Merenje inteligencije mozga

Globalna povezanost unutar moyga. Izvor: WUSTL/Michael Cole

Ima dosta prepreka da bi se precizno ustanovio nivo inteligencije kod čoveka, ponajviše zbog razumevanja kompleksnosti mozga. Neke od metoda su vrlo jednostavne, ali neke traže malo više truda, kao što je najnovija metoda slikanja mozga (brain imaging).

Istraživači sa Vašington univerziteta u Sent Luisu (Washington University in St. Louis) su pronašli način da odrede 10 posto ličnih razlika u nivou inteligencije. To su uspeli merenjem snage neuronskih veza, posebno onih koje se račvaju od levog prefrontalnog korteksa ka ostatku mozga. Prema istraživačima, taj deo se ponaša kao upravljač ostatku mozga, nadgledajući pojedinačne delove nekog procesa i menja ih ili sređuje, ako je potrebno.

Tokom rada na studiji, istraživači su učesnike izložili mašinama koje sprovode Magnetnu rezonantnu tomografiju (MRT eng. MRI – Magnetic Resoance Imaging), a zatim su im dali zadatke koji podrazumevaju intelektualno angažovanje. Na primer, pokazali su im niz fotografija pitajući ih da li se neka od već viđenih, pojavila ponovo u nizu. Sa dobijenim rezultatima (skeniranja), istraživači su bili u mogućnosti da naprave pojedinačne mape uma učesnika. Dobijene mape su ukazivale na međusobnu povezanost različitih delova mozga i kako oni zajedno sarađuju i funkcionišu („Global Brain Connectivity“).

Vrlo je teško sastaviti objektivne testove inteligencije. Sami naučnici tvrde da treba još da se saznaje i uči o levom lateralnom prefrontalnom korteksu, ali ono što njihov rad iznosi predstavlja još malo spoznaje o ljudskom mozgu.

Otkrivene supstane u krvi koje uzrokuju starenje mozga kod miševa

U naučnom radu, objavljeneom septembra meseca ove godine u časopisu Nature, naučnici su zabeležili neobično otkriće. Prema njihovom istraživanju, pronašli su supstance u krvi miša koje utiču na starenje njegovog mozga, tačnije, čine ga starijim. Po svemu što su otkrili, te supstance sputavaju mozak (kao celoviti organ), da pravi nove nervne ćelije, ko je su važne za procese učenja i pamćenja.

Izvor: Wikicommons

Izvor: STANFORD School of Medicine

Nova hemikalija pretvara mišiji mozak u providni organ, poput stakla

Istraživači razvojne organizacije RIKEN (vodeća organizacija u domenu istraživanja u granicama Japana),  su razvili novi i pomalo neverovatan vodeni reagent koji, bukvalno, čini organsko tkivo transparentnim! Eksperimenti koji koriste fluorescentnu mikroskopiju na uzorcima koji su tretirani sa pomenutim reagentom su objavljeni i časopisu Nature Neuroscinece. Ogled je dao vrlo žive 3D slike neurona i krvnih sudova unutar mozga miša. Reagent je vrlo efikasan i izuzetno jeftin, i predstavlja, skoro, pa idealan metod analize kompleksnih organa i sistema koji održavaju žive organizme.

Naše poimanje organizama i njihovog funkcionisanja je suštinski povezano sa našom mogućnšću da vidimo stvari oko nas. Današnje najmodernije tehnike za prikazivanje biološko-organskog tkiva se suočavaju sa tim ograničavajućim faktorom. Mehaničke metode zahtevaju da uzorci budu isečeni na manje delove da bi bili pregledani. Optičke metode su ograničene probojnom snagom svetlosti, pa često nisu u stanju da prodru dublje od 1 mm u dubinu ispitivanog tkiva. Primenom bilo koje od metoda mi i dalje imam vrlo mali uvid u celokupni izgled posmatranog tkiva.

Dva embriona miša, a jedan od njih je tretiran novom hemikalijom "Scale"

Novi reagent, nazvan Scale, je razvio Atcuši Mijavaki (Atsushi Miyawaki) i njegov tim pri RIKEN institutu za istraživanje mozga. Ova supstanca rešava nedostatke mehaničkih i optičkih metoda primenjujući dve stvari, zajedno, što ni jedna od prethodnih metoda nije uspela. Prva stvar je: učiniti tkivo transparentnim. Scale to čini značajno bolje od ostalih reagenata i to bez uticaja na oblik i proporcije uzorka. Druga važna stvar je: sprečavanje opadanja intenziteta signala koji šalju genetski kodirani fluorescentni proteini unutar tkiva. Oni služe za vizuelno označavanje specifičnih tipova ćelija, unutar tkiva.

