STUDIMI SHKENCOR/ Parimi i Energjisë së Lirë shpjegon trurin

Parimi i energjisë së lirë mund të shpjegojë se si rrjetet nervore minimizojnë kostot e energjisë dhe optimizohen për efikasitet.

Qendra RIKEN për Shkencën e Trurit (CBS) në Japoni, së bashku me kolegët, ka treguar se parimi i energjisë së lirë mund të shpjegojë se si rrjetet nervore janë optimizuar për efikasitet.

Botuar në revistën shkencore Communications Biology, studimi së pari tregon se si parimi i energjisë së lirë është baza për çdo rrjet nervor që minimizon koston e energjisë. Më pas, si provë e konceptit, tregon se si një rrjet nervor minimizues i energjisë mund të zgjidhë labirintet.

Ky zbulim do të jetë i dobishëm për analizimin e funksionit të dëmtuar të trurit në çrregullimet e të menduarit, si dhe për gjenerimin e rrjeteve nervore të optimizuara për inteligjencën artificiale.

Optimizimi biologjik është një proces natyror që e bën trupin dhe sjelljen tonë sa më efikase. Një shembull i sjelljes mund të shihet në tranzicionin që bëjnë macet nga vrapimi në galop.

Larg nga të qenit i rastësishëm, ndërrimi ndodh pikërisht me shpejtësinë kur sasia e energjisë që duhet për të galopuar bëhet më e vogël se sa duhet për të ekzekutuar. Në tru, rrjetet nervore janë optimizuar për të lejuar kontroll efikas të sjelljes dhe transmetimin e informacionit, duke ruajtur ende aftësinë për t’u përshtatur dhe rikonfiguruar ndaj mjediseve në ndryshim.

Ashtu si me llogaritjen e thjeshtë të kostos/përfitimit që mund të parashikojë shpejtësinë që një mace do të fillojë të galopojë, studiuesit në RIKEN CBS po përpiqen të zbulojnë parimet themelore matematikore që mbështesin mënyrën se si rrjetet nervore vetë-optimizohen.

Parimi i energjisë së lirë ndjek një koncept të quajtur konkluzioni Bayesian, i cili është çelësi. Në këtë sistem, një agjent përditësohet vazhdimisht nga të dhënat e reja ndijore që vijnë, si dhe rezultatet ose vendimet e tij të së kaluarës.

Studiuesit krahasuan parimin e energjisë së lirë me rregulla të vendosura mirë që kontrollojnë se si fuqia e lidhjeve nervore brenda një rrjeti mund të ndryshohet nga ndryshimet në inputin ndijor.

“Ne ishim në gjendje të demonstronim se rrjetet nervore standarde, të cilat shfaqin modulim të vonuar të plasticitetit Hebbian, kryejnë planifikimin dhe kontrollin adaptiv të sjelljes duke marrë parasysh ‘vendimet’ e tyre të mëparshme”, thotë autori i parë dhe drejtuesi i njësisë Takuya Isomura.

“E rëndësishmja, ata e bëjnë këtë në të njëjtën mënyrë që do të bënin kur ndjekin parimin e energjisë së lirë.”

Pasi ata vërtetuan se rrjetet nervore ndjekin teorikisht parimin e energjisë së lirë, ata testuan teorinë duke përdorur simulime. Rrjetet nervore vetë-organizohen duke ndryshuar fuqinë e lidhjeve të tyre nervore dhe duke lidhur vendimet e kaluara me rezultatet e ardhshme. Në këtë rast, rrjetet nervore mund të shihen si të qeverisur nga parimi i energjisë së lirë, i cili i lejoi asaj të mësonte rrugën e duhur përmes një labirinti përmes provave dhe gabimeve në një mënyrë statistikisht optimale.

Këto gjetje tregojnë drejt një sërë rregullash matematikore universale që përshkruajnë se si rrjetet nervore vetë-optimizohen.

Siç shpjegon Isomura, “Gjetjet tona garantojnë se një rrjet nervor arbitrar mund të përdoret si një agjent që i bindet parimit të energjisë së lirë, duke ofruar një karakterizim universal për trurin.”

Këto rregulla, së bashku me teknikën e re të inxhinierisë së kundërt të studiuesve, mund të përdoren për të studiuar rrjetet nervore për vendimmarrje tek njerëzit me çrregullime të mendimit si skizofrenia dhe për të parashikuar aspektet e rrjeteve të tyre nervore që janë ndryshuar.

Një përdorim tjetër praktik i këtyre rregullave universale matematikore mund të jetë në fushën e inteligjencës artificiale, veçanërisht ato që projektuesit shpresojnë se do të jenë në gjendje të mësojnë, parashikojnë, planifikojnë dhe marrin vendime në mënyrë efikase.

“Teoria jonë mund të zvogëlojë në mënyrë dramatike kompleksitetin e dizajnimit të pajisjeve neuromorfike vetë-mësuese për të kryer lloje të ndryshme detyrash, të cilat do të jenë të rëndësishme për një inteligjencë artificiale të gjeneratës së ardhshme”, thotë Isomura./ Përktheu e pregatiti Apel.Media