Beyin Hücreleri, Birbirleriyle "Konuşarak" Öğreniyorlar!
İnsanlar da tıpkı diğer hayvanlar gibi, yeni becerilerde uzmanlaşmak için farklı duyusal verilerin algılanmasına veya sürekli değişen bir ortama adapte olmaya olanak sağlayan muazzam bir öğrenme kabiliyetine sahiptir. Fakat, öğrenmeyi sağlayan mekanizmaların birçoğu henüz tam olarak anlaşılamamıştır.
Sinirbilimdeki en büyük zorluklardan biri, sinaptik bağların, uyumsal davranışları pekiştirmek için nasıl değiştiklerini açıklamaktır. Cenevre Üniversitesi’ndeki (UNIGE) sinirbilimciler, beyin korteksindeki sinaptik öğrenme mekanizmalarının, beynin daha derinlerindeki bölgelerinden gelen geri bildirime bağlı olduklarını gösterdiler ve bu geribildirimin, belirli engelleyici nöronları açıp kapayarak sinaptik güçlenmeyi nasıl sağladığını kesin olarak ortaya çıkardılar.
Bu çalışma, algısal öğrenmenin mekanizmalarını anlamlandırmamızda önemli bir kilometre taşı olmanın yanında, bilgisayarlı öğrenme sistemleri ve yapay zeka alanlarına da ışık tutabilir.
Beynin dış ve en büyük bölgesi olan korteks, ileri bilişsel fonksiyonlar, karmaşık davranışlar, algılama ve öğrenme için oldukça önemlidir. Duyusal bir uyaranın kortekse ulaşması durumunda, beynin diğer bölgelerinden bu uyaranla bağlantılı olan kısma geçmeden önce korteks uyaranı işler ve verilerini filtreler. Akabinde, uyaranların ulaştığı beyin bölgelerinin bazıları kortekse bilgi gönderir.
Geri bildirim sistemleri olarak bilinen bu döngülerin, kortikal ağların işleyişi ve yeni bir duyusal veriye uyum sağlamaları için şart olduğu düşünülmektedir. Bu çalışmayı yürüten, UNIGE Tıp Fakültesi’nde temel sinirbilimleri profesörü olan Anthony Holtmaat bunu şöyle açıklıyor:
Duyusal bir uyarana karşılık vermek adına gelişmiş bir yetenek olan algısal öğrenme için, sinirsel devreler öncelikle gelen duyusal verinin önemini değerlendirmeli, sonra da bu veriyi işleyiş şekillerini sadeleştirmelidirler. Geribildirim sistemleri bir noktada, görevleri veriyi beynin diğer bölgelerine ulaştırmak olan sinapsların, bunu uygun biçimde yaptıklarını doğrularlar.
Bıyıklar, Geri Bildirim Sistemlerini Nasıl Aydınlatır?
Bir farenin burnundaki bıyıklar dokunsal algılama için özelleşmiştir ve hayvanın içinde bulunduğu ortamın durumunu kavramasında önemli bir rol oynar. Beyin korteksinin bıyıklardan gelen duyusal veriyi işleyen kısmı, dokunsal çevreyle ilgili bilgileri öğrenmek için sinapslarını sürekli optimize eder. Dolayısıyla bu durum, geri bildirim sistemlerinin sinaptik öğrenme mekanizmalarındaki rolünü kavrayabilme açısından ilginç bir model teşkil eder.
UNIGE sinirbilimcileri bıyıklarla bağlantılı bir geri bildirim devresini ayrıştırıp, elektrotlar kullanarak korteksteki nöronların elektriksel aktivitesini ölçtüler. Ardından, korteksin duyusal veriyi işleyen kısmını uyararak bu veriyi taklit edip, aynı zamanda ışık yardımıyla geri bildirim devresini kontrol ettiler. Holtmaat ekliyor:
Canlı organizmanın içinde bunu yapmak imkansızken canlının dışında geliştirilen bu model, geribildirimi duyusal girdiden bağımsız bir şekilde kontrol etmemize olanak sağladı. Bununla birlikte, duyusal girdinin geribildirimle bağlantısını kesmek, ikisi arasındaki etkileşimin sinaptik güçlenmeyi beraberinde getirdiğini anlamak adına çok önemliydi.
Nöronların Veriyi Geçirmesini Engellemek...
Araştırma takımı, her iki bileşenin de ayrı ayrı tetiklendiklerinde çok sayıda nöronu aktive ettiklerini buldular. Bununla beraber, iki bileşen aynı anda etkinleştirildiğinde bazı nöronların aktivitelerini azalttıkları görüldü. Çalışmanın başyazarı UNIGE Tıp Fakültesi’nden Leena Williams bu durumu şöyle ifade ediyor:
İlginçtir ki, duyusal girdi ve geribildirim bir arada görüldüğünde engellenen nöronlar, genellikle algılama için önemli olan nöronları engelliyorlar. Bu durum, engellemenin engellenmesi veya şartlı refleks yitimi olarak bilinmektedir.
