기억의 유용성은 뇌가 저장하는 위치를 안내합니다 | 콴타 매거진

기억은 단일한 과학적 미스터리를 나타내지 않습니다. 그것은 그들 중 다수입니다. 신경과학자 및 심리학자들은 과거 경험에 대한 일화 기억, 사실에 대한 의미 기억, 단기 및 장기 기억 등 우리 뇌에 공존하는 다양한 유형의 기억을 인식하게 되었습니다. 이들은 종종 서로 다른 특성을 가지며 심지어 뇌의 서로 다른 부분에 위치한 것처럼 보입니다. 그러나 기억의 어떤 특징이 어떻게, 왜 이런 방식으로 정렬되어야 하는지를 결정하는 것은 분명하지 않습니다.

이제 인공 신경망을 사용한 실험을 통해 뒷받침되는 새로운 이론은 뇌가 기억이 미래에 가이드로 얼마나 유용할지 평가하여 기억을 분류할 수 있다고 제안합니다. 특히 이는 사실부터 정기적으로 아침 식사로 먹는 음식이나 직장에 가는 것과 같은 유용하고 반복되는 경험에 이르기까지 예측 가능한 것들에 대한 많은 기억이 뇌의 신피질에 저장되어 세상에 대한 일반화에 기여할 수 있음을 시사합니다. 파티에서 마신 독특한 음료의 맛처럼 유용하지 않을 것 같은 기억은 해마라고 불리는 해마 모양의 기억 은행에 보관됩니다. 유용성과 일반화 가능성을 기반으로 이러한 방식으로 기억을 적극적으로 분리하면 새로운 상황을 탐색하는 데 도움이 되는 기억의 신뢰성을 최적화할 수 있습니다.

새로운 이론의 저자 - 신경과학자 웨이난 선 및 제임스 피츠제럴드 Howard Hughes Medical Institute의 Janelia 연구 캠퍼스, 앤드류 색스 University College London과 그 동료들은 이에 대해 다음과 같이 설명했습니다. 최근 신문 in 자연 신경 과학. 이는 뇌가 새로운 정보를 빠르게 인코딩하는 해마와 장기 저장을 위해 점차적으로 통합하는 신피질이라는 두 개의 서로 연결된 상호 보완적인 학습 시스템을 가지고 있다는 잘 확립된 아이디어를 업데이트하고 확장합니다.

제임스 맥클랜드기억 속의 보완 학습 시스템에 대한 아이디어를 개척했지만 새로운 연구에 참여하지 않은 스탠포드 대학의 인지 신경과학자인 그는 자신의 그룹이 이론을 제안할 때 고려하지 않았던 "일반화의 측면을 다룬다"고 말했습니다. 1990년대 중반.

과학자들은 적어도 1950년대 초부터 기억 형성이 다단계 과정이라는 것을 인식해 왔습니다. 이는 헨리 몰레이슨(Henry Molaison)이라는 환자에 대한 연구에서 부분적으로 나타났습니다. 이는 수십 년 동안 과학 문헌에서 HM으로만 알려져 있었습니다. 왜냐하면 그는 해마에서 시작된 통제할 수 없는 발작을 겪었기 때문입니다. , 외과 의사들은 뇌 구조의 대부분을 제거하여 그를 치료했습니다. 그 후, 환자는 대부분의 측면에서 매우 정상적인 것처럼 보였습니다. 그의 어휘력은 손상되지 않았습니다. 그는 어린 시절의 기억을 간직하고 있었고 수술 전의 삶의 다른 세부 사항도 기억했습니다. 그러나 그는 자신을 돌봐주는 간호사를 늘 잊어버렸다. 그를 돌보던 XNUMX년 동안 그녀는 매일 아침마다 자기소개를 새로 해야 했다. 그는 새로운 장기 기억을 생성하는 능력을 완전히 상실했습니다.

Molaison의 증상은 과학자들이 새로운 기억이 해마에서 처음 형성된 다음 점차적으로 신피질로 전달된다는 것을 발견하는 데 도움이 되었습니다. 한동안은 모든 지속적인 기억에서 이런 일이 일어났다고 널리 추정되었습니다. 그러나 일단 연구자들이 다음을 보기 시작했습니다. 증가하는 숫자 장기적으로 해마에 의존하는 기억의 예를 보면 뭔가 다른 일이 일어나고 있다는 것이 분명해졌습니다.

이러한 이상 현상의 원인을 이해하기 위해 새 논문의 저자는 인공 신경망을 활용했습니다. 뇌에 얽혀 있는 수백만 개의 뉴런의 기능은 헤아릴 수 없을 정도로 복잡하기 때문입니다. 이러한 네트워크는 "생물학적 뉴런의 대략적인 이상화"이지만 실제보다 훨씬 간단하다고 Saxe는 말했습니다. 살아있는 뉴런과 마찬가지로, 여기에는 데이터를 수신하고 처리한 다음 가중치가 부여된 출력을 네트워크의 다른 계층에 제공하는 노드 계층이 있습니다. 뉴런이 시냅스를 통해 서로 영향을 미치는 것처럼 인공 신경망의 노드는 다른 노드의 입력을 기반으로 활동 수준을 조정합니다.

