Mi van az agyunkban?

Mi van az agyunkban, legfontosabb szervünkben, ami nagy valószínűséggel a világegyetem legkomplexebb objektuma is egyben? Természetesen neuronok. De kielégítő ez a válasz? Ha azt kérdeznénk, hogy mi van egy könyvben, és azt a választ kapnánk, hogy betűk, akkor nem lennénk vele túlságosan megelégedve. A kérdés az, hogy a neuronok aktivitás-mintázatukkal mit reprezentálnak, azaz mi a jelentésük a világ dolgaihoz viszonyítva. A szavak vagy mondatok egy kínai könyvben szintúgy csak formai elemek, önmagukban nem hordoznak semmiféle információt számunkra, csak akkor, ha egy szótárat is mellékelünk a kínai íráshoz.

Egy könyvtől persze sok vonatkozásban eltér az agyunk. Egyrészt nem statikus, hanem tanulás által folyamatosan változik. Rengeteg információ megy bele, kérdés hogy mit tart meg belőle és milyen struktúrába rendezve. Másrészt a könyvtől eltérően nem csak tárolja az információt, hanem saját magát olvassa és értelmezi is, majd az információt felhasználva tudatosan és tudattalanul is következtetéseket tesz és döntéseket hoz. Ráadásul mindezt egyazon biológiai rendszer. Bár vannak specializálódott területek az agyban és az idegsejtek is meglehetősen sokfélék, a tárolást és feldolgozást az agy ugyanazon a struktúrán valósítja meg párhuzamosan, ami igazán lenyűgöző.

Látjuk tehát, hogy az agy sok különböző funkciót megvalósít, még akkor is, ha nem specializáljuk, csak információelméleti szempontból tekintjük. Az agy az aktuálisan érzékelt és korábban eltárolt információkat például matematikai szempontból közel optimálisan tudja összekombinálni. Hogy ez pontosan mit jelent és milyen neurális és kognitív pszichológiai kísérletek támasztják alá, az egy későbbi cikk témája lesz. Most elsődlegesen azt vizsgáljuk meg, hogy egyáltalán milyen jellegű információ az, amit az idegrendszer tárol, egyelőre attól függetlenül, hogy hogyan teszi ezt neurálisan.

Ahhoz, hogy megtudjuk a neuronok milyen információt tárolnak, a klasszikus vizsgálati módszer az, hogy különféle stimulusokkal ingerelve az idegrendszert vizsgáljuk a kiszemelt neuronok aktivitását, például a vizuális kéreg neuronjait vizuális ingerek esetén. Ismeretes, hogy a neuronok tüzelési mintázata rendkívül változékony. Ha ugyanazt a stimulust mutatjuk többször, a stimulusra reagáló neuronok aktivitása más és más lesz, de akkor is jelentős az aktivitás ingadozása, ha a stimulus statikus és folytonosan mutatjuk. Ezt a jelenséget sokáig neurális zajnak interpretáltak, amit a rendszer tökéletlenségéből fakadónak tekintettek.

A zaj forrása lehet az egyes sejtek sztochasztikus jellegű tüzelési dinamikája, vagy az, hogy a hálózati dinamika működése nyomán mindig jelen van a rendszerben kontrolálatlan külső vagy belső bemenet. Az analógiára visszatérve ez olyan, mintha a könyvtáros az információ eltárolására nem egy hagyományosan nyomtatott lexikont választana, hanem egy elmosódott és folyamatosan villódzó írást, aminek egy mondata soha nem néz ki ugyanúgy. Éppen ezért a zaj zavaró hatását kiküszöbölendő a neuronok aktivitásának jellemzésére az irodalomban bevezették az átlagos tüzelési ráta fogalmát, és az idegtudományban sokan és sokáig úgy tekintették, hogy a neuronok tüzelési rátája hordozza a kódolt információt, legyen az egy illat, egy hang vagy egy objektum felismerése a látómezőben.

Ez részben így is van, ami a fenti módszerrel kísérletileg ellenőrizhető volt, azonban ez a séma nem zárja ki, hogy legyen még más információ is, amit esetleg másféle módon kódol az idegrendszer. A mindennapi tapasztalataink alapján is könnyű belátni, hogy ennél többre van szükség. Nem elegendő a megfigyelhető fontos változókat becsült értékükkel reprezentálni, hanem az érték bizonytalanságát, azaz a becslés megbízhatóságát is reprezentálni szükséges. Ennek belátására tekintsünk az alábbi szemléletes példát az ősember mindennapi életéből.

