شبکه های شبیه سازی شده عصبی و عملکردهای مغز

لزوم احتیاط هنگام مقایسه شبکه های شبیه سازی شده عصبی با عملکردهای مغز :

سستمهای محاسباتی عملکردهای مغز را شبیه سازی می کنند، ممکن است حاصل هدایت محققان به سمت یک نتیجه گیری خاص باشد. شبکه های عصبی نوعی از سیستم محاسباتی  هستند که بر اساس سازماندهی مغز انسان مدلسازی شده اند و پایه بسیاری از سیستمهای هوش مصنوعی برای کاربردهایی مانند بازشناسی گفتار، بینایی کامپیوتر و تجزیه و تحلیل تصویر پزشکی را تشکیل می دهند.

در زمینه علوم اعصاب، محققان اغلب از شبکه های عصبی استفاده میکنند تا سعی کنند همان نوع فعالیت هایی را که مغز انجام می دهد مدلسازی کنند، به این امید که مدلها بتوانند فرضیه های جدیدی را در رابطه با نحوه انجام آن فعالیت ها توسط مغز ارائه دهند.  با این حال، گروهی از محققان MIT تاکید می کنند که در تفسیر این مدل ها باید احتیاط بیشتری کرد. در تجزیه و تحلیل بیش از 11000 شبکه عصبی که برای شبیه سازی عملکرد سلولهای شبکه – اجزای کلیدی سیستم جهت یابی مغز – آموزش دیده بودند، محققان دریافتند که شبکه های عصبی تنها زمانی فعالیت سلولهای شبکه ای تولید میکنند که محدودیتهای بسیار خاصی به آنها داده شود که در سیستم های بیولوژیکی یافت نمی شوند.

رایلان شفر، محقق ارشد سابق MIT میگوید: «آنچه که نشان می دهد این است که برای به دست آوردن نتیجه ای شبیه سلولهای شبکه، محققان برای به دست آمدن آن نتایج باید مدلهایی را که با انتخابهای پیاده سازی خاص و غیرقابل قبول از نظر بیولوژیکی سازماندهی کنند».

بدون آن محدودیتها، تیم MIT دریافت که تعداد بسیار کمی از شبکه های عصبی فعالیتهای شبکه ای سلول مانند را ایجاد می کنند، که نشان می دهد این مدلها لزوماً پیش بینی های مفیدی از نحوه عملکرد مغز ارائه نمی دهند.  شفر، دانشجوی کارشناسی ارشد علوم کامپیوتر در دانشگاه استنفورد نویسنده اصلی مطالعه حاضر است که در کنفرانس 2022 در مورد سیستمهای پردازش اطلاعات عصبی آن را ارائه می دهد.  ایلا فیته، استاد علوم مغز و شناخت و عضو موسسه تحقیقات مغز مک گاورن MIT و میکائیل خونا، دانشجوی کارشناسی ارشد MIT در رشته فیزیک، نیز نویسندگان این مقاله هستند.

گردآوری : شبنم نوری – دکترای روانشناسی شناختی