خواندن مغز انسان با هوش مصنوعی
پژوهشگران با استفاده از هوش مصنوعی به دنبال روش‌هایی برای خواندن و پیش‌بینی عملکرد مغز افراد در شرایط مختلف هستند.
در چند سال گذشته آزمایشگاه علوم اعصاب جک گلنت یک سری مقالات تحقیقی منتشر کرده است که ابتدا بی‌اهمیت به نظر می‌رسیدند.
در سال ۲۰۱۱، این آزمایشگاه نشان داد که می‌توان با رصد فعالیت‌های مغزی افرادی که در حال تماشای فیلم سینمایی هستند، کلیپ‌های ویدیویی همان فیلم را دوباره ساخت. به عبارت دیگر می‌توان مدعی شد که استفاده از رایانه برای بازآفرینی تصاویر یک فیلم، تنها از روی فعالیت‌های مغزی کسی که در حال مشاهده‌ی آن است، یک نوع ذهن‌خوانی به شمار می‌آید. در سال ۲۰۱۵، تیم تحقیقاتی گلنت در طی آزمایشی با موفقیت توانستند حدس بزنند که افراد مشارکت‌کننده در آزمایش دقیقا به کدام نقاشی معروف فکر می‌کنند.
امسال، این تیم در نوشته‌ای در ژورنال Nature اعلام کرد که تنها با مطالعه بر مشارکت‌کنندگانی که در حال گوش کردن به فایل‌های صوتی بودند، توانستند یک اطلس شامل بیش از ۱۰۰ هزار کلمه‌ی منفرد مستقر در مغز را ایجاد کنند.
اما پرسش این است که آن‌ها چطور این کار را انجام دادند؟ در پاسخ باید بگوییم که با استفاده از روش یادگیری ماشین؛ یعنی نوعی هوش مصنوعی که با استخراج و تحلیل توده‌های عظیم اطلاعات مغزی، الگوی نهفته در فعالیت‌های مغزی را می‌یابد و تفکرات و ادراک انسان را پیش‌بینی می‌کند.
هدف محققان این آزمایشگاه، ساخت دستگاه ذهن‌خوان نیست، گرچه بسیاری به اشتباه چنین تصوری دارند. عصب‌شناسان نمی‌خواهند کلمات عبور شما را از ذهنتان بدزدند، همچنین آن‌ها به دانستن تاریک‌ترین رازهای زندگیتان علاقه‌مند نیستند. هدف واقعی چیزی فراتر از این موضوعات است. جک گلنت و دیگر عصب‌شناسان در پی این هستند تا با استفاده از ماشین برای استخراج حجم زیادی از اطلاعات مغزی و تبدیل علوم اعصاب به علوم داده‌های بزرگ، نحوه‌ی درک ما از فعالیت‌های مغزی را دگرگون کنند.
تا جایی که می‌دانیم، مغز انسان پیچیده‌ترین شی‌ء موجود در عالم و درک ما از نحوه‌ی فعالیت آن بسیار اندک است. ایده‌ی جالب جک گلنت که می‌تواند شاخه‌ی علوم اعصاب را از مرحله‌ی ابتدایی خود به سمت جلو هدایت کند، به این صورت است:
شاید لازم است یک دستگاه بسازیم تا بتواند نحوه‌ی فعالیت مغز را برای ما آشکار کند. ما امیدوار هستیم که با رمزگشایی از الگوهای درهم‌تنیده‌ی مغزی، راهی برای درمان بیماری‌های مغزی پیدا کنیم.
اکنون ابزار اصلی برای مطالعه و تحلیل آناتومی مغزی و فعالیت‌های آن، MRI است. این تکنولوژی از دهه‌ی ۹۰ میلادی مورد استفاده قرار می‌گیرد و عکس‌های گرفته‌شده توسط آن ناواضح و سطحی هستند.
برای درک قابلیت‌های روش fMRI، دانستن این نکته خالی از لطف نیست که کوچکترین واحد فعالیت مغزی که توسط این روش تشخیص داده می‌شود، یک وکسل (Voxel) است. معمولا وکسل‌ها از یک مکعب با ابعاد یک میلی‌متر کمی کوچکتر هستند. ممکن است در داخل یک وکسل بیش از ۱۰۰ هزار عصب وجود داشته باشد. آن‌طور که تال یارکونی، یک عصب‌شناس از دانشگاه تگزاس توضیح می‌دهد، fMRI مانند این است که بر فراز یک شهر پرواز کنید و ببینید در چه مکان‌هایی چراغ‌ها روشن هستند.
