Multi-scale place fields provide a predictive basis for hierarchical control
Questo articolo introduce la rappresentazione del successore gerarchica fattorizzata (fHSR), una mappa predittiva che unisce il controllo gerarchico efficiente con l'organizzazione spaziale multi-scala delle cellule di luogo ippocampali, spiegando con successo le loro caratteristiche in ambienti estesi e prevedendo una nuova periodicità spaziale indipendente dalle dimensioni nei tassi di scarica della popolazione.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
L'ippocampo del cervello è spesso descritto come la sede della memoria, ma per decenni i neuroscienziati lo hanno considerato anche come una mappa cognitiva, un GPS mentale che permette agli animali di navigare nel proprio mondo. Nelle stanze piccole e controllate di un laboratorio, questa mappa appare semplice: singole cellule cerebrali, note come cellule di luogo (place cells), si attivano solo quando un animale si trova in un punto specifico, creando un unico e ordinato interruttore "on" per una posizione. Tuttavia, il mondo reale è vasto e complesso. Quando i ratti percorrono centinaia di metri o i pipistrelli volano decine di chilometri tra i loro rifugi e le zone di alimentazione, queste stesse cellule cerebrali si comportano in modo molto diverso. Invece di un singolo interruttore, esse si attivano in molteplici scariche irregolari attraverso il paesaggio, creando un modello di attività dall'aspetto caotico che le teorie tradizionali della navigazione hanno faticato a spiegare.
Questo disallineamento tra l'ordinata immagine di laboratorio e la disordinata realtà della natura ha lasciato gli scienziati a chiedersi se la mappa cerebrale si rompa negli spazi ampi o se la nostra comprensione del suo funzionamento sia incompleta. Una teoria prevalente suggeriva che il cervello costruisca una mappa predittiva, calcolando essenzialmente dove un animale finirà probabilmente in futuro in base alla sua posizione attuale. Sebbene questa idea funzionasse bene per le piccole stanze, non riusciva a spiegare i complessi modelli di attivazione in più punti osservati in ambienti ampi. I ricercatori hanno dovuto chiedersi se questa irregolarità fosse solo rumore casuale o se servisse a uno scopo specifico e nascosto nel modo in cui il cervello pianifica e si muove nel mondo.
Un nuovo studio condotto da un team di neuroscienziati computazionali propone che questa irregolarità non sia un difetto, ma una caratteristica di un sistema di navigazione altamente efficiente. I ricercatori hanno sviluppato un nuovo modello matematico chiamato rappresentazione successiva gerarchica fattorizzata (factorised hierarchical successor representation). In termini semplici, questo modello suggerisce che il cervello non pianifica solo un passo alla volta. Invece, organizza il movimento in una gerarchia di sottogruppi di obiettivi, come "vai alla fine del corridoio" o "gira all'angolo della porta". Scomponendo un lungo viaggio in questi pezzi gestibili, il cervello può pianificare in modo efficiente su vaste distanze senza perdersi nei dettagli di ogni singolo passo.
Il team ha dimostrato che quando un agente informatico utilizza questo approccio gerarchico per apprendere, sviluppa naturalmente una mappa che appare esattamente come l'attività cerebrale osservata negli animali reali. Nelle loro simulazioni, il modello ha prodotto cellule di luogo che si attivavano in più punti, con il numero di punti e le loro dimensioni che cambiavano in modo prevedibile man mano che l'ambiente cresceva. Ciò corrispondeva ai dati raccolti da ratti che correvano su piste lunghe fino a 48 metri e pipistrelli della frutta egiziani che volavano su distanze fino a 200 metri. Il modello ha riprodotto con successo i modelli statistici specifici trovati in questi animali, incluso il fatto che alcune cellule si attivano in molti luoghi mentre altre in pochi, e che la spaziatura tra questi punti di attivazione segue una distribuzione specifica e non casuale.
Fondamentalmente, i ricercatori hanno testato se questa struttura gerarchica offrisse un vero vantaggio. Hanno scoperto che gli agenti che utilizzano questo metodo potevano apprendere nuovi percorsi e raggiungere nuovi obiettivi molto più velocemente rispetto agli agenti che utilizzavano modelli più vecchi e semplici, specialmente man mano che l'ambiente diventava più grande. L'approccio gerarchico permetteva al cervello di generalizzare ciò che ha appreso in una situazione e applicarlo a un'altra, un tratto chiave dell'intelligenza flessibile. Il modello ha anche previsto che l'attività della popolazione cerebrale avrebbe mostrato un ritmo sottile e ripetitivo attraverso lo spazio, un modello che i ricercatori hanno poi confermato analizzando i tassi di scarica dei neuroni di ratti e pipistrelli. Questo ritmo rimaneva costante indipendentemente dalla lunghezza della pista, suggerendo che sia una proprietà fondamentale del modo in cui il cervello segmenta lo spazio.
Lo studio ha anche escluso l'idea che questi complessi modelli di attivazione siano semplicemente il risultato di rumore biologico casuale. Quando i ricercatori hanno simulato l'attività cerebrale utilizzando un modello basato su funzioni casuali, questo non è riuscito a produrre i ritmi ripetitivi specifici e la struttura geometrica unica trovata nei dati degli animali reali. Il modello gerarchico, al contrario, ha generato queste caratteristiche naturalmente come conseguenza del suo design. Ciò suggerisce che l'attivazione irregolare e multi-punto delle cellule di luogo sia un risultato diretto del modo in cui il cervello organizza il comportamento in sottogruppi di obiettivi per gestire ambienti grandi e complessi.
Collegando il modo in cui gli animali si muovono al modo in cui le loro cellule cerebrali si attivano, questo lavoro fornisce una spiegazione unificata di come il cervello scala le sue capacità di navigazione da una piccola stanza a un vasto paesaggio. Implica che la mappa del cervello non sia un'immagine statica del mondo, ma un sistema dinamico e multistrato ottimizzato per la pianificazione e l'efficienza. Le scoperte suggeriscono che la capacità del cervello di navigare nel mondo selvaggio e complesso dipenda dalla scomposizione del viaggio in pezzi più piccoli e gestibili, una strategia che trasforma ciò che sembra rumore caotico in uno strumento preciso e potente per la sopravvivenza.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.