บทนำ
หนูกำลังวิ่งบนลู่วิ่งที่ฝังอยู่ในทางเดินเสมือนจริง ในสายตาของมัน มันมองเห็นตัวเองกำลังวิ่งลงไปในอุโมงค์ที่มีรูปแบบไฟที่โดดเด่นอยู่ข้างหน้า จากการฝึกฝน หนูได้เรียนรู้ว่าถ้าหยุดที่ไฟและค้างท่านั้นไว้ 1.5 วินาที หนูจะได้รับรางวัลเป็นน้ำดื่มเล็กน้อย จากนั้นสามารถวิ่งไปที่ชุดไฟอีกชุดเพื่อรับรางวัลอีกชุดได้
การตั้งค่านี้เป็นพื้นฐานสำหรับการวิจัย เผยแพร่ในเดือนกรกฎาคม in รายงานเซลล์ โดยนักประสาทวิทยา เอลี่ อดัม, เทย์เลอร์ จอห์นส์ และ มริกันกา ซูร์ ของสถาบันเทคโนโลยีแมสซาชูเซตส์ สำรวจคำถามง่ายๆ ที่ว่า สมองในหนู มนุษย์ และสัตว์เลี้ยงลูกด้วยนมชนิดอื่นๆ ทำงานเร็วพอที่จะหยุดเราได้อย่างไร ผลงานชิ้นใหม่เผยให้เห็นว่าสมองไม่ได้เชื่อมต่อเพื่อส่งคำสั่ง "หยุด" ที่คมชัดด้วยวิธีที่ตรงที่สุดหรือใช้งานง่ายที่สุด แต่จะใช้ระบบสัญญาณที่ซับซ้อนกว่าตามหลักการของแคลคูลัสแทน การจัดการนี้อาจฟังดูซับซ้อนเกินไป แต่เป็นวิธีที่ฉลาดอย่างน่าประหลาดใจในการควบคุมพฤติกรรมที่ต้องแม่นยำกว่าคำสั่งจากสมอง
การควบคุมกลไกง่ายๆ ของการเดินหรือวิ่งนั้นค่อนข้างง่ายที่จะอธิบาย: บริเวณกล้ามเนื้อมีเซนฟาลิก (MLR) ของสมองจะส่งสัญญาณไปยังเซลล์ประสาทในไขสันหลัง ซึ่งส่งแรงกระตุ้นที่ยับยั้งหรือกระตุ้นไปยังเซลล์ประสาทสั่งการที่ควบคุมกล้ามเนื้อที่ขา: หยุด . ไป. หยุด. ไป. แต่ละสัญญาณเป็นกิจกรรมทางไฟฟ้าที่เพิ่มขึ้นโดยชุดของเซลล์ประสาทที่ยิง
อย่างไรก็ตาม เรื่องราวจะซับซ้อนมากขึ้นเมื่อมีการแนะนำเป้าหมาย เช่น เมื่อนักเทนนิสต้องการวิ่งไปยังจุดที่แน่นอนบนคอร์ท หรือหนูที่หิวกระหายมองเห็นรางวัลอันสดชื่นในระยะไกล นักชีววิทยาเข้าใจมานานแล้วว่าเป้าหมายเป็นรูปเป็นร่างขึ้นในเปลือกสมองของสมอง สมองแปลเป้าหมาย (หยุดวิ่งตรงนั้นเพื่อรับรางวัล) เป็นสัญญาณบอกเวลาอย่างแม่นยำที่บอกให้ MLR เหยียบเบรกได้อย่างไร
“มนุษย์และสัตว์เลี้ยงลูกด้วยนมมีความสามารถพิเศษในด้านการควบคุมการเคลื่อนไหวของประสาทสัมผัส” กล่าว ศรีเทวี ซาร์มานักประสาทวิทยาแห่งมหาวิทยาลัยจอห์น ฮอปกินส์ “เป็นเวลาหลายทศวรรษที่ผู้คนได้ศึกษาเกี่ยวกับสมองของเราที่ทำให้เราว่องไว รวดเร็ว และแข็งแกร่ง”
เร็วและแรงที่สุด
เพื่อให้เข้าใจคำตอบ นักวิจัยได้ตรวจสอบการทำงานของระบบประสาทในสมองของหนูพร้อมกับจับเวลาว่าสัตว์ใช้เวลานานแค่ไหนในการชะลอความเร็วจากความเร็วสูงสุดจนหยุดนิ่ง พวกเขาคาดว่าจะเห็นสัญญาณยับยั้งพุ่งเข้าสู่ MLR ทำให้ขาหยุดแทบจะทันที เหมือนกับสวิตช์ไฟฟ้าที่ปิดหลอดไฟ
แต่ความคลาดเคลื่อนของข้อมูลได้ทำลายทฤษฎีนั้นลงอย่างรวดเร็ว พวกเขาสังเกตเห็นสัญญาณ "หยุด" ที่ไหลเข้าสู่ MLR ขณะที่เมาส์ลดความเร็วลง แต่มันไม่ได้เพิ่มความเร็วอย่างรวดเร็วพอที่จะอธิบายว่าสัตว์หยุดเร็วเพียงใด
“ถ้าคุณใช้สัญญาณหยุดและป้อนเข้าไปใน MLR สัตว์จะหยุด แต่คณิตศาสตร์บอกเราว่าการหยุดนั้นไม่เร็วพอ” อดัมกล่าว
“เยื่อหุ้มสมองไม่มีสวิตช์” เซอร์กล่าว “เราคิดว่านั่นเป็นสิ่งที่เยื่อหุ้มสมองจะทำ ไปจาก 0 เป็น 1 ด้วยสัญญาณที่รวดเร็ว มันไม่ทำอย่างนั้น นั่นคือปริศนา”
