شبیه‌سازی نشان می‌دهد که مغزهای هوشمند برای حل مسائل دشوار زمان بیشتری صرف می کنند

ژوئن 2023 -توسط استفانی سلتمن، موسسه بهداشت برلین در Charité (BIH)اعتبار: BIH/Petra Ritter

آیا افراد باهوش سریعتر فکر می کنند؟ محققان BIH و Charité—Universitätsmedizin برلین، همراه با یکی از همکارانش از بارسلونا، به این یافته شگفت‌انگیز دست یافتند که شرکت‌کنندگانی که نمرات هوش بالاتری داشتند، تنها در انجام کارهای ساده سریع‌تر عمل می‌کردند، در حالی که حل مسائل دشوار نسبت به افراد دارای نمرات IQ پایین‌تر زمان بیشتری می‌برد.

در شبیه‌سازی‌های شخصی‌شده مغز از 650 شرکت‌کننده، محققان می‌توانند تعیین کنند که مغزهایی که همگامی کمتری بین نواحی مغز دارند، به‌جای اینکه منتظر بمانند تا مناطق بالادست مغز بتوانند مراحل پردازش مورد نیاز برای حل مشکل را تکمیل کنند، به معنای واقعی کلمه در هنگام تصمیم‌گیری به نتیجه‌گیری می‌پردازند.

در واقع، مدل‌های مغزی برای شرکت‌کنندگان با امتیاز بالاتر نیز به زمان بیشتری برای حل وظایف چالش‌برانگیز نیاز داشتند، اما خطاهای کمتری داشتند. اکنون دانشمندان یافته های خود را در مجله Nature Communications منتشر کرده اند.

حدود 100 میلیارد نورون در مغز انسان وجود دارد. هر یک از آنها به حدود 1000 نورون همسایه یا دور متصل است. این شبکه غیرقابل درک، کلید توانایی های شگفت انگیز مغز است، اما همچنین چیزی است که درک نحوه عملکرد مغز را بسیار دشوار می کند.

پروفسور پترا ریتر، رئیس بخش شبیه سازی مغز در موسسه بهداشت برلین در Charité (BIH) و در بخش نورولوژی و عصب شناسی تجربی Charité-Universitätsmedizin برلین، مغز انسان را با استفاده از رایانه شبیه سازی می کند. او در تشریح پروژه فعلی می‌گوید: «ما می‌خواهیم بفهمیم که فرآیندهای تصمیم‌گیری مغز چگونه کار می‌کند و چرا افراد مختلف تصمیم‌های متفاوتی می‌گیرند.

مدل های شخصی سازی شده مغز

برای شبیه‌سازی مکانیسم‌های مغز انسان، ریتر و تیمش از داده‌های دیجیتالی اسکن‌های مغزی مانند تصویربرداری تشدید مغناطیسی (MRI) و همچنین مدل‌های ریاضی مبتنی بر دانش نظری در مورد فرآیندهای بیولوژیکی استفاده می‌کنند. این در ابتدا منجر به یک مدل مغز انسان “عمومی” می شود. سپس دانشمندان این مدل را با استفاده از داده‌های افراد منفرد اصلاح کردند و در نتیجه «مدل‌های مغزی شخصی‌سازی شده» را ایجاد کردند.

برای مطالعه حاضر، دانشمندان با داده‌های 650 شرکت‌کننده پروژه Human Connectome کار کردند، یک ابتکار ایالات متحده که از سپتامبر 2010 در حال مطالعه اتصالات عصبی در مغز انسان بوده است. ریتر توضیح می دهد که باعث می شود و کم و بیش فرد را قادر می سازد تا مشکلات را حل کند. تیم او می‌دانست که شرکت‌کنندگان در آزمون‌های شناختی گسترده چگونه عمل می‌کنند و نمرات IQ آنها چقدر است.

همبستگی بین هوش، RTs و FC. a، b میانگین گروه g-ضریب 30 گروه، بر اساس ضریب g، N = 650 نفردر مقابل RT برای پاسخ های صحیح در سوالات PMAT شماره 1 بسیار آسان، p=4.0×10-6p=4.0×10- 6p=4.0\بار {10}^{-6}) و #24 بسیار سخت، p=3.0×10−6p=3.0×10−6p=3.0\بار {10}^{-6}. c، d همبستگی میانگین گروهی و سطح موضوعی بین g/PMAT24_A_CR و RT برای پاسخ‌های صحیح در هر سؤال PMAT فردی. آزمودنی‌هایی که g/PMAT24_A_CR بالاتری داشتند، سریع‌تر به سؤالات آسان پاسخ می‌دادند، اما زمان بیشتری را برای پاسخ صحیح به سؤالات سخت می‌گرفتند (سوالات بر اساس سختی فزاینده مرتب شده‌اند؛ نشانه‌ای از تلنگر همبستگی در سؤال شماره 9). e میانگین گروه g-factor در مقابل میانگین FC20 گروه، بر اساس ضریب g، N = 650 نفر، p=0.13p=0.13p=0.13.f میانگین گروهی PMAT24_A_RTCR در مقابل میانگین FC 20 گروه، بر اساس PMAT24_A_RTCR، N = 650 نفر، p=6.9×10−7p=6.9×10−7p=6.9 \ بار {10}^{-7}. g، h میانگین گروه 20 گروه، بر اساس PMAT24_A_RTCR و همبستگی سطح موضوعی بین میانگین FC و RT برای پاسخ های صحیح در هر سؤال PMAT. آزمودنی هایی که زمان بیشتری را برای پاسخ صحیح به سؤالات آزمون صرف می کردند، مستقل از آسان یا سخت بودن سؤال، FC بالاتری داشتند. مقادیر P آزمون همبستگی پیرسون دو طرفه: *p < 0.05، **p < 0.01، ***p < 0.001; شامل فقط مقادیر p که پس از کنترل مقایسه‌های چندگانه با استفاده از روش بنجامینی-هوچبرگ با نرخ کشف نادرست 0.1 معنی‌دار باقی ماندند. اعتبار: Nature Communications (2023). DOI:

