الگوریتم جدید الگوهای درونی مغز را از ورودی های حسی جدا می کند _اخبار روانشناسی جزیره ذهن

مریم شانه‌چی، استاد دانشکده مهندسی برق و کامپیوتر و مدیر مؤسس مرکز نوروتکنولوژی USC، و تیمش روش جدیدی را برای یادگیری ماشینی توسعه داده‌اند که با جدا کردن این الگوها از تأثیر ورودی‌های بصری، الگوهای درونی مغز را به‌طور شگفت‌آوری ثابت در موضوعات مختلف نشان می‌دهد. .اثر در نشریه منتشر شده است مجموعه مقالات آکادمی ملی علوم (PNAS).

هنگام انجام رفتارهای مختلف حرکتی روزمره، مانند دستیابی به یک کتاب، مغز ما باید اطلاعات را دریافت کند، اغلب به شکل ورودی بصری – به عنوان مثال، دیدن محل کتاب. سپس مغز ما باید این اطلاعات را به صورت درونی پردازش کند تا فعالیت عضلات ما را هماهنگ کند و حرکت را انجام دهد. اما چگونه میلیون ها نورون در مغز ما چنین وظیفه ای را انجام می دهند؟ پاسخ به این سوال مستلزم مطالعه الگوهای فعالیت جمعی نورون‌ها است، اما انجام این کار در حالی که اثر ورودی را از فرآیندهای درونی نورون‌ها (معروف به درونی) جدا می‌کند، خواه مربوط به حرکت باشد یا نباشد.

این کاری است که شانه چی، دانشجوی دکترای او، پارسا وحیدی، و یکی از همکاران پژوهشی در آزمایشگاه او، امید ثانی، با توسعه یک روش جدید یادگیری ماشینی انجام دادند که فعالیت عصبی را مدل‌سازی می‌کند و در عین حال رفتار حرکتی و ورودی حسی را در نظر می‌گیرد.

شانه‌چی گفت: روش‌های قبلی برای تجزیه و تحلیل داده‌های مغز یا فعالیت و ورودی عصبی را در نظر می‌گرفتند اما رفتار را در نظر نمی‌گرفتند یا فعالیت و رفتار عصبی را در نظر می‌گرفتند اما ورودی را نداشتند. ما روشی را توسعه دادیم که می‌تواند هر سه سیگنال – فعالیت عصبی، رفتار و ورودی – را هنگام استخراج الگوهای پنهان مغز در نظر بگیرد. این به ما امکان داد نه تنها الگوهای عصبی مربوط به ورودی و درونی را از هم جدا کنیم، بلکه الگوهای درونی را نیز از هم جدا کنیم. مربوط به رفتار حرکتی بود و نبود.»

شانچی و تیمش از این روش برای مطالعه سه مجموعه داده در دسترس عموم استفاده کردند، که طی آن سه آزمودنی مختلف یکی از دو کار حرکتی متمایز را انجام دادند که شامل حرکت مکان‌نما بر روی صفحه کامپیوتر بر روی یک شبکه یا حرکت متوالی آن به مکان‌های تصادفی بود.

هنگام استفاده از روش هایی که هر سه سیگنال را در نظر نمی گرفتند، الگوهای موجود در فعالیت عصبی این سه موضوع متفاوت به نظر می رسید. وحیدی گفت. اما زمانی که تیم از روش جدید برای در نظر گرفتن هر سه سیگنال استفاده کرد، یک الگوی پنهان به‌طور قابل توجهی ثابت از فعالیت عصبی هر سه آزمودنی که مربوط به حرکت بود پدیدار شد. این شباهت در حالی بود که وظایف انجام شده توسط سه آزمودنی نیز متفاوت بود.

این روش علاوه بر آشکارسازی این الگوی ثابت جدید، پیش‌بینی فعالیت و رفتار عصبی را در مقایسه با زمانی که هر سه سیگنال در طول یادگیری ماشین در نظر گرفته نمی‌شدند، مانند کار قبلی، بهبود بخشید.» ثانی گفت. روش جدید محققان را قادر می‌سازد تا با محاسبه ورودی‌های اندازه‌گیری شده مختلف به مغز، مانند ورودی‌های حسی مانند این کار، تحریک الکتریکی یا اپتوژنتیکی، یا حتی ورودی‌های مناطق مختلف مغز، داده‌های عصبی و رفتاری را با دقت بیشتری مدل‌سازی کنند.

این روش و الگوی کشف‌شده می‌تواند به درک نحوه انجام حرکات مغز ما کمک کند، با هدایت اطلاعاتی که از دنیای بیرون دریافت می‌کنیم. علاوه بر این، با مدل‌سازی اثر ورودی و جداسازی الگوهای درونی مرتبط با رفتار، این روش می‌تواند به توسعه رابط‌های مغز و رایانه در آینده کمک کند که الگوهای غیرطبیعی مغز را در اختلالاتی مانند افسردگی شدید با بهینه‌سازی ورودی‌های خارجی مانند درمان تحریک عمیق مغزی تنظیم می‌کند. .

شانه‌چی گفت: «ما هیجان‌زده‌ایم که چگونه این الگوریتم می‌تواند هم اکتشافات علمی و هم توسعه فناوری‌های عصبی آینده را برای میلیون‌ها بیمار مبتلا به اختلالات عصبی یا روان‌پزشکی تسهیل کند».

https://www.sciencedaily.com/releases/2024/02/240214203338.htm

ممکنه براتون جالب باشه که...

پست های محبوب

دیدگاهتان را بنویسید