Ieškoti

Smegenų gelmėse

Ateitį spėjančios smegenys


Teksto autorius - J. Karolis Degutis


Ar mūsų jutimo organai veikia kaip įrašymo prietaisai? Ar galima konstatuoti, kad akys ir smegenų dalys, kurios apdoroja vaizdinę informaciją, veikia panašiu principu kaip skaitmeninė kamera? Jeigu žiūrime į tą patį objektą, ar mes visi matome tą patį vaizdą? Dažnai smegenys yra lyginamos su kompiuteriu – objektyviu elektroniniu aparatu, į kurį „įdėta“ informacija bus apdorota preciziškai ir specifiškai, o išvestis visą laiką bus priklausoma nuo įvesties. Deja, šis supaprastintas požiūris į smegenis nėra visiškai tikslus.

Fotoaparatas, kaip analogija vaizdinei smegenų sistemai, turi nepaprastus panašumus su kai kuriais procesais, kurie vyksta smegenyse. Tačiau ši analogija atspindi tik dalį istorijos. Kai signalas iš akių pasiekia smegenų žievę – išorinę smegenų sritį – pirminė regos smegenų žievė pradeda apdoroto šią informaciją. Iš akių ateinanti informacija yra padalinama į skirtingas vaizdinio lauko daleles – arba kitaip sakant – pikselius. Pirminėje žievėje esantys neuronai – pagrindinės smegenų ląstelės, apdorojančios informaciją – aktyvuojasi priklausomai nuo vaizdo lauko dalies, iš kurios sklinda šviesa. Kitaip sakant, jeigu dešiniame jūsų vaizdo lauke pamatysite meškiną, tai į dešinį vizualinį lauką reaguojantys neuronai aktyvuosis. Taip smegenys koduoja erdvinę informaciją.


Neuronų populiacijos, kurios pirminėje regos žievėje aktyvuojasi vienoje vaizdinio lauko dalyje, taip pat reaguoja ir į kitus vaizdinius požymius: spalvą, orientaciją ir kontrastą. Vieni neuronai aktyvuojasi matant vaizdą 45-ių laipsnių kampu, o kitiems „patinka“, pavyzdžiui, 90-ies laipsnių kampas. Jau pirmame vaizdinės sistemos hierarchijos žingsnyje smegenys formuoja labai paprastą vaizdinio lauko eskizą – labai panašiai kaip fotografijos pikseliuose koduojama erdvinė, spalvinė ir kontrasto informacija.


Žinoma, pirminė regos žievė tikslingai ir pilnai nenustato, kas vienu ar kitu momentu yra matoma. Jei ji atliktų tokią funkciją, neprireiktų visų kitų vaizdinės smegenų sistemos dalių. Regos žievė, kaip ir visos kitos jutiminės žievės, yra struktūrizuotos hierarchiškai. Tai reiškia, kad ankstesnėje smegenų dalyje apdorota informacija yra nukreipiami į kitą aukštesnę dalį. Pirminė regos žievė išsiunčia gautą ir apdorotą informaciją apie orientacijas, spalvas, erdvę ir kontrastą į vadinamą neprojekcinę regimąją žievę (dar vadinama V2, V3 ir V4). Šiose smegenų dalyse smegenys nustato sudėtingesnius vaizdinio lauko aspektus – pavyzdžiui, įvairius išlenkimus ir formas. Kitoje srityje, kuri vadinama MT (arba V5), apdorojama judesio informacija – smegenys nustato, iš kurios ir į kurią pusę juda matomas objektas ir daugmaž kokiu santykiniu greičiu. Vaizdinės sistemos hierarchijos viršūnėje „įsikūrusios“ smegenų sritys reaguoja į veidus (fusiforminė veido sritis), daiktus (šoninė pakaušinė skiltis) bei vietas ir peizažus (parahipokaminė vietos sritis). Šioms sritims erdvinė informacija jau nebeaktuali – ten esantys neuronai reaguos į meškiną nepriklausomai nuo jo vietos jūsų vaizdiniame lauke, kur ta meška bepasirodytų - dešinėje, per vidurį ar kairėje. Apibendrinant paprastai, visos jutiminės sistemos smegenyse hierarchiškai integruoja informaciją tol, kol mums žinomi ir suvokiami daiktai yra nustatomi.


