این یافته ها می تواند به طراحی مدل های محاسباتی بهتر برای درک روند تصمیم گیری و شناخت کمک کند. وقتی موش ها یاد می گیرند یک مهارت تازه را انجام دهند، فعالیت های مغزی آنها در جریان تبدیل شدن از یک موجود تازه کار به موجودی ماهر تغییر می کند. این تغییرات در نگارش مدارهای سلولی و فعالیت های نورون ها بازتاب می یابد.

جمعی از دانشمندان شامل محققانی از آزمایشگاه «کلد اسپرینگ هاربور» در نیویورک، دانشگاه کلمبیا، یونیورسیتی کالج لندن و موسسه فلاتیرون دریافتند که شبکه های عصبی موش ها همچنان که در انجام مهارت های آموزش داده شده متمرکزتر و تخصصی تر شدند . 

«ان چرچلند» استاد آزمایشگاه کلد اسپرینگ هاربور می گوید: ما فعالیت صدها نورون را به طور همزمان ثبت و آنچه نورون ها در طی مراحل یادگیری انجام می دادند را مطالعه کردیم.

وی افزود: هیچ کس واقعا نمی دانست حیوانات یا انسان ها چگونه اجزای یک مهارت را یاد می گیرند و چگونه فعالیت عصبی از یادگیری مهارت‌های تازه پشتیبانی می کند.

«فرزانه نجفی» نویسنده اول مقاله حاصل از این تحقیق و استاد آزمایشگاه چرچلند، با آموزش دادن مهارت های تصمیم گیری مفهومی، این تحقیق را آغاز کرد. موش ها محرک هایی چند حسی در قالب یک رشته کلیک و چراغ چشمک زن که همزمان ارائه می شد دریافت کردند.

ما دریافتیم که یادگیری در همه حیوانات به تدریج طی حدود 4 هفته اتفاق می افتد و فهمیدیم چیزی که یادگیری را تسهیل می کند تغییر در کارکرد یک دسته کامل از سلول های عصبی است.

کار آنها این بود که با لیس زدن یکی از سه ظرف آب مقابل خود به محققان بگویند صدای کلیک و چشمک زدن چراغ با سرعت بالا یا پایین در حال اتفاق افتادن هستند.آنها ظرف آب وسطی را برای شروع آزمایش لیس می زدند؛ یک ظرف را برای گزارش سرعت بالای صدای کلیک و چشمک زدن چراغ و ظرف دیگر را برای اعلام سرعت پایین، لیس می زدند. وقتی موش ها درست تصمیم می گرفتند پاداش دریافت می کردند.

چرچلند نویسنده ارشد این تحقیق می گوید: تا کنون بیشتر مطالعات مربوط به فرایند تصمیم گیری بر روی زمانی متمرکز بود که حیوانات کاملا به مهارت دست یافتند؛ اما ما می توانیم با بررسی نورون ها در مغز آنها در طول فرایند یادگیری ببینیم  چگونه به این حالت رسیده اند.

ما دریافتیم که یادگیری در همه حیوانات به تدریج طی حدود 4 هفته اتفاق می افتد و فهمیدیم چیزی که یادگیری را تسهیل می کند تغییر در کارکرد یک دسته کامل از سلول های عصبی است.

این تیم کشف کردند نورون ها در پاسخ به یک فعالیت مرتبط با یک مهارت خاص، حالت انتخابگرانه بیشتری پیدا کردند. نورون ها همچنین شروع به انجام واکنش سریعتر و فوری کردند.

چرچلند می گوید: موش ها پس از کسب مهارت به یک گزینه، پاسخ بسیار قوی و فوری می دهند و به گزینه دیگر پاسخ ضعیف تری می دهند. وقتی حیوانات در آغاز یادگیری هستند، تا زمانی که تصمیم به انجام کاری نمی گیرند، نورون ها پاسخی نمی دهند. اما همچنان که حیوان، مهارت بیشتری به دست می آورد، نورون ها پیش از تصمیم گیری نهایی واکنش می دهند.

چرچلند می گوید: ما به نوعی می توانیم ذهن حیوان را بخوانیم؛ می توانیم قبل از اینکه حیوان کاری را انجام دهد آن را پیش بینی کنیم. وقتی شما در یک مهارت، تازه کار هستید مغز شما کارهای مختلفی را انجام می دهد بنابر این نورون هایی دارید که درگیر کارهای مختلفی است. اما وقتی در کاری ماهر هستید، تنها بر کاری که قصد انجام آن را دارید متمرکز می شوید.

محققان، فعالیت های عصبی را با راه اندازی یک شبکه مصنوعی کوچک که آن را «ماشین برداری حمایت خطی» نامیدند و با استفاده از الگوریتم های یادگیری ماشینی رمزگشایی کردند.

این شبکه، داده های اجرایی را از آزمایش های مختلف جمع آوری می کند و آن را با فعالیت همه نورون ها ترکیب می کند و این داده ها را برای حدس زدن آنچه حیوان قصد دارد انجام دهد ارزیابی می کند.همچنانکه حیوان در انجام یک مهارت پیشرفت می کند، شبکه های عصبی او، دقیقتر و تخصصی تر می شوند. محققان قادرند فعالیت عصبی موش ها را در شبکه ای مصنوعی شبیه سازی کنند که می تواند تصمیم بعدی حیوان را با 90 درصد دقت پیش بینی کند.

الگوهای یادگیری همچنین راه دیگری برای بررسی انواع خاص نورون ها در مغز هستند که در شناخت نقش دارند مانند نورون های هیجان بخش و بازدارنده که به ترتیب تغییرات مثبت و منفی را موجب می شود. در این مطالعه که در مجله Neuron چاپ شده است، این تیم دریافتند که نورون های بازدارنده بخشی از همان شبکه های فرعی انتخابی در مغز هستند و برای انتخاب کاری که حیوان قصد دارد انجام دهد شدیدا انتخابگرند.

این نورون ها بخشی از مدل زیستی است که به محققان در درک اینکه فرایند تصمیم گیری چگونه صورت می گیرد کمک می کند. همچنانکه محققان این مدل ها را بهبود می بخشند، قادر خواهند بود درک بهتری از چگونگی تاثیر شناخت بر رفتار بدست بیاورند.

چرچلند می گوید: ما با استفاده از مدلهایی که می تواند پیش بینی های ملموس انجام دهد، چیزهای زیادی درباره تصمیم گیری مفهومی یعنی تصمیماتی که یک سوژه به درستی یا به غلط می گیرد یاد گرفتیم و دریافتیم  چه مدت طول می کشد تا آن تصمیمات را بگیرد و اینکه فعالیت عصبی در طی فرایند تصمیم گیری ممکن است چگونه باشد.

اکنون می توانیم بهتر درک کنیم چرا این شبکه های فرعی شدیدا انتخابگر وجود دارند و چگونه به گرفتن تصمیمات بهتر کمک می کنند و چگونه در فرایند یادگیری به هم متصل می شوند.

مترجم: محسن حدادی-سیناپرس