Kararlarımızı Yönlendiren Beyin Devresi Keşfedildi
Princeton araştırmacıları tarafından geliştirilen yeni bir gizli devre modeli, küçük nöron gruplarının karar alma sürecinde liderlik yaptığını ve karmaşık sinirsel aktiviteleri basitleştirdiğini ortaya koyuyor. Bu keşif, yalnızca zihinsel sağlık koşullarına ışık tutmakla kalmayıp, aynı zamanda yapay zekayı geliştirerek makinelerin tıpkı insanlar gibi bilgi işlemesini sağlayabilir.
Beyindeki Karar Alma Sürecine Dair Yeni Bulgular
Yeni bir matematiksel model, bilim insanlarının beynin karar alma sürecinde farklı türdeki bilgileri—örneğin görsel ve işitsel verileri—nasıl işlediğini anlamasına yardımcı oluyor. Princetonlı nörobilimciler tarafından geliştirilen bu araştırma, Alzheimer gibi nörolojik hastalıklardaki beyin devresi bozukluklarını daha iyi anlamamızı sağlayabilir. Ayrıca, Alexa ve sürücüsüz araçlar gibi yapay zeka teknolojilerinin daha verimli hale gelmesine katkıda bulunabilir.
Duyusal Bilgilerin Karmaşık Dengesi
Günlük karar alma süreci, beynin aynı anda birden fazla duyusal sinyali işleyebilme yeteneğine dayanır. Örneğin, işe yürürken yaya geçidi ışığının yeşile döndüğünü görürsünüz ve geçmenin güvenli olduğunu düşünerek adımınızı atarsınız. Ancak tam o anda bir ambulans sireni çalar ve durmanız gerektiğini fark edersiniz. Beyniniz hızla bu çelişkili bilgileri değerlendirerek en güvenli kararı vermenizi sağlar.
Beynin, renkli ışıklar ve yüksek sesli sirenler gibi hem çelişkili hem de ilişkili duyusal bilgileri nasıl dengelediği ve mantıklı kararlar aldığı uzun süredir araştırılıyor, ancak bu süreç hâlâ tam olarak anlaşılamamış durumda.
Prefrontal Korteks: Beynin Karar Merkezi
Karar alma sürecinde kritik rol oynayan beyin bölgelerinden biri, gözlerin hemen arkasında yer alan prefrontal kortekstir. Bu bölge, yüksek bilişsel işlevlerin merkezi olarak kabul edilir ve beynin en önemli karar mekanizmalarından biri olarak görülür.
Prefrontal Korteksteki Nöronların Karmaşık Tepkileri
Önceki araştırmalar, prefrontal korteksteki tekil beyin hücrelerinin (nöronların) karar alma sürecindeki tepkilerinin çok yönlü ve karmaşık olduğunu ortaya koymuştur. Örneğin, prefrontal korteksteki bir nöron, yalnızca yaya geçidi ışığı yeşile döndüğünde ve aynı anda bir araba yolu kapattığında ateşlenebilir. Ancak, prefrontal korteksteki beyin hücrelerinin duyusal bilgileri (örneğin trafik sinyalleri) nasıl işleyip bunları davranışsal çıktılara (örneğin kırmızı ışıkta karşıya geçme kararı) dönüştürdüğü konusunda bütüncül bir anlayış geliştirilememiştir.
Yeni Bir Matematiksel Yaklaşım: Gizli Devre Modeli
Nöral dinamikleri davranışsal çıktılarla ilişkilendiren devre mekanizmalarını anlamak için daha önce farklı matematiksel yaklaşımlar kullanılmıştır, ancak her biri belirli sınırlamalara sahiptir. Bu yaklaşımlardan biri, birbirine tekrarlayan bağlantılara sahip bir sinir devresi modeli olan tekrarlayan sinir ağlarıdır (recurrent neural networks – RNNs). Bu ağlar, karar alma görevlerini gerçekleştirecek şekilde eğitilebilir, ancak bağlantılarının yoğunluğu nedeniyle yorumlanmaları zor olabilir.
Yeni araştırmalarında, doktora sonrası araştırmacı Christopher Langdon, Ph.D. ve nörobilim alanında yardımcı doçent Tatiana Engel, Ph.D., karar alma sürecini daha iyi açıklamak için gizli devre modeli adını verdikleri yeni bir matematiksel çerçeve öneriyor.
Sinirsel Aktiviteye “Lider” Yaklaşımı
Langdon ve Engel, karmaşık bir tekrarlayan sinir ağı modeli yerine, bütünü incelemek yerine belirli bölgelere odaklanan bir yaklaşım öneriyor. Beyindeki büyük bir sinirsel ağın nasıl çalıştığını anlamaya çalışmak yerine, belki de sadece birkaç “lider” nöronun tüm ağı kontrol edebildiğini ve karar alma sürecini yönlendirdiğini düşünüyorlar. Nörobilimde bu yaklaşım “düşük boyutlu” (low-dimensional) mekanizma olarak adlandırılıyor.