Dolayısıyla, bu nöronlar, gelen bir veri için genelde kapalı olan bir geçit gibi davranırlar. Geribildirim geldiğinde ise, öncelikli duyusal verileri gözeten sinapsların güçlerini artırmalarına olanak sağlayan bu geçit açılır. Bu çalışma ile, geribildirimin, sinaptik bağlantıları ileride gelecek verilere daha iyi hazırlanmaları için nasıl en uygun hale getirebileceğini belirtmiş olduk.
Böylece, UNIGE sinirbilimcileri bu mekanizmaya dahil olan nöronları tam olarak tanımlamış oldular. Bir sonraki aşamada ise, bir farenin yeni bir duyusal veri öğrenmesi gerektiğinde veya fare dokunsal çevresini keşfettiğinde engelleyici nöronların tahmin edildiği gibi davranıp davranmadığını doğrulamak için, çalışmanın sonuçlarını gerçek hayatta test edecekler.
Aslında maddi destek istememizin nedeni çok basit: Çünkü Evrim Ağacı, bizim tek mesleğimiz, tek gelir kaynağımız. Birçoklarının aksine bizler, sosyal medyada gördüğünüz makale ve videolarımızı hobi olarak, mesleğimizden arta kalan zamanlarda yapmıyoruz. Dolayısıyla bu işi sürdürebilmek için gelir elde etmemiz gerekiyor.
Bunda elbette ki hiçbir sakınca yok; kimin, ne şartlar altında yayın yapmayı seçtiği büyük oranda bir tercih meselesi. Ne var ki biz, eğer ana mesleklerimizi icra edecek olursak (yani kendi mesleğimiz doğrultusunda bir iş sahibi olursak) Evrim Ağacı'na zaman ayıramayacağımızı, ayakta tutamayacağımızı biliyoruz. Çünkü az sonra detaylarını vereceğimiz üzere, Evrim Ağacı sosyal medyada denk geldiğiniz makale ve videolardan çok daha büyük, kapsamlı ve aşırı zaman alan bir bilim platformu projesi. Bu nedenle bizler, meslek olarak Evrim Ağacı'nı seçtik.
Eğer hem Evrim Ağacı'ndan hayatımızı idame ettirecek, mesleklerimizi bırakmayı en azından kısmen meşrulaştıracak ve mantıklı kılacak kadar bir gelir kaynağı elde edemezsek, mecburen Evrim Ağacı'nı bırakıp, kendi mesleklerimize döneceğiz. Ama bunu istemiyoruz ve bu nedenle didiniyoruz.
Derin Öğrenme: Doğal Zekayı Taklit Etmek
Beyin devreleri kendilerini nasıl optimize eder? Bir sistem kendi etkinliğini okuyarak kendisini nasıl eğitebilir? Bu soru, hayvanlarda öğrenme ile bağlantılı olması dışında, makine öğrenmesinin de temelini oluşturur.
Bazı derin öğrenme uzmanları yapay zeka sistemlerini geliştirmek için beyin devrelerini taklit etmeye çalışmaktadır. UNIGE takımı tarafından yapılan çalışmadakine benzer bulgular, makine öğrenmesinin kendini organize edebilen ve yeni bir verinin işlenişini optimize edebilen devre modelleri üzerine yoğunlaşan bir dalı olan güdümsüz öğrenme için önem teşkil edebilir. Bu da, örneğin, verimli ses ve yüz tanıma programlarının geliştirilmesi adına önemlidir.
İçeriklerimizin bilimsel gerçekleri doğru bir şekilde yansıtması için en üst düzey çabayı gösteriyoruz. Gözünüze doğru gelmeyen bir şey varsa, mümkünse güvenilir kaynaklarınızla birlikte bize ulaşın!
Bu içeriğimizle ilgili bir sorunuz mu var? Buraya tıklayarak sorabilirsiniz.
Soru & Cevap Platformuna Git- 12
- 8
- 4
- 3
- 1
- 1
- 0
- 0
- 0
- 0
- 0
- 0
- Çeviri Kaynağı: Neuroscience News | Arşiv Bağlantısı
Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?
Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:
kreosus.com/evrimagaci | patreon.com/evrimagaci
Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 11/12/2024 22:39:41 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/707
İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.
This work is an exact translation of the article originally published in Neuroscience News. Evrim Ağacı is a popular science organization which seeks to increase scientific awareness and knowledge in Turkey, and this translation is a part of those efforts. If you are the author/owner of this article and if you choose it to be taken down, please contact us and we will immediately remove your content. Thank you for your cooperation and understanding.