مغز ما شبکه ای بسیار پیچیده با صد میلیارد نورون و صد تریلیون سیناپس بین نورون هاست. به منظور فائق آمدن بر چنین پیچیدگی وسیعی، درک نحوه عملکرد مغز و ایجاد ذهن ما، علم از ابزارهای ریاضی پیشرفته ای استفاده می کند. دانشمندان در صدد درک این مسئله هستند که یک پدیده کلی نظیر خودآگاهی چگونه می تواند از شبکه نورونی ما حاصل آید.
یک تیم مجرب از فیزیکدانان دانشگاه بار-ایلان تحت رهبری پروفسور شلومو هاولین و پروفسور روون کوهن از نظریه شبکه بهره جستند تا به بررسی این پیچیدگی پرداخته و مشخص نمایند چگونه ساختار شبکه قشر مغز انسان می تواند از فعالیت خودآگاه و یکپارچگی داده های پیچیده پشتیبانی کند. بخش خاکستری مغز انسان با تصویربرداری MRI اسکن شده و برای ایجاد هزار گره در قشر مغز مورد استفاده قرار گرفت. ماده سفید مغز نیز با تصویر برداری DTI اسکن شده و ۱۵۰۰۰ پیوند ایجاد کرد که باعث وصل شدن گره های شبکه به یکدیگر گردید. در پایان این فرآیند، شبکه ی آنها مشابه ساختار قشر مغز بود.
مطالعات قبلی نشان دادند که قشر مغز شبکه ای، ویژگی های یک دنیای کوچک را داراست، بدان معنا که دارای ساختارهای محلی بسیار و چند میانبر از ساختارهای کلی میباشد که نواحی دور را به یکدیگر وصل می کند (مانند تفاوت میان اتوبوس های محلی و قطار های خارج از جاده ای). علاوه بر این، قشر مغز حاوی مراکز فعالیت متعددی است، این مراکز در واقع گره هایی هستند که تعداد زیادی رشته دارند و پیوند محکمی نیز میان یکدیگر برقرار کرده‌اند. در چنین شرایطی، حرکت میان مسیرهای اطلاعات مغزی به امری سهل تبدیل می گردد.
بر طبق گفته ی “نیر لاهو” یکی از محققان این مطالعه، از یک تحلیل شبکه به نام تجزیه K-shell برای بررسی چگونگی حمایت ساختار شبکه از پدیده های نوظهوری مانند خودآگاهی استفاده شده است. پُر پیوندترین بخش در شبکه مغزی که از بیشترین میزان ارتباط برخوردار است، هسته شبکه نامگذاری شده است. لاهو طی توضیحاتی گفت: « ما در این پروسه با هدف رسیدن به پر ارتباط ترین ناحیه شبکه، به بررسی پوسته های مختلفی در شبکه پرداختیم. تا به امروز دانشمندان فقط نسبت به هسته ی شبکه اظهار علاقه می کردند، ولی ما دریافتیم که این پوسته های مختلف میتوانند اطلاعات ارزشمندی را در خصوص یکپارچه سازی اطلاعات در اختیارمان بگدازند. ما برای نخستین بار می توانیم مدل مکان شناسی جامعی از قشر مغزی مان تهیه کنیم.»
مدل مکان شناسی گویای آن است که هسته ی شبکه ی مغزی شامل ۲۰ درصد از تمامی گره هاست و ۸۰ درصد باقیمانده پیوند محکمی در سرتاسر پوسته های مختلف با یکدیگر دارند. نکته جالب توجه اینجاست که وقتی ما این مدل را با سایر شبکه هایی نظیر اینترنت مقایسه می کنیم، شاهد چندین تفاوت قابل توجه می باشد. برای مثال، تقریبا ۲۵ درصد از گره ها در شبکه اینترنت بصورت مجزا هستند، بدین معنا که آنها به جز هسته با هیچ قشر دیگری ارتباط ندارند. در شبکه قشری، به ندرت گره مجزا یافت می شود. اینطور جلوه می کند قشر مغزی در مقایسه با اینترنت پیوند بیشتری داشته و از بازده بالایی هم برخوردار است.
محققان با بررسی تمامی قشرهای این شبکه موفق به ارائه ی تعریفی برای ساختار سلسله مراتبی شبکه و نحوۀ جریان یافتن اطلاعات در این شبکه شدند. در اثر بررسی ساختار مشخص شد که چگونه قشرهایی با پیوند کمتر به عنوان گره هایی تلقی می شوند که در فعالیت هایی نظیر تشخیص چهره ایفای نقش می کنند. داده ها از آن قسمت به قشرهایی با درجه پیوند زیاد فرستاده می شوند، این قشرها در انسجام بیشتر داده های مغزی نقش دارند. بدین ترتیب، امکان مشاهده نواحی شبکه اجرایی و حافظه ی در حال فعالیت برای ما بدست می آید؛ در نتیجه می توانیم با بهره‌گیری از این نواحی به بررسی مؤلفه ی انجام کار بپردازیم.
