Learning Interpretable Switching Dynamics in Shared Neural-Behavioral Latent Space
تقدم هذه الورقة البحثية "ديناميكيات الكامن المشترك المتبدلة" (SSDL)، وهو إطار عمل موحد يتعلم فضاءً كامناً مشتركاً قابلاً للتفسير مع ديناميكيات تبديل غير خطية لنمذجة العلاقة بين النشاط العصبي عالي الأبعاد والسلوك في آن واحد، مع عزل التباين الخاص بكل نمط عبر مجموعات بيانات تجريبية متنوعة.
المؤلفون الأصليون:Zhang, Y., Caro, J. O., Oren, R., Higley, M. J., Cardin, J., Churchland, A., Saxena, S.
إن الدماغ عبارة عن آلة ضخمة وصاخبة. في أي لحظة، تطلق مليارات الخلايا العصبية نبضات في أنماط معقدة، مما يخلق إشارة تشبه التشويش في الراديو. ومع ذلك، ضمن تلك الفوضى، تعمل مجموعات محددة من الخلايا معًا لتوجيه حركاتنا، وقراراتنا، وأحاسيسنا. لعقود من الزمن، حاول العلماء العثور على الخيط الخفي الذي يربط هذا الضجيج العصبي بالأفعال الواضحة والملموسة للحيوان. التحدي يكمن في أن الدماغ لا يكتفي بمجرد الاستجابة للسلوك؛ بل يولد أيضًا إيقاعاته وتقلباته الداخلية الخاصة التي لا علاقة لها بما يفعله الحيوان حاليًا. لفهم كيفية تحكم الدماغ في السلوك، يجب على الباحثين أولاً فصل الإشارة المهمة عن الضجيج غير المهم. إنهم بحاجة إلى وسيلة لإيجاد اللغة المشتركة بين الدماغ والجسم، ومن ثم فهم كيفية تغير هذه اللغة مع انتقال الحيوان من حالة إلى أخرى، مثل الانتقال من الراحة إلى مد اليد نحو هدف ما.
لقد طور فريق من الباحثين في جامعة ييل وجامعة كاليفورنيا (UCLA) طريقة جديدة لحل هذه المشكلة، تسمى "الديناميكيات الكامنة المشتركة المتبدلة" (Switching Shared Latent Dynamics). تخيل أنك تحاول فهم محادثة بين شخصين من خلال الاستماع إلى تسجيل يحتوي على أصواتهما ممزوجة بصوت شارع مزدحم. تعمل الطريقة الجديدة كمرشح متطور يمكنه عزل أصوات المتحدثين عن ضجيج الشارع، مع تتبع كيفية تغير محادثتهما مع تغير الموضوع. في هذه الحالة، "المتحدثان" هما النشاط العصبي للدماغ وسلوك الحيوان، و"ضجيج الشارع" هو النشاط الدماغي الداخلي الذي ليس له علاقة بالمهمة الحالية. لقد بنى الباحثون نموذجًا حاسوبيًا يتعلم تحديد الأنماط المحددة في الدماغ المرتبطة مباشرة بما يفعله الحيوان، مع تجاهل الباقي. والأهم من ذلك، أن النموذج يدرك أن هذه الأنماط لا تبقى ثابتة؛ بل تتبدل بين أوضاع مختلفة، تمامًا مثل السيارة التي تغير تروسها، اعتمادًا على ما إذا كان الحيوان يستعد للحركة، أو ينفذ حركة، أو في حالة راحة.
اختبر الباحثون هذا النهج على أربع مجموعات مختلفة تمامًا من البيانات لمعرفة مدى صموده في العالم الحقيقي. بدأوا بمحاكاة حاسوبية حيث كانوا يعرفون الإجابة الدقيقة، ونجح النموذج في استعادة الأنماط الخفية ولحظات تبدل الأنظمة. ثم انتقلوا إلى تجارب حقيقية شملت قرودًا. في إحدى التجارب، مدت القرود أيديها نحو أهداف في سبعة وعشرين اتجاهًا مختلفًا. قام النموذج بتحليل النشاط الكهربائي لـ 180 خلية عصبية في القشرة الحركية والقشرة أمام الحركية أثناء تحريك القرود لأيديها. ووجد أن المعلومات المتعلقة بحركة اليد كانت متركزة في جزء محدد من نشاط الدماغ الذي حدده النموذج على أنه "مشترك" بين الدماغ والجسم. أما بقية نشاط الدماغ، الذي صنفه النموذج على أنه "خاص" بالخلايا العصبية، فقد احتوى على أنماط معقدة لم تتنبأ بحركة اليد. وقد أكد هذا أن النموذج يمكنه بنجاح فصل الإشارات التي تقود السلوك عن الثرثرة الداخلية للدماغ.
