Jennifer Michalowski, Massaçusets Texnologiya İnstitutu tərəfindən

Robert Egan tərəfindən redaktə edilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

P+ və P- neyronları ilə görüş sahəsinə nümunələr. Mənbə: Nature (2026). DOI: 10.1038/s41586-026-10190-7

Yeni bir bacarıq öyrəndiyimiz zaman beyin hüceyrə-hüceyrə nəyi dəyişdirəcəyinə qərar verməlidir. MIT-in yeni tədqiqatı göstərir ki, beyin bunu təəccüblü dəqiqliklə edə bilər, fərdi neyronlara hədəflənmiş rəy göndərə bilər ki, hər biri öz fəaliyyətini düzgün istiqamətdə tənzimləyə bilsin.

Bu tapıntı müasir süni intellektdən əsas ideyanı əks etdirir. Bir çox süni intellekt sistemi çıxışlarını hədəflə müqayisə etməklə, “səhv” siqnalını hesablamaqla və şəbəkə daxilində əlaqələri dəqiq tənzimləmək üçün istifadə etməklə öyrənir. Uzun müddətdir davam edən bir sual beynin bu cür fərdiləşdirilmiş rəydən də istifadə edib-etməməsi olub. ” Nature” jurnalında dərc olunmuş açıq girişli bir araşdırmada MIT tədqiqatçıları bunun istifadə etdiyinə dair dəlillər təqdim edirlər.

MakQovern Beyin Tədqiqatları İnstitutunun tədqiqatçısı və MIT-in Beyin və Koqnitiv Elmlər şöbəsinin dosenti Mark Harnettin rəhbərlik etdiyi tədqiqat qrupu, heyvanları beyin-kompüter interfeysi (BCI) istifadə edərək müəyyən neyronların fəaliyyətini idarə etməyə öyrətməklə siçanlarda bu təlimat siqnallarını kəşf etdi. Tədqiqatçıların sözlərinə görə, onların yanaşması süni neyron şəbəkələri ilə real beyinlər arasındakı əlaqələri daha da öyrənmək üçün istifadə edilə bilər ki, bu da həm bioloji öyrənmənin anlaşılmasını yaxşılaşdıracaq, həm də beyindən ilhamlanan daha yaxşı süni intellektə imkan verəcək şəkildə gözlənilir.

Dəyişən beyin

Dünya ilə qarşılıqlı əlaqədə olduğumuz zaman beynimiz daim dəyişir, öyrəndikcə və uyğunlaşdıqca dövrələrini dəyişdirir. Harnett deyir: “50 illik tədqiqatlardan çox şey bilirik ki, neyronlar arasındakı əlaqələrin gücünü dəyişdirməyin bir çox yolu var. Bu sahədə əslində çatışmayan şey, bu dəyişikliklərin necə səmərəli öyrənmə yaratmaq üçün təşkil edildiyini anlamaqdır.”

Bəzi hərəkətlər və onları təmin edən neyron əlaqələri beyində dopamin və ya norepinefrin kimi neyromodulyatorların sərbəst buraxılması ilə gücləndirilir. Lakin bu siqnallar hüceyrələrin uğursuzluğa və ya uğura fərdi töhfələri arasında fərq qoymadan böyük neyron qruplarına ötürülür. “Neyromodulyatorlar vasitəsilə gücləndirmə öyrənməsi işləyir, lakin səmərəsizdir, çünki bütün neyronlar və bütün sinapslar əsasən yalnız bir siqnal alır”, Harnett deyir.

Maşın öyrənməsi səhvlərdən öyrənmək üçün alternativ və son dərəcə güclü bir yoldan istifadə edir. Süni neyron şəbəkələri geri yayılma adlanan bir metoddan istifadə edərək səhv siqnalını hesablayır və fərdi əlaqələrini tənzimləmək üçün istifadə edir. Onlar bunu dəfələrlə edirlər, şəbəkələrini uğur üçün necə dəqiq tənzimləməyi təcrübələrindən öyrənirlər. Harnett deyir: “Bu, həqiqətən yaxşı işləyir və hesablama baxımından çox təsirlidir”.

Beyinlərin öyrənmə üçün oxşar səhv siqnallarından istifadə edə biləcəyi ehtimalı böyükdür. Lakin nevroloqlar, proqram təminatı və tənliklər əvəzinə canlı hüceyrələrdən və dövrələrdən istifadə etməklə yaranan məhdudiyyətlərə görə, beynin fərdi neyronlara uyğunlaşdırılmış siqnallar göndərmək dəqiqliyinə şübhə ilə yanaşırdılar. Bu ideyanı sınaqdan keçirmək üçün əsas problem, vektorlaşdırılmış təlimat siqnalları adlanan neyronlara fərdiləşdirilmiş təlimatlar verən siqnalları necə tapmaq idi. Nature məqaləsinin ilk müəllifi və Harnettin laboratoriyasında keçmiş postdoktor Valerio Francioni izah edir ki, çətinlik ondadır ki, elm adamları fərdi neyronların müəyyən davranışlara necə töhfə verdiyini bilmirlər.

Francioni izah edir: “Əgər sən piano çalmağı öyrənərkən beyin fəaliyyətinizi qeyd etsəydim, beyninizdə baş verən dəyişikliklərlə piano öyrənməyiniz arasında bir əlaqə olduğunu öyrənərdim. Amma beyin fəaliyyətinizi manipulyasiya etməklə səni daha yaxşı pianoçu etməyimi istəsəydin, bunu edə bilməzdim, çünki fərdi neyronların fəaliyyətinin həmin son performansa necə təsir etdiyini bilmirik.”

Hansı neyronların daha aktivləşməli və hansılarının cilovlanmalı olduğunu bilmədən, bu dəyişiklikləri istiqamətləndirən siqnalları axtarmaq mümkün deyil.

