Attractor dynamics underlie sequence working memory in data-constrained recurrent neural networks
من خلال ملاءمة الشبكات العصبية المتكررة منخفضة الرتبة لتسجيلات متعددة الجلسات لقرود المكاك، تُظهر هذه الدراسة أن ذاكرة العمل التسلسلية تعتمد على فضاءات ترميز فرعية محددة المواقع حيث تحافظ الديناميكيات الشبيهة بالجاذب على تمثيلات العناصر المستمرة، بينما يتطور النشاط في الوقت ذاته عبر أبعاد زمنية متميزة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول الاحتفاظ بسلسلة قصيرة من الأرقام في ذهنك لفترة كافية لطلب رقم هاتف أو إدخال رمز ما. هذا الإنجاز الذهني، المعروف باسم الذاكرة العاملة، يسمح لنا بالاحتفاظ بالمعلومات نشطة لبضع ثوانٍ بعد اختفاء المؤثر الأصلي. لعقود من الزمن، ناقل العلماء حول كيفية قيام الدماغ بهذا الأمر. اقترحت إحدى النظريات الرائدة أن مجموعات محددة من الخلايا العصبية تستمر ببساطة في إطلاق نبضاتها بثبات، مثل مصباح كهربائي يُترك مضاءً، للحفاظ على المعلومات. واقترحت نظرية أخرى أن الدماغ يستخدم تسلسلاً سريعاً ومتغيراً من أنماط النشاط، حيث تحفز مجموعة من الخلايا العصبية المجموعة التالية في سلسلة، مما يخلق صورة إجمالية مستقرة رغم أن الأجزاء الفردية تتغير باستمرار. إن حل هذا الجدل أمر بالغ الأهمية لأنه يكشف عن نظام التشغيل الأساسي للدماغ، ويحدد ما إذا كانت أفكارنا تُثبّت في مكانها بواسطة مراسٍ ثابتة أم بواسطة نهر متدفق من النشاط.
قام فريق من الباحثين في جامعة توبينجن ومركز توبينجن للذكاء الاصطناعي الآن بالتحقيق في هذا السؤال من خلال بناء نموذج حاسوبي متطور للقشرة الجبهية في الدماغ، وهي المنطقة المسؤولة عن التفكير المعقد والذاكرة. استخدموا بيانات من قرود المكاك التي كانت تؤدي مهمة ذاكرة حيث كان عليها تذكر تسلسل من واحد إلى ثلاثة أشكال بصرية. تم تدريب القرود على سحب رافعة، ومراقبة ظهور الأشكال بترتيب معين، ثم الانتظار لفترة وجيزة، ثم لمس الشاشة لإعادة إنتاج التسلسل. سجل الباحثون النشاط الكهربائي لـ 2,488 خلية عصبية فردية عبر 30 جلسة مختلفة لمعرفة كيف تعامل الدماغ بدقة مع هذه المهمة.
ولفهم هذا الكم الهائل من البيانات، أنشأ العلماء شبكة عصبية متكررة "مقيدة بالبيانات". هذا النوع من الذكاء الاصطناعي مصمم لمحاكة الطريقة التي تتصل وتطلق بها الخلايا العصبية الحقيقية. وخلافاً للنماذج القياسية التي يتم تدريبها فقط للوصء إلى الإجابة الصحيحة، فقد أُجبر هذا النموذج على إعادة إنتاج الأنماط الفعلية "الفوضوية" للنبضات التي لوحظت في أدمغة القرود. ومن خلال مطابقة النموذج مع البيانات الحقيقية، استطاع البراحثون مراقبة الديناميكيات الخفية التي تحدث بين الخلايا العصبية، والتي يستحيل رؤيتها مباشرة في التسجيلات الخام. نجح النموذج في إعادة إنشاء الخصائص الإحصائية لنشاط الدماغ الحقيقي، بما في ذلك عدد مرات إطلاق الخلايا العصبية لنبضاتها وكيفية تأثيرها على بعضها البعض، مما أكد أنه تمثيل أمين للنظام البيولوجي.
وعندما حلل الباحثون الآليات الداخلية لهذا النموذج، اكتشفوا بنية هندسية محددة في كيفية تخزين المعلومات. فقد تم تنظيم نشاط الدماغ لكل عنصر في التسلسل في مناطق منفصلة ومتميزة داخل الشبكة العصبية. فإذا تذكر القرد شكلاً في الموضع الأول من التسلسل، يستقر النشاط في منطقة محددة؛ وإذا كان الشكل الثاني أو الثالث، يستقر النشاط في مناطق مختلفة وغير متداخلة. وقد أكد هذا الملاحظات السابقة بأن الدماغ يتتبع "ماهية" العنصر و"مكانه" في التسلسل باستخدام مناطق مكانية منفصلة لكل موضع.
