შესაძლოა, ტვინი იმაზე 10-ჯერ მეტ ინფორმაციას იტევდეს, ვიდრე აქამდე ვვარაუდობდით
ტვინის მეხსიერების მოცულობა ბიტებით იზომება და ნეირონების კავშირზეა დამოკიდებული, რომელსაც სინაფსი ეწოდება. დიდი ხნის განმავლობაში ფიქრობდნენ, რომ ამ სტრუქტურების ზომების ვარიაცია და სიმძლავრე შეზღუდული იყო ისევე, როგორც ინფორმაციის ტევადობა.
ახალი კვლევა ამ ვარაუდს ეჭვქვეშ აყენებს და საპირისპიროს ამტკიცებს — რომ ტვინს იმაზე დაახლოებით 10-ჯერ მეტი ინფორმაციის დატევა შეუძლია, ვიდრე აქამდე ვვარაუდობდით. მეცნიერებმა სინაფსების შესუსტება-გაძლიერება ვირთხის ტვინის ჰიპოკამპუსში შეისწავლეს, რათა სხვაობის მიხედვით დაედგინათ, რა ოდენობის მონაცემების შენახვაა იქ შესაძლებელი.
ადამიანის ტვინში 100 ტრილიონზე მეტი სინაფსია, რომლებიც ინფორმაციის გადატანას ქიმიური ნაერთების მეშვეობით უზრუნველყოფს. სწავლის პროცესში სპეციფიკურ კავშირებში მეხსიერების მოცულობა იზრდება, რათა ახალი მონაცემები დაიტიოს. ფაქტობრივად, ასეთი გაძლიერება და შესუსტება ნეირონების აქტიურობაზეა დამოკიდებული, რასაც სინაფსური პლასტიკურობა ეწოდება.
მისი შესწავლა სინაფსების ფიზიკურ მახასიათებლებზე დაკვირვებითაა შესაძლებელი. ზოგჯერ ნეირონი ამგვარი სტრუქტურების წყვილს იყენებს, ხოლო იმის გარკვევა, ორივე მათგანი ერთნაირად ძლიერდება ან სუსტდება თუ არა, პლასტიკურობის განსაზღვრაში გვეხმარება. რა თქმა უნდა, ეს მარტივი არაა, მაგრამ მეცნიერებმა ე.წ. ინფორმაციული თეორია მოიშველიეს, მათემატიკური მეთოდი, რომელიც საშუალებას გვაძლევს გავიგოთ, რა ოდენობის მონაცემები გადაიცემა სისტემაში, ამ შემთხვევაში სინაფსებში. რაც უფრო მეტი ბიტია მათში, მით უფრო მეტია ტევადობაც.
ამგვარად, ავტორები ვირთხის ჰიპოკამპუსში სინაფსების წყვილებს დააკვირდნენ, რომლებიც ერთი და იმავე ტიპისა და რაოდენობის სიგნალების საპასუხოდ აქტიურდებოდა. დადგინდა, რომ ისინი აბსოლუტურად ერთნაირად ძლიერდებოდა და სუსტდებოდა, ანუ ტვინი ამ პროცესების დარეგულირებისას მაღალ სიზუსტეს ავლენს.
დადგინდა, რომ ჰიპოკამპუსს 4.1-დან 4.6-მდე ბიტის დატევა შეუძლია, რაც ნიშნავს, რომ თითო სინაფსში 1 ბიტზე მეტი ინფორმაცია ინახება. ეს შედეგები ვირთხის ტვინის მცირე არეალის მიხედვით მიიღეს, ამიტომ უცნობია, როგორი მაჩვენებლები იქნება მთლიანობაში ან ადამიანის შემთხვევაში.
ავტორთა ნაშრომი გამოცემაში Neural Computation გამოქვეყნდა.
კომენტარები