela nervnog sklopa koji se sastoji od brojnih rekurentno povezanih jedinica. Te mreže mogu biti naučene da izvršavaju zadatke odlučivanja, ali ih gustina rekurentnih veza čini teškim za tumačenje.

U nedavnom radu, istraživači predlažu novi matematički okvir za bolje objašnjenje odlučivanja – model latentnog sklopa. Umesto kompleksnog modela rekurentne nervne mreže, dr Kristofer Lengdon i dr Tatjana Engel predlažu neku vrstu „drveće umesto šume“ pristupa.

Da bi se razumela ogromna mreža moždane aktivnosti i kakav je međusoban uticaj ponašanja svake ćelije, možda samo nekoliko nervnih ćelija kolovođa mogu da objasne aktivnost čitave gomile i uticaj na odlučivanje, što naučnici nazivaju „niskodimenzionalnim“ mehanizmom.

Cilj istraživanja je bio da se razume da li niskodimenzionalni mehanizmi funkcionišu unutar velikih rekurentnih nervnih mreža. Novi model je prvo primenjen na rekurentne nervne mreže naučene da obavljaju zadatak odlučivanja zavisan od konteksta.

Taj zadatak, koji obavljaju ljudi, majmuni ili kompjuteri, počinje sa nekim oblikom na ekranu (kvadrat naspram trougla, znak za kontekst), a zatim sledi pokretna rešetka (senzorni znak). Na osnovu oblika, od učesnika se traži da prijavi ili boju (crvena naspram zelene) ili kretanje (levo naspram desno) pokretne rešetke.

Pomoću novog modela je otkriveno da, u slučaju kad je kretanje značajan signal za praćenje, ćelije prefrontalnog korteksa koje procesuiraju oblik isključuju susedne ćelije koje obraćaju pažnju na boju. Suprotno je se dešavalo kad je zatraženo razlikovanje crvenog naspram zelenog.

„Bilo je vrlo uzbudljivo pronaći neki konkretan mehanizam koji se može interprertirati skriven unutar velike mreže“, rekao je Lengdon.

Model latentnog sklopa predviđa kako se izbori menjaju kad je jačina veza između različitih latentnih čvorova izmenjena. Ovo je moćno zato što omogućava istraživačima da potvrde da li je struktura latentne povezanosti zaista neophodna kao podrška izvođenju zadatka. Otkriveno je da izvođenje zadatka trpi na predvidljive načine kad se uklone određene veze u sklopu.

„Pokazali smo kako se sve što možemo sa uradimo sa nekim sklopom može prevesti na veliku mrežu“, kažu autori.

Ljudski mozak, sa više neurona nego što ima zvezda u Mlečnom putu, zastrašujuće je složen. Novi model latentnog sklopa daje nove mogućnosti za otkrivanje mehanizama koji objašnjavaju kako povezanost između stotina moždanih ćelija proizvodi računice koje pokreću ljude da prave različite izbore.

Problemi sa odlučivanjem su obeležje nekoliko komplesnih poremećaja mentalnog zdravlja, u rasponu od depresije do hiperaktivnog poremećaja nedostatka pažnje. Otkrivajući matematičke računice mozga u cilju donošenja odluka, ovi nalazi mogu doprineti boljem razumevanju ovih teških stanja i poboljšanju sposobnosti odlučivanja u tehnologijama od digitalnih pomoćnika poput Alekse do samovozećih automobila. Prvi koraci, međutim, uključuju primenu novog modela na druge zadatke odlučivanja koji se obično koriste u laboratoriji.

Mnogi strogo kontrolisani zadaci odlučivanja u eksperimentima verovatno imaju relativno jednostavne latentne mehanizme. Nadam se da sad možemo početi da tražimo te mehanizme u tim skupovima podataka, kaže Lengdon.

(Telegraf Nauka/EurekAlert)