Neyron funksiyasını anlamaq

Bu problemi həll etmək üçün Harnettin komandası neyron fəaliyyətini və mükafat nəticəsini birbaşa əlaqələndirmək üçün beyin-kompüter interfeysi tapşırığı hazırladı – pianonun düymələrini birbaşa tək neyronların fəaliyyəti ilə əlaqələndirməyə bənzəyir. Tapşırığı uğurla yerinə yetirmək üçün müəyyən neyronların fəaliyyətini artırması, digərlərinin isə fəaliyyətini azaltması tələb olunurdu.

Onlar siçanın beynindəki milyonlarla neyrondan cəmi səkkiz-on neyronu birbaşa vizual göstərici ilə əlaqələndirmək və siçanlara performansları barədə sensor rəy vermək üçün BCI qurdular. Uğur şəkərli bir mükafatla müşayiət olundu.

“İndi məndən soruşsanız ki, “Siçan necə daha çox mükafat alır? Hansı neyronu aktivləşdirməli və hansı neyronu inhibə etməlisən?” Mən bu sualın cavabını dəqiq bilirəm”, Francioni deyir.

Alimlər BCI ilə əlaqələndirdikləri konkret neyronların dəqiq funksiyasını bilmirdilər, lakin hüceyrələr o qədər aktiv idi ki, siqnallar düzgün olduqda siçanlar ara sıra mükafatlar alırdılar. Bir həftə ərzində siçanlar digər neyron dəstini qeyri-aktiv saxlayarkən düzgün neyronları işə salmağı öyrəndilər və bununla da özlərinə daha çox mükafat qazandılar.

Francioni, bu öyrənmə prosesi zamanı hədəf neyronları gündəlik olaraq güclü bir mikroskopdan istifadə edərək sinir fəaliyyətinin flüoresan göstəricilərini görüntüləmək üçün izlədi. O, müvafiq geribildirim siqnallarının uzun müddətdir ki, gəldiyi şübhə altında olan neyronların şaxələnən dendritlərini araşdırdı. Eyni zamanda, o, həmin neyronların ana hüceyrə gövdələrindəki fəaliyyəti izlədi . Komanda bu məlumatlardan neyronun dendritlərinə alınan siqnallar ilə onun fəaliyyəti arasındakı əlaqəni, eləcə də siçanların düzgün neyronları aktivləşdirdikləri üçün mükafatlandırıldıqda və ya tapşırıqlarını yerinə yetirə bilmədikdə bu siqnalların necə dəyişdiyini araşdırmaq üçün istifadə etdi.

Vektorlaşdırılmış neyron siqnalları

Onlar belə bir nəticəyə gəldilər ki, aktivliyi BCI-ni əks istiqamətdə idarə edən iki neyron qrupu, siçanlar öyrəndikcə dendritlərində əks səhv siqnalları da alır. Bəzilərinə tapşırıq zamanı aktivliklərini artırmaq tapşırılıb, digərlərinə isə onu azaltmaq tapşırılıb. Üstəlik, komanda bu təlimat siqnallarını maneə törətmək üçün dendritləri manipulyasiya etdikdə, siçanlar tapşırığı öyrənə bilməyiblər. Harnett deyir: “Bu, vektorlaşdırılmış [neyrona xas] siqnal əsaslı təlimat öyrənməsinin korteksdə baş verdiyinə dair ilk bioloji dəlildir”.

Beyində vektorlaşdırılmış siqnalların kəşfi və komandanın onları tapmaq qabiliyyəti nevroloqlar və maşın öyrənməsi tədqiqatçıları arasında daha çox qarşılıqlı əlaqəni təşviq etməlidir, deyə postdoktor Vinsent Tanq bildirir. “Bu, maşın öyrənməsi icmasına bu istiqamətdə modellər hazırlamağa və yeni fərziyyələr irəli sürməyə davam etmək üçün əlavə stimul verir”, – deyə o bildirir. “Onda biz geri qayıdıb onları sınaqdan keçirə bilərik.”

Tədqiqatçılar, hazırkı kəşfləri ilə yanaşı, gələcək təcrübələrə yanaşmalarını tətbiq etməkdən də eyni dərəcədə həyəcanlı olduqlarını söyləyirlər.

Francioni deyir ki, “Maşınla öyrənmə öyrənməni həqiqətən öyrənmək üçün möhkəm və riyazi cəhətdən asan bir yol təqdim edir. İndi bunun heç olmasa bir hissəsini birbaşa beyinə çevirə bilməyimiz çox güclüdür”.

Harnett deyir ki, bu yanaşma beyin və maşın öyrənməsi arasında mümkün paralelləri araşdırmaq üçün yeni imkanlar açır. “İndi biz aşağıdakıları anlaya bilərik: korteks necə öyrənir? Beynin digər bölgələri necə öyrənir? Bu xüsusi alqoritmlə nə dərəcədə oxşar və ya fərqlidir? Biologiyadan öyrəndiklərimizdən daha yaxşı, daha çox beyin ilhamı ilə modellər qurmağı necə öyrənə bilərik?” deyə o bildirir. “Bu, həqiqətən də böyük bir yeni başlanğıc kimi hiss olunur.”

Nəşr detalları

Valerio Francioni və digərləri, Kortikal dendritlərdə vektorlaşdırılmış təlimat siqnalları, Təbiət (2026). DOI: 10.1038/s41586-026-10190-7

Jurnal məlumatı: Təbiət 

Əsas tibbi anlayışlar

Beyin-Kompüter İnterfeysləriDendritlərBeyin qabığı

Klinik kateqoriyalar

NevrologiyaMassaçusets Texnologiya İnstitutu tərəfindən təmin edilir