Az emlékezet hasznossága eligazítja, hová menti az agy | Quanta Magazin

Az emlékezet nem egyetlen tudományos rejtélyt képvisel; sokan vannak. Az idegtudósok és pszichológusok felismerték az agyunkban egymás mellett létező memória különféle típusait: a múltbeli tapasztalatok epizodikus emlékeit, a tények szemantikai emlékeit, a rövid és hosszú távú emlékeket stb. Ezek gyakran eltérő tulajdonságokkal rendelkeznek, sőt úgy tűnik, hogy az agy különböző részein helyezkednek el. De soha nem volt világos, hogy egy memória mely tulajdonsága határozza meg, hogyan és miért kell ilyen módon rendezni.

Egy új elmélet, amelyet mesterséges neurális hálózatokat használó kísérletek támasztanak alá, azt javasolja, hogy az agy rendezheti az emlékeket azáltal, hogy felméri, mennyire valószínű, hogy hasznosak lehetnek útmutatóként a jövőben. Különösen azt sugallja, hogy a megjósolható dolgok sok emléke, a tényektől a hasznos visszatérő tapasztalatokig – például az, amit rendszeresen eszik reggelire vagy a munkába menet – az agy neokortexében tárolódik, ahol hozzájárulhatnak a világgal kapcsolatos általánosításokhoz. A kevésbé hasznos emlékeket – például annak az egyedülálló italnak az ízét, amelyet azon a partin elfogyasztott – a csikóhal alakú memóriabank, az úgynevezett hippokampusz őrzi. Az emlékek ilyen módon történő aktív elkülönítése hasznosságuk és általánosíthatóságuk alapján optimalizálhatja az emlékek megbízhatóságát, hogy segítsen eligazodni az új helyzetekben.

Az új elmélet szerzői – az idegtudósok Weinan Sun és a James Fitzgerald a Howard Hughes Orvosi Intézet Janelia Kutatókampuszának tagja, Andrew Saxe a University College London és kollégáik – írták le egy friss papír in Nature Neuroscience. Frissíti és kibővíti azt a jól bevált elképzelést, hogy az agynak két összekapcsolt, egymást kiegészítő tanulási rendszere van: a hippocampus, amely gyorsan kódol új információkat, és a neocortex, amely fokozatosan integrálja azokat hosszú távú tárolás céljából.

James McClelland, a Stanford Egyetem kognitív idegtudósa, aki úttörő szerepet játszott a memóriában való kiegészítő tanulási rendszerek ötletében, de nem volt része az új tanulmánynak, megjegyezte, hogy az „az általánosítás olyan aspektusaival foglalkozik”, amelyekre a saját csoportja nem gondolt, amikor az elméletet javasolták. 1990-es évek közepe.

A tudósok felismerték, hogy az emlékezet kialakítása többlépcsős folyamat legalább az 1950-es évek eleje óta, részben egy Henry Molaison nevű pácienssel végzett vizsgálataik alapján, akit a tudományos irodalom évtizedek óta csak HM néven ismert, mert kontrollálhatatlan rohamoktól szenvedett, amelyek a hippocampusából eredtek. , a sebészek úgy kezelték, hogy eltávolították annak az agyszerkezetnek a nagy részét. Utána a páciens a legtöbb tekintetben teljesen normálisnak tűnt: szókincse sértetlen volt; megőrizte gyermekkori emlékeit, és emlékezett életének további részleteire a műtét előtti időkből. Azonban mindig elfelejtette, hogy a nővér vigyáz rá. Az alatt az évtized alatt, amíg gondját viselte, minden reggel újonnan kellett bemutatkoznia. Teljesen elvesztette a képességét, hogy új, hosszú távú emlékeket hozzon létre.

Molaison tünetei segítettek a tudósoknak felfedezni, hogy az új emlékek először a hippocampusban keletkeztek, majd fokozatosan átkerültek a neokortexbe. Egy ideig széles körben az volt a feltételezés, hogy ez minden tartós emlék esetében megtörténik. Azonban amint a kutatók elkezdték látni a növekvő szám A hosszú távon a hippokampusztól függő emlékek példáiból világossá vált, hogy valami más történik.

Az anomália mögött meghúzódó ok megértéséhez az új tanulmány szerzői a mesterséges neurális hálózatokhoz fordultak, mivel az agyban összefonódó idegsejtek millióinak működése kifürkészhetetlenül bonyolult. Ezek a hálózatok "a biológiai neuronok hozzávetőleges idealizálása", de sokkal egyszerűbbek, mint a valódiak, mondta Saxe. Az élő neuronokhoz hasonlóan csomópontok rétegei is vannak, amelyek adatokat fogadnak, feldolgoznak, majd súlyozott kimeneteket biztosítanak a hálózat más rétegei számára. Ahogy a neuronok szinapszisaikon keresztül hatnak egymásra, a mesterséges neurális hálózatok csomópontjai más csomópontoktól érkező bemenetek alapján állítják be aktivitási szintjüket.

