Muistin hyödyllisyys opastaa mihin aivot sen säästävät | Quanta-lehti

Muisti ei edusta yhtä tieteellistä mysteeriä; niitä on monia. Neurotieteilijät ja psykologit ovat oppineet tunnistamaan erilaisia ​​muistityyppejä, jotka elävät rinnakkain aivoissamme: episodisia muistoja menneistä kokemuksista, semanttisia tosiasioita, lyhyt- ja pitkäaikaisia ​​muistoja ja paljon muuta. Näillä on usein erilaisia ​​ominaisuuksia ja ne näyttävät jopa sijaitsevilta aivojen eri osissa. Mutta ei ole koskaan ollut selvää, mikä muistin ominaisuus määrää, kuinka tai miksi se pitäisi lajitella tällä tavalla.

Nyt uusi teoria, jota tukevat keinotekoisia hermoverkkoja käyttävät kokeet, ehdottaa, että aivot saattavat lajitella muistoja arvioimalla, kuinka todennäköisesti ne ovat hyödyllisiä oppaina tulevaisuudessa. Erityisesti se viittaa siihen, että monet muistot ennustettavissa olevista asioista, aina tosiasioista hyödyllisiin toistuviin kokemuksiin – kuten se, mitä syöt säännöllisesti aamiaiseksi tai kävelemällä töihin – tallentuvat aivojen neokorteksiin, jossa ne voivat edistää yleistyksiä maailmasta. Muistoja, jotka eivät todennäköisesti ole hyödyllisiä – kuten tuossa juhlissa nauttimasi ainutlaatuisen juoman maku – säilytetään merihevosen muotoisessa muistipankissa, jota kutsutaan hippokampukseksi. Aktiivinen muistojen eristäminen tällä tavalla niiden hyödyllisyyden ja yleistettävyyden perusteella voi optimoida muistojen luotettavuuden auttamaan meitä navigoimaan uusissa tilanteissa.

Uuden teorian kirjoittajat - neurotieteilijät Weinan Sun ja James Fitzgerald Howard Hughes Medical Instituten Janelia-tutkimuskampuksella, Andrew Saxe University College London ja heidän kollegansa - kuvailivat sitä äskettäin julkaistu in Luonto Neuroscience. Se päivittää ja laajentaa vakiintunutta ajatusta, että aivoissa on kaksi toisiinsa liittyvää, toisiaan täydentävää oppimisjärjestelmää: hippokampus, joka koodaa nopeasti uutta tietoa, ja neokortex, joka integroi sen vähitellen pitkäaikaista varastointia varten.

James McClellandStanfordin yliopiston kognitiivinen neurotieteilijä, joka oli edelläkävijä ajatuksen täydentävistä oppimisjärjestelmistä muistissa, mutta ei ollut osa uutta tutkimusta, huomautti, että se "käsittelee yleistyksen näkökohtia", joita hänen oma ryhmänsä ei ollut ajatellut, kun he ehdottivat teoriaa 1990-luvun puolivälissä.

Tiedemiehet ovat havainneet, että muistin muodostuminen on monivaiheinen prosessi ainakin 1950-luvun alusta lähtien, osittain heidän tutkimuksissaan Henry Molaison -nimisestä potilaasta, joka tunnettiin vuosikymmeniä tieteellisessä kirjallisuudessa vain nimellä HM, koska hän kärsi hallitsemattomista kohtauksista, jotka olivat peräisin hänen aivotursoistaan. , kirurgit hoitivat häntä poistamalla suurimman osan aivorakenteesta. Myöhemmin potilas vaikutti melko normaalilta useimmissa suhteissa: Hänen sanavarastonsa oli ehjä; hän säilytti lapsuusmuistonsa ja hän muisti muita yksityiskohtia elämästään ennen leikkausta. Hän kuitenkin unohti aina hoitajan, joka huolehti hänestä. Sen vuosikymmenen aikana, jonka hän hoiti hänestä, hänen täytyi esitellä itsensä uudelleen joka aamu. Hän oli menettänyt kokonaan kyvyn luoda uusia pitkäaikaisia ​​muistoja.

Molaisonin oireet auttoivat tutkijoita havaitsemaan, että uudet muistot muodostuivat ensin hippokampuksessa ja siirtyivät sitten vähitellen neokorteksiin. Jonkin aikaa oletettiin laajalti, että näin tapahtui kaikille pysyville muistoille. Kuitenkin, kun tutkijat alkoivat nähdä a kasvava määrä Esimerkeistä muistoista, jotka pysyivät riippuvaisia ​​hippokampuksesta pitkällä aikavälillä, kävi selväksi, että jotain muuta oli meneillään.

Ymmärtääkseen tämän poikkeaman syyn uuden artikkelin kirjoittajat kääntyivät keinotekoisten hermoverkkojen puoleen, koska miljoonien toisiinsa kietoutuneiden neuronien toiminta aivoissa on käsittämättömän monimutkainen. Nämä verkot ovat "likimääräinen biologisten hermosolujen idealisointi", mutta ovat paljon yksinkertaisempia kuin todellinen asia, Saxe sanoi. Elävien hermosolujen tapaan niillä on kerroksia solmuja, jotka vastaanottavat dataa, käsittelevät sen ja tarjoavat sitten painotettuja ulostuloja verkon muille kerroksille. Aivan kuten neuronit vaikuttavat toisiinsa synapsien kautta, keinotekoisten hermoverkkojen solmut säätelevät aktiivisuustasojaan muiden solmujen syötteiden perusteella.

