नई तरकीबें सीखते हुए दिमाग पुरानी आदतों से चिपक जाता है

मस्तिष्क अनुकूलनशीलता कभी-कभी अंतहीन लगती है। लेकिन सीखने की प्रक्रिया में मस्तिष्क की टिप्पणियों का सुझाव है कि इसके तंत्रिका नेटवर्क आश्चर्यजनक रूप से अनम्य और अक्षम हो सकते हैं।

बुद्धि का मुख्य गुण सीखने की क्षमता है। जैसा कि दशकों के अनुसंधान से पता चला है, हमारा मस्तिष्क एक बड़े "प्लास्टिसिटी" के रूप में प्रदर्शित होता है, अर्थात, बाहरी उत्तेजनाओं की प्रतिक्रिया में न्यूरॉन्स की क्षमता में परिवर्तन होता है। लेकिन कार्नेगी मेलन विश्वविद्यालय और पिट्सबर्ग विश्वविद्यालय के शोधकर्ताओं ने हाल ही में हमारी सीखने की क्षमताओं के लिए अप्रत्याशित सीमाओं की खोज की। मस्तिष्क वास्तव में लचीला और अनुकूली हो सकता है, लेकिन कम से कम समय के लिए, यह खरोंच से कनेक्शन का एक नेटवर्क बनाने के बजाय, अपने तंत्रिका संबंधी प्रदर्शनों की सूची में अप्रभावी दोहराव के माध्यम से सीखता है।

"जब मैं स्क्वैश खेलता हूं, तो मैं एक टेनिस खिलाड़ी की तरह दिखता हूं," बायरन यू, जो कि कार्नेगी मेलन विश्वविद्यालय में एक बायोमेडिकल इंजीनियर और न्यूरोसाइंटिस्ट हैं, और अध्ययन में एक नेता हैं। यू ने कई सालों तक टेनिस खेला। उसे स्क्वैश खेलने में समस्या है क्योंकि वह छोटे रैकेट का उपयोग करता है और टेनिस कोर्ट पर इस्तेमाल किए जाने वाले के विपरीत तेज और अधिक कठिन शॉट्स बनाता है। हालांकि, स्क्वैश खेलते समय, वह रैकेट का उपयोग करने की शैली में आगे बढ़ता है, जिससे वह टेनिस खेलने के लंबे अनुभव का आदी हो गया है। मस्तिष्क इतना आसान नहीं है कि वह पहले से ही जानता हो।

प्रशिक्षण के दौरान मस्तिष्क को देखते हुए, यू और सहयोगियों ने न्यूरॉन्स के स्तर पर प्लास्टिसिटी की इसी तरह की कमी के सबूत पाए। यह खोज और संबंधित शोध यह समझाने में मदद कर सकते हैं कि कुछ चीजें दूसरों की तुलना में सीखना कठिन क्यों हैं।

कई साल पहले, यू, आरोन बतिस्ता ने पिट्सबर्ग विश्वविद्यालय से और उनके प्रयोगशालाओं के सदस्यों ने मस्तिष्क-कंप्यूटर इंटरफेस (IMCs) का उपयोग न्यूरोबायोलॉजी में खोज करने के लिए उपकरण के रूप में करना शुरू किया। इन उपकरणों में एक कील के आकार की चिप होती है जो गति को नियंत्रित करने वाले मोटर कॉर्टेक्स में तुरंत स्टोनर्स की विद्युत गतिविधि को ट्रैक कर सकती है। व्यक्तिगत न्यूरॉन्स से गुजरने वाले वोल्टेज स्पाइक्स के अनुक्रम को ट्रैक करके, आईएमसी "स्पाइक्स की गति" की गणना करने में सक्षम है जो किसी दिए गए कार्य के दौरान प्रत्येक न्यूरॉन के व्यवहार की विशेषता है।

वाई। ने कहा, "आप मस्तिष्क क्या कर रहे हैं, यह निर्धारित करने के प्रयास में एक ढेर में इस डेटा को खोदने से जुड़ी कठिनाइयों की कल्पना कर सकते हैं।" वाई ने कहा। "हमारी आँखें ऐसे डेटा में छिपे हुए पैटर्न को नोटिस करने के लिए बहुत प्रशिक्षित नहीं हैं।" लेकिन उन्नत सांख्यिकीय विश्लेषण जो चिप करने में सक्षम है, वह ऐसा कर सकता है, और इन पैटर्नों का उपयोग कुछ आंदोलनों को करने के लिए विषय के इरादों से जुड़ी तंत्रिका गतिविधि को निर्धारित करने के लिए किया जा सकता है। उदाहरण के लिए, सिस्टम अपने हाथ से बाएं, दाएं, ऊपर या नीचे पहुंचने के लिए परीक्षण विषय के इरादों के बीच अंतर करने में सक्षम है।