عکس‌های مرسوم fMRI می‌توانند به ما نشان دهند که چه مناطقی از مغز در فعالیت‌های خاص، نقش حیاتی دارند، برای مثال، می‌توان تشخیص داد که چه ناحیه‌ای از مغز احساسات منفی را پردازش می‌کند؛ یا چه نواحی از مغز هنگام دیدن یک چهره‌ی آشنا، روشن (فعال) می‌شوند. اما نمی‌توان دریافت که آن ناحیه از مغز دقیقا چگونه در رفتارهای انسان نقش دارد و اینکه آیا نواحی دیگر مغزی که روشن نشده‌اند، نقش کلیدی در رفتارهای خاص دارند یا نه. مغز مانند یک شی‌ء ساخته‌شده توسط لگو نیست، یعنی این طور نیست که نواحی مغزی مانند تک‌تک لگوها نقش مشخصی داشته باشند. مغز متشکل از یک شبکه از فعالیت‌ها است. جک گلنت می‌گوید:
هر ناحیه از مغز، ۵۰ درصد احتمال دارد که با ناحیه‌ی دیگر در ارتباط باشد.
به همین دلیل است که تلاش‌ها برای یافتن، مثلا مرکز گرسنگی یا احتیاط، به نتایج قانع‌کننده‌ای ختم نشده است.
پیتر بند‌تینی، رییس دپارتمان روش‌های fMRI در انجمن ملی سلامت روانی (National Institute of Mental Health) می‌گوید:
ما سال‌ها است که به این لکه‌های ظاهرشده در عکس‌های fMRI نگاه می‌کنیم و به این موضوع فکر می‌کنیم که چه اطلاعاتی در آن‌ها نهفته هستند. اکنون مشخص است که هر تغییر کوچکی در این لکه‌ها، حاوی اطلاعات در مورد عملکرد مغز است، اطلاعاتی که ما تا کنون قادر به کشف آن‌ها نبوده‌ایم. به همین دلیل است که ما به تکنیک‌های یادگیری ماشین نیاز داریم. چشمان ما می‌تواند لکه‌ها را ببیند، اما نمی‌توانیم الگوها را ببینیم. این الگوها بسیار پیچیده هستند.
در اینجا یک مثال ارائه می‌دهیم. به‌طور سنتی این طور تصور می‌شود که پردازش زبان در نیم‌کره‌ی چپ مغز و در دو ناحیه‌ی مشخص، ناحیه‌ی Broca و ناحیه‌ی Wernicke اتفاق می‌افتد. اگر این ناحیه‌های صدمه ببینند، شما در درک یا ایجاد زبان با مشکل روبه‌رو می‌شوید.
اما الکس هاث، فوق‌دکترای عصب‌شناسی در آزمایشگاه گلنت نشان داد که این درک ما از کارکرد مغز در ارتباط با زبان، بسیار ساده و سطحی است. او تصمیم گرفت دریابد که آیا کل مغز در درک زبان نقش دارد یا نه.
در یک آزمایش، او از شرکت‌کنندگان در یک تحقیق خواست به یک داستان صوتی گوش دهند. همزمان او و همکارانش فعالیت‌های مغزی آن‌ها را توسط اسکنرهای fMRI ضبط کردند. هدف از این آزمایش پی بردن به ارتباط نواحی مختلف مغز در حین فعالیت مغزی مرتبط با گوش کردن به لغات بود.
گلنت می‌گوید که چنین آزمایشی اطلاعات بسیار زیادی تولید می‌کند، حجمی از اطلاعات که احتملا انسان تاکنون با آن مواجه نشده است. اما به یک نرم‌افزار رایانه‌ای آموزش داده شد تا با بررسی این اطلاعات، الگوی آن‌ها را بیابد. در نهایت برنامه‌ای که توسط هاث طراحی شده بود، توانست یک اطلس از لغاتی که در مغز انسان «زندگی» می‌کنند، آشکار کند. گلنت در این ارتبط می‌گوید:
آزمایش الکس نشان داد که قسمت‌های زیادی از مغز در درک معنایی لغات نقش دارند.
الکس هاث همچنین نشان داد لغاتی که از لحاظ معنایی به یکدیگر نزدیک هستند، مانند سگ و پودل (نوعی سگ پشمالو)، در نواحی مجاور در داخل مغز جای می‌گیرند.
پس اهمیت پروژه‌های این چنینی چیست؟ در دنیای علم، پیش‌بینی برابر است با قدرت. اگر دانشمندان بتوانند پیش‌بینی کنند که چگونه یک سری فعالیت‌های گیج‌کننده‌ی مغزی به تفسیر و درک زبان مربوط می‌شود، آنگاه می‌توانند مدل بهتری از نحوه‌ی کارکرد مغز ارائه دهند و اگر آن‌ها بتوانند یک مدل بهتر بسازند، بهتر می‌توانند بفهمند که چرا و چگونه متغیرهای مغز تغییر می‌کنند، یا به عبارت دیگر مغز دچار بیماری می‌شود.
پاسخ دهید
برای ارسال دیدکاه باید وارد شوید .. برای ورود اینجا را کلیک کنید