Ryhmä yhdisti kolme eri toimintoa omaavaa hermoverkkoa kehittääkseen laskennallisen kehyksen, jota he kutsuivat opettaja-muistikirja-opiskelija-malliksi. Opettajaverkosto edusti ympäristöä, johon organismi saattaa joutua; se tarjosi kokemusta. Muistikirjaverkko edusti hippokampusta ja koodasi nopeasti kaikki yksityiskohdat jokaisesta opettajan tarjoamasta kokemuksesta. Opiskelijaverkosto koulutti kaavoja opettajalta tutustumalla vihkoon kirjautuneeseen. "Opiskelijamallin tavoitteena on löytää hermosoluja - solmuja - ja oppia yhteyksiä [kuvaamalla] kuinka he voivat uudistaa toimintamallinsa", Fitzgerald sanoi.

Muistojen toistuvat toistot muistikirjaverkosta houkuttelivat opiskelijaverkoston yleiseen malliin virheenkorjauksen kautta. Mutta tutkijat huomasivat myös poikkeuksen sääntöön: Jos opiskelijaa koulutettiin liian moniin arvaamattomiin muistoihin - meluisiin signaaleihin, jotka poikkesivat liikaa muista - se heikensi opiskelijan kykyä oppia yleistynyt kuvio.

Loogisesta näkökulmasta "tässä on paljon järkeä", Sun sanoi. Kuvittele vastaanottavasi paketteja kotonasi, hän selitti: Jos paketissa on jotain tulevaisuuden kannalta hyödyllistä, "kuten kahvimukeja ja astioita", kuulostaa järkevältä tuoda se kotiisi ja säilyttää siellä pysyvästi. Mutta jos paketissa on hämähäkkimiesasu halloween-juhliin tai esite myyntiin, ei taloa tarvitse sotkea sillä. Nämä tavarat voidaan säilyttää erikseen tai heittää pois.

Tutkimus tarjoaa mielenkiintoisen konvergenssin tekoälyssä käytettävien järjestelmien ja aivojen mallintamiseen käytettyjen järjestelmien välillä. Tämä on esimerkki, jossa "niiden keinotekoisten järjestelmien teoria antoi uusia käsitteellisiä ideoita aivoissa olevien muistojen ajattelemiseen", Saxe sanoi.

Esimerkiksi tietokonepohjaisten kasvojentunnistusjärjestelmien toiminnassa on yhtäläisyyksiä. Ne voivat aluksi kehottaa käyttäjiä lataamaan teräväpiirtokuvia itsestään eri näkökulmista. Neuroverkon yhteydet voivat muodostaa yleisen käsityksen siitä, miltä kasvot näyttävät eri näkökulmista ja eri ilmeillä. Mutta jos satut lataamaan valokuvan, "jossa on ystäväsi kasvot, järjestelmä ei pysty tunnistamaan ennustettavaa kasvokartoitusta näiden kahden välillä", Fitzgerald sanoi. Se vahingoittaa yleistystä ja tekee järjestelmästä vähemmän tarkkaa normaalien kasvojen tunnistamisessa.

Nämä kuvat aktivoivat tiettyjä syötehermosoluja, ja sitten toiminta virtaa verkon läpi säätämällä yhteyden painoja. Lisäämällä kuvia malli säätää edelleen solmujen välisiä yhteyspainoja tulostusvirheiden minimoimiseksi.

Mutta vain siksi, että kokemus on epätavallinen ja ei sovi yleistykseen, se ei tarkoita, että se pitäisi hylätä ja unohtaa. Päinvastoin, voi olla erittäin tärkeää muistaa poikkeukselliset kokemukset. Tästä syystä aivot lajittelevat muistonsa eri luokkiin, jotka tallennetaan erikseen. Neokorteksia käytetään luotettavien yleistysten tekemiseen ja hippokampusta poikkeuksiin.

Tällainen tutkimus lisää tietoisuutta "ihmismuistin virheellisyydestä", McClelland sanoi. Muisti on rajallinen resurssi, ja biologian on täytynyt tehdä kompromisseja käyttääkseen rajallisia resursseja parhaalla mahdollisella tavalla. Edes hippokampus ei sisällä täydellistä kirjaa kokemuksista. Joka kerta kun kokemus muistetaan, verkon yhteyspainoissa tapahtuu muutoksia, mikä aiheuttaa muistielementtien keskiarvoistumista. Se herättää kysymyksiä olosuhteista, joissa "silminnäkijöiden todistajanlausunto [voisi] suojata ennakkoluulolta ja toistuvien kyselyjen vaikutukselta", hän sanoi.

Malli voi tarjota oivalluksia myös perustavanlaatuisempiin kysymyksiin. "Kuinka keräämme luotettavaa tietoa ja teemme tietoisia päätöksiä?" sanoi James Antony, Kalifornian Polytechnic State Universityn neurotieteilijä, joka ei ollut mukana tutkimuksessa. Se osoittaa, kuinka tärkeää on arvioida muistoja luotettavien ennusteiden tekemiseksi – monet meluisat tiedot tai epäluotettava tieto saattavat olla yhtä sopimattomia ihmisten kuin tekoälymallien harjoittamiseen.