इसके बाद शोधकर्ता आईएमसी के आउटपुट का उपयोग कंप्यूटर स्क्रीन पर कर्सर के लिए कुछ आंदोलनों से जुड़ी तंत्रिका गतिविधि के अनुवाद के लिए कर सकते हैं। परीक्षण और त्रुटि से, लोगों या जानवरों को इस तरह के एक इंटरफेस का उपयोग करने के लिए प्रशिक्षित किया जाता है, यह कल्पना करते हुए कि वे हाथ को कैसे स्थानांतरित करते हैं, कहते हैं, बाईं ओर, और उसी दिशा में कर्सर को स्थानांतरित करें।

जब यू, बतिस्ता और उनके सहयोगियों ने बंदर के मोटर कॉर्टेक्स को ट्रैक किया, जिसने बार-बार सरल हाथ आंदोलनों का प्रदर्शन किया, तो उन्होंने पाया कि न्यूरॉन्स स्वतंत्र रूप से सक्रिय नहीं थे। सैकड़ों न्यूरॉन्स के माप के व्यवहार को 10 न्यूरॉन्स के व्यवहार के माध्यम से सांख्यिकीय रूप से वर्णित किया जा सकता है जो विभिन्न तरीकों से अपने पड़ोसियों के काम को सक्रिय या दबा देता है। विश्लेषण में, इस परिणाम को अंकों के एक सेट के रूप में दिखाया गया था जिसने 100-आयामी डेटा स्थान में बहुत कम राशि भरी थी।

कार्नेगी मालन विश्वविद्यालय में बायोमेडिकल इंजीनियरिंग के प्रोफेसर स्टीफन चेस ने कहा, "हमने इस खंड को एक आंतरिक गुणन कहा है क्योंकि हमारा मानना ​​है कि यह विशेषता वास्तव में मस्तिष्क की विशेषता है।" "इस स्थान का आयाम न्यूरॉन्स की क्षमताओं की सटीक भविष्यवाणी करता है।"

2014 में, शोधकर्ताओं ने विषयों के लिए नए कार्यों को सीखना आसान बना दिया यदि एक विशिष्ट सेट से संबंधित न्यूरॉन्स के संयोजन, और न कि जो इसके बाहर झूठ बोलते हैं, इस प्रक्रिया में शामिल हैं। यू के अनुसार, यह समझ में आता है, क्योंकि एक विशिष्ट सेट में आने वाले कार्य अंतर्निहित तंत्रिका संरचना के अनुरूप मस्तिष्क के लिए अनुरोध करते हैं। अध्ययन पूरा होने पर, समूह ने सवाल किया कि प्रशिक्षण के दौरान तंत्रिका गतिविधि कैसे बदल जाती है - यह हाल ही में नेचर न्यूरोसाइंस जर्नल में प्रकाशित एक काम में वर्णित है।

मस्तिष्क में क्या चल रहा है, यह समझने के लिए, शोधकर्ताओं ने पहले आईएमसी से लैस प्राइमेट्स को कर्सर को बाएं और दाएं घुमाने के साथ सहज होने के लिए दिया। तब टीम ने कर्सर को स्थानांतरित करने के लिए किस प्रकार की तंत्रिका गतिविधि आवश्यक है, के लिए आवश्यकताओं को बदल दिया, और यह देखना शुरू किया कि विशेषता सेट के बिंदुओं के नए सेट के अनुरूप तंत्रिका गतिविधि के कौन से नए पैटर्न का उपयोग किया जाएगा।

