در گفتگو با آنا مطرح شد
یادداشت عبدالرحیم سعیدیراد
چگونه مغز بدون حذف اطلاعات قدیمی، چیزهای تازه یاد میگیرد
مغز انسان هر روز با حجم عظیمی از اطلاعات، تجربهها و محرکهای جدید روبهرو میشود. با این حال، میتواند آموختههای تازه را ثبت کند، بدون آنکه خاطرات قدیمی را از دست بدهد. این توانایی شگفتانگیز، که به انسان امکان میدهد در طول زندگی یاد بگیرد و خود را با شرایط جدید سازگار کند، یکی از پیچیدهترین ویژگیهای مغز و از مهمترین موضوعات پژوهش در علوم اعصاب به شمار میرود.
دانشمندان سالهاست تلاش میکنند بفهمند مغز چگونه اطلاعات را رمزگذاری، ذخیره و در زمان مناسب دوباره بازیابی میکند. همچنین این پرسش مطرح است که نورونها چگونه با یکدیگر ارتباط برقرار میکنند تا هم یادگیری امکانپذیر باشد و هم خاطرات قدیمی حفظ شوند. پاسخ به این پرسشها تنها به درک بهتر عملکرد مغز محدود نمیشود، بلکه میتواند راه را برای شناخت دقیقتر اختلالاتی مانند آلزایمر و همچنین طراحی سامانههای هوش مصنوعی الهامگرفته از مغز هموار کند.
در همین راستا، پژوهشگران در مطالعهای که بهتازگی در مجله «نیچر» (Nature) منتشر شده است، با بررسی فعالیت همزمان هزاران نورون در مغز موشها، نگاه تازهای به نحوه ارتباط نواحی مختلف مغز و نقش آن در یادگیری و حافظه ارائه کردهاند. نتایج این پژوهش نشان میدهد که انعطافپذیری مغز تنها به نورونها یا ارتباطات منفرد آنها وابسته نیست، بلکه به شیوه سازماندهی و هماهنگی این ارتباطات نیز مربوط میشود.
آناتک برای آشنایی بیشتر با یافتههای این پژوهش و پیامدهای آن برای درک حافظه، یادگیری و آینده هوش مصنوعی، با پرفسور «ژه اس. چن» (Prof. Zhe S. Chen)، پژوهشگر حوزه علوم اعصاب و استاد «دانشکده پزشکی گروسمن دانشگاه نیویورک» (NYU Grossman School of Medicine) و از پژوهشگران این مطالعه، گفتوگو کردهایم.
فعالیتهای تحقیقاتی دکتر چن بر درک نحوه ارتباط نورونها، شکلگیری حافظه و بررسی عملکرد مدارهای پیچیده مغزی تمرکز دارد. او با ترکیب روشهای آزمایشگاهی، محاسباتی و هوش مصنوعی تلاش میکند سازوکارهای پنهان مغز را بهتر توضیح دهد و به شناخت دقیقتری از چگونگی پردازش اطلاعات، یادگیری و ذخیره خاطرات در مغز دست یابد.
دکتر ژه چن - Dr. Zhe Chen
مغز چگونه اطلاعات جدید را یاد میگیرد، بدون اینکه خاطرات قدیمی را از دست بدهد؟ آیا این یکی از اصول بنیادی عملکرد مغز است؟
دقیقاً. این توانایی شگفتانگیز مغز که «یادگیری پیوسته» (Continual Learning) یا «یادگیری مادامالعمر» (Lifelong Learning) نامیده میشود، به انسانها و حیوانات امکان میدهد با محیطهای همواره در حال تغییر و تجربههای جدید سازگار شوند؛ قابلیتی که برای بقا و فرگشت ضروری است. در مقابل، سامانههای هوش مصنوعی امروزی هنوز از این ویژگی برخوردار نیستند.
