Çeviren: Gülsüm Kozan Düzenleyen: Esranur Maral
Özet: Hafızayı arttırmak için dışarıdan bir etki yapılabilir mi? Yapılabilirse nasıl bir etki oluşur? Bu makalede epilepsi hastalarının beyninin içine implant uygulamasıyla başlayan deneyler ve sonuçları yer almaktadır.
Konu kara kutular olduğunda insan beyninden daha karanlık olanı yoktur. Beynimizin gri maddesi oldukça karmaşık olduğundan kendisini anlamakta zorluk çekiyoruz.
Eğer kendi beynimizi açamıyorsak belki makineler bunu bizim için yapabilir. Nature Communications dergisinin son sayısında; Pennsylvania Üniversitesinde Psikolog Michael Kahana tarafından yönetilen araştırmadaki araştırma görevlileri, makine öğrenmesi algoritmalarının (bilinmeyen derecede anlaşılmaz sistemler) insan hafızasının kodunu çözmek ve hafızayı arttırmak için kullanılabileceğini gösterdiler. Nasıl mı? Tam zamanlı elektrik atımlarının beyne iletilmesini tetikleyerek.
Araştırmacılar bir kara kutuyu potansiyel bir diğerinin kilidini açmak için kullanabilir. Bir taraftan saçma biçimde zor bir soruna oldukça zarif bir çözüm getiriyor gözükse de diğer yandan tekno kıyamet korku filmi başlangıcı gibi duruyor.
Beyin ölçümlerine gelince, en iyi kayıtlar kafatasının içinden alınır. Fakat insanlar -ve kurumsal yönetim kurulları- bilim adına kafataslarının kırılıp açılmasına genellikle izin vermezler. Bu yüzden Kahana ve meslektaşları 25 epilepsi hastasıyla iş birliği yaptı. Her birinin beynine elektriksel etkinliği gözlemek için 100 ile 200 arası elektrot implant ekildi. Kahana ve ekibi, hafıza görevleri sırasında yüksek çözünürlüklü beyin etkinliğini kaydetmek için elektrotları ve bu implantları kullandılar.
İlk olarak, araştırmacılar bir beynin herhangi bir şeyi ezberlediğinde neye benzediğini anladılar. Kahana ve ekibi, hastalar okurken ve kelime listelerini içselleştirmeye çalışırken ekilmiş her elektrottan saniyede geçen binlerce voltajlık ölçümleri topladılar. Sonra, hastaların hatırlamalarını test ettiler; bir kelimeyi unutma ve hatırlama ile ilişkilendirilen beyin dokuları hakkında bilgi topladılar.
Bu işlemi tekrar tekrar yaptılar. Her bir deneği iki ya da üç kez ziyaret ettiklerinden hastaya özel algoritmalar üretmek için yeterli eğitim verisi toplamışlardı ve artık her hastanın hatırlayabileceği kelimeyi yalnızca elektrot etkinliğine bağlı olarak tahmin edebiliyorlardı.
İşte vurucu nokta: Bu elektrotlar sadece sinirsel etkinliği okumuyordu, onu uyarabiliyordu da. Böylece, araştırmacılar gerçek zamanlı anıların oluşumunu geliştirmek için -ya da onların dediği gibi “kurtarmak” için- beyni uyarmayı denediler. Her birkaç saniyede, denek bir kelime görecekti ve yeni geliştirilmiş algoritma beynin o kelimeyi hatırlamak için hazır olup olmadığına karar verecekti. Kahana, “Kapalı bir döngü sistemi, deneğin beyninin durumunu kaydetmemize, çözümlememize ve bir uyarıyı tetikleyip tetiklememe konusunda karar vermemize izin veriyor.” diyor.
Araştırmacıların sistemi işe yaradı ve hastaların kelime hatırlama yeteneğini ortalama yüzde 15 artırdı.
Beyin uyarımının hafıza üzerindeki etkilerinin keşfi, Kahana’nın laboratuvarı için bir ilk değil. Geçen yıl bu grup, elektrot uyarımlarının araştırmacının deneklere uygulamasına bağlı olarak hatırlamayı geliştirdiği veya gerilettiğini gösterdi. Bu çalışmada, beynin hafızaya özel bölgelerinin düşük işlevsellik dönemleri sırasında uyarıldığında denekler yüksek skorlar yaptılar (Yüksek işlevli zamanlardaki uyarım ters etki yaptı.). Bu büyük bir bulguydu ama terapötik olarak kullanışsızdı; araştırmacılar sadece hafıza testi uygulaması sonrası beynin durumu ve hafıza arasındaki bağlantıyı belirleyebildi. Beyin geliştirme açısından gerçekten istediğiniz şey, ezberlemenin tam ortasında uyarımı vermek.
Şimdi Kahana ve meslektaşları, makine öğrenme algoritması yardımıyla döngüyü kapatmış gibi görünüyor. Kahana, “Biz bu algoritmayı sadece kedilerin görüntülerini tanımlamak için kullanmak yerine bir şifre çözücü oluşturmak için kullanıyoruz -elektrik etkinliğine bakabilen ve beynin öğrenme için elverişli bir durumda olup olmadığını söyleyen bir şey-.” diyor. Eğer beyin hafızayı etkili bir şekilde kodluyor gibi görünüyorsa araştırmacılar onu rahat bırakır, değilse onların sistemi -aynı kalp pili gibi- daha yüksek işlevli duruma itmek için elektrik atımlarını hızlıca verir.
“Bu şaşırtıcı bir etki değil ama kesinlikle umut verici.” diyor çalışmadan bağımsız olan UC San Diego sinir bilimcisi Bradley Voytek. Şimdi soru şu: Bu alanda gelecek çalışmaların daha iyi sonuçlar doğurup doğuramayacağı. Eğer hastaların beyinlerine daha fazla elektrotla -ve daha hassas- ekim yapılırsa daha küçük zaman aralıklarında algoritmalar daha fazla sinirsel sinyalini daha fazla özgül olarak açığa çıkarabilir. Daha fazla eğitim verisi de yardımcı olabilir; epilepsi olan hastaların çoğunun en azından birkaç haftalığına bu gibi çalışmalara katılmaları mümkün. Bu da araştırmacıların onlarla geçirebileceği zamanı sınırlıyor. Üçten fazla seansla eğitilmiş bir makine öğrenme algoritması, Kahana’nın son çalışmalarından daha iyi performans gösterebilir ama daha yüksek çözünürlük ve daha fazla eğitim verisi ile bile bilim insanlarının, beyni çalışmak için opak algoritmalar kullanmanın etkileri ile uğraşması gerekiyor. Gerçek şu ki Kahana’nın sistemi belirli durumlarda kelime geri çağrısını geliştirebilse de işlevi nasıl geliştirdiği tam olarak bilinmiyor. Makine öğreniminin doğası budur.
Şanslıyız ki Kahana’nın ekibi bunu düşünmüş ve bazı algoritmalar diğerlerinden daha kolay incelenebiliyor. Bu özel çalışma için araştırmacılar basit lineer bir sınıflandırma kullandılar. Bu sınıflandırma, her bir elektrotun nasıl etkinlik gösterdiği hakkında bazı çıkarımlar yapmalarına izin veriyordu. “Bu noktada, beyin etkinliğini kaydetmek için kullandığımız özellikler arasında bir etkileşim olup olmadığını söyleyemeyiz.” diyor çalışmanın makine öğrenme çözümlemelerini inceleyen UPenn psikoloğu Youssef Ezzyat.
Daha karmaşık derin öğrenme teknikleri daha büyük bilişsel gelişimleri gerektirmez.
