Anne Trafton, Massaçusets Texnologiya İnstitutu tərəfindən

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

McGovern İnstitutunun beyin və koqnitiv elmlər professoru və tədqiqatçı köməkçisi Coş MakDermott (solda) aspirant İan Qriffitlə birlikdə tədqiqatı apardıqları dinamiklər otağında oturub. Müəllif: Stef Stivens

MIT nevroloqları beynin bir çox səs kakofoniyası arasında tək bir səsə necə fokuslana biləcəyini aşkar edərək, “kokteyl əyləncəsi problemi” kimi tanınan uzun müddətdir mövcud olan neyroelmi bir fenomeni işıqlandırdılar.

Bu diqqət fokusu, eyni anda bir çox söhbətin aparıldığı kokteyl məclisi kimi izdihamlı bir mühitdə olduğunuz zaman zəruri hala gəlir. Arxa planda eşitdiyiniz bütün digər səslərə baxmayaraq, beyniniz danışdığınız insanın səsini izləyə bilir.

MIT komandası eşitmə sisteminin hesablama modelindən istifadə edərək, hədəf səsin xüsusiyyətlərinə, məsələn, onun tonu kimi reaksiya verən neyron emal bölmələrinin fəaliyyətini gücləndirməyin, həmin səsin diqqətin ön plana çıxarılmasına imkan verdiyini aşkar etdi.

“Bu sadə motiv insan eşitmə diqqətinin fenotipinin çox hissəsinin ortaya çıxmasına səbəb olmaq üçün kifayətdir və model nəticədə səs üçün çox geniş insan diqqət davranışlarını təkrarlayır”, – deyə MIT-də beyin və idrak elmləri professoru, MIT-in MakQovern Beyin Tədqiqatları İnstitutu və Beyin, Ağıl və Maşınlar Mərkəzinin üzvü və tədqiqatın baş müəllifi Coş MakDermott bildirib.

Bu tapıntılar, insanlar və ya heyvanların müəyyən bir eşitmə girişinə diqqət yetirdikdə, hədəf stimulun xüsusiyyətlərinə cavab verən eşitmə korteksindəki neyronların aktivliyini artırdığını göstərən əvvəlki tədqiqatlarla uyğun gəlir. Bu, əlavə stimulun beynin kokteyl məclisi problemini necə həll etdiyini izah etmək üçün kifayət olduğunu göstərən ilk tədqiqatdır.

MakDermott tərəfindən məsləhət görülən Harvard Proqramının Nitq və Eşitmə Bioelmləri və Texnologiyası üzrə aspirantı İan Qriffit məqalənin aparıcı müəllifidir. MIT aspirantı R. Preston Hess həmçinin ” Nature Human Behavior” jurnalında dərc olunan məqalənin müəllifidir .

Modelləşdirmə diqqəti

Neyroalimlər onilliklərdir ki, selektiv diqqət fenomenini öyrənirlər. İnsanlar və heyvanlar üzərində aparılan bir çox tədqiqatlar göstərir ki, kiminsə səsi kimi müəyyən bir stimula diqqət yetirərkən, həmin səsin xüsusiyyətlərinə, məsələn, yüksək tonlara uyğunlaşan neyronlar öz fəaliyyətlərini gücləndirirlər.

Bu gücləndirmə baş verdikdə, neyronların atəş sürəti sanki birdən böyük bir rəqəmə vurulmuş kimi yuxarıya doğru miqyaslanır. Bu “vurma qazanclarının” beynin diqqətini müəyyən stimullara yönəltməsinə imkan verdiyi irəli sürülmüşdür. Hədəf xüsusiyyətinə uyğunlaşmayan neyronlar da müvafiq aktivlikdə azalma göstərir.

“Diqqətin hədəfində olan xüsusiyyətlərə uyğunlaşdırılmış neyronların reaksiyaları artır”, Qriffit deyir. “Bu təsirlər çox uzun müddətdir məlumdur, lakin aydın olmayan şey, bu təsirin bir səsə diqqət yetirməyə çalışarkən və ya seçici şəkildə bir obyektə diqqət yetirərkən nə baş verdiyini izah etmək üçün kifayət edib-etməməsidir.”

Bu sual cavabsız qalıb, çünki qavrayışın hesablama modelləri bir çox səs arasından bir səsi seçmək kimi diqqət tapşırıqlarını yerinə yetirə bilməyib. Bu cür modellər müəyyən edilməli olan birmənalı hədəf səsi olduqda eşitmə tapşırıqlarını asanlıqla yerinə yetirə bilər, lakin digər stimullar onların diqqəti uğrunda yarışdıqda bu tapşırıqları yerinə yetirə bilməyiblər.

“Modellərimizin heç biri insanlarda olan kimi müəyyən bir obyektə və ya səsə işarə etmək və sonra reaksiyasını həmin obyektə və ya səsə əsaslandırmaq qabiliyyətinə malik olmayıb. Bu, əsl məhdudiyyət olub”, – deyə MakDermott bildirir.

Bu tədqiqatda MIT komandası, modelin insan beynində müşahidə edilən neyron aktivliyini artırmasına imkan verərək, bu tip tapşırıqları yerinə yetirmək üçün modelləri yetişdirə biləcəklərini görmək istədi.

