Səs dalğaları daxili qulağa çatdıqda, oradakı neyronlar titrəmələri götürərək beyni xəbərdar edir. Onların siqnallarında kodlaşdırılmış məlumat zəngindir ki, bu da bizə söhbətləri izləmək, tanış səsləri tanımaq, musiqini qiymətləndirmək və zəng edən telefonun və ya ağlayan körpənin yerini tez tapmağa imkan verir.

Neyronlar, hərəkət potensialı olaraq da bilinən sinir lifləri boyunca yayılan gərginlikdə qısa dəyişikliklər – sıçrayışlar yayaraq siqnallar göndərirlər . Maraqlıdır ki, eşitmə neyronları saniyədə yüzlərlə sünbül vura bilir və daxil olan səs dalğalarının salınımlarına uyğunlaşmaq üçün onların sünbüllərini yüksək dəqiqliklə təyin edə bilir.

MİT-in McGovern Beyin Tədqiqatları İnstitutunun alimləri insan eşitməsinin güclü yeni modelləri ilə müəyyən ediblər ki, bu dəqiq vaxtlama səslərin tanınması və səslərin lokallaşdırılması da daxil olmaqla eşitmə məlumatını anlamlandırmağın ən vacib üsullarından bəziləri üçün çox vacibdir.

Nature Communications jurnalında dərc edilən tapıntılar , maşın öyrənməsinin nevroloqlara beynin real dünyada eşitmə məlumatlarından necə istifadə etdiyini anlamağa necə kömək edə biləcəyini göstərir. Tədqiqata rəhbərlik edən MIT professoru və McGovern tədqiqatçısı Coş MakDermott izah edir ki, onun komandasının modelləri müxtəlif növ eşitmə qüsurlarının nəticələrini öyrənmək və daha effektiv müdaxilələr hazırlamaq üçün tədqiqatçıları daha yaxşı təchiz edir.

Səs elmi

Sinir sisteminin eşitmə siqnallarının vaxtı o qədər dəqiqdir ki, tədqiqatçılar uzun müddətdir ki, səsin qavranılması üçün vaxtın vacibliyindən şübhələnirlər. Səs dalğaları onların hündürlüyünü müəyyən edən sürətlərdə salınır: Aşağı tonlu səslər yavaş dalğalarda yayılır, yüksək səs dalğaları isə daha tez-tez salınır. Qulaqdakı səsi aşkarlayan tük hüceyrələrindən beyinə məlumat ötürən eşitmə siniri bu salınımların tezliyinə uyğun gələn elektrik sünbülləri yaradır.

MİT-in Beyin və Koqnitiv Elmlər Departamentinin köməkçisi olan McDermott izah edir: “Eşitmə sinirindəki fəaliyyət potensialları, stimul dalğa formasının zirvələrinə nisbətən zamanla çox xüsusi nöqtələrdə işə düşür”.

Faza kilidləmə kimi tanınan bu əlaqə, neyronların sünbüllərini milli saniyədən aşağı dəqiqliklə vaxtlamasını tələb edir. Lakin elm adamları bu müvəqqəti nümunələrin beyin üçün nə qədər məlumatlandırıcı olduğunu həqiqətən bilmirlər. McDermott deyir ki, elmi cəhətdən maraqlı olmaqla yanaşı, sualın mühüm klinik əhəmiyyəti var: “Əgər siz qulağın funksiyasını təkrar istehsal etmək üçün beynə elektrik siqnalları verən protez dizayn etmək istəyirsinizsə, qulaqda hansı növ məlumatların olduğunu bilmək olduqca vacibdir. Normal qulaq əslində vacibdir” deyir.

Bunu eksperimental olaraq öyrənmək çətin olmuşdur; heyvan modelləri insan beyninin dildə və ya musiqidə quruluşu necə çıxardığına dair çox məlumat verə bilmir və eşitmə siniri insanlarda öyrənmək üçün əlçatmazdır. Beləliklə, McDermott və aspirant Mark Saddler, Ph.D. süni neyron şəbəkələrinə müraciət etdi.

Süni eşitmə

Neyroloqlar sensor məlumatların beyin tərəfindən necə deşifrə oluna biləcəyini araşdırmaq üçün uzun müddət hesablama modellərindən istifadə edirdilər , lakin hesablama gücü və maşın öyrənmə metodlarında son nailiyyətlərə qədər bu modellər sadə tapşırıqları simulyasiya etməklə məhdudlaşırdı.

