Исследование, опубликованное 10 марта в журнале Proceedings of the National Academy of Sciences (PNAS), демонстрирует, что механизмы перемещения по физическим пространствам и по семантическим связям объединены общими вычислительными принципами.
Для проверки гипотезы разработана математическая модель, воспроизводящая функции гиппокампа и энторинальной коры, отвечающих за обработку и запоминание как реальных, так и абстрактных данных. При этом используются понятия пространственной и семантической информации: обработка увиденного и воспоминаний о людях, местах и предметах.
Модель опирается на два основных компонента: Successor Representation – прогнозирование вероятностей перехода между физическими локациями, и Word Embedding – установление взаимосвязей между значениями слов. Таким образом, алгоритмы навигации, применяемые для ориентации в реальных пространствах, демонстрируют схожее поведение при поиске смысловых связей между понятиями.
Пример работы модели иллюстрирует переход от концепции «France» к «Berlin» посредством последовательной активации нейронов, отвечающих за «Paris» и «Germany». Этот процесс показывает, как мозг может преодолевать метафорические расстояния между понятиями, используя ориентиры, подобно тому как мы находим путь через незнакомый город с помощью известных ориентиров и указаний.
Как отметил Tatsuya Haga, специалист в области вычислительной нейронауки из Национального института информационных и коммуникационных технологий Японии, «Однако, есть связь между этими двумя вещами. Возможно, мозг, особенно гиппокамп и энторинальная кора, использует один и тот же принцип для вычисления различных процессов, включая язык». Это свидетельствует о единстве принципов обработки информации, объединяющих пространственное и семантическое мышление.
Роб Мок, вычислительный нейроучёный из Royal Holloway, University of London, подчеркнул: «Когда тебе нужно пройти лабиринт города, тебе нужен какой-то план с ориентировками и направлениями. И идея в том, что ты можешь сделать то же самое, когда размышляешь». Его слова подтверждают аналогию между физической навигацией и поиском смысловых ассоциаций.
Особое внимание уделено типам нейронов – нейроны, активирующиеся при движении по физическим пространствам, и концептуальные клетки, реагирующие на абстрактные идеи. Совмещение этих данных позволяет мозгу эффективно интегрировать пережитый опыт и абстрактное мышление для построения внутренних карт мира.
Математическая модель демонстрирует, как различные аналогии помогают преодолевать метафорические расстояния между понятиями, например, переход от «собаки» к «коту» или поиск связи с понятием «король». Это указывает на применение разнообразных стратегий для навигации в семантическом пространстве.
Представленные результаты показывают возможность общего принципа обработки как физической, так и смысловой информации, однако модель пока остаётся лишь одним из возможных вариантов того, каким образом мозг может осуществлять подобные вычисления. Будущие исследования будут направлены на разработку моделей, максимально приближённых к биологическим механизмам функционирования мозга.
Связанные исследования, такие как «Sherlock Holmes' famous memory trick really works», «Super-detailed map of brain cells that keep us awake could improve our understanding of consciousness», «The brain stores at least 3 copies of every memory», «What's happening inside Simone Biles' brain when the 'twisties' set in?» и «Secret to lifelong memories sticking is molecular 'glue'», дополняют картину исследования процессов памяти и познавательных функций.
Для проверки гипотезы разработана математическая модель, воспроизводящая функции гиппокампа и энторинальной коры, отвечающих за обработку и запоминание как реальных, так и абстрактных данных. При этом используются понятия пространственной и семантической информации: обработка увиденного и воспоминаний о людях, местах и предметах.
Модель опирается на два основных компонента: Successor Representation – прогнозирование вероятностей перехода между физическими локациями, и Word Embedding – установление взаимосвязей между значениями слов. Таким образом, алгоритмы навигации, применяемые для ориентации в реальных пространствах, демонстрируют схожее поведение при поиске смысловых связей между понятиями.
Пример работы модели иллюстрирует переход от концепции «France» к «Berlin» посредством последовательной активации нейронов, отвечающих за «Paris» и «Germany». Этот процесс показывает, как мозг может преодолевать метафорические расстояния между понятиями, используя ориентиры, подобно тому как мы находим путь через незнакомый город с помощью известных ориентиров и указаний.
Как отметил Tatsuya Haga, специалист в области вычислительной нейронауки из Национального института информационных и коммуникационных технологий Японии, «Однако, есть связь между этими двумя вещами. Возможно, мозг, особенно гиппокамп и энторинальная кора, использует один и тот же принцип для вычисления различных процессов, включая язык». Это свидетельствует о единстве принципов обработки информации, объединяющих пространственное и семантическое мышление.
Роб Мок, вычислительный нейроучёный из Royal Holloway, University of London, подчеркнул: «Когда тебе нужно пройти лабиринт города, тебе нужен какой-то план с ориентировками и направлениями. И идея в том, что ты можешь сделать то же самое, когда размышляешь». Его слова подтверждают аналогию между физической навигацией и поиском смысловых ассоциаций.
Особое внимание уделено типам нейронов – нейроны, активирующиеся при движении по физическим пространствам, и концептуальные клетки, реагирующие на абстрактные идеи. Совмещение этих данных позволяет мозгу эффективно интегрировать пережитый опыт и абстрактное мышление для построения внутренних карт мира.
Математическая модель демонстрирует, как различные аналогии помогают преодолевать метафорические расстояния между понятиями, например, переход от «собаки» к «коту» или поиск связи с понятием «король». Это указывает на применение разнообразных стратегий для навигации в семантическом пространстве.
Представленные результаты показывают возможность общего принципа обработки как физической, так и смысловой информации, однако модель пока остаётся лишь одним из возможных вариантов того, каким образом мозг может осуществлять подобные вычисления. Будущие исследования будут направлены на разработку моделей, максимально приближённых к биологическим механизмам функционирования мозга.
Связанные исследования, такие как «Sherlock Holmes' famous memory trick really works», «Super-detailed map of brain cells that keep us awake could improve our understanding of consciousness», «The brain stores at least 3 copies of every memory», «What's happening inside Simone Biles' brain when the 'twisties' set in?» и «Secret to lifelong memories sticking is molecular 'glue'», дополняют картину исследования процессов памяти и познавательных функций.
