+ Tudomány

Új stratégiákat dolgoztak ki az agyban lejátszódó folyamatokra

Megmutatjuk, hogy ha megalkotunk egy ilyen modellt, akkor ténylegesen meg tudjuk magyarázni funkcionálisan a neuronok viselkedését, azaz, hogy hogyan működik az agy – írja Fiser József a CEU docense.

Fiser József kutatása új információ-kódolási stratégiákra derített fényt az agy működésével kapcsolatban

Fiser József, a Közép-európai Egyetem (CEU) Kognitív tudományok tanszékének docense olyan, a Neuron című folyóirat két friss számában publikált kutatásban vett részt, amelynek segítségével az idegtudományi és a kognitív tudósok jobban megérthetik a specifikus idegi viselkedést és számítási műveleteket az agy látásért felelős részében.

A Fiser József és társszerzői által végzett kutatás az agyban lejátszódó folyamatok valószínűségi reprezentációkon és számításokon alapuló értelmezése révén kapcsolódik ahhoz a szemünk előtt zajló big data, illetve modellező forradalomhoz, amely hatalmas adatmennyiségek és újonnan kifejlesztett, kifinomult számítási módszerek segítségével keres megoldást rendkívül összetett problémákra. Ez a csendes forradalom nemcsak a „kemény” reál tudományterületeken zajlik, hanem – talán meglepő módon – bölcsészettudományi területeken is, mint például az antropológiában, a szociológiában és a politológiában.

A Nature és a Science című folyóiratokban korábban publikált cikkeikben Fiser és kutatócsoportja eredményeikre támaszkodva azt javasolta, hogy az idegi viselkedés magyarázatának legjobb módja az, ha két alapfeltételezésből indulnak ki. Az első, hogy az agy belső modelleket képez a világról, és aztán ezeket a modelleket használja minden aktív döntéshozatali és irányítási helyzetben. A második, hogy ezeknek a modelleknek az alapján az agy folyamatosan számos lehetséges értelmezést vesz fontolóra a versengő interpretációkhoz tartozó bizonytalansággal párhuzamosan, és ezt az információt arra használja, hogy matematikailag optimális módon hozza meg a döntést – más szóval:

Az agy optimális valószínűségszámítást és tanulást végez.

A Neuron című folyóiratban megjelent cikkek komplex helyzeteket vizsgálnak (például amikor az agynak rugalmasan kell váltania egymástól rendkívül eltérő feladatok között, miközben ugyanazt az input információt használja), és arra mutatnak rá, hogy idegsejtjeink furcsa és egészen egyedi módon működnek.

Ez a kutatás egy lépéssel tovább megy, mint az előző állításaink, és bebizonyítja, hogy ha feltételezzük, hogy az agy az ilyen valószínűségszámításokat egy különleges reprezentációtípuson keresztül végzi – ami nem más, mint a mintavételen alapuló reprezentáció – akkor természetes módon tudunk megmagyarázni rengeteg olyan eredményt, amelyről beszámolt már ugyan a szakirodalom, de eddig nem tudta értelmezni

– fejtette ki Fiser József.

A valószínűségszámítás definíció szerint megkívánja az információ teljes valószínűségi eloszlással történő megjelenítését és az azzal való számítást. A mintavételen alapuló reprezentáció hipotézise azt állítja, hogy az agy mindezt úgy éri el, hogy a neuronjai dinamikusan mintákat reprezentálnak ezekből az absztrakt disztribúciókból, majd a neuronok interakcióin keresztül az agy elvégzi a megfelelő matematikai számításokat.
A kutatás legfontosabb üzenete tehát az, hogy most már egy olyan konzisztens matematikai modellel és egy, ezt biológiailag plauzibilis módon végrehajtani képes idegi megvalósítási javaslattattal rendelkezünk az agyra vonatkozóan, amely lehetőséget nyit arra, hogy rendszerszerűen foglalkozzunk még az agyműködés legösszetettebb aspektusaival is, így például az osztályozással, az intuícióval és az intelligenciával. A mi felvetésünk arra világít rá, hogyan oldja meg az agy a szünet nélkül előtte tornyosuló kihívást: azaz miként értelmez komplex szituációkat és miként cselekszik hatalmas, mégis rendkívül elégtelen információmennyiségek alapján.

Fiser professzor azt mondja, a megoldás az, hogy folyamatosan használjuk annak a hierarchikus információnak az enciklopédiáját, amit az agy korábbi tapasztalatok alapján már eltárolt; ezt más néven strukturális tudásnak is nevezhetjük. Fiser az íróasztalát hozza fel példának, és azt állítja, hogy az agy számos dolgot tud az íróasztalról: hogy barna, lapos, kemény és nehéz, és hogy asztalos készítette. Ha bármikor használni akarjuk az íróasztalt valamilyen célra, például odébb toljuk, hogy helyet csináljunk, az agy összekombinálja a rendelkezésre álló bejövő információt (hol helyezkedik el az íróasztal vagy milyen közel van a falhoz) a megfelelő belső tudással (nehéz, éles a széle), miközben egyéb, irreleváns tudáselemeket figyelmen kívül hagy (szín, kor).

