Ernst Strüngmann Enstitüsü’nden Wolf Singer liderliğindeki araştırmacılar, temel beyin süreçleriyle ilgili yeni bir keşif ortaya çıkardılar. Ekip, ilk kez beynin kendine özgü ritmik ritimlerinin bilgi işleme için çok önemli olduğuna dair sağlam kanıtlar gösterdi. Bu salınımlı dinamikler beyinde kapsamlı bir şekilde belgelenmiş olsa da, işlevleri yakın zamana kadar çoğunlukla belirsizliğini korudu.
Araştırma, serebral işlev anlayışımızı kökten değiştirme kapasitesine sahiptir. Araştırmacılar, bilgisayar simülasyonları aracılığıyla salınımlı düğümlere sahip tekrarlayan ağların salınımsız ağlara göre üstün performans sergilediğini ve deneysel olarak bilinen çok sayıda olguyu taklit ettiğini göstermektedir.
Bu bulgular, ritmik dinamiklerin beyindeki etkili işleme için yalnızca tesadüfi olmaktan ziyade temel olduğunu göstermektedir.
Yapılan çalışma, değişken salınım frekansları ve iletim gecikmeleri gibi ağ parametrelerinde heterojenliğin dahil edilmesinin ağ performansını önemli ölçüde iyileştirdiğini göstermektedir. Bu, biyolojik ağlarda bulunan heterojenliğin yalnızca doğanın yanlışlıklarının bir sonucu olmadığını, aksine önemli ölçüde farklı özelliklere sahip uyaranların verimli bir şekilde işlenmesi için rafine edilmiş bir hesaplama çerçevesinin ayırt edici özelliği olduğunu göstermektedir.
Araştırmacı Effenberger, “Bulgularımız, sıklıkla baskın olarak yerelleştirilmiş bilgi işlemeyi varsayan geleneksel beyin dinamikleri perspektifine itiraz ediyor.” dedi. Beynin, hesaplamaları oldukça dağınık ve paralel bir şekilde yürütmek için dalgaları kullandığını öne sürüyoruz. Bu tür dalga tabanlı tepkiler tarafından üretilen girişim desenleri, uyaran özellikleri arasındaki hem mekansal hem de zamansal ilişkilerin bütünsel bir temsilini ve oldukça dağıtılmış kodlamasını kolaylaştırır”.
Araştırmacılar, nöronal dinamiklerin yeni bir yorumunu önererek, ağların mevcut nörobiyolojik teoriler ve geleneksel dijital bilgisayarlar tarafından öne sürüldüğü gibi, açıkça tanımlanmış ve yönlendirilmiş sinyal akışlarına sahip karmaşık devre kartları olarak çalışmak yerine, dalgaları üretmek ve yaymak için bir ortam görevi gördüğünü öne sürüyorlar.
Çalışmanın yazarları, beynin, rezonans ve senkronizasyon dahil olmak üzere, birleştirilmiş osilatör ağlarının ayırt edici özelliklerini kullanarak, bilgiyi oldukça dağıtılmış bir şekilde temsil etmek ve işlemek için dalga üst üste binmesini ve girişim desenlerini kullandığını öne sürüyorlar.
Çalışmanın kıdemli yazarı Singer, “Bu, beynin hesaplama süreçlerini anlamamızda önemli bir ilerlemeyi temsil ediyor” dedi. Önerilen hesaplama tekniği, mekansal ve zamansal uyaran özellikleri arasındaki çok sayıda iç içe geçmiş ilişkinin eş zamanlı olarak değerlendirilmesini gerektiren bilişsel aktiviteler için en uygun şekilde tasarlanmıştır.
“Görsel sahneleri ve dili anlamak için bu tür görevler ele alınmalıdır.” Dahası, önerilen hesaplamalı yaklaşım, özellik bağlamanın (bir nesnenin özelliklerinin eş zamanlı değerlendirilmesi) salınımlı tepkilerin senkronizasyonu yoluyla gerçekleştirilebileceği kavramını doğrulayarak ‘Bağlama Problemi’ne bir çözüm sunar.
Bulgular yalnızca sinir bilimini ilerletmekle kalmaz, aynı zamanda yapay zeka için yenilikçi, enerji açısından verimli işlemcilerin, özellikle yeni, belirgin şekilde daha enerji açısından verimli teknolojik bileşenlerin tasarımında yaratılmasını kolaylaştırır. Yazarlar, geleneksel dijital tasarımlardan beynin dinamik işlevlerine göre modellenmiş analog devrelere geçişi savunuyorlar.
Keşifleri, daha dayanıklı, enerji açısından verimli ve daha küçük veri kümelerinden öğrenmede yetenekli yeni nesil AI sistemlerinin yaratılmasına bilgi sağlayabilir. Bu keşif, beynin bilgi işleme konusundaki anlayışımızı önemli ölçüde iyileştirir ve sinir bilimi ve yapay zekada yeni araştırma yollarını kolaylaştırır.
Kaynak: medicalxpress.com/news/2025-02-neural-evidence-brain-rhythmic-patterns.html
