🧠 علوم الأعصاب

Reward changes the use and structure of predictive spatial maps

تُظهر هذه الورقة أن المكافأة تؤثر على الخرائط المكانية التنبؤية في الحصين من خلال آليتين متميزتين: حيث تعمل إشارات الهدف بشكل أساسي على تغيير كيفية استخدام خريطة موجودة بالفعل لتوجيه السلوك، بينما تقود إشارات التعليم المتعلقة بالمكافأة تحديداً اللدونة التي تعيد تشكيل بنية الخريطة.

المؤلفون الأصليون: Oza, S., Cohen, A., Wager, G., Derdikman, D., Recanatesi, S.

نُشر 2026-10-29

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Oza, S., Cohen, A., Wager, G., Derdikman, D., Recanatesi, S.

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

يحتوي الدماغ على نظام متخصص لرسم الخرائط يسمح للحيوانات بالتنقل في عالمها. ففي الحصين، وهي منطقة تقع في عمق الدماغ، توجد عصبونات تُسمى "خلايا المكان". تعمل كل خلية من هذه الخلايا عندما يكون الحيوان في بقعة محددة، مما يؤدي فعلياً إلى إضاءة إحداثية على خريطة داخلية. ولعقود من الزمن، عرف العلماء أن هذه الخريطة ليست ثابتة؛ فهي تتغير بناءً على الخبرة. فعندما يتعلم الحيوان مكان اختباء المكافأة، غالباً ما يتغير نشاط خلايا المكان هذه، حيث تتجمع بكثافة أكبر حول موقع الجائزة. لكن سؤالاً جوهرياً ظل دون إجابة: هل يكتفي الدماغ ببساطة بتغيير كيفية استخدام خريطته الموجودة للتركيز على المكافأة، أم أنه يعيد كتابة الخريطة نفسها مادياً، عبر تغيير الروابط بين العصبونات لإنشاء تمثيل جديد للمكان؟

وللإجابة على ذلك، صمم الباحثون نموذجاً حاسوبياً يحاكي كيفية تعلم الدماغ. فقد أنشأوا وكيلًا رقميًا يستكشف ساحة مربعة افتراضية، ولا يتلقى سوى معلومات بصرية عما هو موجود أمامه، مثل المسافة إلى الجدران ووجود أشياء. تم تدريب الشبكة الداخلية للوكيل للتنبؤ بالمشهد البصري التالي بناءً على رؤيته الحالية وحركته. ومن خلال عملية التنبؤ هذه، طورت الشبكة تلقائياً خريطة مكانية، مع وجود مجموعات متميزة من العصبونات التي تعمل في مواقع محددة، تماماً مثل خلايا المكان الموجودة في الحيوانات الحقيقية. كانت هذه الخريطة موجودة قبل أن يعرف الوكيل أي شيء عن المكافأة.

ثم أدخل الباحثون مكافأة في البيئة ودربوا نظام تحكم منفصلاً لتوجيه الوكيل نحوها. وبينما كان الوكيل يتعلم كيفية التنقل للوصول إلى المكافأة، لاحظ الباحثون تغيراً دراماتيكياً: بدأت خلايا المكان في الخريطة تتجمع بإحكام حول موقع المكافأة. ومع ذلك، عندما أعادوا تشغيل المسار نفسه الذي اتخذه الوكيل قبل تعلم المكافأة، باستخدام الشبكة المدربة حديثاً، كان التجمع ضعيفاً للغاية. كشف هذا أن التركيز القوي للنشاط الذي شوهد أثناء السلوك الموجه نحو الهدف كان ناتجاً إلى حد كبير عن اتخاذ الوكيل لمسارات مختلفة واقترابه من المكافأة من زوايا مختلفة، وليس بسبب تغيير شامل في البنية الأساسية للخريطة. لقد تغيرت الخريطة، ولكن بشكل طفيف فقط.

استكشفت الدراسة أيضاً ما الذي يدفع هذه التغييرات من خلال إضافة إشارة تعليمية محددة تخبر الشبكة بمدى قربها من المكافأة. وعندما كانت هذه الإشارة موجودة، أصبحت التغييرات في الخريطة أكبر وأكثر اتساقاً، مما أدى إلى إزاحة مجالات المكان بشكل أكثر موثوقية نحو المكافأة. كما اختبر الباحثون ما يحدث عند نقل المكافأة إلى موقع جديد؛ ووجدوا أن الاتجاه الذي يسلكه الوكيل يتكيف بسرعة مع الهدف الجديد، لكن الموقع المادي لمجالات المكان انتقل ببطء أكبر واحتفظ ببعض الذاكرة لموقع المكافأة القديم. وأخيراً، عندما تمت إزالة المكافأة وإشارة التعليم تماماً، تلاشى تركيز الخلايا بالقرب من موقع المكافأة السابق، وعادت الخريطة نحو حالتها الأصلية.

تشير هذه النتائج إلى أن الدماغ يستخدم آليتين منفصلتين للتعامل مع المكافأة. إحدى الآليتين تغير كيفية استخدام الخريطة الموجودة، مما يسمح للحيوان بتركيز انتباهه وسلوكه على الهدف. والآلية الثانية، المدفوعة بإشارات تعلم محددة، تعيد تشكيل الخريطة نفسها مادياً، لكن إعادة التشكيل هذه هي عملية أكثر دقة وتدريجية مما قد توحي به التحولات السلوكية الفورية. يوفر هذا البحث إطاراً واضحاً لفهم أن الخريطة المكانية للدماغ هي تمثيل مستقر للعالم وأداة مرنة يمكن ضبطها بما يقدره الحيوان.

أبحاث مشابهة