Οι άνθρωποι έχουν τη δυνατότητα να συνδυάζουν δημιουργικά τις μνήμες τους για να λύσουν προβλήματα και να αντλήσουν νέες ιδέες, μια διαδικασία που εξαρτάται από τις μνήμες για συγκεκριμένα γεγονότα γνωστά ως επεισοδιακή μνήμη. Αλλά αν και η επεισοδιακή μνήμη έχει μελετηθεί εκτενώς στο παρελθόν, οι τρέχουσες θεωρίες δεν εξηγούν εύκολα πώς μπορούν οι άνθρωποι να χρησιμοποιούν τις επεισοδιακές αναμνήσεις τους για να φτάσουν σε αυτές τις καινοφανείς γνώσεις.
Τα αποτελέσματα από μια ομάδα επιστημόνων νευροεπιστημόνων και ερευνητών τεχνητής νοημοσύνης στο DeepMind, το Πανεπιστήμιο Otto von Guericke Magdeburg και το Γερμανικό Κέντρο Νευροεκφυλιστικών Ασθενειών (DZNE), που δημοσιεύει στο περιοδικό Neuron στις 19 Σεπτεμβρίου, παρέχουν ένα παράθυρο στον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος συνδέει μεμονωμένους επεισοδιακούς μνήμες για την επίλυση προβλημάτων.
Για παράδειγμα, φανταστείτε ότι βλέπετε μια γυναίκα να οδηγεί αυτοκίνητο στο δρόμο σας. Την επόμενη μέρα, βλέπετε έναν άντρα που οδηγεί ακριβώς το ίδιο αυτοκίνητο στο δρόμο σας. Αυτό μπορεί να προκαλέσει τη μνήμη της γυναίκας που είδατε την προηγούμενη μέρα και ίσως να θεωρήσετε ότι το ζευγάρι ζει μαζί, δεδομένου ότι μοιράζονται ένα αυτοκίνητο.
Οι ερευνητές προτείνουν ένα νέο μηχανισμό του εγκεφάλου που θα επέτρεπε την ανάκτηση αναμνήσεων για να ενεργοποιήσει την ανάκτηση περαιτέρω, σχετικών μνημών με αυτό τον τρόπο. Αυτός ο μηχανισμός επιτρέπει την ανάκτηση πολλαπλών συνδεδεμένων μνημών, οι οποίες στη συνέχεια επιτρέπουν στον εγκέφαλο να δημιουργήσει νέα είδη γνώσεων όπως αυτά.
Όπως συμβαίνει με τις τυπικές θεωρίες της επεισοδιακής μνήμης, οι συγγραφείς ισχυρίζονται ότι οι μεμονωμένες μνήμες αποθηκεύονται ως ξεχωριστά ίχνη μνήμης σε μια περιοχή του εγκεφάλου που ονομάζεται ιππόκαμπος .
“Οι επεισοδιακές μνήμες μπορούν να σας πουν εάν συναντήσατε κάποιον πριν ή όπου σταθμεύσατε το αυτοκίνητό σας”, λέει ο Raphael Koster (@raphael_koster), ερευνητής στο DeepMind (@ DeepMindAI). “Το ιπποκάμπου σύστημα υποστηρίζει αυτό το είδος μνήμης, το οποίο είναι ζωτικής σημασίας για την ταχεία μάθηση”.
Σε αντίθεση με τις τυπικές θεωρίες, η νέα θεωρία διερευνά μια παραμελημένη ανατομική σύνδεση που βγαίνει από τον ιππόκαμπο προς τον γειτονικό ενδοθωρακικό φλοιό, αλλά αμέσως μετά περνάει ξανά μέσα. Είναι αυτή η επαναλαμβανόμενη σύνδεση, σύμφωνα με τους ερευνητές, που επιτρέπει τις αναμνήσεις που ανακτώνται από τον ιππόκαμπο ανάκτηση περαιτέρω, σχετικών αναμνήσεων.
Οι ερευνητές επινόησαν έναν τρόπο δοκιμής αυτής της θεωρίας, λαμβάνοντας ψηφιακές μαγνητικές τομογραφίες 7-Tesla υψηλής ανάλυσης από 26 νέους άνδρες και γυναίκες, καθώς εκτελούσαν ένα έργο που απαιτούσε από αυτούς να αντλήσουν ιδέες σε ξεχωριστά γεγονότα.
Οι εθελοντές έδειξαν ζευγάρια φωτογραφιών: ένα από ένα πρόσωπο και ένα από ένα αντικείμενο ή ένα μέρος. Κάθε μεμονωμένο αντικείμενο και τόπος εμφανίστηκε σε δύο χωριστά ζευγάρια φωτογραφιών, καθένα από τα οποία περιελάμβανε διαφορετικό πρόσωπο. Αυτό σήμαινε ότι κάθε ζευγάρι φωτογραφιών συνδέθηκε με ένα άλλο ζεύγος μέσω του κοινόχρηστου αντικειμένου ή τοποθετεί την εικόνα.