مغزهای مصنوعی مانند همتایان بیولوژیکی خود رفتار می کنند

ریتر می‌گوید: «ما می‌توانیم فعالیت مغزهای فردی را به طور بسیار مؤثری بازتولید کنیم. “ما در این فرآیند متوجه شدیم که این مغزهای موجود در سیلیکون متفاوت از یکدیگر رفتار می کنند – و به همان روشی که همتایان بیولوژیکی خود دارند. آواتارهای مجازی ما با عملکرد فکری و زمان واکنش مشابه های بیولوژیکی آنها مطابقت دارند.”

جالب اینجاست که مغزهای “کندتر” هم در انسان ها و هم در مدل ها هماهنگ تر بودند، یعنی در زمان با یکدیگر. این همزمانی بیشتر به مدارهای عصبی در لوب پیشانی اجازه می‌دهد تا تصمیم‌گیری را برای مدت طولانی‌تری نسبت به مغزهایی که هماهنگی کمتری داشتند متوقف کنند. مدل‌ها نشان دادند که چگونه کاهش هماهنگی زمانی منجر به اطلاعات مورد نیاز یا تصمیم گیری در صورت نیاز در دسترس نیست و در حافظه کاری ذخیره نمی شود.

گردآوری شواهد زمان می برد و منجر به تصمیم گیری های صحیح می شود

اسکن‌های MRI عملکردی در حالت استراحت نشان داد که حل‌کننده‌های کندتر، میانگین اتصال عملکردی یا همزمانی زمانی بالاتری بین مناطق مغزشان دارند. در شبیه‌سازی‌های شخصی‌سازی شده مغز از 650 شرکت‌کننده، محققان می‌توانند تعیین کنند که مغزهایی که اتصال عملکردی آنها کاهش یافته است، به‌جای اینکه منتظر بمانند تا مناطق بالادست مغز بتوانند مراحل پردازش مورد نیاز برای حل مشکل را تکمیل کنند، به معنای واقعی کلمه هنگام تصمیم‌گیری به نتیجه‌گیری می‌پردازند.

از شرکت کنندگان خواسته شد تا قوانین منطقی را در یک سری الگوها شناسایی کنند. این قوانین با هر کار پیچیده‌تر می‌شدند و بنابراین رمزگشایی آنها دشوارتر می‌شد. در شرایط روزمره، یک کار آسان شامل ترمز سریع در چراغ قرمز است، در حالی که یک کار سخت مستلزم انجام روشمند بهترین مسیر در نقشه راه است. در این مدل، رقابتی به اصطلاح برنده همه چیز را بین گروه‌های عصبی مختلف درگیر در یک تصمیم، با گروه‌های عصبی که شواهد قوی‌تری برای آن‌ها وجود دارد، رخ می‌دهد. با این حال، در مورد تصمیمات پیچیده، چنین شواهدی اغلب برای تصمیم گیری سریع به اندازه کافی واضح نیستند، و به معنای واقعی کلمه گروه های عصبی را مجبور به نتیجه گیری سریع می کند.

مایکل شرنر، نویسنده ارشد این مطالعه و دانشمند آزمایشگاه ریتر توضیح می‌دهد: «همگام‌سازی، یعنی تشکیل شبکه‌های عملکردی در مغز، ویژگی‌های حافظه فعال و در نتیجه توانایی «تحمل» دوره‌های طولانی‌مدت بدون تصمیم را تغییر می‌دهد .در کارهای چالش برانگیزتر، شما باید پیشرفت های قبلی را در حافظه کاری ذخیره کنید، در حالی که مسیرهای راه حل دیگر را کاوش می کنید و سپس آنها را در یکدیگر ادغام می کنید. این جمع آوری شواهد برای یک راه حل خاص ممکن است گاهی اوقات طولانی تر شود، اما به نتایج بهتری نیز منجر می شود. ما توانستیم از این مدل برای نشان دادن اینکه چگونه تعادل تحریک-بازداری در سطح جهانی کل شبکه مغز بر تصمیم‌گیری و حافظه کاری در سطح دانه‌دارتر گروه‌های عصبی تأثیر می‌گذارد، استفاده کنیم.

یافته ها برای برنامه ریزی درمان جالب هستند

ریتر خوشحال است که نتایج مشاهده شده در “آواتارهای مغزی” مبتنی بر رایانه با نتایج مشاهده شده در افراد سالم “واقعی” مطابقت دارد. از این گذشته، علاقه اصلی او کمک به بیماران مبتلا به بیماری های عصبی مانند زوال عقل و بیماری پارکینسون است.

“فناوری شبیه‌سازی مورد استفاده در این مطالعه پیشرفت‌های چشمگیری داشته است و می‌تواند برای بهبود شخصی‌سازی در برنامه‌ریزی سیلیکونی مداخلات جراحی و دارویی و همچنین تحریک درمانی مغز مورد استفاده قرار گیرد. به عنوان مثال، یک پزشک می‌تواند از شبیه‌سازی کامپیوتری برای ارزیابی مداخله استفاده کند. یا دارو ممکن است برای یک بیمار خاص بهترین کار را داشته باشد و کمترین عوارض جانبی را داشته باشد.”