چگونه مغز ارتباطات بین نورون‌ها را تقویت

هنگامی که مغز خاطرات را تشکیل می‌دهد یا یک کار جدید یاد می‌گیرد، اطلاعات جدید را با تنظیم اتصالات بین نورون‌ها رمزگذاری می‌کند. دانشمندان علوم اعصاب MIT مکانیسم جدیدی را کشف کرده‌اند که به تقویت این ارتباطات کمک می‌کند که سیناپس‌ها نیز نامیده می‌شوند.

در هر سیناپس، یک نورون پیش‌سیناپسی سیگنال‌های شیمیایی را به یک یا چند سلول دریافت کننده پس‌سیناپسی می‌فرستد. در بیشتر مطالعات قبلی در مورد چگونگی تکامل این ارتباطات، دانشمندان بر نقش نورون‌های پس‌سیناپسی تمرکز کرده‌اند. با این حال، تیم MIT دریافته است که نورون‌های پیش‌سیناپسی نیز بر قدرت اتصال تأثیر می‌گذارند.

تروی لیتلتون، استاد بخش زیست شناسی و مغز و علوم شناختی در MIT، یکی از اعضای MIT، می‌گوید: «این مکانیسمی که ما در سمت پیش‌سیناپسی کشف کرده‌ایم، به ابزاری اضافه می‌کند که برای درک چگونگی تغییر سیناپس‌ها در اختیار داریم. موسسه یادگیری و حافظه Picower و نویسنده ارشد این مطالعه که در شماره 18 نوامبر Neuron منتشر شده است.

یادگیری بیشتر در مورد چگونگی تغییر اتصالات سیناپس‌ها می‌تواند به دانشمندان کمک کند تا اختلالات رشد عصبی مانند اوتیسم را بهتر درک کنند، زیرا بسیاری از تغییرات ژنتیکی مرتبط با اوتیسم در ژن هایی یافت می‌شوند که پروتئین‌های سیناپسی را کد می‌کنند.

ریچارد چو، دانشمند پژوهشی در موسسه Picower، نویسنده اصلی مقاله است.

شبکه عصبی اراده آزاد برای تحقیقات ایمنی هوش مصنوعی

در حال حاضر، هیچ سیستم هوش‌مصنوعی نمی‌تواند انجام دهد، چیزی که از آن خواسته می‌شود، انجام نمی‌دهد، pre-guardrail یا post-guardrail.

این یک مسئله بزرگ برای میزبان پویا از مقدار قابل توجهی از هوش جمعی انسانی است. موجودات زنده می‌توانند کارهای زیادی را انجام دهند که انجام نمی‌دهند. تحت شرایط خاصی ممکن است کارهایی را انجام دهند که معمولاً انجام نمی‌دهند. با این حال، مواردی وجود دارد که موجودات زنده هرگز کارهای خاصی را که می‌توانند انجام دهند، در مواجهه با هرگونه تهدید یا پیامد احتمالی انجام نمی‌دهند.

موجودات، در صورت امکان، اشیا را کنترل می‌کنند. با این حال، دنیای فیزیکی تابع قوانینی است که برخی از کنترل‌ها را محدود می‌کند. همچنین پیامدهایی وجود دارد که از اراده برای کنترل بازدارنده است. دیجیتال با فیزیکی متفاوت است. اگرچه بازنمایی از فیزیکی است و می‌تواند اثرات مشابهی بر ذهن انسان داشته باشد، دیجیتال بسیار قابل کنترل است، در دسترس است و عواقب آن اغلب از بسیاری جهات قابل مقایسه نیستند.

وضعیت هوش‌مصنوعی این است که فقط دیجیتالی پایه یا زمینی نیست، جایی که اطلاعات مربوط به هوش انسانی در دسترس است و کنترل انسان باید همه کارها را انجام دهد یا به دنبال اطلاعات مفید باشد – که گاهی به مهارت نیاز دارد. هوش‌مصنوعی مرتب‌سازی اولیه را انجام داده است، گاهی اوقات تا حد بالایی که آنچه برای انجام برخی کارها برای کاربران لازم است، تلاش کمتری یا مثلاً کنترل کمتر است.

 

اعمال دسته‌های بصری جدید در مغز انسان

کاوش در مورد اینکه چگونه مغز انسان مقوله‌های بصری جدیدی را می‌سازد، شامل درک مکانیسم‌های عصبی است که زیربنای دسته‌بندی بصری و سازگاری مغز برای پردازش و تشخیص محرک‌های بصری جدید است. در اینجا یک مرور کلی بر اساس نتایج جستجو آمده است:

مکانیسم‌های عصبی دسته‌بندی بصری

۱. مناطق کلیدی مغز درگیر

·         قشر گیجگاهی تحتانی[1] (ITC): این ناحیه برای دسته‌بندی بصری حیاتی است، سلول‌های عصبی را در خود جای می‌دهد که تنظیم خاص دسته را نشان می‌دهند. این شامل ساختارهایی مانند ناحیه صورت دوکی[2] (FFA) است که به ویژه به چهره‌ها پاسخ می‌دهد و نقش مهمی در یادگیری دسته‌بندی‌های جدید چهره ایفا می‌کند [1][3].

·         قشر بینایی: قشر بینایی، به ویژه جریان شکمی[3]، برای تشخیص اشیا ضروری است. این اطلاعات بصری را از سطوح پایین‌تر به بالاتر پردازش می‌کند و امکان شناسایی اشیاء پیچیده را بر اساس ویژگی‌های مشترک فراهم می‌کند [2][۶].

·         قشر پیش‌پیشانی[4] (PFC): PFC در عملکردهای شناختی مرتبه بالاتر، از جمله قوانین و استراتژی‌های دسته‌بندی نقش دارد. با ITC تعامل می‌کند تا بازنمایی‌های دسته‌بندی را اصلاح کند، و مکانیزم بازخوردی را نشان می‌دهد که کارایی دسته‌بندی را افزایش می‌دهد [3][۴].