مطالعه شما نشان میدهد که برخی «نورونهای سیاِیوان» (CA1 Neurons) میتوانند بهطور همزمان در چندین «مسیر ارتباطی مغزی مشارکت کنند. مغز چگونه از تداخل این جریانهای مختلف اطلاعات با یکدیگر جلوگیری میکند؟
این پرسش بسیار مهمی است، اما به باور من هنوز پاسخ قطعی برای آن وجود ندارد. درست است که نورونها میتوانند همزمان در چندین فرایند ارتباطی نقش داشته باشند، اما نباید عبارت «همزمان» را کاملاً تحتاللفظی در نظر گرفت. یکی از راههای احتمالی مغز برای جلوگیری از تداخل اطلاعات، استفاده از «زمان» است؛ یعنی مغز با کمک «ریتمهای مغزی» (Brain Rhythms)، پیامهای مختلف را در مقیاسهای زمانی متفاوت پردازش و منتقل میکند. به بیان ساده، همه اطلاعات دقیقاً در یک لحظه پردازش نمیشوند و همین موضوع احتمال تداخل آنها را کاهش میدهد.
بهطور کلی، مغز برای برقراری ارتباط میان نورونها از راهبردهای مختلفی استفاده میکند. برای مثال، گاهی نورونها فعالیت خود را با یکدیگر هماهنگ میکنند و گاهی از الگوهای ارتباطی متفاوتی بهره میبرند. اینکه کدام راهبرد به کار گرفته شود، به نوع وظیفه یا وضعیت فعالیت مغز بستگی دارد.
فعال شدن دوباره برخی الگوهای ارتباطی در خواب چه چیزی درباره «تثبیت حافظه» (Memory Consolidation) به ما میگوید؟
این یافته نشان میدهد که «انعطافپذیری عصبی» (Neural Plasticity) فرایندی کاملاً انتخابی است. به عبارت دیگر، همه نورونها به یک اندازه تغییر نمیکنند یا در یادگیری خاطرات جدید نقش ندارند. مغز باید میان «رمزگذاری اطلاعات» (Coding) و «بهرهوری انرژی» (Energy Efficiency) تعادل برقرار کند؛ بنابراین تنها بخشی از شبکههای عصبی را برای یادگیری و بازسازی فعال نگه میدارد.
مطالعهای پیشین از «آزمایشگاه بوزاکی» نیز نشان داده است که چرا برخی گروههای «نورونهای CA1 هیپوکامپ» (Hippocampal CA1 Neurons) انعطافپذیری بیشتری دارند. این نورونها هنگام خواب دوباره فعال یا «بازپخش» (Replay) میشوند؛ فرایندی که به تقویت و تثبیت خاطرات کمک میکند. در مقابل، گروههای دیگر نورونی پایدارتر هستند و تغییرات کمتری را تجربه میکنند.
بسیاری از افراد تصور میکنند هر خاطره در یک گروه مشخص از نورونها ذخیره میشود. آیا یافتههای شما نشان میدهد که نحوه ارتباط نورونها با یکدیگر ممکن است به اندازه خود نورونها یا حتی بیشتر اهمیت داشته باشد؟
این گزاره میتواند هم درست و هم نادرست باشد؛ یا دستکم نمیتوان آن را کاملاً درست دانست. دیدگاه سنتی این است که حافظه در «سیناپسها» (Synapses)، یعنی محل ارتباط میان نورونها، ذخیره میشود. اما دیدگاه دیگری میگوید آنچه اهمیت بیشتری دارد، «الگوهای پویای مجموعههای نورونی» (Dynamic Patterns of Neuronal Ensembles) است؛ یعنی نحوه تعامل و ارتباط نورونها با یکدیگر.
البته این به آن معنا نیست که هر خاطره در هیچ گروه مشخصی از نورونها ذخیره نمیشود. پژوهشها نشان دادهاند که برخی خاطرات میتوانند در گروههای خاصی از نورونها، موسوم به «نورونهای اِنگرام» (Engram Neurons)، شکل بگیرند و ذخیره شوند.
از سوی دیگر، خاطرات ماهیتی «ترکیبی» دارند؛ یعنی با احساسات، تجربههای جدید و سایر اطلاعات در هم میآمیزند و حتی ممکن است با گذشت زمان تغییر کنند. برای مثال، یک «حافظه رویدادی» (Episodic Memory) میتواند بهتدریج به «حافظه معنایی» (Semantic Memory) تبدیل شود.
