Przydatność pamięci wskazuje, gdzie mózg ją zapisuje | Magazyn Quanta

Pamięć nie stanowi żadnej naukowej tajemnicy; jest ich wielu. Neurolodzy i psychologowie zaczęli rozpoznawać różne typy pamięci, które współistnieją w naszym mózgu: wspomnienia epizodyczne dotyczące przeszłych doświadczeń, wspomnienia semantyczne faktów, wspomnienia krótko- i długoterminowe i nie tylko. Często mają one różną charakterystykę, a nawet wydają się być zlokalizowane w różnych częściach mózgu. Nigdy jednak nie było jasne, jaka cecha pamięci decyduje o tym, jak i dlaczego należy ją sortować w ten sposób.

Nowa teoria poparta eksperymentami z wykorzystaniem sztucznych sieci neuronowych sugeruje, że mózg może sortować wspomnienia, oceniając prawdopodobieństwo, że okażą się one przydatne w przyszłości. W szczególności sugeruje, że wiele wspomnień o przewidywalnych rzeczach, począwszy od faktów po przydatne, powtarzające się doświadczenia – takie jak to, co regularnie jesz na śniadanie lub idąc do pracy – jest zapisanych w korze nowej mózgu, gdzie mogą przyczyniać się do uogólnień na temat świata. Wspomnienia, które prawdopodobnie nie będą przydatne – jak smak wyjątkowego napoju, który wypiłeś na tej jednej imprezie – przechowywane są w banku pamięci w kształcie konika morskiego zwanym hipokampem. Aktywna segregacja wspomnień w ten sposób na podstawie ich przydatności i możliwości uogólnienia może zoptymalizować wiarygodność wspomnień, pomagając nam radzić sobie w nowych sytuacjach.

Autorzy nowej teorii — neurobiolodzy Weinan Sun i Jamesa Fitzgeralda z kampusu badawczego Janelia Instytutu Medycznego Howarda Hughesa, Andrzej Sax z University College London i ich współpracownicy — opisali to w ostatni artykuł in Nature Neuroscience. Aktualizuje i rozszerza ugruntowaną koncepcję, że mózg ma dwa połączone, uzupełniające się systemy uczenia się: hipokamp, ​​który szybko koduje nowe informacje, oraz korę nową, która stopniowo integruje je w celu długotrwałego przechowywania.

Jamesa McClellanda, neurobiolog kognitywny z Uniwersytetu Stanforda, który był pionierem koncepcji komplementarnych systemów uczenia się w pamięci, ale nie był częścią nowego badania, zauważył, że „odnosi się ono do aspektów uogólniania”, o których jego własna grupa nie pomyślała, proponując tę ​​teorię w połowa lat 1990.

Naukowcy uznali, że tworzenie pamięci jest procesem wieloetapowym co najmniej od wczesnych lat pięćdziesiątych XX wieku, częściowo na podstawie badań pacjenta o nazwisku Henry Molaison – znanego przez dziesięciolecia w literaturze naukowej jedynie jako HM. Ponieważ cierpiał na niekontrolowane napady drgawkowe, które miały swoje źródło w hipokampie. chirurdzy leczyli go, usuwając większość tej struktury mózgu. Potem pacjent wydawał się pod wieloma względami całkiem normalny: jego słownictwo było nienaruszone; zachował wspomnienia z dzieciństwa i pamiętał inne szczegóły ze swojego życia sprzed operacji. Jednak zawsze zapominał o pielęgniarce, która się nim opiekowała. Przez dziesięć lat, kiedy się nim opiekowała, każdego ranka musiała przedstawiać się na nowo. Całkowicie stracił zdolność tworzenia nowych, długotrwałych wspomnień.

Objawy Molaisona pomogły naukowcom odkryć, że nowe wspomnienia powstają najpierw w hipokampie, a następnie są stopniowo przenoszone do kory nowej. Przez pewien czas powszechnie uważano, że dzieje się tak w przypadku wszystkich trwałych wspomnień. Jednak gdy badacze zaczęli widzieć rosnąca liczba spośród przykładów wspomnień, które na dłuższą metę pozostawały zależne od hipokampu, stało się jasne, że dzieje się coś innego.

Aby zrozumieć przyczynę tej anomalii, autorzy nowego artykułu sięgnęli po sztuczne sieci neuronowe, ponieważ funkcja milionów splecionych ze sobą neuronów w mózgu jest niezgłębiona. Sieci te stanowią „przybliżoną idealizację neuronów biologicznych”, ale są znacznie prostsze niż w rzeczywistości, powiedział Saxe. Podobnie jak żywe neurony, mają warstwy węzłów, które odbierają dane, przetwarzają je, a następnie dostarczają ważone dane wyjściowe do innych warstw sieci. Podobnie jak neurony wpływają na siebie nawzajem poprzez synapsy, tak węzły w sztucznych sieciach neuronowych dostosowują swój poziom aktywności w oparciu o dane wejściowe z innych węzłów.