وفي تجربة ثانية على القرود، أدى الحيوان مهمة تطلبت منه الدفع ضد قوة معينة، وهو سيناريو يتضمن كلاً من الحركة النشطة والمقاومة السلبية. نجح النموذج مرة أخرى، حيث حدد فترات متميزة من النشاط تتوافق مع مراحل المهمة، مثل اللحظة التي تسبق حركة القرد واللحظة التي يقوم فيها بالدفع. وجد الباحثون أن قدرة النموذج على رصد هذه التبدلات كانت متفوقة بمراحل على الطرق القديمة التي حاولت إيجاد الأنماط دون معرفة مسبقة بالسلوك، أو الطرق التي عاملت نشاط الدماغ كتدفق واحد غير متغير. من خلال تعليم النموذج صراحةً البحث عن هذه التبدلات في الجزء المشترك من نشاط الدماغ، تمكن من تحديد اللحظات الدقيقة التي تغيرت فيها استراتيجية الدماغ لتتناسب مع أفعال الحيوان.
ولم يتوقف الفريق عند القرود فحسب، بل طبقوا نفس الطريقة على الفئران، باستخدام نوع مختلف من التسجيل يلتقط النشاط عبر السطح العلوي بأكمله للدماغ. في إحدى مجموعات التجارب، اتخذت الفئران قراراتها الخاصة لأداء مهمة ما، وفي تجربة أخرى، تحركت الفئراء بحرية دون هدف محدد. وحتى في هذه الحالات الأكثر تعقيدًا وأقل ضبطًا، نجح النموذج. لقد أعاد بناء النشاط العصبي وحركات الفئران بدقة عالية. وحدد أن الجزء المشترك من نشماء الدماغ احتوى على المعلومات المتعلقة بما تفعله الفئران، بينما احتوى الجزء الخاص على بقية نشاط الدماغ. وعندما كانت الفئران تتخذ قراراتها، رصد النموذج تحولًا محددًا في ديناميكيات الدماغ يتوافق مع اللحظة التي بدأت فيها الفئران في تجميع المعلومات قبل التصرف.
تشير النتائج إلى أن الدماغ لا يعمل في حالة واحدة مستقرة. بدلاً من ذلك، يبدو أن الجزء من الدماغ الذي يتحكم في السلوك ينتقل بين أوضاع تشغيل مختلفة، كل منها مناسب لمرحلة معينة من المهمة. يوفر النموذج الجديد نافذة واضحة على هذه التحولات. فهو يظهر أنه عندما يحاول الباحثون فهم كيفية تحكم الدماغ في السلوك، يجب عليهم البحث عن هذه التغيرات المنفصلة في الإشارات المشتركة، بدلاً من افتراض أن نشاط الدماغ هو تدفق سلس ومستمر. كما تسلط الدراسة الضوء على أن تجاهل السلوك عند تحليل الدماغ يؤدي إلى فقدان الوضوح؛ فمن خلال تضمين السلوك في عملية التعلم، يمكن للنموذج تحديد الأجزاء التي تقوم بالفعل بعمل التحكم في الجسم بشكل أفضل. يقدم هذا النهج طريقة أكثر قابلية للتفسير لدراسة الدماغ، منتقلاً من مجرد الوصف البسيط للنشاط إلى فهم أعمق لكيفية إعادة تنظيم الدوائر العصبية لنفسها لإنتاج التنوع الغني من السلوكيات التي نراها في العالم الطبيعي.