Ova kombinacija omogućava svojevrsnu revoluciju u domenu optičke vizualizacije, omogućujući istraživačima da vide fluorescentno označene delove mozga i do dubine od nekoliko milimetara. Sem toga, moguće je detaljno pregledati neuronsku mrežu pri rezoluciji od 1mm (prosečna veličina ćelije u ljudskom organizmu je oko 10mm). Mijavaki i njegov tim su, koristeći Scale, prostudirali neurone unutar mišijeg mozga, sa do sada neviđenim nivoom detalja. Ovo je dalo nova saznanja o kompleksnim mrežama cerebralnog korteksa, hipokampusa i tzv. bele mase (komponenta centralnog nervnog sistema). Početni eksperimenti su iskoristili jedinstvene osobine Scale supstance da bi se prikazala aksonska veza između leve i desne moždane hemisfere i prikazali krvni sudovi u hipokampusu pri do sada neviđenom nivou detalja.

Ova slika pokazuje nervne matične ćelije (zeleno) i krvne sudove kako prolaze kroz providni hipokampus. Zelena boja je posledica signala koji dolazi od fluorescentnih markera.

Međutim, potencijal reagenta Scale je znatno veća. „Naši trenutni eksperimenti su fokusirani na mišiji mozak, ali primene nisu ograničene, ni na miša, ni na mozak.“ Mijavaki objašnjava. „Mi predviđamo upotrebu Scale-a i na drugim organima kao što je srce, mišići, bubrezi i na tkivima koji se mogu naći kod primata ili prilikom ljudske biopsije.“

Uvek gledajući napred Mijavakijev tim ima ispred sebe ambiciozni cilj. „Trenutno ispitujemo jedan drugačiji, mekši (manje invazivan) regent koji bi nam dozvolio da izučavamo biološko-organsko tkivo na isti način, ali sa nešto manjim nivoom prozirnosti. Ovo bi otvorilo mogućnosti za nove eksperimente, koji jednostavno rečeno, nisu bili mogući pre.“

Dodatne ilustracije i objašenjanja možete naći na zvaničnoj internet prezentaciji kompanije RIKEN.

JPG mapa mozga ili kako mozak pamti slike

Svi znamo, da kompjuteri duguju svoje postojanje ljudima. S druge strane, proučavanje kompjutera i njihov razvoj je doveo do mnogih pitanja, na koja čovek možda nikda ne bi potražio odgovore da nije kompjutera.

Da bi smo smo razumeli ko smo i šta smo, ne retko dolazimo u situaciju da prvo potražimo odgovore oko sebe, da bi smo naučili da postavimo pitanja koja će nam pomoći da sebe bolje spoznamo.

Ovaj mehanizam posrednog učenja se dešava stalno, a jedan od primera je način na koji naš mozak izlazi na kraj sa velikim brojem vizuelnih informacija koje prima u toku jednog jedinog dana; da ne pominjemo ceo život.

Još kraće rečeno, kako mi, ZAISTA, pamtimo sve te slike koje nam dolaze?

Priča o pamćenju i skladištenju podatka kreće od kompjutera. Kada neka slika biva sačuvana u datoteku ili fajl (file), ustvari biva pokrenut poseban mehanizam koji optimizuje i smanjuje količinu informacija koje su potrebne da bi se određena slika sačuvala i što je još važnije, verodostojno reprodukovala. Ima puno različitih algoritama, i sve su ih ljudi smislili (značajna opaska), i među njima su najpoznatiji i najviše korišćeni formati koji su pozanti pod skraćenicama JPG i PNG. Tu su i prastari BMP, vremešni GIF i ogromni TIFF, i pored njih, cela galerija algoritama je danas u upotrebi. Svi ti algoritmi su uvek u procepu između kvaliteta (očuvanja verodostojnosti sadržaja – slike) i količine potrebnih podataka da bi se ta verodostojnost sačuvala. Stalno sučeljavanje dvaju osobina: kvaliteta i kvantieta. Svi ti algoritmi su rešenja za kompjutere, jer da nije njih, slanje slika bi, i dan danas trajalo dugo i zahtevalo od nas da budemo jako strpljivi prilikom slanja i prijema e-maila.