Σε μια δεύτερη φάση του πειράματος, οι ερευνητές εξέτασαν αν οι συμμετέχοντες θα μπορούσαν να συμπεράνουν την έμμεση σύνδεση μεταξύ αυτών των ζευγαριών φωτογραφιών, δείχνοντας ένα πρόσωπο και ζητώντας από τους συμμετέχοντες να επιλέξουν μεταξύ δύο άλλων προσώπων. Μία από τις επιλογές – η σωστή – είχε συνδυαστεί με το ίδιο αντικείμενο ή θέση εικόνας και κανείς δεν είχε.
Οι ερευνητές μάντεψαν ότι το πρόσωπο που παρουσιάστηκε θα ενεργοποιούσε την ανάκτηση του ζευγαρωτού αντικειμένου ή του τόπου και έτσι θα προκαλούσε εγκεφαλική δραστηριότητα που θα περάσει από τον ιππόκαμπο στον ενδοθωρακικό φλοιό. Βασικά, οι ερευνητές αναμένουν επίσης να δουν στοιχεία ότι αυτή η δραστηριότητα θα επανέλθει στη συνέχεια στον ιππόκαμπο για να ενεργοποιήσει την ανάκτηση του σωστού συνδεδεμένου προσώπου.
“Χρησιμοποιώντας εξειδικευμένες τεχνικές που αναπτύχθηκαν στο εργαστήριό μας στο Μαγδεμβούργο, καταφέραμε να διαχωρίσουμε τα τμήματα του ενδορινικού φλοιού που παρέχουν την εισροή στον ιππόκαμπο”, λέει ο Yi Chen, ερευνητής στο Πανεπιστήμιο Otto von Guericke. “Αυτό μας επέτρεψε να μετρήσουμε με ακρίβεια τα μοτίβα ενεργοποίησης της εισόδου και εξόδου του ιπποκάμπου ξεχωριστά.”
Οι ερευνητές εκπαιδεύτηκαν έναν αλγόριθμο υπολογιστή για να διακρίνουν μεταξύ της ενεργοποίησης για σκηνές και αντικείμενα μέσα σε αυτές τις περιοχές εισόδου και εξόδου. Ο αλγόριθμος εφαρμόστηκε στη συνέχεια όταν εμφανίζονταν μόνο πρόσωπα στην οθόνη. Εάν ο αλγόριθμος έδειξε την παρουσία πληροφοριών σκηνής ή αντικειμένου σε αυτές τις δοκιμές, θα μπορούσε να οδηγηθεί μόνο από ανακτημένες αναμνήσεις των συνδεδεμένων φωτογραφιών σκηνών ή αντικειμένων.
“Τα δεδομένα μας έδειξαν ότι όταν ο ιππόκαμπος ανακτά μια μνήμη, δεν το μεταδίδει μόνο στον υπόλοιπο εγκέφαλο”, λέει ο Dharshan Kumaran του DeepMind (@dharshsky). “Αντ ‘αυτού, επανακυκλοφορεί την ενεργοποίηση πίσω στον ιππόκαμπο, ενεργοποιώντας την ανάκτηση άλλων σχετικών μνημών”. Οι ερευνητές σκέφτονται τα αποτελέσματα του αλγορίθμου ως σύνθεση νέων και παλαιών θεωριών.
“Τα αποτελέσματα θα μπορούσαν να θεωρηθούν ως τα καλύτερα και των δύο κόσμων: διατηρείτε την ικανότητα να θυμάστε τις μεμονωμένες εμπειρίες κρατώντας τα ξεχωριστά, ενώ συγχρόνως επιτρέποντας τη συγχώνευση των σχετικών αναμνήσεων στην πτήση στο σημείο της ανάκτησης”, λέει ο Kumaran . “Αυτή η ικανότητα είναι χρήσιμη για την κατανόηση του τρόπου με τον οποίο τα διαφορετικά μέρη μιας ιστορίας ταιριάζουν μαζί, για παράδειγμα – κάτι που δεν είναι εφικτό αν ανακτήσετε μόνο μια μνήμη”. Οι συγγραφείς πιστεύουν ότι τα αποτελέσματά τους θα μπορούσαν να βοηθήσουν το AI να μάθει ταχύτερα στο μέλλον.
“Ενώ υπάρχουν πολλοί τομείς όπου το AI είναι ανώτερο, οι άνθρωποι έχουν ακόμα ένα πλεονέκτημα όταν οι εργασίες εξαρτώνται από την ευέλικτη χρήση της επεισοδιακής μνήμης”, λέει ο Martin Chadwick (@MartinJChadwick), ένας άλλος ερευνητής στο DeepMind. “Αν κατανοήσουμε τους μηχανισμούς που επιτρέπουν στους ανθρώπους να το κάνουν αυτό, η ελπίδα είναι ότι μπορούμε να τις αντιγράψουμε μέσα στα συστήματα ΑΠ μας, παρέχοντάς τους μια πολύ μεγαλύτερη ικανότητα για την ταχεία επίλυση νέων προβλημάτων”.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