A napi tevékenység során az ősembernek gyakran kellett árkot, patakot vagy sziklahasadékot átugrania. Ha elvéti az ugrást és kibicsaklik vagy kitörik a lába, az akár az életébe is kerülhetett. Ezért nagyon fontos a gyors és megbízható döntéshez nem csak az árok szélességének, de a szélesség bizonytalanságának, sőt a saját képességeknek és az aktuális állapotának a becslése is. Ha pedig ugrás közben úgy tűnik, hogy mégsem fog sikerülni, akkor bizonytalan információk nagyon gyors kiértékelését és feldolgozását igénylő motoros kontroll folyamatban próbálja korrigálni és menteni a helyzetet az (ős)ember.

Láthatjuk tehát, hogy a bizonytalanság reprezentálása, akárhogy is történik, de valahogyan megvalósul az agyban, és különösen fontos az összes bizonytalanság összehangolt kezelése. Bizonytalanság pedig több okból is származhat. Egyrészt lehet a bizonytalanság forrása a szenzoros zaj. Például ködös időben lecsökken a kontraszt. Ilyen esetben autóvezetés közben különösen fontos, hogy különböző érzékszerveink által szolgáltatott bizonytalan információkat a lehető legjobban összekombináljuk, és tudatában legyünk becslésünk megbízhatóságának. Másrészt bizonytalanságra adhat okot az ambivalencia is, a természetszerű többértelműség, amire az egyik leghétköznapibb példa a látásunk, aholis a háromdimenziós tér a retina kétdimenziós felületére képződik le, amit elvileg végtelen sokféleképpen értelmezhetnénk. Agyunk azonban igazodik a környezet statisztikájához és a korábbi tapasztalatok alapján reális legvalószínűbb interpretációt részesíti előnyben. Ez biztosítja a rendszer hatékony működését tipikus szituációkban.

Az éremnek van azonban egy másik oldala is. A bizonytalanság hatékony kezelése egyúttal azt is eredményezi, hogy az idegrendszert át lehet verni. Ez a helyzet például az optikai illúziók esetében, amikor nem szokványos körülményeket teremtünk. Bajcsy-Zsilinszky homorú alakját például a Deák-téren domborúnak látjuk, mert ritkán találkozunk behorpadt képű emberekkel, inkább feltételezzük ezért azt, hogy a megvilágítás furcsa módon alulról jön, mégpedig anélkül, hogy ezt tudatosítanánk.

A fenti példákból tehát arra következtethetünk, hogy az agy nem csupán lexikonként tárolja a biztos tudást, hanem képes a bizonytalan információk statisztikai jellegű tárolására is, vagyis lényegében valószínűség eloszlásokat reprezentál, sőt statisztikus jellegű világmodellt épít, és az új információkat ezen világmodell szerinti struktúrában tárolja el. Egyúttal pedig alkalmas arra is, hogy a felépített statisztikai modell alapján további kalkulációkat végezzen. Egyelőre természetesen nem beszéltünk egy szót se arról, hogy neurálisan milyen folyamatok révén tudja mindezt megvalósítani. Ez már csak azért is érdekes, mert a mesterséges tanuló rendszerek hasonló probabilisztikus modelleket használnak, és ezekben a modellekben az egzakt számítások tipikusan beláthatatlan időkig tartanak. Ezért is érdeklődik a mesterséges intelligencia és a gépi tanulás is az agyműködés iránt, mert az agy láthatólag sok feladatot nagyon jól meg tud oldani limitált idő alatt.

Akiben maradtak megválaszolatlan kérdések és szeretne többet megtudni az agyműködésről az elméleti idegtudomány szemüvegén keresztül, annak ajánlom, hogy várja türelemmel a cikksorozat következő részét, vagy látogassa a Statisztikai tanulás az idegrendszerben című magyar nyelvű kurzust, esetleg tekintse át a kurzus honlapján fent lévő anyagokat. Ui.: Az ELTE épületében tartott kurzus több egyetemen is meg van hirdetve, és még felvehető tárgy, de bárki számára nyitottak az előadások, a tematika megtekinthető itt.

[Gáspár Merse Előd posztja eredetileg a duplapluszjo blogon jelent meg, és mi a gyakornoki programunkra érkezett “pályamunkaként” közöljük újra. Az első kép a Dartmouth Egyetem honlapjáról származik.]