팀은 세 가지 신경망을 서로 다른 기능으로 연결하여 교사-노트북-학생 모델이라는 계산 프레임워크를 개발했습니다. 교사 네트워크는 유기체가 처할 수 있는 환경을 나타냅니다. 그것은 경험의 입력을 제공했습니다. 노트북 네트워크는 해마를 대표하여 교사가 제공한 모든 경험의 모든 세부 사항을 신속하게 인코딩했습니다. 학생 네트워크는 노트에 기록된 내용을 참고하여 교사의 패턴을 학습했습니다. Fitzgerald는 “학생 모델의 목표는 뉴런(노드)을 찾고 이들이 어떻게 활동 패턴을 재생성할 수 있는지 설명하는 연결을 배우는 것입니다.”라고 말했습니다.

노트북 네트워크의 반복된 기억 재생은 오류 수정을 통해 학생 네트워크를 일반적인 패턴으로 끌어들였습니다. 그러나 연구자들은 또한 규칙에 대한 예외도 발견했습니다. 학생이 예측할 수 없는 기억(나머지 기억에서 너무 많이 벗어나는 시끄러운 신호)에 대해 너무 많은 훈련을 받은 경우 일반화된 패턴을 학습하는 학생의 능력이 저하됩니다.

논리적인 관점에서 보면 “이것은 매우 일리가 있다”고 Sun은 말했습니다. 집에서 소포를 받는 것을 상상해 보십시오. 소포에 “커피 머그잔이나 접시 등” 미래에 유용한 물건이 들어 있다면 집으로 가져가서 영구적으로 보관하는 것이 합리적일 것 같습니다. 그러나 패키지에 할로윈 파티를 위한 스파이더맨 의상이나 판매용 브로셔가 포함되어 있다면 집을 어수선하게 만들 필요가 없습니다. 해당 품목은 별도로 보관하거나 폐기할 수 있습니다.

이 연구는 인공 지능에 사용되는 시스템과 뇌 모델링에 사용되는 시스템 간의 흥미로운 융합을 제공합니다. 이것은 "인공 시스템의 이론이 뇌의 기억에 대해 생각할 수 있는 새로운 개념적 아이디어를 제공한" 사례라고 Saxe는 말했습니다.

예를 들어, 컴퓨터화된 얼굴 인식 시스템이 작동하는 방식에는 유사점이 있습니다. 그들은 사용자에게 다양한 각도에서 자신의 고화질 이미지를 업로드하라는 메시지를 표시하는 것으로 시작할 수 있습니다. 신경망 내의 연결은 다양한 각도와 표정에서 얼굴이 어떻게 보이는지에 대한 일반적인 개념을 하나로 묶을 수 있습니다. 그러나 "친구의 얼굴이 포함된 사진을 업로드하면 시스템은 두 사람 사이의 예측 가능한 얼굴 매핑을 식별할 수 없습니다"라고 Fitzgerald는 말했습니다. 이는 일반화를 손상시키고 시스템이 정상적인 얼굴을 인식하는 정확도를 떨어뜨립니다.

이러한 이미지는 특정 입력 뉴런을 활성화하고 활동은 네트워크를 통해 흐르면서 연결 가중치를 조정합니다. 이미지가 많을수록 모델은 노드 간의 연결 가중치를 추가로 조정하여 출력 오류를 최소화합니다.

그러나 경험이 특이하고 일반화에 적합하지 않다고 해서 그것이 폐기되고 잊혀져야 한다는 의미는 아닙니다. 오히려 특별한 경험을 기억하는 것이 매우 중요할 수 있습니다. 이것이 바로 뇌가 자신의 기억을 신뢰할 수 있는 일반화에 사용되는 신피질과 예외에 사용되는 해마를 사용하여 별도로 저장되는 여러 범주로 기억을 분류하는 이유인 것 같습니다.

이러한 종류의 연구는 “인간 기억의 오류”에 대한 인식을 제고한다고 McClelland는 말했습니다. 기억은 유한한 자원이므로 생물학은 제한된 자원을 최대한 활용하기 위해 타협해야 했습니다. 해마조차도 경험에 대한 완벽한 기록을 담고 있지 않습니다. 경험이 회상될 때마다 네트워크의 연결 가중치가 변경되어 메모리 요소의 평균이 더 높아집니다. 그는 "목격자의 증언이 반복적인 질문에 대한 편견과 영향으로부터 보호될 수 있는" 상황에 대해 의문을 제기한다고 말했습니다.

이 모델은 보다 근본적인 질문에 대한 통찰력을 제공할 수도 있습니다. “신뢰할 수 있는 지식을 쌓고 정보에 입각한 결정을 내리려면 어떻게 해야 할까요?” 말했다 제임스 안토니, 캘리포니아 폴리테크닉 주립대학교의 신경과학자인 그는 이번 연구에 참여하지 않았습니다. 이는 신뢰할 수 있는 예측을 하기 위해 기억을 평가하는 것이 중요하다는 것을 보여줍니다. 많은 시끄러운 데이터나 신뢰할 수 없는 정보는 AI 모델을 훈련하는 것만큼 인간을 훈련하는 데에도 적합하지 않을 수 있습니다.