کشف جدید درباره توان محاسباتی مغز انسان

اخبار  avatar   
اخبار
مطالعه‌ای جدید نشان می‌دهد که توان پردازش اطلاعات در هر سلول عصبی مغز انسان بسیار فراتر از آن چیزی است که پیش‌تر تصور می‌شد. پژوهشگران با بهره‌گیری از هوش مصنوعی دریافتند که نورون‌های مغز انسان، حتی ب..

پژوهش جدید: هر نورون مغز انسان به‌تنهایی از نورون‌های سایر پستانداران «باهوش‌تر» است

مطالعه‌ای جدید نشان می‌دهد که توان پردازش اطلاعات در هر سلول عصبی مغز انسان بسیار فراتر از آن چیزی است که پیش‌تر تصور می‌شد. پژوهشگران با بهره‌گیری از هوش مصنوعی دریافتند که نورون‌های مغز انسان، حتی به‌صورت منفرد، قدرت محاسباتی بسیار بیشتری نسبت به نورون‌های مغز موش دارند؛ یافته‌ای که می‌تواند توضیح دهد چرا انسان از توانایی‌های شناختی منحصربه‌فردی مانند زبان، استدلال و حل مسئله برخوردار است.

نتایج این تحقیق که در نشریه معتبر Proceedings of the National Academy of Sciences (PNAS) منتشر شده، نشان می‌دهد برتری شناختی انسان تنها به تعداد زیاد نورون‌های مغز مربوط نمی‌شود، بلکه ساختار و عملکرد پیچیده هر نورون نیز نقش تعیین‌کننده‌ای در این برتری ایفا می‌کند.

مغز انسان از میلیاردها سلول عصبی یا نورون تشکیل شده است که از طریق ارسال و دریافت سیگنال‌های الکتریکی با یکدیگر ارتباط برقرار می‌کنند. بخش عمده فعالیت‌های شناختی پیشرفته مانند تفکر، یادگیری، زبان و تصمیم‌گیری در قشر مخ انجام می‌شود؛ جایی که نورون‌های هرمی (Pyramidal Neurons) نقش اصلی را در انتقال پیام‌های عصبی بر عهده دارند.

هر نورون سیگنال‌های ورودی را از طریق شاخه‌هایی به نام دندریت دریافت می‌کند. این سیگنال‌ها پس از پردازش درون سلول، در صورت رسیدن به آستانه مشخص، به یک پالس الکتریکی تبدیل شده و به نورون‌های دیگر منتقل می‌شوند. همین تصمیم‌گیری در سطح یک سلول، در واقع نوعی «محاسبه زیستی» محسوب می‌شود که پایه و اساس تمام افکار و رفتارهای انسان را تشکیل می‌دهد.

اگرچه مطالعات پیشین نشان داده بودند که نورون‌های انسان از نظر ظاهری بزرگ‌تر و دارای شاخه‌های دندریتی گسترده‌تر از نورون‌های جوندگان هستند، اما تاکنون مشخص نبود این تفاوت‌های ساختاری تا چه اندازه توان پردازش اطلاعات را افزایش می‌دهد.

برای پاسخ به این سؤال، پژوهشگران دانشگاه عبری اورشلیم و دانشگاه آزاد آمستردام شاخص جدیدی با عنوان شاخص پیچیدگی عملکردی (Functional Complexity Index) طراحی کردند. این شاخص با استفاده از الگوریتم‌های یادگیری ماشین، میزان پیچیدگی عملکرد هر نورون را اندازه‌گیری می‌کند.

در این روش، یک شبکه عصبی مصنوعی آموزش داده شد تا رفتار یک نورون واقعی را تقلید کند. هرچه پیش‌بینی رفتار نورون برای هوش مصنوعی دشوارتر باشد، نشان‌دهنده پیچیدگی بیشتر آن نورون است.

محققان برای انجام این آزمایش، مدل‌های دیجیتالی سه‌بعدی از ۲۴ نورون شامل ۱۲ نورون انسانی و ۱۲ نورون موش را مورد بررسی قرار دادند. برای هر سلول، بیش از ۱۲ هزار شبیه‌سازی رایانه‌ای انجام شد که حجم عظیمی از داده‌های مربوط به فعالیت عصبی را تولید کرد.

نتایج نشان داد شبکه عصبی مصنوعی در پیش‌بینی رفتار نورون‌های انسانی با دشواری بسیار بیشتری روبه‌رو بود. این یافته بیانگر آن است که نورون‌های مغز انسان اطلاعات ورودی را به شکلی بسیار پیچیده‌تر از نورون‌های موش پردازش می‌کنند.

بررسی‌های بیشتر نشان داد مهم‌ترین عامل این تفاوت، ساختار گسترده دندریت‌ها است. هرچه سطح و شاخه‌های دندریتی یک نورون وسیع‌تر باشد، بخش‌های مختلف سلول می‌توانند تا حدی به‌صورت مستقل اطلاعات را پردازش کنند و در نتیجه قدرت محاسباتی کلی آن افزایش می‌یابد.

پژوهشگران همچنین نقش گیرنده‌های NMDA را بررسی کردند؛ پروتئین‌هایی که در محل اتصال نورون‌ها قرار دارند و می‌توانند هنگام دریافت همزمان چندین سیگنال، پاسخ الکتریکی را به‌طور چشمگیری تقویت کنند. نتایج نشان داد نورون‌های انسانی دارای ویژگی‌هایی هستند که عملکرد این گیرنده‌ها را مؤثرتر کرده و توان پردازشی سلول را افزایش می‌دهد.

از دیگر یافته‌های جالب این تحقیق، تفاوت نحوه توزیع پیچیدگی در لایه‌های مختلف قشر مغز بود. در مغز موش، بیشترین پیچیدگی در نورون‌های لایه پنجم مشاهده شد، اما در مغز انسان، نورون‌های لایه‌های دوم و سوم پیچیدگی بسیار بیشتری داشتند؛ لایه‌هایی که در روند تکامل انسان رشد قابل توجهی کرده‌اند و نقش مهمی در عملکردهای شناختی پیشرفته دارند.

البته پژوهشگران تأکید می‌کنند که این مطالعه بر پایه شبیه‌سازی‌های رایانه‌ای انجام شده و هنوز تمامی ویژگی‌های الکتریکی نورون‌های زنده انسان در این مدل‌ها لحاظ نشده است. به همین دلیل، برای تأیید کامل نتایج، انجام آزمایش روی سلول‌های زنده مغز انسان در آینده ضروری خواهد بود.

محققان امیدوارند در مطالعات بعدی، علاوه بر بررسی انواع دیگر نورون‌ها، این روش را برای مطالعه مغز نخستی‌های غیرانسانی نیز به کار بگیرند تا روند تکامل توان محاسباتی مغز با دقت بیشتری مشخص شود.

این پژوهش با عنوان «Dendritic morphology and synaptic nonlinearities enhance functional complexity in human cortical neurons» توسط گروهی از دانشمندان به سرپرستی ایدو آیزنباد (Ido Aizenbud) انجام شده و نتایج آن می‌تواند دیدگاه دانشمندان را درباره منشأ هوش و توانایی‌های شناختی انسان دگرگون کند.

نظری یافت نشد