Araştırmacı Christopher Langdon, “Bu çalışmadaki amacımız, büyük ölçekli tekrarlayan sinir ağlarında düşük boyutlu mekanizmaların çalışıp çalışmadığını anlamaktı,” diyor.
Modelin Test Edilmesi: Karar Alma Deneyi
Hipotezlerini test etmek için Langdon ve Engel, yeni geliştirdikleri modeli, belirli bir bağlama bağlı karar alma görevini yerine getirmek üzere eğitilmiş tekrarlayan sinir ağlarına uyguladı.
Deney: Karar Alma Sürecinde Bağlamsal İpuçları
Deney, insanlar, maymunlar ve bilgisayarlar tarafından gerçekleştirilen bir görevle başladı. İlk olarak ekranda bir şekil (kare veya üçgen) belirdi ve bu şekil bir bağlam ipucu olarak kullanıldı. Ardından, ekranda hareket eden bir ızgara deseni (duyusal ipucu) gösterildi. Katılımcılardan, başlangıçta gördükleri şekle bağlı olarak ya ızgaranın rengini (kırmızı veya yeşil) ya da hareket yönünü (sol veya sağ) rapor etmeleri istendi.
Beynin Gizli Anahtarlama Mekanizması
Langdon ve Engel, geliştirdikleri gizli devre modeli ile beynin bağlama bağlı olarak nasıl değiştiğini inceledi. Bulgularına göre, eğer katılımcılar hareket yönünü ayırt etmeye odaklanıyorsa, prefrontal korteksteki şekil işleyen hücreler, renge odaklanan komşu hücreleri baskılıyordu. Tam tersi durumda, yani katılımcılardan rengi ayırt etmeleri istendiğinde, bu kez renk işleyen hücreler hareket algılayan hücreleri devre dışı bırakıyordu.
Christopher Langdon, “Büyük bir sinir ağının içinde, yorumlanabilir ve somut bir mekanizma keşfetmek çok heyecan vericiydi.” dedi.
Modelin Öngörülerinin Doğrulanması
Gizli devre modeli, farklı gizli düğümler (latent nodes) arasındaki bağlantıların gücü değiştirildiğinde, bireylerin nasıl farklı seçimler yapacağını tahmin edebiliyor. Bu özellik, araştırmacıların gizli bağlantı yapısının gerçekten gerekli olup olmadığını test etmelerine olanak tanıyor. Nitekim, araştırmacılar belirli bağlantıları devre dışı bıraktıklarında, görev performansının öngörülebilir şekillerde bozulduğunu buldular.
Christopher Langdon, “Çalışmamızın en heyecan verici yanı, küçük bir devrede yapabildiğiniz tüm manipülasyonları büyük bir sinir ağına nasıl uygulayabileceğinizi göstermemizdi,” diyor. “El yapımı küçük bir sinir devresi oluşturduğunuzda, bağlantılarla oynayabilir, düğümleri değiştirebilir ve sistemin nasıl tepki vereceğini gözlemleyerek gerçekten anlayıp anlamadığınızı test edebilirsiniz.”
Yeni Modelin Beyin Çözümlemelerine Katkısı
İnsan beyni, Samanyolu’ndaki yıldızlardan daha fazla nörona sahiptir ve bu da onu son derece karmaşık bir sistem haline getirir. Ancak bu yeni gizli devre modeli, yüzlerce beyin hücresi arasındaki bağlantıların nasıl hesaplamalara dönüştüğünü ve insanların neden farklı kararlar aldığını açıklamaya yönelik yeni olanaklar sunuyor.
Zihinsel Sağlık ve Yapay Zekâ İçin Çıkarımlar
Karar alma süreçlerindeki zorluklar, depresyondan dikkat eksikliği hiperaktivite bozukluğuna (DEHB) kadar birçok karmaşık zihinsel sağlık bozukluğunun temel özelliklerinden biridir. Beynin karar almayı sağlayan matematiksel hesaplamalarını ortaya koyan bu bulgular, bu tür rahatsızlıkların daha iyi anlaşılmasına katkıda bulunabilir.
Ayrıca, bu çalışma Alexa gibi dijital asistanların ve otonom araçların karar verme yetilerini geliştirerek yapay zekâ teknolojilerini daha insan benzeri hale getirebilir. Ancak, bu hedefe ulaşmadan önce, yeni modelin laboratuvarda yaygın olarak kullanılan diğer karar alma görevlerine de uygulanması gerekecek.
Kaynak: https://scitechdaily.com
Beyin Yaşlanmasının Şifresi: Annenizin Genleri Etkili Olabilir