Hazırda Danimarka Texniki Universitetində olan Saddler deyir: “Bu əvvəlki modellərlə bağlı problemlərdən biri onların çox vaxt çox yaxşı olmasıdır”. Məsələn, bir cüt sadə tonda daha yüksək səs tonunu müəyyən etmək vəzifəsi daşıyan hesablama modelinin eyni şeyi etməsi tələb olunan insanlardan daha yaxşı işləməsi ehtimalı var.

Saddler, “Bu, hər gün eşitmə zamanı etdiyimiz iş deyil” dedi. “Beyin bu çox süni işi həll etmək üçün optimallaşdırılmayıb.” Bu uyğunsuzluq bu əvvəlki nəsil modellərdən əldə edilə bilən fikirləri məhdudlaşdırdı.

Beyni daha yaxşı başa düşmək üçün Saddler və McDermott eşitmə modelinə insanların sözləri və səsləri tanımaq kimi real dünyada eşitmələrindən istifadə etdikləri şeyləri etmək üçün meydan oxumaq istədi. Bu, beynin qulaqdan daxil olan hissələrini simulyasiya etmək üçün süni neyron şəbəkəsinin yaradılması demək idi. Şəbəkəyə təxminən 32.000 simulyasiya edilmiş səs aşkarlayan sensor neyronlardan giriş verildi və sonra müxtəlif real dünya vəzifələri üçün optimallaşdırıldı.

Tədqiqatçılar göstərdilər ki, onların modeli insan eşitmə qabiliyyətini yaxşı təkrarlayır – əvvəlki eşitmə davranışı modellərindən daha yaxşı, McDermott deyir. Bir sınaqda süni neyron şəbəkəsindən təyyarə salonundakı uğultudan tutmuş coşğulu alqışlara qədər onlarla fon səs-küyü daxilində sözləri və səsləri tanıması istəndi. Hər bir vəziyyətdə, model insanlarla çox oxşar şəkildə çıxış etdi.

Komanda simulyasiya edilmiş qulaqdakı sünbüllərin vaxtını pozduqda, onların modeli artıq insanların səsləri tanımaq və ya səslərin yerini müəyyən etmək qabiliyyətinə uyğun gəlmir. Məsələn, McDermott komandası daha əvvəl insanların insanların səslərini müəyyən etmək üçün yüksəklikdən istifadə etdiyini göstərsə də, model dəqiq vaxt təyin edilmiş siqnallar olmadan bu qabiliyyətin itirildiyini ortaya qoydu.

Saddler deyir: “Həm insan davranışını hesablamaq, həm də tapşırığı yaxşı yerinə yetirmək üçün kifayət qədər dəqiq sünbül vaxtına ehtiyacınız var”. Bu, beynin dəqiq vaxt təyin edilmiş eşitmə siqnallarından istifadə etdiyini göstərir, çünki onlar eşitmənin bu praktik aspektlərinə kömək edir.

Komandanın tapıntıları süni neyroşəbəkələrin nevroloqlara qulaq tərəfindən çıxarılan məlumatın həm eşitmə qüsurlu, həm də zəiflədiyi zaman dünyanı qavrayışımıza necə təsir etdiyini anlamağa necə kömək edə biləcəyini nümayiş etdirir.

McDermott deyir: ” Eşitmə sinirindəki atəş nümunələrini davranışla əlaqələndirmək bacarığı çoxlu qapılar açır”.

“İndi qulaqdakı sinir reaksiyalarını eşitmə davranışı ilə əlaqələndirən bu modellərə sahib olduğumuz üçün, biz soruşa bilərik:” Müxtəlif növ eşitmə itkisini təqlid etsək, bunun eşitmə qabiliyyətlərimizə təsiri necə olacaq?” McDermott deyir. “Bu, eşitmə itkisinə daha yaxşı diaqnoz qoymağa kömək edəcək və düşünürük ki, daha yaxşı eşitmə cihazları və ya koxlear implantlar hazırlamağa kömək edəcək əlavələr də var.”

Məsələn, o deyir: “Koxlear implant müxtəlif yollarla məhduddur – o, bəzi şeyləri edə bilər, digərlərini edə bilməz. Davranışlara vasitəçilik etmək üçün o koxlear implantı quraşdırmağın ən yaxşı yolu nədir? Siz, prinsipcə, modellər bunu sizə bildirir.”

Ətraflı məlumat: Mark R. Saddler və digərləri, Real dünya tapşırıqları üçün optimallaşdırılmış modellər eşitmədə dəqiq müvəqqəti kodlaşdırmanın vəzifədən asılı zərurətini ortaya qoyur, Nature Communications (2024). DOI: 10.1038/s41467-024-54700-5

Jurnal məlumatı: Nature Communications Massaçusets Texnologiya İnstitutu tərəfindən təmin edilmişdir