Bunu etmək üçün onlar özləri və digər tədqiqatçıların dinləməni modelləşdirmək üçün istifadə etdikləri neyron şəbəkəsi ilə başladılar və sonra modeli hər mərhələsinin multiplikativ qazanc əldə etməsinə imkan vermək üçün dəyişdirdilər. Bu arxitekturaya əsasən, model daxilində emal bölmələrinin aktivləşdirilməsi, təmsil etdikləri spesifik xüsusiyyətlərdən, məsələn, səs tezliyindən asılı olaraq yuxarı və ya aşağı artırıla bilər.

Modeli öyrətmək üçün hər sınaqda tədqiqatçılar əvvəlcə ona bir “işarə” verdilər: modelin diqqət yetirməsini istədikləri səsin audio klipi. İşarə tərəfindən yaradılan vahid aktivləşdirmələr daha sonra model sonrakı stimulu eşitdikdə tətbiq olunan vurma qazanclarını təyin etdi.

“Təsəvvür edin ki, replika aşağı tonda olan bir səsin bir parçasıdır. O zaman modeldəki aşağı tonu təmsil edən vahidlər böyük bir qazancla vurulacaq, yüksək tonu təmsil edən vahidlər isə zəifləyəcək”, – deyə Qriffit bildirir.

Daha sonra modelə hədəf səs də daxil olmaqla, səslərin qarışığını əks etdirən kliplər verildi və hədəf səsin dediyi ikinci sözü müəyyən etməsi istəndi. Bu qarışığa model aktivləşdirmələri əvvəlki replika stimulundan yaranan qazanclarla vuruldu. Bunun hədəf səsin model daxilində “gücləndirilməsinə” səbəb olacağı gözlənilirdi, lakin bu təsirin insana bənzər diqqət davranışı yaratmaq üçün kifayət edib-etməyəcəyi bəlli deyildi.

Tədqiqatçılar müəyyən ediblər ki, müxtəlif şəraitdə model insanlara çox oxşar şəkildə işləyir və insanların etdiyi səhvlərə meyllidir. Məsələn, insanlar kimi, model bəzən oxşar səs tonlarına malik iki kişi səsindən birinə və ya iki qadın səsindən birinə diqqət yetirməyə çalışarkən səhvlərə yol verir.

“Biz insanların kifayət qədər geniş şəraitdə səsləri nə dərəcədə yaxşı seçə biləcəyini ölçən təcrübələr apardıq və model davranış modelini olduqca yaxşı əks etdirir”, – deyə Qriffit bildirir.

Yerləşmənin təsirləri

Əvvəlki tədqiqatlar göstərib ki, səs tonundan əlavə, məkan yeri insanların müəyyən bir səsə və ya səsə diqqətini cəmləşdirməsinə kömək edən əsas amildir. MIT komandası modelin diqqət seçimi üçün məkan yerindən istifadə etməyi də öyrəndiyini və hədəf səsin diqqəti yayındıran səslərdən fərqli bir yerdə olduqda daha yaxşı nəticə göstərdiyini aşkar edib.

Tədqiqatçılar daha sonra modeldən istifadə edərək insan məkan diqqətinin yeni xüsusiyyətlərini kəşf etdilər. Hesablama modellərindən istifadə edərək tədqiqatçılar hədəf yerlərinin və diqqəti yayındıran yerlərin bütün mümkün kombinasiyalarını sınaqdan keçirə bildilər ki, bu da insan subyektləri ilə çox vaxt aparan bir iş idi.

“Modeldən maraqlı nümunələr axtarmaq üçün çox sayda şəraiti araşdırmaq üçün bir yol kimi istifadə edə bilərsiniz və sonra maraqlı bir şey tapdıqdan sonra insanlar üzərində təcrübə apara bilərsiniz”, MakDermott deyir.

Bu təcrübələr göstərdi ki, hədəf və diqqət yayındırıcı üfüqi müstəvidə fərqli yerlərdə olduqda, model hədəf səsini düzgün seçməkdə daha yaxşı idi.

Səslər şaquli müstəvidə ayrıldıqda, bu tapşırıq daha da çətinləşdi. Tədqiqatçılar insanlar üzərində oxşar bir təcrübə apardıqda eyni nəticəni müşahidə etdilər.

“Bu, modeli kəşf mühərriki kimi istifadə edə bildiyimiz yalnız bir nümunə idi və düşünürəm ki, bu cür model üçün maraqlı bir tətbiqdir”, MakDermott deyir.

Tədqiqatçıların araşdırdıqları digər bir tətbiq, koklear implant vasitəsilə dinləməni simulyasiya etmək üçün bu cür modeldən istifadə etməkdir . Onlar ümid edirlər ki, bu tədqiqatlar koklear implantlarda irəliləyişlərə gətirib çıxara bilər və bu da bu cür implantları olan insanların səs-küylü mühitlərdə diqqətlərini daha uğurla cəmləşdirmələrinə kömək edə bilər.

Nəşr detalları

Griffith, IM və b. Optimallaşdırılmış xüsusiyyət qazancları insanın seçmə dinləməsinin uğurlarını və uğursuzluqlarını izah edir və proqnozlaşdırır. Nature Human Behavior (2026). doi.org/10.1038/s41562-026-02414-7

Jurnal məlumatı: Təbiət İnsan Davranışı 

Əsas tibbi anlayışlar

Eşitmə KorteksiKoklear İmplantlar

Klinik kateqoriyalar

NevrologiyaMassaçusets Texnologiya İnstitutu tərəfindən təmin edilir