Учените откриха скрита мозъчна верига, която оформя всяко решение

Вашият мозък непрекъснато жонглира със сензорна информация, за да вземе решения за части от секундата, но как?

Нов модел на латентна схема, разработен от изследователи от Принстън, показва, че малки групи от неврони действат като лидери при вземането на решения, опростявайки сложната невронна дейност. Това откритие не само хвърля светлина върху състоянията на психичното здраве, но може и да подобри AI, правейки машините по-умни при обработката на информация, точно като хората.

Ново разбиране за процеса на вземане на решения от мозъка

Нов математически модел помага на учените да разберат как мозъкът обработва различните видове информация, като картини и звуци, когато взема решения. Разработено от невролози от Принстън, това изследване може в крайна сметка да подобри разбирането ни за неизправностите на мозъчната верига при неврологични разстройства като болестта на Алцхаймер. Това също може да помогне за напредъка на изкуствения интелект, правейки технологии като Alexa и самоуправляващите се автомобили по-ефективни. Констатациите са публикувани на 10 февруари в списание Nature Neuroscience.

Комплексен акт при балансиране на сензорната информация

Ежедневното вземане на решения зависи от способността на мозъка да обработва множество сензорни сигнали едновременно. Представете си, че отивате на работа пеша: виждате, че светлините на пешеходната пътека светят в зелено, което означава, че е безопасно да пресечете. Докато правите крачка напред, прозвучава сирена на линейка, която ви принуждава да спрете. Вашият мозък бързо сортира тази противоречива информация, като ви помага да направите най-безопасния избор.

Тоест, как мозъкът жонглира с противоречивата и свързана сензорна информация, като цветни сигнали и силни сирени, и взема интелигентно решение, е проучено отдавна, но все още остава загадка.

Префронтална кора на главния мозък: центърът за вземане на решения в мозъка

Една област от мозъка, която е от решаващо значение за вземането на решения, е префронталната кора, която се намира точно зад очите и се счита за епицентър на висшето познание.

Предишни проучвания показват, че реакцията на отделните мозъчни клетки в префронталната кора по време на вземане на решения е многостранна и сложна. Например, неврон в префронталния кортекс може да се задейства само в отговор на зелен светофар, когато кола блокира пешеходна пътека. Въпреки това, единно разбиране за това как мозъчните клетки в префронталния кортекс обработват сензорната информация, като сигнали на светофара, и след това генерират поведенчески резултати, като например решението за пресичане на пътя, е убягнало на изследователите.

Нов математически подход: моделът на латентната верига

Преди това са използвани различни математически подходи в опита за разбиране на механизмите на веригата, свързващи невронната динамика с поведенческите резултати — всеки със своите ограничения. Един подход се фокусира върху повтарящите се невронни мрежи, тип модел на невронна верига, който се състои от много повтарящи се единици. Повтарящите се невронни мрежи могат да бъдат обучени да изпълняват задачи за вземане на решения, но плътността на техните повтарящи се връзки ги прави трудни за тълкуване.

В неотдавнашната си статия изследователят Кристофър Лангдън и д-р, и доцент по невронаука Татяна Енгел предлагат нова математическа рамка за по-добро обяснение на процеса по вземане на решения, наречена модел на скритата верига.

Подходът на „лидера“ към невронната активност

Вместо сложен повтарящ се модел на невронна мрежа, Лангдън и Енгел предлагат подход от дървовиден тип. За да осмислим огромната мрежа от мозъчна дейност и да се опитаме да разберем как поведението на всяка клетка се влияе от друга, може би само няколко водещи неврона могат да обяснят дейността на цялата тълпа и да повлияят върху вземането на решения, което невролозите наричат ​​„нискоизмерен“ механизъм.

„Целта на изследването беше да се разбере дали механизми с ниско измерение работят в големи повтарящи се невронни мрежи“ — казва Лангдън.

Тестване на модел: експеримент за вземане на решение

За да тестват хипотезата си, Лангдън и Енгел първо прилагат новия си модел към повтарящи се невронни мрежи, обучени да изпълняват контекстно-чувствителна задача за вземане на решения. Задача, изпълнявана от хора, маймуни или компютри, започва с фигура на екрана (квадрат или триъгълник, контекстуална подсказка), последвана от движеща се мрежа (сензорна подсказка). Въз основа на формата, участникът е помолен да съобщи или цвета (червено срещу зелено), или движението (ляво срещу дясно) на движещата се мрежа.

Скритият механизъм за превключване на мозъка

Използвайки своя нов модел, Лангдън и Енгел откриват, че когато движението е важен сигнал за проследяване на участниците, клетките в префронталния кортекс, които обработват формата, изключват съседните клетки, които обръщат внимание на цвета. Обратното се оказва вярно, когато бяха помолени да разграничат червеното от зеленото.

„Беше много вълнуващо да се намери разбираем специфичен механизъм, скрит в голяма мрежа“ — казва Лангдън.

Проверка на прогнозите на модела

Моделът на латентната схема прави прогнози за това как изборът трябва да се промени, когато силата на връзките между различните латентни възли се промени. Това е мощно, защото позволява на изследователите да тестват дали наистина е необходима латентна структура за свързване, за да поддържа изпълнението на задачите. Наистина, авторите са установили, че изпълнението на задачата страда по предвидим начин, когато определени връзки във веригата са премахнати.

„Хубавото в новата ни работа е, че показахме как можете да вземете всички онези неща, които можете да направите със схема, и да ги пренесете в голяма мрежа“ — казва Лангдън. „Когато ръчно създадете малка невронна верига, има много неща, които можете да направите, за да се убедите, че я разбирате. Можете да играете с връзките и възлите на смущението и да имате някаква представа какво трябва да се случи с поведението, когато играете с веригата по този начин.„

Човешкият мозък, който има повече неврони, отколкото звезди в Млечния път, е изключително сложен. Този нов модел на латентна верига обаче отваря нови възможности за разкриване на механизмите, които обясняват как връзките между стотици мозъчни клетки водят до изчисленията, които карат хората да правят различни избори.

Последици за психичното здраве и AI

Проблемите с вземането на решения са отличителен белег на няколко сложни психични разстройства, вариращи от депресия до разстройство с дефицит на вниманието и хиперактивност. Чрез разкриването на математическите изчисления, които мозъкът извършва, за да помогне на хората да вземат решения, тези открития биха могли да помогнат за по-доброто разбиране на тези сложни условия и да подобрят възможностите за вземане на решения чрез технологии, вариращи от цифрови асистенти като Alexa до самоуправляващи се автомобили. Първите стъпки обаче включват прилагането на този нов модел към други задачи за вземане на решения, които обикновено се използват в лабораторията.

„Много от строго контролираните задачи за вземане на решения, които експериментаторите изучават, мисля, че вероятно имат сравнително прости основни механизми“ — казва Лангдън. „Надявам се, че можем да започнем да търсим тези механизми сега в тези набори от данни.“