ظرفیت حافظه مغز انسان ۱۰ برابر بیشتر از چیزی است که دانشمندان تصور می‌کردند

دانشمندان در مطالعات اخیر خود به یافته‌های بسیار جالب توجهی دست پیدا کرده‌اند. محققان به این موضوع پی برده‌اند که چگونه مغز از نظر مصرف انرژی بسیار بهینه عمل می‌کند. پی بردن به راهکاری که عملکرد بهینه‌ی مغز از نظر مصرف انرژی توجیح می‌‌کند، می‌تواند مهندسان را در راستای طراحی رایانه‌های قدرتمند و در عین حال کم مصرف یاری کند.

محققان در موسسه‌ی Salk به همراه همکارانشان به اطلاعات جدیدی در مورد سایز ارتباط نورون‌های مغز انسان پی برده‌‌اند. براساس یافته‌های جدید ظرفیت حافظه‌ی مغز انسان بسیار بیشتری از آن چیزی است که پیش از این تصور آن می‌رفت.

تری سجنوفسکی، پرفسور موسسه‌ی سالک و یکی از نویسندگان ارشد مقاله‌ی اخیرا منتشر شده در این رابطه، چنین اظهار نظر کرده است:

نتایج تحقیقات جدید را باید به عنوان یک انفجار بزرگ در علوم اعصاب در نظر گرفت. ما موفق شدیم تا کلید طراحی ترکیبی بخش‌های مختلف شبکه‌ی نورونی مغز را کشف کنیم که با استفاده از آن مغز انسان قادر است با مصرف انرژی بسیار پایین، قدرت خارق‌العاده‌‌ی محاسباتی را تامین کند. با توجه به کشفیات جدید، تخمین‌های ما در مورد ظرفیت حافظه‌ی مغز انسان حداقل ۱۰ برابر بیشتر از از برآوردهای پیش شده است، بطوریکه می‌توان ظرفیت مغز انسان را با مقایس پتابایت در نظر گرفت. می‌توان مقیاس آن را برابر با تمام داده‌های موجود در اینترنت در نظر گرفت.

افکار و خاطرات ما نتیجه‌ی الگوهایی از فعالیت‌های الکتریکی و شیمیایی مغز انسان است. اصلی‌ترین بخش از فعالیت در مغز زمانی اتفاق می‌افتد که شاخه‌هایی از نورون‌های (یاخته‌های عصبی) موجود در مغز که می‌توان آن را به رشته‌های سیم تشبیه کرد، در محل‌های مشخصی با سایر نورون‌ها اتصال دارند که به این اتصال سیناپس اطلاق می‌شود. همه‌ی نورون‌ها دارای دو دسته رشته هستند، که یکی از این دو گروه رشته‌هایی برای ارسال اطلاعات بوده و اکسون (Axon) نام دارند و گروهی دیگر به منظور دریافت اطلاعات هستند که دندریت (Dendrite) نام گرفته‌اند. نورون‌ها از طریق اتصالات اکسون‌ها و دندرینت‌ها با یکدیگر در ارتباط هستند. محل اتصال این دو گروه رشته‌ی نورونی سیناپس نام دارد. سیگنال‌های ارسال شده در محل سیناپس، با استفاده از یک ماده‌ی شیمیایی که انتقال دهندهای عصبی نام دارد منتقل می‌شوند و پیامی را حاوی شیوه‌ی ارسال سیگنال به نورون‌های دیگر به نورون مقصد انتقال می‌دهند. هر یک از نورون‌های موجود در مغز بیش از هزاران سیناپس در اختیار دارند که با استفاده از آن به هزاران نورون دیگر متصل شده‌اند.

کریستین هریس، یکی از نویسندگان ارشد مقاله جدید و پروفسور علوم اعصاب دانشگاه تکزاس در این خصوص چنین اظهار نظر کرده است:

زمانی که برای اولین بار تمام دندریت‌ها، اسون‌ها، فرآیند گلیال و سیناپس‌های موجود در بخشی از مغز را که اسبک نام دارد، با سایزی برابر یک سلول خونی بازسازی کردیم، به نوعی از پیچیدگی و تنوع موجود در سیناپس‌ها سردرگم و شگفت زده شدیم. هر چند در ابتدا امیدوار بودیم تا اطلاعات جدیدی را از اصول اولیه نحوه‌‌ی کارکرد مغز دریافت کنیم، اما به واقع از دقت تحلیل‌های انجام شده مبتنی بر مدل سازی خود بسیار خوشحال بودیم.

عملکرد سیناپس‌ها در هاله‌ای از ابهام و پیچیدگی قرار دارد، بطوریکه یک مشکل کوچک در عملکرد این بخش از مغز انسان می‌تواند شماری از بیماری‌هایی عصبی را ایجاد کند. سیناپس‌های بزرگ با داشتن سطح تماس بزرگ‌تر و دانه‌های انتقال دهنده‌ی سیناپسی بزرگ‌تر، قوی‌تر بوده و همین امر منجر می‌شود تا این سیناپس‌ها نورون‌های اطراف خود را بیش از سیناپس‌هایی با سایز کوچک‌تر فعال کنند.

