1
تصور کنید بتوانید حین دستهبندی خاطرات، مغز خود را در حال کار تماشا کنید — نه فقط خاطرات کلی، بلکه لحظهای که یک تصویر خاص شناسایی میشود. به لطف مطالعهای پیشگامانه در دانشگاه کالیفرنیای جنوبی (USC)، این تصور اکنون به واقعیت تبدیل شده است.
کشف جدید در سازماندهی حافظه تصویری
این مطالعه نشان میدهد که چگونه مغز انسان، خاطرات تصویری را از طریق کدهای مبتنی بر دستهبندی در هیپوکامپ ساماندهی میکند.
ترکیب یادگیری ماشین و دادههای انسانی
برای کشف سازوکار حافظه تصویری، محققان از دادههای ثبتشده مغزی ۲۴ بیمار مبتلا به صرع، در کنار یک مدل قدرتمند یادگیری ماشین استفاده کردند.
هیپوکامپ و دستهبندی حافظههای تصویری
محدودیتهای ذخیرهسازی در هیپوکامپ
هیپوکامپ نمیتواند هر تصویر را بهعنوان یک فایل منحصربهفرد ذخیره کند. بهجای آن، تصاویر را به دستههایی مانند «حیوان»، «ابزار» یا «ساختمان» تقسیم میکند تا بتواند حجم انبوه اطلاعات تصویری روزانه را مدیریت کند.
فرایند تحقیق توسط تیم USC
دو پژوهشگر برجسته، دونگ سونگ و چارلز لیو از دانشگاه کالیفرنیای جنوبی، مغز بیماران را حین مشاهده تصاویر بررسی کردند.
سونگ توضیح میدهد:
«ما پنج دسته تصویر را به بیماران نشان دادیم: حیوان، گیاه، ساختمان، وسیله نقلیه و ابزارهای کوچک. سپس سیگنالهای هیپوکامپ را ثبت کردیم.»
رمزگشایی از دستهبندی حافظه با سیگنال مغزی
پس از ثبت سیگنالها، محققان با کمک یادگیری ماشین بررسی کردند که آیا صرفاً بر اساس سیگنال مغزی، میتوان تشخیص داد که بیمار کدام دسته از تصویر را به خاطر میآورد.
اطلاعات دستهبندیشده در سیگنالهای مغزی
دقت بالا در پیشبینی دسته تصویر
مدل یادگیری ماشین توانست با دقت بالا دستهی تصویر یادآوریشده را شناسایی کند. این نشان میدهد که سیگنالهای مغزی، اطلاعات خاصی در مورد دستهبندی حافظه دارند.
نقش زمانبندی در ثبت خاطرات
همچنین مشخص شد که نورونهای هیپوکامپ برای ذخیره خاطرات، تنها به نرخ شلیک تکیه نمیکنند، بلکه زمانبندی دقیق شلیکها نیز اهمیت دارد.
سونگ میگوید:
«مثل این است که مغز خود را بخوانیم تا بفهمیم دقیقاً در حال ساخت چه نوع خاطرهای هستیم.»
ساختار مدل رمزگشایی حافظه
دو لایه اصلی در مدل
محققان از مدلی دولایه استفاده کردند:
- لایه اول: استخراج ویژگیهای شلیک نورونها در مقیاسهای زمانی مختلف
- لایه دوم: ترکیب این ویژگیها برای پیشبینی دسته تصویر
این مدل اجازه میدهد بهترین بازه زمانی برای رمزگشایی حافظه تعیین شود.
شفافیت مدل در برابر مدلهای جعبهسیاه
برخلاف مدلهای پیچیده و غیرقابل تفسیر، این مدل کاملاً شفاف است و دقیقاً نشان میدهد سیگنال حافظه در چه زمانی و کجای مغز اتفاق میافتد.
روش ثبت دادهها و جزئیات بیماران
ثبت مستقیم از مغز بیماران صرعی
تمام بیماران تحت عمل جراحی کاشت الکترود در مغز قرار داشتند تا برای درمان صرع تحت نظر باشند.
در برخی بیماران، الکترودها بهطور خاص در نواحی CA1 و CA3 هیپوکامپ کار گذاشته شده بودند؛ مناطقی که در فرآیند حافظه نقش کلیدی دارند.
آمار مربوط به ثبت دادهها
- بهطور متوسط، فعالیت حدود ۳۰ نورون در هر بیمار ثبت شد.
- شرکتکنندگان بین ۱۰۰ تا ۱۵۰ آزمایش را با استفاده از صفحه لمسی انجام دادند.
مشارکت فراگیر نورونها
طبق تحلیلهای مکانی و زمانی، تنها ۲۰ تا ۳۰ درصد پنجره فعالیت هر نورون در رمزگذاری حافظه نقش داشت. با این حال، در سطح جمعیت، ۷۰ تا ۸۰ درصد نورونها درگیر بودند.
اهمیت زمانبندی نسبت به نرخ شلیک
رمز حافظه در لحظههاست
دانشمندان دریافتند که زمانبندی شلیکها بسیار مهمتر از تعداد آنهاست. حتی شلیکهایی با مدت زمان میلیثانیهای نیز برای ثبت حافظههای سطح دسته کافی بودند.
ضعف مدلهای سادهتر
مدلهایی که از بازههای زمانی ثابت مانند ۱۰۰ یا ۲۰۰۰ میلیثانیه استفاده میکردند، عملکرد ضعیفتری داشتند. در حالی که بازههای دقیقتر ۲۰ تا ۵۰ میلیثانیه بهتر عمل کردند، مدل چندرزولوشنی عملکرد بهتری از همه داشت.
کاربردهای بالقوه برای بیماران با ضعف حافظه
امکان خواندن و حتی نوشتن حافظهها
این مدل میتواند به توسعه ابزارهایی کمک کند که حافظه بیماران دچار زوال ذهنی را تقویت یا بازسازی کنند.
لیو میگوید:
«با این دانش، میتوانیم ابزارهای بالینی برای بازگرداندن حافظه توسعه دهیم و زندگیها را بهبود بخشیم.»
محدودیتهای مطالعه و آینده تحقیقات
محدود بودن دستهها و تمرکز بر حافظه کوتاهمدت
نویسندگان تأکید میکنند که این مطالعه فقط شامل پنج دسته تصویر و حافظه کوتاهمدت بود. فرآیندهایی مانند فراموشی و بازپخش خاطرات بررسی نشدند.
مسیرهای آتی تحقیق
- مطالعه دستهبندیهای پیچیدهتر و سناریوهای طبیعیتر
- بررسی تحول حافظه در گذر زمان
این تحقیق زیربنایی برای رمزگشایی و حتی ترمیم حافظه انسان فراهم میکند.
نتیجهگیری: حافظه بهعنوان نقشهای سازمانیافته
این مطالعه دیدگاه ما را نسبت به حافظه تغییر میدهد. مغز صرفاً چیزی که میبینیم را ثبت نمیکند، بلکه نقشههایی کارآمد و طبقهبندیشده از اطلاعات میسازد. با ابزار مناسب، دانشمندان اکنون میتوانند این نقشهها را بخوانند و حتی روزی آنها را بازسازی کنند — خاطره به خاطره.
مطالعه در مجله Advanced Science منتشر شده است.