A csapat három különböző funkciójú neurális hálózatot kapcsolt össze, hogy kidolgozzon egy számítási keretet, amelyet tanár-jegyzetfüzet-diák modellnek neveztek. A tanári hálózat azt a környezetet képviselte, amelyben egy organizmus találkozhat; tapasztalatokkal szolgált. A notebook hálózat a hippokampuszt képviselte, gyorsan kódolva a tanár által nyújtott minden tapasztalat minden részletét. A tanulói hálózat a füzetben rögzítettek alapján a tanártól képezte ki a mintákat. "A hallgatói modell célja neuronok - csomópontok - megtalálása, és kapcsolatok megtanulása [leírva], hogyan tudnák regenerálni tevékenységi mintájukat" - mondta Fitzgerald.

A notebook hálózatból származó emlékek ismételt visszajátszása a hibajavítás révén általános mintára ragadta a tanulói hálózatot. A kutatók azonban észrevettek egy kivételt is a szabály alól: ha a tanulót túl sok kiszámíthatatlan emlékre képezték – olyan zajos jelekre, amelyek túlságosan eltértek a többitől –, az rontotta a tanuló képességét az általánosított minta megtanulására.

Logikai szempontból „ennek nagyon is van értelme” – mondta Sun. Képzelje el, hogy otthonában kap csomagokat, magyarázta: Ha a csomag tartalmaz valami hasznosat a jövőre nézve, „például kávésbögréket és edényeket”, ésszerűnek tűnik, hogy bevigye otthonába, és ott tartsa állandóan. De ha a csomag tartalmaz egy Pókember jelmezt egy halloween-partira vagy egy prospektust az eladásra, akkor nem kell zsúfolni vele a házat. Ezeket az elemeket külön tárolhatja vagy kidobhatja.

A tanulmány érdekes konvergenciát mutat be a mesterséges intelligencia és az agy modellezésében alkalmazott rendszerek között. Ez egy olyan eset, amikor „azoknak a mesterséges rendszereknek az elmélete új fogalmi ötleteket adott az agyban lévő emlékekről való gondolkodáshoz” – mondta Saxe.

Vannak párhuzamok például a számítógépes arcfelismerő rendszerek működésében. Előfordulhat, hogy felkérik a felhasználókat, hogy töltsenek fel nagy felbontású képeket magukról különböző szögekből. A neurális hálózaton belüli kapcsolatok egy általános elképzelést alkothatnak arról, hogyan néz ki az arc különböző szögekből és különböző kifejezésekkel. De ha véletlenül olyan fényképet tölt fel, amelyen „a barátja arca van”, akkor a rendszer nem tud kiszámítható arcleképezést azonosítani a kettő között” – mondta Fitzgerald. Ez károsítja az általánosítást, és kevésbé pontosítja a rendszert a normál arc felismerésében.

Ezek a képek specifikus bemeneti neuronokat aktiválnak, majd az aktivitás átáramlik a hálózaton, módosítva a kapcsolat súlyát. Több képpel a modell tovább módosítja a csomópontok közötti csatlakozási súlyokat a kimeneti hibák minimalizálása érdekében.

De attól, hogy egy élmény szokatlan, és nem illik általánosításba, még nem jelenti azt, hogy el kell vetni és el kell felejteni. Éppen ellenkezőleg, létfontosságú lehet, hogy emlékezzünk a kivételes élményekre. Úgy tűnik, ez az oka annak, hogy az agy különböző kategóriákba sorolja az emlékeit, amelyeket külön tárolnak, a neokortexet megbízható általánosításokhoz, a hippokampust pedig a kivételekhez használják.

Ez a fajta kutatás felhívja a figyelmet az „emberi emlékezet tévedhetőségére” – mondta McClelland. A memória véges erőforrás, és a biológiának kompromisszumot kellett kötnie, hogy a korlátozott erőforrásokat a lehető legjobban kihasználhassa. Még a hippokampusz sem tartalmazza az élmények tökéletes feljegyzését. Minden alkalommal, amikor egy élményt felidéznek, a hálózat kapcsolati súlya megváltozik, aminek következtében a memóriaelemek jobban átlagolódnak. Kérdéseket vet fel azzal kapcsolatban, hogy milyen körülmények között „a szemtanúk vallomásait [lehet] megvédeni az elfogultságtól és az ismétlődő lekérdezések befolyásától” – mondta.

A modell alapvetőbb kérdésekbe is betekintést nyújthat. "Hogyan építsünk fel megbízható tudást és hozzunk megalapozott döntéseket?" mondott James Antony, a California Polytechnic State University idegkutatója, aki nem vett részt a vizsgálatban. Megmutatja az emlékek értékelésének fontosságát a megbízható előrejelzések készítéséhez – sok zajos adat vagy megbízhatatlan információ éppolyan alkalmatlan lehet az emberek képzésére, mint az AI modellek képzésére.