นักวิจัยจึงรู้ว่าต้องมีระบบสัญญาณเพิ่มเติมในที่ทำงาน
เพื่อหามัน พวกเขามองไปที่กายวิภาคของสมองของหนูอีกครั้ง ระหว่างเยื่อหุ้มสมองที่เป็นจุดเริ่มต้นของเป้าหมายและ MLR ที่ควบคุมการเคลื่อนไหวจะอยู่อีกบริเวณหนึ่ง นั่นคือนิวเคลียสใต้ธาลามิก (STN) เป็นที่ทราบกันดีอยู่แล้วว่า STN เชื่อมต่อกับ MLR โดยสองเส้นทาง: ทางหนึ่งส่งสัญญาณกระตุ้นและอีกทางหนึ่งส่งสัญญาณยับยั้ง นักวิจัยตระหนักว่า MLR ตอบสนองต่อการโต้ตอบระหว่างสัญญาณทั้งสองมากกว่าการพึ่งพาความแรงของสัญญาณใดสัญญาณหนึ่ง
ขณะที่หนูวิ่งเตรียมหยุด MLR ได้รับสัญญาณยับยั้งจาก STN เกือบจะในทันทีหลังจากนั้น มันก็ได้รับสัญญาณกระตุ้นเช่นกัน แต่ละสัญญาณมาช้า — แต่การสลับระหว่างสัญญาณทั้งสองนั้นรวดเร็ว และนั่นคือสิ่งที่ MLR ให้ความสำคัญ: จะบันทึกความแตกต่างระหว่างสัญญาณทั้งสอง ยิ่งความแตกต่างมากเท่าใด การเปลี่ยนแปลงของสัญญาณการยับยั้งก็จะยิ่งเร็วขึ้นเท่านั้น และ MLR ก็จะยิ่งสั่งให้ขาหยุดเร็วขึ้นเท่านั้น
“ไม่มีข้อมูลความสูงของแหลม” ซูร์กล่าว “ทุกอย่างอยู่ในช่วงระหว่างเดือยแหลม เนื่องจากเดือยมีความแหลมคม ช่วงเวลาจึงสามารถส่งข้อมูลได้”
โค้งหักศอกข้างหน้า
นักวิจัยวิเคราะห์กลไกการหยุดโดยพิจารณาจากฟังก์ชันพื้นฐาน XNUMX ประการของแคลคูลัส ได้แก่ การรวม ซึ่งวัดพื้นที่ใต้เส้นโค้ง และรากศัพท์ ซึ่งคำนวณความชันที่จุดบนเส้นโค้ง
หากการหยุดขึ้นอยู่กับปริมาณสัญญาณการหยุดที่ MLR ได้รับเท่านั้น อาจถูกมองว่าเป็นรูปแบบหนึ่งของการรวมเข้าด้วยกัน ปริมาณของสัญญาณจะเป็นสิ่งที่สำคัญ แต่นั่นไม่ใช่เพราะการผสานรวมด้วยตัวมันเองนั้นไม่เพียงพอสำหรับการควบคุมอย่างรวดเร็ว แต่ MLR จะสะสมความแตกต่างระหว่างสัญญาณที่มีจังหวะเวลาดีทั้งสองสัญญาณ ซึ่งสะท้อนถึงวิธีการคำนวณอนุพันธ์: โดยนำความแตกต่างระหว่างค่าปิดเล็กน้อยสองค่ามาคำนวณความชันของเส้นโค้ง ณ จุดหนึ่ง ไดนามิกที่รวดเร็วของอนุพันธ์จะยกเลิกไดนามิกที่ช้าของการรวมและอนุญาตให้หยุดอย่างรวดเร็ว
“มีสัญญาณกระตุ้นและสัญญาณยับยั้ง และทั้งสองกำลังถูกเปรียบเทียบในทันที” ซูร์กล่าว “เมื่อค่านั้นถึงระดับหนึ่ง จะมีการโยนสวิตช์ที่ทำให้สัตว์หยุด”
ระบบควบคุมตามอนุพันธ์นี้อาจฟังดูเป็นทางอ้อม แต่ก็สมเหตุสมผลในเชิงกลยุทธ์ เมื่อเมาส์นำทางความเป็นจริงเสมือนหรือนักเทนนิสที่วิ่งผ่านสนามกำลังเข้าใกล้จุดหยุด พวกเขาอาจพบว่ามีประโยชน์ที่จะทราบว่าพวกเขากำลังไปเร็วแค่ไหน แต่สำหรับการวางแผนว่าพวกเขาจะต้องทำอะไรต่อไป จะมีประโยชน์มากกว่าสำหรับพวกเขาในการรู้ว่าพวกเขากำลังเร่งหรือช้าลงเร็วแค่ไหน ซึ่งเป็นฟังก์ชันอนุพันธ์ของการเคลื่อนไหวของพวกเขา
“มันช่วยให้คุณคาดการณ์และคาดการณ์ได้ ถ้าฉันรู้อนุพันธ์ อัตราการเปลี่ยนแปลงของความเร็ว ฉันก็จะทำนายได้ว่าความเร็วของฉันจะเป็นอย่างไรในขั้นต่อไป” Sarma กล่าว “ถ้าฉันรู้ว่าต้องหยุด ฉันจะสามารถวางแผนและทำให้มันเป็นจริงได้”