محققان سالک در جریان شبیه سازی بخشی از بافت قسمتی از مغز موش که اسبک نام دارد، به نتایج بسیار غیرمعمولی دست یافته و شواهد متفاوتی را درک کردند. اسبک یا هیپوکمپوس (Hippocampus) بخشی از مغز است که در یادگیری تاثیر داشته و در واقع مرکز حافظه در مغز انسان است. براساس اطلاعات ارائه شده در برخی از موارد، یک اکسون از نورونی که فرستنده‌ی اطلاعات است، دو سیناپس را با دندریت نورون دریافت کننده شکل داده و یک سیگنال را دوبار برای نورون دوم ارسال می‌کرد.

محققان در ابتدای امر به فرآیند ارسال دوباره‌ی اطلاعات در نورون‌ها که بیش از ۱۰ درصد از موارد را شامل می‌شد، توجه خاصی نکردند، اما تام بارتول، یکی از دانشمندان اعضای تیم سالک، ایده‌ای را در این خصوص مطرح کرد. وی عنوان کرد که در صورتی که بتوانند تفاوت‌ موجود بین دو سیناپس را از نظر اندازه تشخیص دهند، دستاوردهای بسیاری خواهند داشت. سیناپس‌ها از نظر سایز به سه دسته‌ی کوچک، معمولی و بزرگ تقسیم بندی شده بودند که از این‌رو یافتن تفاوت‌های موجود می‌توانست اطلاعات بیشتری را در این خصوص در اختیار دانشمندان قرار دهد.

به این منظور دانشمندان با استفاده از میکروسکوپ‌های پیشرفته و همچنین الگوریتم‌های توسعه یافته برای این منظور، تصاویری را از مغز موش ثبت کرده و ارتباطات، اندازه و تعداد سیناپس‌های موجود را در سطح نانوملکولی شبیه سازی کنند.

دانشمندان انتظار داشتند تا سیناپس‌ها شباهت بسیار کمی با یکدیگر داشته باشند، حال آنکه نتایج تحقیقات محققان را حیرت‌ زده کرده، چراکه سیناپس‌ها تقریبا از هر نظر بسیار به همدیگر شبیه بودند.

بارتول در این خصوص چنین اظهار نظر کرده است:

ما از این موضوع که سیناپس‌ها از نظر اندازه تفاوت اندکی با یکدیگر دارند، بسیار هیجان زده شدیم. تحقیقات انجام شده نشان از این داشت که تفاوت در سایز سیناپس‌ها از نظر اندازه تنها ۸ درصد است. از این‌رو می‌توان نتیجه گرفت که تقریبا در اندازه‌ی سیناپس‌ها تفاوت بسیار اندکی وجود دارد.

با توجه به اینکه ظرفیت نورونی حافظه به سایز سیناپس وابسته است، از این‌رو اختلاف ۸ درصدی در یکی از فاکتور‌های کلیدی در اختیار تیم تحقیقاتی به منظور استفاده در مدل الگوریتمی از مغز است تا با استفاده از آن بتوان میزان اطلاعات ذخیره شده در سیناپس‌های مغزی را محاسبه کرد.

پیش از پی بردن به اختلاف موجود بین سیناپس‌های مشابه، سیناپس‌ها تنها به سه گروه کوچک، متوسط و بزرگ تقسیم شده بودند که البته بنابر یافته‌های دانشمندان اغلب سیناپس‌ها نیز جزو دسته‌ی کوچک بودند. همچنین اطلاعات پیشین حکایت از این داشت که سیناپس‌هایی با سایز بزرگ از نظر اندازه ۶۰ برابر بزرگ‌تر از نمونه‌های کوچک‌تر هستند.

با توجه به یافته‌های جدید در مورد احتمال وجود اختلاف در سایز هر یک از سیناپس‌هایی که در ظاهر مشابه هستند و همچنین دست یافتن به اختلاف ۸ درصدی در سایز دو سیناپس مشابه و در نظر گرفتن فاصله‌ی شصت برابر سیناپس بزرگ با کوچک، محاسبات جدید وجود ۲۶ گروه از سیناپس‌ها را در سایز‌های مختلف پیشنهاد می‌دهد که این موضوع برخلاف دسته بندی پیشین صورت گرفته است.

بارتول در این خصوص چنین اظهار نظر کرده است:

ما معتقدیم که سایز سیناپس‌ها ۱۰ برابر بیشتر از میزانی است که پیش از آن حدس می‌زدیم.

در تعاریف رایانه‌ای، ۲۶ سایز مختلف سیناپس به معنای برخورداری از یک فضای ۴.۷ بیتی برای ذخیره اطلاعات است. پیش از این تصور می‌شد که مغز انسان در بخشی نظیر اسبک یا هیپوکمپوس دارای ظرفیت یک تا دوبیتی برای ظرفیت حافظه‌ی کوتاه و بلند است.

