KI-software zeigt die innere Funktionsweise des Kurzzeitgedächtnis: das Kurzzeitgedächtnis verwendet schaltkreise im Gehirn, die unterschiedlich, je nach Komplexität der Aufgabe

Forschung von Neurowissenschaftler an der Universität von Chicago zeigt, wie die Kurzzeit -, Arbeitsgedächtnis nutzt Netzwerke von Neuronen, die sich unterschiedlich, je nach Komplexität der Aufgabe zur hand.

Die Forscher nutzten moderne künstliche Intelligenz (AI) Techniken zu trainieren computational neuronalen Netzen zu lösen eine Reihe von komplexen Verhaltens-Aufgaben, die Speicherung von Informationen im Kurzzeitgedächtnis. Die AI-Netze wurden basierend auf der biologischen Struktur des Gehirns und offenbart zwei unterschiedliche Prozesse, die in der short-term memory. Der eine, ein „stiller“ Prozess, in dem das Gehirn speichert kurzfristigen Erinnerungen, ohne ständige neuronale Aktivität, und ein zweiter, aktiver Prozess, bei dem schaltungen von Neuronen feuern ständig.

Die Studie, geführt von Nicholas Masse, PhD, senior scientist an der UChicago, und senior-Autor David Freedman, PhD, professor für Neurobiologie, wurde diese Woche veröffentlicht in Nature Neuroscience.

„Das Kurzzeitgedächtnis wird wahrscheinlich aus vielen unterschiedlichen Prozessen, von der sehr einfach, wo Sie Sie brauchen, zu erinnern, etwas, das Sie sah ein paar Sekunden vor, bis zu komplexen Prozessen, bei denen Sie zu manipulieren die Informationen, die Sie halten in Erinnerung,“ Freedman sagte. „Wir haben erkannt, wie zwei unterschiedliche neuronale Mechanismen gemeinsam zu lösen verschiedene Arten von memory-Aufgaben.“

Aktive vs silent memory

Viele tägliche Aufgaben erfordern den Einsatz des Arbeitsgedächtnisses, Informationen, die Sie brauchen, um etwas zu tun im moment, aber es ist wahrscheinlich zu vergessen, später. Manchmal ist man aktiv an etwas erinnern will, wie wenn Sie eine mathematische problem ist in Ihrem Kopf oder versucht sich zu erinnern, eine Telefonnummer, bevor Sie eine chance haben, es aufzuschreiben. Sie auch passiv Informationen aufnehmen, die Sie abrufen können, später sogar, wenn Sie nicht machen einen Punkt zu erinnern, ist es, wie wenn jemand fragt, wenn Sie sahen, dass eine bestimmte person in den Flur.

Neurowissenschaftler haben viel darüber gelernt, wie das Gehirn Informationen repräsentiert im Speicher gehalten durch Beobachtung der Muster der elektrischen Aktivität coursing durch die Gehirne der Tiere, wie Sie Aufgaben durchführen, erfordern den Einsatz von short-term memory. Sie können dann beobachten, die Aktivität der Gehirnzellen und deren Aktivität Messen, wie die Tiere die Aufgaben.

Aber Freedman sagte, dass er und sein team waren überrascht, dass bei bestimmten Aufgaben, die erforderlichen Informationen im Speicher gehalten werden, Ihre Experimente gefunden neuronalen schaltkreise zu werden, ungewöhnlich ruhig. Dies führte zu spekulieren, dass diese „Stille“ Erinnerungen können sich in der vorübergehenden änderungen in der Stärke der verbindungen oder Synapsen zwischen den Neuronen.

Das problem ist, dass es unmöglich ist mit der aktuellen Technologie, um zu Messen, was passiert in den Synapsen, während diese „Stille“ Perioden in einem lebenden Tier, das Gehirn. So, Masse, Freedman und Ihr team haben die Entwicklung von KI-Ansätzen, die die Verwendung von Daten aus den Tierversuchen auf den design-Netze, die simulieren, wie die Neuronen in einem echten Gehirn mit einander verbinden. Dann kann Zug die Netze zu lösen, die gleichen Arten von Aufgaben untersucht, die in den Tierversuchen.

Während der Experimente mit diesen biologisch inspirierte neuronale Netze, Sie waren in der Lage, um zu sehen, zwei verschiedene Prozesse zu spielen, während das Kurzzeitgedächtnis die Verarbeitung. Eine, sogenannte persistierende neuronale Aktivität, zeigte sich besonders bei komplexeren, aber immer noch kurze-Begriff, Aufgaben. Wenn ein neuron bekommt eine Eingabe, erzeugt es eine kurze elektrische Anstieg der Aktivität. Neuronen bilden Synapsen mit anderen Neuronen, und ein neuron feuert es eine Kettenreaktion auslöst, um ein anderes neuron feuern. In der Regel, dieses Muster der Aktivität Stoppt, wenn der Eingang verschwunden ist, aber die AI-Modell gezeigt, dass bei bestimmten Aufgaben, einige schaltungen von Neuronen würde weiter brennen noch nach einer Eingabe wurde entfernt, wie ein Nachhall oder echo. Diese anhaltende Aktivität zu sein schien, besonders wichtig für komplexere Probleme, die erforderlichen Informationen in den Arbeitsspeicher, um in irgendeiner Weise manipuliert werden.

Die Forscher sahen auch ein zweiter Prozess, der erklärt, wie das Gehirn konnte die Informationen im Speicher ohne persistierende Aktivität, wie Sie beobachtet hatte, in Ihrem Gehirn Aufnahme-Experimente. Es ist ähnlich wie das Gehirn speichert Dinge, die im Langzeitgedächtnis, indem Sie komplexe Netzwerke von verbindungen zwischen vielen Neuronen. Wie das Gehirn lernt, neue Informationen, werden diese verbindungen gestärkt werden, umgeleitet oder gelöscht werden, ein Konzept, bekannt als Plastizität. Die AI-Modelle zeigten, dass während der leisen Perioden der Speicher, das Gehirn können eine Kurzfristige form der Plastizität der synaptischen verbindungen zwischen Neuronen, Informationen zu erinnern, vorübergehend.

Diese beiden Formen des Kurzzeitgedächtnisses dauern von einigen Sekunden bis zu wenigen Minuten. Einige Informationen werden im Arbeitsgedächtnis bis Ende Mai in die langfristige Lagerung, aber die meisten es verblasst mit der Zeit.

„Es ist wie etwas zu schreiben mit dem finger über eine beschlagene Spiegel, anstatt, Sie zu schreiben mit einem permanent-marker,“ Masse sagte.

Komplementäre Felder der Forschung

Die Studie zeigt, wie wertvoll die KI hat sich auf das Studium der Neurowissenschaften, und wie die beiden Felder gegenseitig zu informieren. Freedman sagte, dass künstliche neuronale Netze sind oft intelligenter und leichter Zug an komplexen Aufgaben, wenn Sie nach dem Vorbild des realen Gehirns. Dies macht auch biologisch-inspirierte AI Netzwerke besser Plattformen für Test-Ideen über die Funktionen des realen Funktionen des Gehirns.

„Diese beiden Felder sind wirklich profitieren voneinander“, sagte er. „Erkenntnisse aus der Neurowissenschaft Experimente helfen, zu erstellen Sie intelligentere AI und Studium der schaltungen in künstlichen Netzwerken ist zu helfen, beantworten grundlegende Fragen über das Gehirn.“