Dabar gali kilti klausimas – nejaugi smegenys gali dar kažką daryti, siekdamos suvokti, kas atsirado joms prieš akis? Aukščiau nupasakota integracija tarp žemutinių ir viršutinių smegenų dalių, atrodo, išsprendžia visas problemas. Tokia mintis ir argumentacija visiškai teisinga. Todėl daugelį metų neuromokslininkų bendruomenė panašiai ir galvojo. Tiesą sakant, dirbtinio intelekto ir kompiuterinio regėjimo mokslininkai naudojo (ir iki šiol tebenaudoja) šiuos regėjimo sistemos hierarchinius principus kurdami „giliuosius neuroninis tinklus“ - algoritmus, padedančius kompiuteriui nustatyti, koks vaizdas buvo jam pateiktas.


Tačiau skirtingai nei fotoaparatas ar kompiuteryje įdiegtas neuroninis tinklas, smegenys turi ne tik atpažinti vieną po kito joms pristatomą vaizdą ar daiktą, bet tuo pačiu ir suformuoti nuoseklų perėjimą iš dabartinės akimirkos į kitą. Tam, kad įvykdytų šią sudėtingą užduotį sklandžiai, smegenys atlieka visai kitą triuką. Jos prognozuoja. Kitaip sakant, smegenys bando iš anksto nujausti, ką pamatys, užuos, išgirs kitoje akimirkoje. Jei laikysimės fotoaparato analogijos, tai tarsi fotoaparatas turėtų kažkokį mechanizmą, kuris pradėtų formuoti nuotrauką jums dar nepaspaudus mygtuko.


Kaip smegenys atlieka tą prognozavimo funkciją? Pasirodo, smegenyse informacija keliauja ne tik viena kryptimi – t.y., ne tik iš žemesnių sričių į aukštesnes, bet ir atvirkščiai. Pavyzdžiui, jeigu smegenys prognozuoja, kad užėjus už kampo pamatys mešką, tai aukštesnės vaizdinės sistemos sritys siunčia savo prognozę iki pat pirmutinės regos žievės ir „paruošia“ ten esančius neuronus informuodamos, kad už akimirkos ateis signalai iš akių, kurie atitiks meškos vaizdinį eskizą. O kas atsitinka jeigu smegenys neatspėja? Iš viršaus atsiųstas signalas visą laiką integruojasi su iš akių ateinančiu signalu. Šios integracijos metu lieka kažkokio dydžio paklaida – nebūna taip, kad neuroninė prognozė pilnai atitinka realiai matomą daiktą. Ši paklaida yra persiunčiama atgal iš žemutinių sričių į viršutines, ir taip pakeičia būsimą kitą prognozę. Toks smegenų „atnaujinimas“ vyksta nuolat.


Kaip toks atnaujinimas ir integracija gali vykti, jei kalbame teoriniame lygmenyje? Prieš gerą dešimtmetį buvo suformuluota šiuo metu labai populiari matematinė teorija, paaiškinanti, kaip smegenys galėtų integruoti šias dvi informacijos sroves. Hierarchinė Bajeso išvada (angl. hierarchical Bayesian inference), kuri grindžiama Bajeso teorema (angl. Bayes‘ theorem), argumentuoja, kad smegenys gali optimaliai integruoti šias dvi informacijos sroves pasitelkdamos statistinius metodus. Abi informacijos srovės gali būti apibrėžtos savo tikslingumu.


Įsivaizduokite tokį konkretų pavyzdį: važiuojate iš Vilniaus į Kauną per liūtį ir pro aprūkusį priekinį mašinos langą matote mirguliuojančias šviesas. Dabar įsivaizduokite lygiai tą pačią situaciją, tik kai lauke šviečia saulė, nelyja, o pro langą aiškiai matosi kito automobilio galinės lempos. Abejose situacijose jūsų tikslas yra pristabdyti ir neįvažiuoti į priekyje esantį automobilį. Tam, kad smegenys įvykdytų šią užduotį reikia apskaičiuoti atstumą tarp jūsų ir kitos mašinos. Abejose situacijose smegenys atsiunčia prognozę apie esamą atstumą, kuri nėra labai tiksli. Lyginant su pirmąją situacija, antrame scenarijuje ateinanti vaizdinė informacija yra daug tikslingesnė. Taigi, kai ši informacija integruosis su prognoze, ta kombinacija bus labiau įtakota iš akių ateinančios informacijos. Tačiau, kas vyksta pirmojoje situacijoje, kai vaizdinė informacija yra skurdi? Važiuojant liūtyje, ta pati atsiųsta prognozė, kad ir kokia netiksli ji būtų, vis vien labiau įtakos jūsų sprendimą nei primoje situacijoje.