शोधकर्ताओं ने "पुनर्गठन" नामक एक सीखने की रणनीति के साक्ष्य को देखने की उम्मीद की, जिसके दौरान पशु काम कर रहे न्यूरॉन्स के कुछ नए पैटर्न का उपयोग करना शुरू कर देगा जो कि इस कार्य को सबसे स्वाभाविक रूप से फिट करेंगे। एक पोस्टडॉक जो यू और चेस के साथ इस परियोजना में भाग लिया और अब स्टैनफोर्ड विश्वविद्यालय में काम करता है मैथ्यू गोलूब ने कहा, "पेरेस्त्रोइका सबसे अच्छी रणनीति है जो जानवरों को न्यूरॉन्स के एक विशिष्ट सेट की सीमाओं के अधीन है।" या बंदर का मस्तिष्क "rescaling" के माध्यम से सीखना शुरू कर सकता है, एक प्रक्रिया जिसमें प्राथमिक शिक्षण कार्य में शामिल न्यूरॉन्स कुछ प्रकार के वर्कफ़्लो पर ठोकर खाने तक फटने की संख्या में वृद्धि या कमी करेंगे।

लेकिन, शोधकर्ताओं के आश्चर्य चकित करने के लिए, न तो पेरोस्ट्रोका और न ही rescaling हुआ। इसके बजाय, शोधकर्ताओं ने "पुनर्मूल्यांकन" की एक अत्यंत अप्रभावी प्रक्रिया का अवलोकन किया। विषयों को एक नए कार्य में प्रशिक्षित किया गया था, बस मौजूदा तंत्रिका अनुक्रमों का उपयोग करके, उनके उद्देश्य को बदलकर। अनुक्रम जो पहले बाईं ओर कर्सर ले गए थे, उसे दाईं ओर स्थानांतरित करना शुरू कर दिया, और इसके विपरीत। "वे पुन: उपयोग में लगे हुए थे," गोलूब ने कहा, केवल नई परिस्थितियों में।

मस्तिष्क को कम प्रभावी सीखने की रणनीति का उपयोग क्यों करना चाहिए? समूह की खोजों के परिणाम बताते हैं कि जिस तरह एक विशेषता सेट की गतिविधि द्वारा संपूर्ण तंत्रिका वास्तुकला का काम सीमित है, इसलिए इस सेट से न्यूरॉन्स के काम पर उनकी गतिविधि के पुनर्गठन पर प्रतिबंध है। बतिस्ता का सुझाव है कि पुनर्गठन के लिए किए जाने वाले न्यूरॉन्स के बीच सिनैप्टिक कनेक्शन में परिवर्तन उन्हें बहुत तेज करने के लिए बहुत जटिल होगा। उन्होंने कहा, "अल्पावधि में प्लास्टिक की क्षमता हमारी अपेक्षा से अधिक सीमित हो सकती है।" - सीखने का मतलब है भूल जाना। मस्तिष्क अनिच्छा से अधिग्रहीत कौशल से इनकार करता है जिसके साथ यह पहले से ही जानता है कि कैसे संभालना है। "

मोटर कॉर्टेक्स की तुलना एक पुराने टेलीफोन स्विचबोर्ड से करते हैं, जिसमें केबल की तरह तंत्रिका कनेक्शन, सेरिबैलम के आउटपुट के लिए कॉर्टेक्स के वर्गों के इनपुट को जोड़ते हैं। जैसा कि उन्होंने कहा, प्रयोगों के दौरान "मस्तिष्क सिर्फ केबल कनेक्शन योजना को बदलता है" - हालांकि इस प्रक्रिया की बारीकियां अभी भी स्पष्ट नहीं हैं।

यू ने कहा, "त्वरित बदलाव की रणनीति में कॉर्टेक्स के इनपुट कनेक्शनों को बदलना शामिल है। लेकिन उन्होंने यह भी कहा कि 1-2 घंटे के लिए उनके प्रयोगों में मस्तिष्क की गतिविधि पर नजर रखी गई थी। शोधकर्ता अभी तक इस संभावना को खारिज नहीं कर सकते हैं कि मस्तिष्क के नए कार्यों को सिखाने के लिए पुनर्मूल्यांकन एक मध्यवर्ती कदम है; समय की लंबी अवधि में, पुनर्निर्माण या पुनर्निर्माण अभी भी हो सकता है।

यदि हां, तो यह अंतर समझा सकता है कि नए लोगों और विशेषज्ञों द्वारा आम हितों से संबंधित नई जानकारी को कैसे संभाला जाता है। बतिस्ता ने कहा, "शुरुआती लोगों के पास काम करने के लिए है, और विशेषज्ञ ज्ञान के समेकन में लगे हुए हैं।" "यह इस प्रसिद्ध घटना के लिए तंत्रिका आधार हो सकता है।"