ملخص تقني: تعلم الديناميكيات التبديلية القابلة للتفسير في الفضاء الكامن المشترك بين الأعصاب والسلوك
بيان المشكلة تتيح تقنيات تسجيل العلوم العصبية الحديثة الآن القياس المتزامن للنشاط العصبي عالي الأبعاد والمتغيرات السلوكية الغنية. ويخلق هذا تحديًا مزدوجًا: تحديد البنية الكامنة المشتركة التي تتوسط العلاقة بين الدماغ والسلوك، ونمذجة الديناميكيات الأساسية التي يتطور من خلالها هذه الببنية عبر الحالات السلوكية. تعالج المنهجيات الحالية عادةً جزءًا واحدًا فقط من هذه المشكلة؛ فأساليب تعلم التمثيل المشترك (مثل CEBRA وPSID) تحدد الفضاءات الفرعية العصبية-السلوكية ولكنها تفشل عمومًا في نمذجة البنية الديناميكية الزمنية. وعلى العكس من ذلك، فإن النماذج الديناميكية (مثل SLDS وSRNNs) تلتقط التباين الزمني والانتقالات الحالة المنفصلة في النشاط العصبي، لكنها لا تفصل صراحةً بين البنية العصبية-السلوكية المشتركة والتباين الخاص بكل نمط. وبناءً على ذلك، تعاني النماذج الحالية في عزل الإشارات ذات الصلة بالسلوك عن الضجيج العصبي مع التقاط كيفية تغير هذه الإشارات عبر الحقب السلوكية المنفصلة في آن واحد.
المنهجية: الديناميكيات الكامنة المشتركة التبديلية (SSLD) قدم المؤلفون إطار عمل الديناميكيات الكاملة المشتركة التبديلية (SSLD)، وهو إطار موحد يتعلم تمثيلًا كامنًا مشتركًا بين النشاط العصبي والسلوك، ويمنح هذا الفضاء المشترك ديناميكيات متكررة تبديلية غير خطية. تعمد بنية النموذج إلى تفكيك المعلومات إلى ثلاثة مكونات كامنة:
الكمون المشترك (st): يلتقط المعلومات المشتركة بين النشاط العصبي والسلوك. ويتطور وفقًا لشبكة عصبية متكررة تبديلية (SRNN)، حيث يختار حالة تبديل منفصلة (zt) واحدة من بين K من الأنظمة الديناميكية غير الخطية المتميزة. هذا التصميم مدفوع بفرضية أن التمثيلات العصبية ذات الصلة بالسلوك تظهر تغيرات ديناميكية مهيكلة عبر الحالات السلوكية.
الكمون العصبي الخاص (htn): يلتقط التباين العصبي الذي لا يفسره السلوك.
الكمون السلوكي الخاص (htb): يلتقط التباين السلوكي الذي لا يفسره النشاط العصبي المسجل.
الاستدلال والتدريب:
المشفرات: يتم تشفير الملاحظات العصبية والسلوكية بشكل منفصل باستخدام مشفرات قائمة على المحولات (Transformer) إلى تمثيلات كامنة أولية. ثم تتم معالجتها لاستخراج الكمونات المشتركة والخاصة عبر شبكات خطية.
النموذج التوليدي: يتطور الكمون المشترك عبر عملية SRNN. ويتم إعادة بناء الإشارات العصبية والسلوكية المرصودة عن طريق دمج الكمون المشترك مع كموناتها الخاصة المعنية وتمريرها عبر شبكات فك التشفيد (decoders).
الاستدلال التبايني: يستخدم النموذج استدلالًا تباينيًا مدمجًا (amortized variational inference) مع خلفية عاملة (factored posterior). ومن الأهمية بمكان أن شبكة الاستدلال تشترط وجود كلا النمطين لاستنتاج الكمون المشترك وحالات التبديل، على عكس نماذج SRNN السابقة التي كانت تشترط البيانات العصبية فقط.
دالة الخسارة: تجمع الدالة بين حد دليل الاحتمال الأدنى التبايني (ELBO) وحدّي تنظيم:
الإشراف السلوكي: تعمل خسارة الإنتروبيا المتقاطعة (Lswitch) على تشجيع حالات التبديل المستنتجة على التوافق مع الحقب السلوكية المحددة تجريبيًا أثناء التدريب.
فك الارتباط (Disentanglement): يعمل حد تباعد كوشي-شفارز (CS divergence) (LDT) على تعظيم التباعد بين توزيع الكمون المشترك وتوزيعات الكمونات الخاصة، مما يضمن عزل الديناميكيات ذات الصلة بالسلوك عن الضجيج الخاص بكل نمط.