سپس اطلاعات یکپارچه به آن ناحیه از گره ها انتقال داده می شود که بیشترین میزان پیوند را به خود اختصاص داده است. لاهو بیان کرد: « این شبکه یک بخش تجمعی به هم پیوسته است که پیوند بسیار شدیدی با خودش داشته و می تواند به دلیل میزان بسیار ساختارهای کلی که دارد، کارها و فعالیت های همه جانبه ای انجام دهد. برای اطلاعات بیشتر به شکل بالا نگاه کنید.
هسته مغزی چه فعالیت های جامع و فراگیری انجام می دهد؟
بر طبق پیشنهاد محققان، پاسخ چیزی به غیر از خودآگاهی نیست. لاهو افزود: « پیوند میان فعالیت مغز و خودآگاهی هنوز به عنوان راز نهفته ی بزرگی باقی مانده است.» فرضیه ای که امروزه به کرات مطرح می شود این است که مغز باید برای ایجاد فعالیت خودآگاهی به یکپارچه سازی اطلاعات مرتبط از نواحی مختلف شبکه بپردازد. بر اساس این نظریه تحت رهبری پروفسور گیولیو از دانشگاه ویسکانسین، اگر میزان این اطلاعات از حد مشخص گذر کند، حالت جدیدی به نام خود آگاهی حاصل می شود. این مدل نشان می دهد که خودآگاهی به یکپارچه سازی اطلاعات و تفکیک اطلاعات بستگی دارد. خودآگاهی توسط یک ساختار شبکه ی مرکزی با ظرفیت بالایی جهت یکپارچه سازی اطلاعات ایجاد می گردد. در این بین، یک سری شبکه های فرعی نیز که حاوی اطلاعات مجزایی هستند بدون اینکه بخشی از ساختار مرکزی باشند، نقش مثبتی ایفا می کنند.
به عبارت دیگر، بخش های مشخصی از مغز نقش بیشتری در بروز خودآگاهی نسبت سایر بخش ها دارند، اما نقش سایر بخش ها نیز غیر قابل کتمان است. محققان نحوه ی برطرف کردن مسائل پیچیده پیرامون نظریات خودآگاهی را توسط هسته و قشرهای مختلف توضیح می دهند. قشرهای مختلف به انجام محاسبات پرداخته و بدون اینکه بخشی از مجموعه خودآگاهی به حساب آیند، به یکپارچه سازی داده ها کمک می کنند. اما هسته اطلاعات مربوطه را از سایر بخش ها دریافت نموده و آنها را توسط ساختار فراگیر به هم پیوسته ای گرد هم می آورد. هسته از این مجموعه خودآگاهی استفاده کرده و به عنوان پلتفرمی برای خودآگاهی ناشی از فعالیت شبکه عمل می کند.
زمانی که محققان نواحی مختلفی را که هسته را تشکیل می‌دهد، مورد بررسی قرار دادند دریافتند که این نواحی قبلا با فعالیت های خودآگاهی در ارتباط بوده‌اند. برای مثال، ساختارهای درون خط میانی مغز که قسمت اعظمی از هستۀ شبکه مغز را شامل می‌شود، با جریان خودآگاهی ارتباط دارند و برخی از پژوهشگران نظیر پروفسور گئورگ نورتهوف از دانشگاه اوتاوا اظهار داشته اند که این نواحی در ایجاد حس نسبت به خودمان دخیل هستند. لاهو می گوید: « ما اکنون به کاربرد این تحلیل در کل مغز نیاز داریم نه فقط در قشر مغزی. زیرا ما درصدد رسیدن به مدل دقیق تری از سلسله مراتب مغز هستیم. این مسئله باید شفاف سازی گردد که دینامیک نورونی چگونه منجر به چنین انسجام فراگیر و در نهایت، خودآگاهی می شود.»
وی در ادامه توضیحاتش افزود: پرسش های عمیق به پاسخ های عمیق نیاز دارند که فقط در فیزیک می توان به آنها دست یافت. فیزیک بر آن است که با ساختن معادلات ریاضی از قوانین پایه طبیعت رونمایی کند. با این معادلات می توان پدیده های طبیعی بی شماری را توصیف کرد. اگر ما حقیقتاً خواهان درک خودآگاهی و نحوه ی عملکرد مغز هستیم، باید معادلات ریاضی مغز و ذهن خودآگاه مان را طراحی کنیم. این امکان هنوز برایمان محقق نشده است. در واقع، ما هنوز فاصله ی بسیار زیادی با این هدف داریم اما پروسه تحقق بخشیدن به آن را کلید زده ایم. جزئیات بیشتر این پژوهش در New Journal of Physics منتشر شده است.
ترجمه: منصور نقی لو
منبع : http://phys.org