تکنولوژی

دانشمندان علوم اعصاب MIT نورون‌هایی با بازه‌های زمانی پردازش زبان متمایز کشف کردند

دانشمندان علوم اعصاب MIT توانسته‌اند با استفاده از تکنیک‌های پیشرفته، دسته‌های مختلفی از نورون‌ها را شناسایی کنند که بازه‌های زمانی متفاوتی را برای پردازش زبان دارند. این بازه‌های زمانی از یک کلمه تا حدود شش کلمه متغیر هستند و ممکن است هر دسته وظایف متفاوتی داشته باشد، از جمله تحلیل معنای کلمات فردی یا تفسیر معانی پیچیده‌تر جمله. این کشف نشان‌دهنده وجود ساختارهای مختلف در شبکه زبان است که با روش‌هایی مانند fMRI به‌آسانی قابل مشاهده نیستند.

دانشمندان علوم اعصاب MIT با استفاده از تصویربرداری تشدید مغناطیسی عملکردی (fMRI) چندین ناحیه مغزی مسئول پردازش زبان را شناسایی کرده‌اند.

با این حال، کشف وظایف خاص نورون‌ها در این نواحی دشوار بوده است زیرا fMRI که تغییرات جریان خون را اندازه‌گیری می‌کند، دقت بالایی ندارد تا نشان دهد که جمعیت‌های کوچک نورون‌ها چه کاری انجام می‌دهند.

حالا، با استفاده از یک تکنیک دقیق‌تر که شامل ثبت فعالیت الکتریکی مغز می‌شود، دانشمندان اعصاب MIT دسته‌های مختلفی از نورون‌ها را شناسایی کرده‌اند که به نظر می‌رسد مقادیر متفاوتی از زمینه زبانی را پردازش می‌کنند.

این “بازه‌های زمانی” از فقط یک کلمه تا حدود شش کلمه متغیر است.

انعکاس وظایف مختلف

محققان می‌گویند که بازه‌های زمانی ممکن است وظایف مختلفی برای هر جمعیت بازتاب دهند.

جمعیت‌های با بازه‌های کوتاه‌تر ممکن است معانی کلمات فردی را تحلیل کنند، در حالی که آن‌هایی که بازه‌های طولانی‌تری دارند ممکن است معانی پیچیده‌تری که با ترکیب کلمات به‌دست می‌آید را تفسیر کنند.

“این اولین بار است که ما می‌بینیم در شبکه زبان تفاوت‌های واضحی وجود دارد”، گفت اولینا فدورنکو، استادیار علوم اعصاب در MIT.

“مناطق مغزی این شبکه در ده‌ها آزمایش fMRI به نظر می‌رسد که همه یک کار را انجام می‌دهند، اما این یک شبکه گسترده و توزیع شده است، بنابراین باید ساختاری وجود داشته باشد. این اولین نمایش واضح است که ساختاری وجود دارد، اما جمعیت‌های نورونی مختلف در هم آمیخته شده‌اند بنابراین ما نمی‌توانیم این تمایزها را با fMRI ببینیم.”

فدورنکو، که همچنین عضو مؤسسه مک‌گورن برای تحقیقات مغز در MIT است، نویسنده ارشد این مطالعه است که در ژورنال نچر هیومن بیهیور منتشر شده است.

تامار رگوی، محقق پسادکتری در MIT و دانشجوی فارغ‌التحصیل دانشگاه هاروارد، کلتون کاستو، نویسندگان اصلی این مقاله هستند.

بازه‌های زمانی

fMRI که به دانشمندان کمک کرده درباره نقش‌های مختلف بخش‌های مختلف مغز چیزهای زیادی یاد بگیرند، با اندازه‌گیری تغییرات جریان خون در مغز کار می‌کند. این اندازه‌گیری‌ها به عنوان نماینده‌ای از فعالیت عصبی در طول یک وظیفه خاص عمل می‌کنند.

با این حال، هر “ووکسل” یا قطعه سه‌بعدی یک تصویر fMRI نماینده صدها هزار تا میلیون‌ها نورون است و فعالیت را در حدود دو ثانیه جمع‌بندی می‌کند، بنابراین نمی‌تواند جزئیات دقیق درباره اینکه این نورون‌ها چه کاری انجام می‌دهند را نشان دهد.

یکی از روش‌های کسب اطلاعات دقیق‌تر درباره عملکرد عصبی، ثبت فعالیت الکتریکی با استفاده از الکترودهای کاشته شده در مغز است. این داده‌ها به سختی به‌دست می‌آیند زیرا این روش تنها در بیمارانی انجام می‌شود که قبلاً به دلیل یک وضعیت عصبی مثل صرع شدید تحت جراحی قرار می‌گیرند.

در یک مطالعه در سال ۲۰۱۶، فدورنکو با استفاده از این روش نواحی پردازش زبان را در شش نفر مطالعه کرد.

فعالیت الکتریکی در حالی ثبت شد که شرکت‌کنندگان چهار نوع مختلف از محرک‌های زبانی را خواندند: جملات کامل، لیست کلمات، لیست کلمات نامفهوم، و جملات “جبرواکی” — جملاتی که ساختار گرامری دارند اما از کلمات بی‌معنی تشکیل شده‌اند.

آن داده‌ها نشان می‌دهند که فعالیت در برخی از جمعیت‌های نورونی در نواحی پردازش زبان در حال خواندن جملات به طور تدریجی در طی چندین کلمه افزایش می‌یابد.

با این حال، این اتفاق در زمانی که آن‌ها لیست کلمات، لیست کلمات نامفهوم و جملات جبرواکی را خواندند، نیفتاد.

در مطالعه جدید، رگوی و کاستو آن داده‌ها را بازبینی کردند و پروفایل‌های پاسخ زمانی را با دقت بیشتری تحلیل کردند.

فعالیت الکتریکی

در مجموعه داده‌های اصلی، دانشمندان رکوردهای فعالیت الکتریکی را از ۱۷۷ الکترود پاسخ‌دهنده به زبان در شش بیمار داشتند.

برآوردهای محافظه‌کارانه نشان می‌دهد که هر الکترود به طور متوسط نماینده فعالیت حدود ۲۰۰,۰۰۰ نورون است.

آن‌ها همچنین داده‌های جدیدی از مجموعه دوم ۱۶ بیمار به‌دست آوردند که شامل ثبت‌هایی از ۳۶۲ الکترود پاسخ‌دهنده به زبان دیگر بود.

وقتی محققان این داده‌ها را تحلیل کردند، دریافتند که در برخی از جمعیت‌های نورونی، فعالیت با هر کلمه بالا و پایین می‌شود. در دیگران، اما، فعالیت در طی چندین کلمه افزایش می‌یافت سپس دوباره کاهش می‌یافت، و در دیگر دسته‌ها، فعالیت نورونی به طور پیوسته در طول بک بازه زمانی طولانی مدت افزایش می‌یافت.

محققان دریافتند که نورون‌های جمعیتی از مناطق پردازش زبان را می‌توان به سه دسته تقسیم کرد. این دسته‌ها بازه‌های زمانی یک، چهار، یا شش کلمه را نمایندگی می‌کنند.

“واقعاً به نظر می‌رسد که این جمعیت‌های نورونی اطلاعات را در طول مقیاس‌های زمانی مختلف جمله یکپارچه می‌کنند”، رگوی می‌گوید.

توسط
Interesting Engineering
منبع
Interesting Engineering
نمایش بیشتر

اخبار مرتبط

بازگشت به بالا