ظل السؤال الحاسم قائماً: ماذا يحدث داخل تلك المناطق أثناء انتظار القرد؟ هل يظل النشاط ساكناً تماماً، أم أنه يتدفق؟ وجد الباحثون أن الإجابة هي مزيج من كليهما. فبينما ظل نمط النشاط العام مستقراً بما يكفي لفك تشفير ذاكرة معينة، إلا أن الديناميكيات الكامنة لم تكن ساكنة. بدلاً من ذلك، كشف النموذج أن الذاكرة كانت محفوظة داخل "متشعب" (manifold) مستقر، وهو سطح منحني في الفضاء الرياضي للشبكة. داخل هذا السطح، تصرف النشاط مثل كرة تتدحرج نحو وادٍ وتستقر في قاعه. يُعرف هذا باسم "حالة الجذب" (attractor state). وحتى في الوقت الذي كان فيه الدماغ يعالج مرور الوقت عبر إشارات أخرى منفصلة، فإن الذاكرة الفعلية للأشكال كانت محفوظة بواسطة هذه الحالات المستقرة ذاتية التصحيح.
ولإثبات أن هذه الحالات كانت مستقرة حقاً وليست مجرد أحداث عابرة، أجرى الباحثون تجربة افتراضية. أخذوا نموذجهم المدرب وأعطوه دفعة محاكاة صغيرة، تشبه ما قد يحدث إذا استخدم عالم الضوء لتحفيز مجموعة من الخلايا العصبية لفترة وجيزة في قرد حقيقي. وجدوا أنه إذا دفعت الدفعة النشاط بعيداً عن مساره قليلاً، فإن النظام يعود طبيعياً إلى حالة الذاكرة الصحيحة، تماماً كما تعود الكرة في الوادي إلى قاعه. ومع ذلك، إذا دفعوا النشاط في اتجاه معين على طول السطح المستقر، فإن ذاكرة النموذج تتغير بشكل دائم إلى قيمة جديدة. هذا السلوك هو السمة المميزة لنظام الجذب: فهو يقاوم الأخطاء الصغيرة ولكنه يسمح بالتغييرات المحكومة.
تشير الدراسة إلى أن الدماغ لا يعتمد على آلية واحدة للذاكرة. بدلاً من ذلك، فإنه يستخدم استراتيجية هجينة حيث تحفظ حالات الجذب المستقرة المحتوى المحدد للذاكرة، بينما تتعامل أجزاء أخرى من الشبكة مع التوقيت وتدفق التسلسل. يتحدى هذا الاكتشاف الفكرة القائلة بأن الذاكرة العاملة هي مجرد سلسلة عابرة ومتغيرة من الأحداث. إنه يشير إلى أنه لكي يحتفظ الدماغ بتسلسل من العناصر، يجب أن يمتلك مراسٍ مستقرة تحافظ على المعلومات آمنة من الضجيج، حتى مع مرور الوقت. كما لاحظ الباحثون أن نموذجهم يتنبأ بأنه إذا طبق العلماء اضطراباً موجهاً لفترة وجيزة على الدماغ أثناء فترة التأخير، فيمكنهم تغيير ذاكرة القرد لعنصر واحد في التسلسل بشكل انتقائي دون التأثير على العناصر الأخرى. وهذا يوفر تنبؤاً واضحاً وقابلاً للاختبار للتجارب المستقبلية للتحقق مما إذا كانت بنية الجذب هذه موجودة في الدماغ الحي.
في نهاية المطاف، يجسّر هذا العمل الفجوة بين رؤيتين متنافستين للذاكرة. فهو يظهر أن الدماغ يمكنه الحفاظ على تمثيل مستقر للماضي دون الحاجة إلى أن تطلق كل خلية عصبية بمفردها نبضاتها بمعدل ثابت ومستمر. ومن خلال تنظيم الذاكرة في مناطق محددة ومستقرة تصحح نفسها عند الاضطراب، يضمن الدماغ بقاء المعلومات التي نحتاجها متاحة ودقيقة، حتى مع تغير العالم من حولنا. إن نهج الباحثين في بناء نماذج مقيدة بدقة بالبيانات البيولوجية الحقيقية يقدم طريقة جديدة وقوية لفهم القواعد الخفية التي تحكم تفكيرنا وتذكرنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.