Mózg stale przechowuje nowe doświadczenia, które musi zintegrować z gąszczem istniejących wspomnień. Co zaskakujące, nie nadpisuje on w tym procesie poprzednich śladów pamięciowych.
Pierwszy dzień szkoły: wejście do klasy po raz pierwszy, podekscytowanie w żołądku i radość z posiadania szkolnego plecaka – to wszystko są typowe przykłady wspomnień z naszej pamięci epizodycznej. Przechowuje ona unikalne osobiste epizody w porządku czasowym i przestrzennym i łączy je z subiektywnymi doświadczeniami. W badaniu przeprowadzonym w Institut für Neuroinformatik na Wydziale Informatyki Uniwersytetu Ruhry w Bochum w Niemczech zespół kierowany przez profesora Laurenza Wiskotta opracował nowy komputerowy model pamięci epizodycznej i tym samym poczynił znaczne postępy w zrozumieniu hipokampa – obszaru mózgu, który jest kluczowy dla tworzenia nowych wspomnień epizodycznych. Praca została opublikowana 20 czerwca 2024 r. w czasopiśmie PLOS ONE.
Niezawodne przechowywanie sekwencji bez niszczenia poprzednich pamięci
Pamięć epizodyczna jest ważną podstawą naszej osobistej historii życia. Pomaga nam kształtować naszą tożsamość poprzez przechowywanie i łączenie przeszłych doświadczeń i wydarzeń we właściwej kolejności. „Dzieje się to poprzez zmiany w połączeniach między komórkami nerwowymi w naszym mózgu” — wyjaśnia Laurenz Wiskott. „Do tej pory niewyjaśnionym zjawiskiem było to, w jaki sposób ludzki mózg jest w stanie dokonywać tych zmian bez zapominania o innych wspomnieniach — nawet jeśli doświadczenie jest widziane tylko dokładnie raz i dlatego nie może być powoli i ostrożnie zintegrowane ze schematem obwodów komórek nerwowych”. Innowacyjny model komputerowy badaczy z Bochum umożliwia odtworzenie właśnie tej naturalnej zdolności ludzkiego mózgu: niezawodnego przechowywania sekwencji po pojedynczej prezentacji bez niszczenia poprzednich wspomnień.
Model koncentruje się na zasadach samoorganizacji w hipokampie i opiera się na teorii CRISP profesora Sena Chenga, również badacza na Uniwersytecie Ruhr w Bochum. Skrót oznacza Content Representation, Intrinsic Sequences, and Pattern Completion. W szczególności model ten redefiniuje funkcję tzw. regionu CA3 w hipokampie. „Wcześniej zakładano, że wspomnienia epizodyczne są przechowywane bezpośrednio w sieci CA3” — mówi pierwszy autor, dr Jan Melchior. „Jednak obecnie używamy regionu CA3 tylko jako pewnego rodzaju punktu zakotwiczenia dla pamięci. Przechowywanie odbywa się w regionach, które znajdują się przed i po CA3”.
Sieć neuronowa jak dobrze zorganizowana biblioteka
Aby to osiągnąć, zespół badawczy wyszkolił region CA3 w swoim modelu z preinformacją i w ten sposób, mówiąc obrazowo, utworzył dobrze zorganizowaną bibliotekę w CA3. „Gdy dodawane są nowe książki, tj. nowe doświadczenia, biblioteka nie musi być całkowicie reorganizowana. Zamiast tego nowe książki są dodawane do istniejącej struktury i łączone z istniejącymi półkami i kategoriami” — kontynuuje Jan Melchior. Oszczędza to czas i utrzymuje bibliotekę w dobrej organizacji.
Region CA3 pozostaje stabilny w modelu i może pracować wydajnie bez konieczności ciągłego dostosowywania swojej wewnętrznej struktury. Dzięki temu przetwarzanie i przechowywanie informacji jest szybsze i bardziej niezawodne. Zmiany neuronalne podczas procesu uczenia się zachodzą wyłącznie w sąsiednich regionach.
Wyniki symulacji przekonały badaczy. „Wciąż uważam solidność modelu za zaskakującą” — mówi Laurenz Wiskott. „Nawet przy niekompletnych lub nieprawidłowych wskazówkach pojedyncza prezentacja sekwencji wzorca może być niezawodnie przechowywana, zapamiętywana i odzyskiwana”. „Model działa nie tylko ze sztucznie generowanymi sekwencjami, ale także z ręcznie pisanymi liczbami i naturalnymi obrazami” — dodaje Jan Melchior. „Może również udoskonalać się bez dodatkowych danych wejściowych, wielokrotnie odtwarzając to, czego się nauczył”.
Badanie jest częścią większego projektu badawczego skupiającego się na pamięci epizodycznej. „Zakładamy, że niekompletna treść pamięci osobistej i ogólna wiedza semantyczna uzupełniają się wzajemnie i pomagają w odzyskiwaniu prawdopodobnych wspomnień – nawet jeśli nie zawsze są one całkowicie dokładne” – wyjaśnia Laurenz Wiskott, który prowadzi badania w dziedzinie uczenia maszynowego i obliczeniowej neuronauki na Uniwersytecie Ruhr w Bochum od 2008 r. i jest głównym badaczem w Departamencie Badań Neurobiologicznych. Ta szersza koncepcja jest obecnie badana w
Jan Melchior, Aya Altamimi, Mehdi Bayati, Sen Cheng, Laurenz Wiskott: Model sieci neuronowej do jednorazowego przechowywania sekwencji wzorców online, w: PLOS ONE, 2024, DOI: 10.1371/journal.pone.0304076
Wybrane obrazy zostaną pobrane w postaci pliku ZIP.
Podpisy i informacje o zdjęciach są dostępne w pliku HTML po rozpakowaniu.