A valós bejövő információ és a belső „hiedelmek” folyamatos keveredése révén a mai kognitív tudomány számára új értelmezést nyer Platón barlang allegóriája. Habár csupán részleges információt kapunk az objektív valóságról, az emberek (és az állatok) – akárcsak Platón emberei, akik csupán árnyékokat látnak a barlang falán – belső modelljeik segítségével hatalmas mértékben elő tudják segíteni a megértést. Mindehhez természetesen szükség van a megfelelő belső modellre, és ezt a tapasztalatok révén állandóan frissíteni kell. Amikor ez a mechanizmus megfelelően működik – márpedig az agy kétségkívül nagyon jó ebben –, az eredmény egy folyamatos, képlékeny megtapasztalás és hatékony reakció a környezetünk kihívásaira, annak dacára, hogy a külső világgal kapcsolatos információink meglehetősen korlátozottak és csak részben helytállóak.

A kognitív tudósok és a neuro-fiziológusok egy ideje már tudják, hogy így működik az agy, Fiser és kutatócsoportjának cikkei azonban azt mutatják be, hogy valójában hogyan is valósul meg ez az absztrakt modell az agyi hálózatokon belül: az agy bizonytalanságon alapuló valószínűségi interpretációkból kinyert mintákat használ fel, majd ezeket a mintákat a pillanatnyilag észlelt beérkező információval összeillesztve irányítja cselekedeteinket.

Megmutatjuk, hogy ha megalkotunk egy ilyen modellt, akkor ténylegesen meg tudjuk magyarázni funkcionálisan a neuronok viselkedését, azaz, hogy hogyan működik az agy. Mindezt azzal támasztjuk alá, hogy demonstráljuk: a modell szimulációinkban az idegsejtek pontosan úgy viselkednek, ahogyan a majmok agyi aktivitásának mérése során viselkedtek. Fontos hangsúlyozni, hogy mi normatív modellt építettünk, amelynek célja nem az adatok sima leírása volt. Olyan modellt készítettünk, amely azt mutatja be, hogyan kellene az agyi neuronoknak viselkednie, ha meg szeretne oldani egy bizonyos problémát, és valószínűségeken alapuló hierarchikus következtetési mechanizmust használna a különböző szintek között. Aztán azt találtuk, hogy a neuronok úgy viselkednek az agyban, mintha tényleg ezt csinálnák – erre alapulva állítjuk azt, hogy az agy talán valóban így számol ki dolgokat.

Ezek az eredmények legalább kétféleképpen lehetnek érdekesek a szélesebb közönség számára. Egyrészt világos és tesztelhető modellt kínálva az agy működésére, számos új kutatási projektet inspirálnak majd, amelyek az intelligens emberi viselkedés most felvázolt modelljének korlátait fogják feltárni. Másrészt a Fiser József és kollégái által alkalmazott módszertan példa a tudományos közösségekben világszerte terjedő jelentős trendre. A napjainkban zajló digitális forradalomnak köszönhetően hatalmas adatbázisok válnak elérhetővé számos tudományág számára, és ez azt eredményezi, hogy óriási igény mutatkozik kifinomult, intelligens adatelemzési módszerekre, amelyek messze túlmutatnak a jelenlegi statisztikai modelleken. A kimerült kutatási asszisztens képe, amint sok-sok oldalnyi adat fölé görnyedve igyekszik értelmezni azokat, megváltozhat, ha azok a modern adatelemzési és modellezési módszerek, amelyeket Fiser és kollégái is használtak a valószínűségi mintákon alapuló modelljükben, szélesebb körben elterjednek. Ahogyan Fiser professzor rámutat, a kognitív tudomány interdiszciplináris terület, és ebben a kutatásban csapata a kognitív tudományt az idegtudománnyal és a gépi tanulással ötvözte. Az ilyen jellegű munkák hozadéka azonban sokkal általánosabb érvényű: alternatívaként két különálló tudományterület (pl. az antropológia és a filozófia) társításának módszeréhez, a problémamegoldás két különböző szintjének – a konkrét tudományos feladat definiálásának, valamint az a releváns adatok modern számítási módszereken alapuló megközelítésének – újfajta ötvözése növelheti a siker esélyét számtalan tudományágban.

Eljött a big data kora. A mi példánk jól illusztrálja, hogyan lehet ezt különböző területeken megvalósítani – lehet ez egy új elemző módszer vagy program, amit bárki hasznosíthat bármely bölcsészettudományi kontextusban. Tegyük fel például, hogy politológusként az érdekel, hogyan viselkednek az emberek bizonyos politikai szituációkban. Vásárolok tehát öt drónt és sok képet készítek tömegek vagy tüntetések fölé repülve. A dinamikára vagyok kíváncsi: arra, hogy mikor válnak az emberek erőszakossá, vagy éppen miért nem válnak erőszakossá

– magyarázza Fiser.

Nehéz problémának tűnik, hiszen van több ezer teljesen különböző, értelmezhetetlen képem – egy halom haszontalan adat. De ha egy jó modellt és egy hatásos elemző módszert alkalmazunk, megváltozik a helyzet. A képsorozat sajátságos dinamikát fog felfedni: miközben az emberek összegyűlnek valahol, majd később máshova szaladnak, a nagyobb embersűrűségű csomópontok mérete egyre nő, és hirtelen elszabadul az erőszak. A társadalomtudományi kutatások újszerű technikai innovációval való kombinálása az adatelemzésben és a modellezésben segítene az ilyen kutatási kérdések megoldásában. Ahhoz azonban, hogy efféle sikereket érjünk el, változtatnunk kell a gondolkodásmódunkon azzal kapcsolatban, hogy milyen tudásra van szüksége egy kutatónak az adatai feldolgozásához, és mindenkit meg kell tanítanunk ezeknek a módszereknek az alkalmazására.

Kattints ide a hozzászóláshoz

Hozzászólás

Az e-mail címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöltük

I accept the Privacy Policy

Népszerűek

To Top