Almaniyanın Frankfurt am Main şəhərində yerləşən Ernst Strüngmann İnstitutunun Wolf Singer başçılıq etdiyi tədqiqatçılar əsas beyin proseslərini anlamaqda yeni kəşf ediblər. Komanda ilk dəfə olaraq beynin xarakterik ritmik modellərinin informasiyanın emalında həlledici rol oynadığına dair tutarlı sübutlar təqdim edib. Bu salınım dinamikası beyində çoxdan müşahidə edilsə də, onların məqsədi indiyə qədər əsasən anlaşılmaz olaraq qalmışdır.

Tədqiqat beyin fəaliyyəti haqqında anlayışımızı dəyişdirmək potensialına malikdir. Tədqiqatçılar kompüter simulyasiyalarından istifadə edərək , salınan qovşaqları olan təkrarlanan şəbəkələrin salınmayan şəbəkələrlə müqayisədə daha yaxşı performans nümayiş etdirdiyini və bir çox eksperimental müşahidə olunan hadisələri təkrarladığını göstərir.

Bu tapıntılar göstərir ki, salınım dinamikası sadəcə epifenomen deyil, beyində səmərəli hesablamalar üçün vacibdir. Əsər Proceedings of the National Academy of Sciences jurnalında dərc olunub .

Bundan əlavə, tədqiqat göstərir ki , müxtəlif salınım tezlikləri və keçirici gecikmələrin tətbiqi kimi şəbəkə parametrlərinə heterojenliyin daxil edilməsi şəbəkə performansını daha da artırır. Bu onu göstərir ki, bioloji şəbəkələrdə müşahidə olunan heterojenlik təkcə təbiətin qeyri-dəqiqliyinin nəticəsi deyil, həm də çox müxtəlif xüsusiyyətlərə malik stimulların səmərəli hesablanması üçün optimallaşdırılmış hesablama substratının imzasıdır.

Tədqiqatın ilk müəllifi Feliks Effenberger, “Bizim tapıntılarımız çox vaxt kifayət qədər lokallaşdırılmış məlumatların işlənməsini nəzərdə tutan beyin dinamikasına dair ənənəvi baxışa meydan oxuyur” dedi. “Əvəzində biz təklif edirik ki, beynin hesablamaları yüksək paylanmış və paralelləşdirilmiş şəkildə yerinə yetirmək üçün dalğalardan istifadə edir. Bu cür dalğa əsaslı cavabların yaratdığı müdaxilə nümunələri, stimullaşdırıcı xüsusiyyətlər arasında həm məkan, həm də zaman əlaqələrinin vahid təsvirini və yüksək paylanmış kodlamasını asanlaşdırır”.

Şəbəkələr dalğalar yaratmaq üçün bir vasitə kimi xidmət edir

Tədqiqatçılar, neyrobiologiyada mövcud nəzəriyyələrin qəbul etdiyi və adi rəqəmsal kompüterlərdə olduğu kimi, şəbəkələrin dəqiq müəyyən edilmiş və yönəldilmiş siqnal axınlarına malik mürəkkəb dövrə lövhəsi kimi fəaliyyət göstərmədən, dalğaların yaradılması və yayılması üçün bir vasitə kimi xidmət etdiyi neyron dinamikasının yeni şərhini təklif edirlər.

Tədqiqatın müəllifləri təklif edirlər ki, beyin rezonans və sinxronizasiya kimi birləşdirilmiş osilator şəbəkələrinin unikal xüsusiyyətlərindən istifadə edərək yüksək paylanmış şəkildə məlumatı təmsil etmək və emal etmək üçün dalğaların superpozisiya və müdaxilə nümunələrindən istifadə edir.

“Bu, beynin necə hesabladığını anlamaqda irəliyə doğru böyük bir addımdır” dedi tədqiqatın baş müəllifi Singer. “Təklif olunan hesablama strategiyası məkan və müvəqqəti stimul xüsusiyyətləri arasında çoxlu sayda yuvalanmış əlaqələrin eyni vaxtda qiymətləndirilməsini tələb edən koqnitiv funksiyalar üçün idealdır.

“Vizual səhnələri və dili dərk etmək üçün bu cür tapşırıqları həll etmək lazımdır. Bundan əlavə, təklif olunan hesablama strategiyası “Bağlama Problemi”nin həlli üçün mexanizm təqdim edir və bu, xüsusiyyətin bağlanmasının – obyektə aid xüsusiyyətlərin birgə qiymətləndirilməsinin – salınım reaksiyalarının sinxronlaşdırılması ilə əldə edilə biləcəyi fərziyyəsini təsdiqləyir.”

Neyroelmə verdiyi əhəmiyyətli töhfələrdən əlavə, tapıntılar süni intellekt üçün yeni, enerjiyə qənaət edən çiplərin inkişafına, məsələn, yeni, əhəmiyyətli dərəcədə daha çox enerjiyə qənaət edən texniki komponentlərin hazırlanmasına yol açır. Müəlliflər beynin dinamik proseslərindən ilhamlanan analoq çipləri müdafiə edərək adi rəqəmsal dizaynlardan uzaqlaşmağı təklif edirlər.

Onlar həmçinin təklif edirlər ki, onların tapıntıları daha möhkəm, enerjiyə qənaətcil və daha kiçik verilənlər bazalarında öyrənmək üçün daha yaxşı təchiz olunmuş yeni nəsil AI sistemlərinin inkişafına istiqamət verə bilər. Bu tədqiqat beynin məlumatı necə emal etdiyinə dair anlayışımızı xeyli artırır və nevrologiya və süni intellektdə yeni tədqiqat imkanlarına yol açır.

Daha çox məlumat: Feliks Effenberger və digərləri, Neokortikal dövrələrdə salınım dinamikasının funksional rolu: Hesablama perspektivi, Milli Elmlər Akademiyasının əsərləri (2025). DOI: 10.1073/pnas.2412830122

Jurnal məlumatı: Milli Elmlər Akademiyasının Materialları Maks Plank Cəmiyyəti tərəfindən təmin edilmişdir 

Daha çox araşdırın

Beyindən ilham alan AI texnologiyası səmərəliliyi artırır və enerji istehlakını azaldır