مطالعه جزئیاتی را در مورد اشکال شبکه بصری پیچیده در موش ها نشان می دهد

منبع:

مرجع مجله:

یک مطالعه جدید بر روی موش ها جزئیاتی را که قبلاً هرگز دیده نشده بود در مورد نحوه شکل گیری شبکه بصری پیچیده در آنها آشکار کرده است. این تحقیق می تواند به تحقیقات آینده در مورد درمان نابینایی مادرزادی کمک کند. اما با توجه به تشابهات بین بافت عصبی بیولوژیکی و هوش مصنوعی دیجیتال، این تحقیق همچنین می‌تواند به مهندسان نرم‌افزار کمک کند تا هوش مصنوعی بهتر و عمومی‌تری توسعه دهند.

چشم‌ها، بخش‌های خاصی از مغز و شبکه عصبی که اینها را به هم متصل می‌کنند، سیستم بینایی را تشکیل می‌دهند. یک قیاس خام ممکن است دوربینی باشد که توسط سیم به صفحه‌ای متصل است که خود آگاه شما می‌تواند آن را تماشا کند. اما توصیف بیولوژیکی دقیق این سیستم بسیار پیچیده است.”


توموناری موراکامی، استادیار، گروه فیزیولوژی، دانشگاه توکیو

این مطالعه نه تنها برای ارضای کنجکاوی انجام شد، بلکه به این دلیل که تحقیقات بنیادی از این دست می‌تواند پایه و اساس تحقیقات پزشکی آینده را تشکیل دهد که می‌تواند زندگی افراد را بهبود بخشد: در این مورد، فرضیه تیم مبنی بر اینکه تحقیقات آنها بر روی موش‌ها احتمالاً می‌تواند توسعه بصری را توضیح دهد. در پستانداران، از جمله انسان. و این به نوبه خود می تواند به محققانی که هدفشان درمان نابینایی مادرزادی است کمک کند.

اوکی گفت: «زمینه تحقیق دیگری نیز وجود دارد که می‌توان از کارهایی که ما در اینجا انجام داده‌ایم درس گرفت. هوش مصنوعی اغلب مبتنی بر شبکه‌های عصبی مصنوعی دیجیتال است. این شبکه‌ها معمولاً در چندین لایه ساختار می‌یابند که می‌تواند عملکرد پیچیده‌ای به آنها بدهد. اما اکنون که نشان داده‌ایم حداقل برخی از سیستم‌های عصبی بیولوژیکی ساختارهای موازی را قبل از شبکه‌های لایه‌ای توسعه می‌دهند، مهندسان نرم‌افزار می‌توان از این برای آزمایش روش‌های طراحی جدید الهام گرفت. می‌توان تصور کرد که این امر می‌تواند به آنها در هدفشان برای ایجاد هوش‌های همه‌منظوره‌تر که قادر به حل طیف گسترده‌ای از مسائل هستند کمک کند.

اگر بتوانید ماهیت شبکه‌ای نورون‌ها و ساختارهایی را که مغز و سیستم‌های حسی حیوانات را تشکیل می‌دهند، ببینید، ممکن است فکر کنید که این یک آشفتگی پیچیده تصادفی است. اما محققانی مانند دانشمندان علوم اعصاب قادرند به این آشفتگی نگاه کنند و نه تنها ساختارهای مجزا را استنباط کنند، بلکه عملکرد آنها را نیز مشخص کنند. اخیراً پروفسور کنیچی اوکی و استادیار توموناری موراکامی از دپارتمان فیزیولوژی دانشگاه توکیو و تیمشان در حال مطالعه یک سازند خاص برای یادگیری نحوه تشکیل آن بوده اند. سیستم بینایی

موراکامی می‌افزاید: “تعداد زیادی از نواحی قشری بصری درگیر هستند و اینها در لایه‌هایی مرتب شده‌اند که نوعی ساختار سلسله مراتبی را تشکیل می‌دهند. این ایده جدید نیست، اما مشخص نیست که چگونه ارتباط بین مراحل اولیه این شبکه یا چگونه است. نواحی اولیه و نواحی درگیر در پردازش سیگنال‌های بصری یا نواحی قشر بینایی بالاتر در طول توسعه شکل می‌گیرند.

موراکامی می‌گوید: «هنگامی که شبکه‌های متراکم فزاینده‌ای از ارتباطات را به موقع ضبط کردیم، چیزی به بیرون پرید که ما را شگفت‌زده کرد. ما انتظار داشتیم که شبکه بصری ابتدا اتصالات زیادی را بین ناحیه قشر مغز ایجاد کند که ساختار سلسله مراتبی کل سیستم را منعکس کند. اما در واقع، مسیرهای عصبی موازی از شبکیه در چشم ها که به نواحی قشر مغز منتهی می شود، زودتر از مسیرهای عصبی تشکیل می شوند. این واقعیت جدید آنچه را که در مورد این ناحیه از رشد قشر مغز می دانیم تغییر می دهد.

این تیم سیستم های بینایی در حال توسعه موش ها را مورد مطالعه قرار دادند. آنها به طور خاص به مناطقی به نام مناطق قشری و تالاموس نگاه کردند. با مشاهده اینکه چگونه شبکه‌های عصبی در این مناطق در موش‌های تازه متولد شده توسعه یافتند، و زمانی که این شبکه‌ها فعال شدند، تیم توانست مکانیسم‌های حاکم بر رشد سیستم بینایی را به روشی کلی‌تر توصیف کند.

موراکامی، تی. و همکاران. (2022) استراتژی مدولار برای توسعه شبکه بصری سلسله مراتبی در موش. طبیعت. doi.org/10.1038/s41586-022-05045-w.



منبع