Zespół połączył trzy sieci neuronowe o różnych funkcjach, aby opracować ramy obliczeniowe, które nazwali modelem nauczyciel-notatnik-uczeń. Sieć nauczycieli reprezentowała środowisko, w którym mógł się znaleźć organizm; dostarczyło doświadczenia. Sieć notatników reprezentowała hipokamp, ​​szybko kodując wszystkie szczegóły każdego doświadczenia dostarczonego przez nauczyciela. Sieć uczniowska szkoliła się na wzorach otrzymanych od nauczyciela, sprawdzając, co zapisano w notatniku. „Celem modelu ucznia jest znalezienie neuronów – węzłów – i poznanie połączeń [opisujących], w jaki sposób mogą one zregenerować swój wzorzec aktywności” – powiedział Fitzgerald.

Powtarzające się powtórki wspomnień z sieci notebooków wprowadziły sieć studencką do ogólnego wzorca poprzez korekcję błędów. Badacze zauważyli jednak również wyjątek od reguły: jeśli ucznia uczono na podstawie zbyt wielu nieprzewidywalnych wspomnień – hałaśliwych sygnałów, które zbytnio odbiegały od pozostałych – pogarszało to jego zdolność do uczenia się uogólnionego wzorca.

Z logicznego punktu widzenia „ma to duży sens” – stwierdził Sun. Wyobraź sobie, że otrzymujesz paczki do domu, wyjaśnił: Jeśli paczka zawiera coś przydatnego na przyszłość, „na przykład kubki do kawy i naczynia”, rozsądnie wydaje się zabranie tego do domu i przechowywanie tam na stałe. Jeśli jednak w paczce znajduje się kostium Spider-Mana na imprezę Halloween lub broszura na temat wyprzedaży, nie ma potrzeby zaśmiecania nim domu. Przedmioty te można przechowywać oddzielnie lub wyrzucić.

Badanie wykazało interesującą zbieżność systemów stosowanych w sztucznej inteligencji z systemami stosowanymi w modelowaniu mózgu. Jest to przykład, w którym „teoria tych sztucznych systemów dała kilka nowych koncepcji koncepcyjnych dotyczących wspomnień w mózgu” – stwierdził Saxe.

Istnieją na przykład podobieństwa do działania skomputeryzowanych systemów rozpoznawania twarzy. Mogą zacząć od zachęty do przesłania swoich zdjęć w wysokiej rozdzielczości, zrobionych pod różnymi kątami. Połączenia w sieci neuronowej mogą złożyć ogólną koncepcję wyglądu twarzy pod różnymi kątami i przy różnych wyrazach twarzy. Jeśli jednak zdarzy Ci się przesłać zdjęcie „zawierające twarz Twojego przyjaciela, system nie będzie w stanie zidentyfikować przewidywalnego mapowania twarzy między nimi” – powiedział Fitzgerald. Utrudnia to uogólnianie i sprawia, że ​​system jest mniej dokładny w rozpoznawaniu normalnej twarzy.

Obrazy te aktywują określone neurony wejściowe, a następnie aktywność przepływa przez sieć, dostosowując wagi połączeń. W przypadku większej liczby obrazów model dodatkowo dostosowuje wagi połączeń między węzłami, aby zminimalizować błędy wyjściowe.

Ale to, że dane doświadczenie jest niezwykłe i nie daje się uogólnić, nie oznacza, że ​​należy je odrzucić i zapomnieć. Wręcz przeciwnie, niezwykle ważne może być pamiętanie o wyjątkowych doświadczeniach. Wydaje się, że dlatego mózg dzieli swoje wspomnienia na różne kategorie, które są przechowywane oddzielnie, przy czym kora nowa służy do wiarygodnych uogólnień, a hipokamp – do wyjątków.

Tego rodzaju badania zwiększają świadomość na temat „ zawodności ludzkiej pamięci ” – powiedział McClelland. Pamięć jest zasobem ograniczonym i biologia musiała pójść na kompromis, aby jak najlepiej wykorzystać ograniczone zasoby. Nawet hipokamp nie zawiera doskonałego zapisu doświadczeń. Za każdym razem, gdy przywoływane jest doświadczenie, zmieniają się wagi połączeń w sieci, powodując większe uśrednianie elementów pamięci. Rodzi to pytania o okoliczności, w których „zeznania naocznych świadków [mogłyby być] chronione przed stronniczością i wpływem powtarzających się ataków pytań” – stwierdził.

Model może również oferować wgląd w bardziej podstawowe pytania. „Jak budować rzetelną wiedzę i podejmować świadome decyzje?” powiedział Jakub Antoni, neurolog z California Polytechnic State University, który nie brał udziału w badaniu. Pokazuje, jak ważna jest ocena wspomnień w celu uzyskania wiarygodnych przewidywań – wiele zaszumionych danych lub niewiarygodnych informacji może być równie nieodpowiednich do szkolenia ludzi, jak do szkolenia modeli sztucznej inteligencji.