Yaşlanmayla birlikte anıların nasıl bozulduğu, beyinde bilgi depolamaya yönelik bir model aracılığıyla ortaya kondu. Çekici ağlar, beynin anıları nasıl depoladığına dair bir model sunan teorik yapılardır. Bu ağlar üzerine yapılan yeni bir araştırma, anıların başlangıçta nasıl korunduğunu ve sonunda nasıl kaybolduğunu incelemektedir. Matematiksel model ve simülasyonlar, insanlar yaşlandıkça, beyin aktivitesi kalıplarında depolanan anıların, rastgele gürültü içinde kaybolmadan önce kaotik, aşılmaz kalıplara dönüştüğünü göstermektedir. Bu davranışın gerçek beyinlerde meydana gelip gelmediği bilinmemekle birlikte, araştırmacılar hafıza geri getirme görevleri sırasında nöral aktivitenin zaman içinde nasıl geliştiğini gözlemleyerek bunu aramayı öneriyorlar.
Hafıza, hem yapay hem de biyolojik sinir ağlarında sinyallerin bir ağdaki çok sayıda düğüm (nöron) arasında aktarılma şeklindeki kalıplar olarak depolanır ve geri kazanılır. Yapay bir sinir ağındaki her bir düğümün çıktı değeri, bağlı olduğu diğer düğümlerden aldığı girdilere dayanır. Buna benzer şekilde, biyolojik bir nöronun girdileri hem sıklığını hem de “ateşleme” (elektrik sinyalini gönderme) olasılığını belirler. Nöronlarla bir başka karşılaştırmada, düğümleri birbirine bağlayan sinapslar, ilettikleri bilgiyi güçlendirebilen veya bastırabilen “ağırlıklar” içerir. Bir bağlantının bağlandığı herhangi iki düğüm arasındaki senkronizasyon derecesi, yeni anılar depolandıkça değişebilecek olan ağırlığını belirler.
Çekici ağlarda, düğümler arasında aktarılan sinyallerin değerlerinin gerçek nöronların ateşleme oranlarına karşılık geldiği varsayılır; bu ateşleme oranları daha sonra alıcı nöronların yanıtları için girdi görevi görür. Bu tür sinyaller sürekli olarak ağ içinde bir akış halinde hareket eder. Araştırmacılar uzun bir ikili sayı (hatırlanan öğeyi temsil eden) kullanabilir ve ağa bir “hafıza” yerleştirmek için her bir düğüme bunun rakamlarından birini atayabilir. Daha sonra ağırlıklar ayarlandığında ağın aktivitesinin nasıl değiştiğini izleyebilirler. Hafıza, düğümler arasında hareket eden dürtüler sonunda çekici durum olarak bilinen tekrarlayan bir modele yerleştikçe kodlanır.
Hafızayı Geri Getirmek Mümkün müdür?
Hafızayı oluşturan sayı ile doğrudan matematiksel ilişkisi olan yeni bir ikili sayı düğümlere uygulanırsa, hafıza geri getirilebilir. Bu, ağın faaliyetinin ilgili çekici duruma dönüşmesine neden olabilir. Bir çekici ağ tipik olarak, her biri farklı bir çekici durumla ilişkili olan çok sayıda ayrı hafızayı saklama kapasitesine sahiptir. Ağın faaliyeti daha sonra bu durumların her biri arasında geçiş yapar.
Diğer çalışmalara göre, yalnızca açıkça tanımlanmış, kararlı çekici durumlarla basılmış bir ağın, biyolojik sinir ağlarından daha sessiz bir ağ etkinliği sergileyeceği tahmin edilmektedir. Ayrıca, çekici ağlar üzerine yapılan araştırmalar, bu ağların “yıkıcı unutmaya” karşı hassas olduklarını ortaya koymuştur; bu durumda, aşırı sayıda hafıza durumu basılırsa hiçbir hafıza durumu geri çağrılamaz.
Sinirbilim alanındaki araştırmacılar, hafıza durumlarının kalıcı olmaması halinde bu davranışın nasıl değişebileceğini inceledi. Araştırmacıların ağırlıkları güncelleme kuralına göre, bir hafıza yerleştirildiğinde oluşturulan ağırlıklar, yeni anılar eklendikçe kademeli olarak bozuluyor. Simülasyonlarından iki farklı türde hafıza durumu ortaya çıkıyor. En yeni anılar, anılar sırayla basıldıkça, gezegenlerin Güneş etrafındaki yörüngelerine benzer şekilde, farklı ve kalıcı desenlere sahip “sabit nokta” çekicileriyle ilişkilendirilir. Öte yandan ikinci tür bellek durumları olan kaotik çekiciler, bellek durumları eskidikçe ve zayıfladıkça etkinlikleri asla tam olarak tekrarlanmadığı için hava durumu modellerine daha çok benzemektedir. Hem öğrenebilen hem de unutabilen sinir ağları belgelenmiş olsa da, sabit noktadan kaotik dinamiklere geçiş belgelenmemiştir.
Kaotik çekicilerdeki görünüşteki öngörülemezlik, ağ daha fazla anı topladıkça artar, ta ki en eski çekici durum arka plandaki gürültüde kaybolana kadar. Bu noktada anıyı geri getirmek için artık çok geçtir; anı tamamen “kaybolmuştur”. Bulgular, bu ağda “unutmanın” önce düzenli faaliyetten kaotik faaliyete geçişi, ardından da belirgin bir bozulma süresiyle gürültüye karışmayı gerektirdiğini göstermektedir. Ayrıca, bu senaryoda eski anılar kendiliğinden kaybolduğu için yıkıcı bir unutma ihtimali de yoktur.
İnsan Beynindeki Unutma Süreci
Araştırmacılara göre, beyinde bu “unutma” süreci gerçekleşiyorsa, eski anılar kaotik ve giderek gürültülü durumlar olarak depolanmalı, bu nedenle bu anılar geri çağrıldığında hücre ateşleme sürelerindeki dalgalanmalar daha büyük olmalıdır. Araştırmacılara göre bu hipotez, girdi ile insan veya hayvanın anıyı hatırlama yeteneği arasında giderek daha uzun aralıklar olan hafıza görevleri sırasında beyin aktivitesini gözlemleyerek test edilebilir olmalıdır.
Berlin Teknik Üniversitesi’nden sinirbilimci Tilo Schwalger, bulguların potansiyel olarak hayvan beyin ağlarına uygulanabileceğini ve tahminlerin test edilebilir olması gerektiğini düşünüyor. Portekiz’deki Champalimaud Research adlı biyobilim kuruluşundan sinirbilimci Mastrogiuseppe’ye göre araştırma “teorik sinirbilimdeki iki ana çalışma alanının kesiştiği noktada yer alıyor: biri hafıza ile ilgili; diğeri ise beyindeki düzensiz sinirsel faaliyetlerle ilgili”. Mastrogiuseppe, son bulguların bu iki olay arasında potansiyel bir bağlantı olduğunu gösterdiğini de sözlerine ekliyor.
Kaynak: journals.aps.org/prx/abstract/10.1103/PhysRevX.13.011009