به همین دلیل، خاطرات معمولاً تنها به یک نقطه از مغز محدود نیستند، بلکه در بخشهای مختلفی مانند «هیپوکامپ» (Hippocampus)، «قشر مخ» (Cortex) و ساختارهای «زیرقشری» (Subcortical Regions) توزیع میشوند. همین ویژگی نشان میدهد که ارتباط میان نورونها و نواحی مختلف مغز، هم در رمزگذاری و هم در بازیابی خاطرات، نقش بسیار مهمی دارد.
آیا توانایی شگفتانگیز مغز برای سازگاری و یادگیری، بیشتر به تغییر و سازماندهی دوباره ارتباطات میان نورونها وابسته است تا ساخت نورونها یا مدارهای عصبی کاملاً جدید؟
بله، دقیقاً همینطور است و این یکی از مهمترین پیامهای مقاله ماست. به نظر میرسد مغز بهجای ساختن مداوم نورونها یا مدارهای جدید، از سازماندهی دوباره ارتباطات میان نورونها استفاده میکند. در این میان، نوعی تقسیم کار میان گروههای مختلف نورونی وجود دارد؛ بهطوریکه برخی گروهها پایدارتر یا «مجموعه سخت» (Rigid Pool) هستند و برخی دیگر انعطافپذیری بیشتری یا «مجموعه انعطافپذیر» (Plastic Pool) دارند.
این گروههای نورونی میتوانند بسته به نیاز، در مسیرهای ارتباطی مختلف نقش ایفا کنند و از یک شبکه ارتباطی به شبکهای دیگر منتقل شوند. به همین دلیل، مغز بدون نیاز به ساخت مدارهای جدید، از همان نورونها برای انجام وظایف مختلف استفاده میکند. این راهکار هم از نظر پردازش اطلاعات کارآمد است و هم با ساختار طبیعی مغز سازگاری دارد.
اگر ارتباط میان بخشهای مختلف مغز دچار اختلال شود، آیا ممکن است خاطرات همچنان در مغز وجود داشته باشند، اما فرد نتواند بهراحتی به آنها دسترسی پیدا کند؟
بله، همینطور است. بهطور کلی، وقتی خاطرهای در مغز شکل میگیرد، از بین بردن آن بسیار دشوار است؛ هرچند در شرایط آزمایشگاهی، با استفاده از «تحریک اپتوژنتیکی» (Optogenetic Stimulation)، میتوان برخی خاطرات را دستکاری یا حتی پاک کرد.
ارتباط میان بخشهای مختلف مغز نقش مهمی در فعال شدن دوباره خاطرات و یادآوری آنها دارد. به بیان ساده، حافظه فقط به ذخیره شدن یک خاطره وابسته نیست، بلکه مغز باید بتواند در زمان مناسب دوباره به آن دسترسی پیدا کند. اگر ارتباط میان نواحی مختلف مغز دچار اختلال شود، ممکن است خاطرات همچنان در مغز وجود داشته باشند، اما بازیابی و یادآوری آنها دشوار شود.
به همین دلیل، مشکل برخی اختلالات حافظه لزوماً از بین رفتن کامل خاطرات نیست، بلکه گاهی مغز در دسترسی به آنها با مشکل مواجه میشود. این موضوع میتواند توضیح دهد که چرا حتی افراد سالم یا مبتلایان به بیماری آلزایمر گاهی در یک روز خاطرات خود را بهخوبی به یاد میآورند، اما در روزی دیگر برای یادآوری همان خاطرات با مشکل روبهرو میشوند.
پژوهش شما نشان میدهد که یک گروه از نورونها میتواند در مسیرهای ارتباطی مختلف مشارکت کند. آیا این ویژگی میتواند یکی از دلایل توانایی مغز برای یادگیری در تمام طول زندگی باشد؟
مفهومی که به آن اشاره میکنید، «یادگیری پیوسته» (Continual Learning) یا «یادگیری مادامالعمر» (Lifelong Learning) نام دارد؛ یعنی توانایی مغز برای یادگیری اطلاعات جدید، بدون اینکه آموختههای قبلی را از دست بدهد.
