Компьютерная модель объясняет, как мозг учится категоризировать

«Категоризация жизненно важна для выживания, например для отделения еды от несъедобных вещей, а также для формирования концепций, например« собака против кошки », и отношений между концепциями, таких как иерархическая классификация животных», — говорит автор Сяо-Цзин. Ван, профессор нейронных наук, физики и математики Нью-Йоркского и Шанхайского университетов. «Предлагаемая нами модель может объяснить только категориальное обучение простых визуальных стимулов. Необходимы дальнейшие исследования, чтобы выяснить, применимы ли общие принципы, извлеченные из этой модели, к более сложным категоризациям».Ван проводил исследование с Татьяной Энгель, научным сотрудником на момент исследования, и Джа Чайзангмонгконом, докторантом его группы, в сотрудничестве с экспериментатором Дэвидом Фридманом, нейробиологом из Чикагского университета.

Фридман ранее разработал поведенческую парадигму для исследования электрической активности одиночных нейронов, которая коррелирует с категориальной принадлежностью зрительных стимулов.В этой модели нейронной цепи, которая включает в себя то, что мы знаем об организации и нейрофизиологии коры головного мозга, нейронные цепи нижнего уровня отправляют информацию о зрительных стимулах в нейронную цепь более высокого уровня, где функция аналогового стимула (например, направление случайного паттерн движущихся точек) подразделяется на двоичные категории (A или B). Результаты исследователей показали, что модель охватила широкий спектр экспериментальных наблюдений и дала конкретные прогнозы, которые были подтверждены анализом электрической активности отдельного нейрона, записанной в эксперименте по категориальному обучению.Интересно, что исследователи обнаружили, что изучение правильной границы категории (разделение непрерывного признака на A и B) требует проекции обратной связи сверху вниз от нейронов, выбирающих категорию, на нейроны, кодирующие признаки.

Начиная с новаторских работ Дж. Энтони Мовшона из Нью-Йоркского университета, Уильяма Ньюсома из Стэнфорда и других, было хорошо известно, что сенсорные нейроны с кодированием признаков отражают выбор животного в отношении категориальной принадлежности (A или B) стимула вероятностным способом (количественно определенным). как «вероятность выбора»).

Распространенное мнение заключалось в том, что это связано с тем, что на выбор категории влияет стохастическая или случайная активность сенсорных нейронов по восходящим путям от сенсорных к категории.Новая модель, описанная в статье Nature Communications, предлагает новую интерпретацию, а именно, что такая «вероятность выбора» является результатом передачи сигналов «сверху вниз» от категории к сенсорной.

Исследователи отмечают, что это открытие предлагает новое понимание проекций обратной связи в мозгу, функциональное значение которых ранее было давней загадкой.