Konačno, na osnovu izloženog, uviđemo da se naš mozak nalazi u sličnoj situaciji.. da ne kažemo problemu. Ćelije, u mrežnjači oka, koje su osteljive na svetlost imaju sposobnost razlaganja slike koja se meri megapikselima. Mozak, sa druge strane nema mogućnost, niti memorijsku sposobnost, da tokom životnog veka barata sa slikama takvog formata. Zbog toga, mozak je prinuđen da bira najvitalnije informacije i da na osnovu njih razume vizuelni svet.

U jednom od skorašnjih izdanja časopisa Current Biology (Savremena biologija), tim istrživača predvođen naučnicima Ed Connor i Kechen Zhang sa univerziteta John Hopkins opisuju sledeće zrnce znaja, koje će nam pomoći da bolje razumemo kao mozak skladišti i kompresuje vizuelne informacije (svaka sličnost sa kompjuterima NIJE slučajna).

Istraživanja su pokazala da postoje ćelije u mozgu primata (znači ne samo kod čoveka) koje su vrlo selektivne za delove slike koje sadrže oštre i izražene krivine. Kada se kaže “krivine” ne misli se, samo, na linije nego i na cele oblasti koje se na neki način, izuzetno, izdvajaju od ostatka slike (još jedno značajno primećivanje). Oblast mozka gde se nalaze te ćelije je označena sa oznakom “V4” i nalazi se u središnjem delu zone mozga koja je zadužena za obradu slike. Prostije rečeno, negde na pola puta od oka do mozka, dobijene informacije se filtriraju, gde je parametar po kome se filtrira, ustvari, podatak o krivama koje sačinjavaju sliku. Za te ćelije, ravne ivice i blage krivine uopšte nisu zanimljive, samo oštro i ćoskasto.

Imajući ovo sazanje ispred sebe, istraživači i jedan od koautora Russell Rasquinha su razvili kompjuterski model ćelija iz zone V4. Ove ćelije su pažljivo “trenirane” na hiljadama slika koje pokazuju razne objekte iz prirode. Posle pregledanja neke slike, od ćelija je traženo da prizovu nazad sliku, koju su do malo pre “gledale” (nije rečeno kako je tačno rađeno). Kompjuterske V4 ćelije su regovale sasvim suprotno od prirodnih, njima su se više svidele ravne ivice i blage i plitke krive!

Međutm, broj veštačkih ćelija koje su učestvovale u procesu rekonstrukcije slike nije bio ograničen. Sledeća faza eksperimenta je tražila da se broj ćelija zančajno smanjuje,  pri svakom novom “skeniranju” slike. Što je broj aktivnih ćelija više opadao, to je njihova selektivnot sve više naginjala kao oštrom i ćoškastom aspektu slike. Znači, modelirane V4 ćelije nisu loše odrađene, samo su imale bolju poziciju od prirodnih. Čim su se uslovi izjerdnačili, i jedne i druge su reagovale na isti način.

U redu, i šta je toliko značajno kod tih oštrih krivina?

Oštrina ili oštra linija je nekoliko puta ređa u prirodi nego ravna linija ili blaga krivina. Koristeći oštrinu, kao kritični element prepoznavanja i reporodukovanja objekta, u vizuelnom smislu, čuvanje slike biva znatno ekonomičnije. Izuzetnost je uvek više privlačila pažnju nego, na široko, prisutna običnost.

“U sadašnjem trenutku, kompjuteri nas pobeđuju u šahu i bolje rešavaju određene matematičke probleme nego mi, međutim, i dalje nam ne mogu prići u sposobnosti razlikovanja, prepoznavanja, razumevanja, sećanja i manipulacije objekata koji čine naš svet.”, podcrtava Connor.

Ova prednost je postignuta zahvaljujući ljudskoj sposobnosti da dobijene informacije kondenzuje na nivo prepoznavanja i praćenja, umesto čuvanja celokupne informacije. Kompjuterski gledano, čovekov mozak je i dalje najbolji algoritam za kompresiju vizuelnog podatka.

Neko će reći da je to sasvim prirodna stvar, jer kada muškarac vidi određene “krivine”, naravno da je odmah jasno, ko je tu izuzetan a ko ne… i.. ako mislite da žene nemaju oko za “krivinu”, grdno se varate, znaju one šta treba da bude krivo i šta pravo. Znaju one to i bez kompjutera…