Исследователи показали, как мозг оптимизирует рабочую память
Новое исследование ученых из Института науки о мозге Карни при Университете Брауна показывает, почему существующий объем рабочей памяти у человека сильно ограничен, и как мозг учится эффективно использовать этот ограниченный объем.
Нейробиолог Майкл Франк с коллегами разработал компьютерную модель базальных ганглиев и таламуса — частей мозга, связанных с рабочей памятью, — которая показывает, почему существуют ограничения рабочей памяти. Согласно их исследованию, опубликованному в журнале eLife, ответ связан с обучением.
«Проведенные нами симуляции показывают, что если мы удерживаем в памяти больше, чем несколько предметов одновременно, становится слишком сложно управлять таким количеством информации, так что мозг запутывается и не может использовать информацию, которую он хранит», — говорит соавтор работы Анери Сони. — «В то же время наше исследование показывает, что, сталкиваясь с этими ограничениями, мозг задействует механизм, помогающий экономить память».
Модель рабочей памяти
Команда построила и протестировав новую компьютерную модель мозга, которая воспроизвела результаты эксперимента с людьми, проведенного в 2018 году в Институте Карни. Это исследование установило, что люди способны «объединять» информацию в блоки в рабочей памяти.
Сони поняла, что компьютерная модель, способна сжимать информацию, когда модель справилась с экспериментом 2018 года. Сони показала модели экран с цветными прямоугольниками, ориентированными в разных направлениях, а затем попросила ее вспомнить, какой цветной блок указывал в каком направлении. В ходе ряда испытаний модель научилась сжимать информацию и начала объединять похожие цвета, такие как синий и светло-голубой.
Лабораторные симуляции с новой моделью указывают на обучение, а не на емкость, как на реальный драйвер рабочей памяти, говорит Сони. Она установила это, запустив испытания на модели без возможности объединения хранимых элементов в блоки, но с большим количеством места для хранения элементов. Модель с механизмом построения блоков смогла использовать полную емкость хранилища, а вот модель без построения блоков, похоже, не осознавала, что у нее есть доступ к такому большому объему хранилища, и хуже справлялась как с сохранением, так и с извлечением элементов.
Компонент, критически важный для процесса обучения модели, — это механизм, который имитирует систему доставки дофамина в человеческом мозге, говорит Сони. Если модель лучше справлялась с запоминанием ориентации большего количества прямоугольников, поскольку она объединяла похожие цвета для экономии места, система доставки дофамина включалась, побуждая модель продолжать использовать эту стратегию при последующих испытаниях.
В другом эксперименте Сони изменила систему доставки дофамина, чтобы имитировать то, что известно об уровнях дофамина у пациентов с болезнью Паркинсона, шизофренией и СДВГ. Когда она подвергла модель той же серии испытаний, результаты показали, что без здоровой системы доставки дофамина модель не научилась использовать свое хранилище эффективно.
«Возьмем в качестве примера болезнь Паркинсона», — говорит ученый. — «Большинство людей думают о ней как о двигательном расстройстве, потому что изменения в движении настолько очевидны. Но оказывается, что у пациентов с болезнью Паркинсона также наблюдаются изменения в рабочей памяти. Обычно их лечат препаратами, воздействующими на префронтальную кору, но наши результаты показывают, что мы должны проверить, помогают ли препараты, воздействующие на базальные ганглии и таламус».