Hareketleri Öğrenme ve Hatırlama

0
917

Doğduğumuz andan itibaren ve hatta ondan önce, dünya ile hareket yoluyla etkileşime gireriz. Gülmek ya da konuşmak için dudaklarımızı hareket ettiririz. Dokunmak için elimizi uzatıyoruz. Görmek için gözlerimizi hareket ettiririz. Kıpırdanıyoruz, yürüyoruz, jest yapıyoruz, dans ediyoruz. Beynimiz bu geniş hareket yelpazesini nasıl hatırlıyor? Yenilerini nasıl öğreniyor? Bir bardak suyu düşürmeden, ezmeden, kaçırmadan almamız için gerekli hesaplamaları nasıl yapıyor?

Ruth ve Bruce Rappaport Tıp Fakültesi’nden Technion Profesörü Jackie Schiller ve ekibi, bu gizeme ışık tutmak için beyni tek nöron düzeyinde inceledi. Hesaplamanın sadece nöronlar (sinir hücreleri) arasındaki etkileşimde değil, her bir nöron içinde gerçekleştiğini buldular. Bu hücrelerin her birinin basit bir anahtar değil, karmaşık bir hesaplama makinesi olduğu ortaya çıktı. Yakın zamanda Science dergisinde yayınlanan bu keşif, yalnızca beynin nasıl çalıştığına dair anlayışımızda değişiklikler değil, aynı zamanda Parkinson hastalığından otizme kadar değişen koşulların daha iyi anlaşılmasını da vaat ediyor. Ve bununla da kalmıyor, aynı bulguların makine öğrenimini ilerletmesi ve yeni mimariler için ilham vermesi bekleniyor.

Hareket, beynin birincil motor korteksi tarafından kontrol edilir. Bu alanda araştırmacılar, gördüğümüz hareketi üretmek için herhangi bir anda hangi nöron(lar)ın ateşlendiğini tam olarak belirleyebilirler. Prof. Schiller’in ekibi, nöronun tamamını tek bir birim olarak değil, parçalarının aktivitesini inceleyerek daha da yakınlaşan ilk ekip oldu.

Her nöronun dendrit adı verilen dallı uzantıları vardır. Bu dendritler, diğer sinir hücrelerinin terminalleri (akson adı verilen) ile yakın temas halindedir ve aralarında iletişimi sağlar. Bir sinyal dendritlerden hücrenin gövdesine gider ve daha sonra akson yoluyla iletilir. Dendritlerin sayısı ve yapısı sinir hücreleri arasında büyük farklılıklar gösterir, tıpkı bir ağacın tacının diğerinin tacından farklı olması gibi.

Prof. Schiller’in ekibinin odaklandığı belirli nöronlar, korteksin en büyük piramidal nöronlarıydı. Harekete yoğun olarak dâhil olduğu bilinen bu hücreler, birçok dalı, alt dalı ve alt dalı olan büyük bir dendritik ağaca sahiptir. Ekibin keşfettiği şey, bu dalların yalnızca bilgi aktarmadığıdır. Her bir alt dal, aldığı bilgiler üzerinden bir hesaplama yapar ve sonucu daha büyük olan alt dala iletir. Alt şube, tüm iştiraklerinden aldığı bilgiler üzerinden bir hesaplama yapar ve iletir. Ayrıca, çoklu dendritik dalcıklar, birleşik hesaplama ürünlerini büyütmek için birbirleriyle etkileşime girebilir. Sonuç, her bir nöron içinde gerçekleştirilen karmaşık bir hesaplamadır. Prof. Schiller’in ekibi ilk kez nöronun bölümlere ayrıldığını ve dallarının bağımsız hesaplamalar yaptığını gösterdi.

Prof. Schiller, “Eskiden her bir nöronu, bir tür ıslık olarak düşünürdük, ya çalar ya da çalmaz,” diye açıklıyor. “Bunun yerine bir piyanoya bakıyoruz. Tuşlarına aynı anda veya sırayla, sonsuz sayıda farklı melodi üreterek basılabilir.” Beynimizde çalan bu karmaşık senfoni, sonsuz sayıda farklı, karmaşık ve kesin hareketi öğrenmemizi ve gerçekleştirmemizi sağlayan şeydir.

Çoklu nörodejeneratif ve nörogelişimsel bozuklukların, nöronun veri işleme yeteneğindeki değişikliklerle bağlantılı olması muhtemeldir. Parkinson hastalığında dendritik ağacın anatomik ve fizyolojik değişikliklere uğradığı gözlemlenmiştir. Technion ekibinin yeni keşifleri ışığında, bu değişikliklerin bir sonucu olarak nöronun paralel hesaplama yapma yeteneğinin azaldığını anlıyoruz. Otizmde, dendritik dalların uyarılabilirliğinin, durumla ilişkili sayısız etkiyle sonuçlanarak değişmesi olası görünüyor. Nöronların nasıl çalıştığına dair yeni anlayış, bunların hafifletilmesi umuduyla, bu ve diğer bozukluklarla ilgili yeni araştırma yolları açar.

Aynı bulgular, makine öğrenimi topluluğu için bir ilham kaynağı olabilir. Derin sinir ağları, adından da anlaşılacağı gibi, bir insan beynine benzer şekilde öğrenen ve işlev gören bir yazılım yaratmaya çalışır. Gelişmeleri sürekli haber yapsa da, bu ağlar canlı kanlı bir beyne kıyasla ilkeldir. Beynimizin gerçekte nasıl çalıştığının daha iyi anlaşılması, daha karmaşık sinir ağlarının tasarlanmasına yardımcı olarak daha karmaşık görevleri yerine getirmelerini sağlayabilir.

Referans: 1. Yara Otor, Shay Achvat, Nathan Cermak, Hadas Benisty, Maisan Abboud, Omri Barak, Yitzhak Schiller, Alon Poleg-Polsky, Jackie Schiller. Motor davranışı sırasında katman 5 nöronlarının tutam dendritlerinde dinamik bölme hesaplamaları. Bilim, 2022; 376 (6590): 267 DOI: 10.1126/science.abn1421

CEVAP VER

Please enter your comment!
Please enter your name here