برای انجام این کار، مغز باید از مشکلی به نام «فراموشی فاجعهبار» یا «تداخل اطلاعات» جلوگیری کند؛ مشکلی که در آن، یادگیری اطلاعات جدید باعث تضعیف یا از بین رفتن اطلاعات قدیمی میشود.
به نظر میرسد مغز با تقسیم وظایف میان مسیرهای ارتباطی مختلف، این مشکل را تا حد زیادی برطرف میکند. به بیان ساده، نورونها میتوانند بسته به نیاز، ترکیبهای متفاوتی را برای برقراری ارتباط و «رمزگذاری اطلاعات» (Encoding Information) به کار بگیرند. این انعطافپذیری به مغز کمک میکند اطلاعات جدید را یاد بگیرد، بدون اینکه خاطرات قبلی دچار اختلال شوند.
آخرین شکل بخش «اطلاعات تکمیلی» (Supplementary Figure) مقاله ما در مجله «نیچر» (Nature) نیز این مفهوم را بهخوبی نشان میدهد.
یافتههای شما میتواند به طراحی نسلهای آینده هوش مصنوعی کمک کند. به نظر شما، مهمترین چیزی که هوش مصنوعی میتواند از نحوه کارکرد مغز یاد بگیرد چیست؟
این پرسش بسیار خوبی است. به باور من، استفاده از اصول و محدودیتهای شناختهشده در علوم اعصاب برای طراحی سامانههای هوش مصنوعی میتواند به ساخت سیستمهایی کارآمدتر و بهتر، متناسب با هدفهای مشخص، کمک کند. برای مثال، هوش مصنوعی میتواند از تواناییهایی مانند «یادگیری پیوسته» و «انعطافپذیری عصبی» (Plasticity) در مغز، که از طریق «تثبیت حافظه» و «بازپخش» تقویت میشوند، الهام بگیرد.
در حال حاضر نیز پژوهشهای زیادی در این زمینه انجام شده است و یافتههای ما میتواند دیدگاههای جدیدی برای حوزه «هوش مصنوعی الهامگرفته از علوم اعصاب» (NeuroAI) فراهم کند.
آیا درک بهتر این مسیرهای ارتباطی میتواند در آینده به شناخت بهتر «بیماری آلزایمر» (Alzheimer's Disease) یا سایر اختلالات مرتبط با حافظه کمک کند؟
من چنین باوری دارم و دستکم امیدوارم که اینگونه باشد. اگرچه ما در این پژوهش مغز جوندگان را بررسی کردیم و میدانیم که در طول فرگشت، تفاوتهای مشخصی میان ساختار و عملکرد مغز حیوانات و انسانها به وجود آمده است، اما انتظار میرود اصول کلی و تصویر بزرگ این فرایندها همچنان تا حد زیادی حفظ شده باشد.
اختلالات و مشکلات عملکردی مغز را میتوان در سطح «مدارهای عصبی» (Neural Circuits) و «سامانههای عصبی» (Neural Systems) بررسی کرد و با استفاده از «دستکاری و بررسی اثرات آن» (Manipulation and Effect Analysis) به شناخت بهتر آنها رسید.
اگر بخواهید فقط یک باور نادرست رایج درباره نحوه شکلگیری و ذخیره خاطرات در مغز را اصلاح کنید، آن باور چیست؟
به نظر من، یکی از رایجترین برداشتهای نادرست این است که خاطرات مانند حافظه رایانه، ثابت و بدون تغییر ذخیره میشوند. در واقع، خاطرات پویا هستند و تحت تأثیر تجربههای جدید و «تأثیرات بالا به پایین» (Top-down Influence) همواره بازسازی و تغییر میکنند. حتی برخی خاطراتی که افراد به یاد میآورند، ممکن است در واقع «خاطرات کاذب» (False Memories) باشند.
در پایان، مایلم اشاره کنم که بسیاری از این موضوعات در کتاب اخیر من با عنوان «حافظه و خواب: درکی محاسباتی» (Memory and Sleep: A Computational Understanding) بهتفصیل بررسی شدهاند.
انتهای پیام/