Pastaraisiais metais neuromokslinikai pradėjo tyrinėti šias vaizdinės prognozes naudodami funkcinį magnetinį rezonansą (fMRT). Viename tyrime Peteris Kokas (Peter Kok) su kolegomis nusprendė panaudoti labai paprastą eksperimentinę paradigmą. Skeneryje gulintiems tyrimo dalyviams buvo rodomos dvi skirtingos orientacijos, taip pat dalyviai girdėjo du garsus. Kiekviena orientacija buvo susieta su vienu garsu, kitaip sakant, žmogus pirmiausiai išgirsdavo vieną iš garsų, o po to pamatydavo, pavyzdžiui, 45-ių laipsnių orientaciją. Po keleto tokių pakartojimų, dalyvis sąmoningai ar nejučiomis suformuodavo ryšį tarp vaizdinio ir garsinio stimulo. Jeigu aukšto dažnio garsas – tai reiškia, kad netrukus bus parodyta 45-ių laipsnių orientacija. Taigi, šis eksperimentas turėjo reikalingus komponentus: iš akių ateinantis signalas yra, taip pat yra prognozė, kad netrukus bus parodyta orientacija. Tačiau jei matuotume smegenų aktyvaciją, tas fMRT signalas būtų mišinys tarp prognozės ir ateinančios informacijos iš akių. Klausimas – kaip tuos du dalykus atskirti ir pamatuoti tik prognozę? Kokas surado labai elegantišką sprendimą – paprasčiausiai kai kuriais atvejais paleisdavo garsą, bet neparodydavo orientacijos. Tokiais atvejais dalyvis tikėdavosi pamatyti orientaciją, bet jos nepamatydavo. Tokiu būdu smegenų atsiunčiama prognozė būdavo izoliuota ir pamatuota.

Ką surado Kokas pamatavęs priminę regos žievę, kai žmogus tuo momentu nieko nematė, bet tik prognozavo, kad orientacija turėtų pasirodyti? Visi senesnio mokymo neuromokslininkai sakytų: jei žmogus nieko nepamatė, tai tikrai neuronai pirminėje regos žievėje neturėjo aktyvuotis. Pasirodo, smegenų darbas daug įdomesnis ir mažiau suvokiamas, nei manyta anksčiau. Kokas su kolegomis atrado, kad aktyvavosi tos pačios pirminės žievės srities dalys, kai žmogus matydavo kurią nors iš orientacijų ir kai prognozuodavo, kad orientacija netrukus pasirodys. Prognozė, kaip ir buvo spekuliuota teoriškai, paruošdavo priminės regos žievės neuronus ateinančiai informacijai juos aktyvuodama.


Nors dar nepakanka duomenų teigti, kad hierarchinė Bajeso išvada yra smegenų „visko teorija“, kuri paaiškina visus šiame organe vykstančius procesus, tačiau šie tyrimai rodo, kad smegenys geba pakeisti tą pirminę – dažnai pateikiamą kaip objektyvią – jutiminę informaciją. Jeigu ji keičiasi vienaip pas mane, ji galėtų keistis truputi kitaip pas jus. Pateikus mums visiems prieš akis tą patį objektą, galbūt daugmaž tą patį ir matysime, tačiau mes visą laiką nejučiomis formuosime realybę pagal savus sąmoningus ar nesąmoningus įsitikinimus, potyrius, kuriuos kas kartą smegenys pateiks kaip objektyvią informaciją keičiančią prognozę.


Moksliniai straipsniai


De Lange, F. P., Heilbron, M., & Kok, P. (2018). How do expectations shape perception?. Trends in cognitive sciences, 22(9), 764-779.


Grill-Spector, K., & Malach, R. (2004). The human visual cortex. Annu. Rev. Neurosci., 27, 649-677.


Kok, P., Failing, M. F., & de Lange, F. P. (2014). Prior expectations evoke stimulus templates in the primary visual cortex. Journal of cognitive neuroscience, 26(7), 1546-1554.


Lee, T. S., & Mumford, D. (2003). Hierarchical Bayesian inference in the visual cortex. JOSA A, 20(7), 1434-1448.