سجنوفسکی در این مورد اینگونه اظهار نظر کرده است:

این میزان از دقت چیزی نبود که پیش از آن تصوری از آن وجود داشته باشد.

مساله‌ای که دقت بالای موجود در سینتاپس‌ها را بیش از پیش گیج کننده‌ می‌کند، اطمینان از عملکرد صحیح سیناپس‌ها در ارسال اطلاعات است، چراکه عملکرد سیناپس‌های موجود در اسبک مغز چندان قابل اعتماد نیست. زمانی که یک سیگنال از نورونی به نورون دیگر منتقل می‌شود، معمولا تنها در ۱۰ تا ۲۰ درصد موارد نورون دریافت کننده در اثر دریافت سیگنال فعال می‌شود.

بارتول در این خصوص چنین اظهار نظر کرده است:

این سوال برای ما مطرح شده بود که چگونه عملکرد دقیق مغز با سیناپس‌های غیرقابل اعتماد ممکن می‌شود.

یکی از پاسخ‌های احتمالی به سوال مطرح شده، در اندازه‌گیری دائمی سیناپس‌ها نهفته است که این موضوع میزان موفقیت و شکست هر سیناپس را در گذر زمان نمایش می‌دهد. تیم سالک برای درک این موضوع با در دست داشتن اطلاعات جدید کسب شده، مدلی آماری را ایجاد کرده‌اند که نشان می‌دهد یک سیناپس برای پشت سرگذاشتن فاصله‌ی هشت درصدی به چه زمانی نیاز دارد.

براساس محاسبات صورت گرفته، کوچک‌ترین سیناپس برای تغییر در سایز و همچنین قابل اعتمادتر شدن به بیش از ۱٫۵۰۰ سیگنال یا به بیان بهتر ۲۰ دقیقه زمان نیاز دارد، در حالی که بزرگ‌ترین سیناپس به زمانی یک تا دو دقیقه‌ای نیاز دارد که طی آن چند صد سیگنال ارسال می‌شوند.

بارتول اضافه می‌کند:

این بدین معنی است که در هر ۲ یا ۲۰ دقیقه یک سیناپس براساس عملکردش با کاهش یا افزایش سایر روبرو شده و سطح خود را عوض می‌کند. سیناپس‌ها خود را براساس سیگنال‌هایی که دریافت می‌کنند، رتبه بندی می‌کنند.

هریس در مورد دستاورد‌های یافته‌ی جدید این چنین می‌گوید:

یافته‌های جدید باعث ایجاد نگرشی نو فصل‌های تازه‌ای را برای درک بهتر مغز و طراحی رایانه‌های بهینه‌تر پیش روی دانشمندان قرار داده‌اند.

این تنها هریس نیست که یافته‌های جدید را برای پیشرفت هر چه بشتر علوم کامپیوتر و همچنین دست یافتن به دانسته‌های جدید مهم می‌خواند. برای مثال، در صورتی که این الگو در سایر بخش‌های مغز نیز صادق باشد، باید به مطالعه‌ی چگونگی تغییرات سیناپسی در جریان مراحل اولیه آموزش پرداخت تا به یافته‌های بیشتری دست پیدا کرد.

یافته‌های جدید علاوه بر ارائه‌ی دیدی بهتر نسبت به ظرفیت حافظه در پتانسیل موجود برای ذخیره‌ی اطلاعات، در مورد بهینگی مصرف انرژی مغز نیز داده‌های جالبی را روشن کرده است. برای مثال مغز یک انسان بالغ در زمان بیداری ۲۰ وات انرژی مصرف می‌کند که برابر انرژی مصرف شده به منظور روشن نگه داشتن یک لامپ با روشنایی پایین است. یافته‌های جدید محققان سالک می‌تواند دانشمندان حوزه‌ی فناوری را در ساختن رایانه‌های بسیار دقیق و در عین حال کم مصرف یاری کند. از جمله‌ی این رایانه‌ها می‌توان به نمونه‌هایی که از فناوری یادگیری عمیق یا شبکه‌های عصبی مصنوعی استفاده می‌کنند، نام برد. این رایانه‌ها در کاربردهایی نظیر ترجمه، شناسایی و درک صوت، متن و تصویر مورد استفاده قرار می‌گیرند.

به واقع باید به این موضوع اشاره کرده که تعامل دنیای فناوری با بیشتر حوزه‌ها افزایشی خارق العاده را شاهد بود و می‌توان به جرات گفت که مرزهای موجود بین حوزه‌ی فناوری و سایر حوزه‌ها نظیر پزشکی و انواع شاخه‌های مهندسی در حال ناپدید شدن است. باید دید که در آینده چه پیشرفت‌هایی را در حوزه‌های مختلف به مدد یاری گرفتن از دانش موجود در عملکرد مغز انسان شاهد خواهیم بود؟ نظر شما در این خصوص چیست؟