النتائج الرئيسية تم تقييم SSLD على مجموعة بيانات محاكاة وأربع مجموعات بيانات تجريبية متنوعة تشمل أنواعًا مختلفة (قرد، فأر)، ومناطق دماغية (حركي، أمام حركي، حس حركي، قشرة ظهرية)، وأنماط تسجيل (تخطيط كهربية الدماغ، تصوير الكالسيوم واسع المجال):
دقة إعادة البناء: أعاد SSLD بناء كل من النشاط العصبي الجمعي والمسارات السلوكية بدقة عبر جميع مجموعات البيانات، متفوقًا على النماذج المرجعية في متوسط مربع الخطأ.
فك الارتباط: أكدت تحليلات فك التشفيد الخطية أن المعلومات السلوكية كانت مشفرة بقوة في الكمونات المشتركة والكمونات السلوكية الخاصة، ولكنها كانت غائبة إلى حد كبير عن الكمون العصبي الخاص. وهذا يثبت قدرة النموذج على فصل البنية المشتركة ذات الصلة بالسلوك عن التباين الخاص بالنمط العصبي.
توافق الحالة: توافقت الحالات المنفصلة المستنتجة داخل الفضاء الكامن المشترك بشكل أفضل بكثير مع الحقب السلوكية الحقيقية مقارنة بالحالات المستنتجة بواسطة النماذج المرجعية غير الخاضعة للإشراف (k-means، HMM، SLDS) أو النماذج الخاضعة للإشراف التي تعمل على البيانات العصبية وحدها. في مهمة الوصول (reaching task)، حقق SSLD دقة توافق حالة بلغت 96%، وهي نسبة تقارب النماذج المرجعية الخاضعة للإشراف بالكامل دون الحاجة إلى إشراف مباشر على الديناميكيات الكامنة.
القابلية للتفسير الديناميكي: كشفت تصورات حقول التدفق (flow fields) ودرجات جاذب الخط (line-attractor scores) أن النموذج تعلم أنظمة ديناميكية متميزة تعتمد على الحالة. على سبيل المثال، في مهمة الوصول، انتقلت الديناميكيات من حالات التحضير إلى أنظمة تنفيذ الحركة المستقرة بعد "إشارة البدء" (go cue).
دراسات الاستئصال (Ablation Studies): أدى حذف أي من المكونات الثلاثة الأساسية — التعلم التمثيلي المشترك، أو الإشراف السلوكي، أو الديناميكيات التبديلية — إلى تدهور الأداء. وتحديدًا، فشلت الطرق الخطية (CCA) في التعميم، كما أن إزالة الإشراف السلوكي قللت من قدرة النموذج على التقاط البنية المشتركة، بينما أدى إزالة الديناميكيات التبديلية إلى خفض دقة توافق الحالة.
الأهمية والادعاءات يزعم البحث أن SSLD يقدم نهجًا قابلًا للتفسير لنمذجة الديناميكيات المشتركة بين الأعصاب والسلوك. فمن خلال وضع الديناميكيات التبديلية تحديدًا داخل الفضاء الكامن المشترك، يركز النموذج استدلال الحالة المنفصلة على المكون العصبي الأكثر ارتباطًا بالسلوك مباشرة، بدلًا من التركيز على التباين العصبي العشوائي.
يضع المؤلفون SSLD كنمط معماري مكمل لمجال نماذج التأسيس في علوم الأعصاب الناشئ. وبينما ركزت نماذج التأسيس الحديثة مؤخرًا على التوسع عبر الجلسات والموضوعات، فقد عاملت الديناميكيات في معظمها كعمليات ثابتة. يوضح SSLD أن دمج الديناميكيات التبديلية في فضاء كامن مشترك يوفر جسرًا مبدئيًا بين النشاط العصبي والسلوك، مما يفتح مسارًا نحو نماذج أكثر قابلية للتفسير والتوسع يمكنها التعميم عبر مجموعات البيانات العصبية، والمناطق الدماغية، والسياقات السلوكية المتنوعة. ويشير العمل إلى أن النمذجة المشتركة للبنية والتحكم في الديناميكيات التبديلية أمر ضروري لربط النشاط العصبي بالسلوك، رغم أن المؤلفين أشاروا إلى قيود تتعلق بالاعتماد على مقدمات سلوكية محددة جيدًا والافتقار إلى النمذجة الصريحة للمدخلات الخارجية.