בכל פעם שאתם תופסים כדור, מבחינים במכונית חולפת או פשוט צופים בעלים המתנפנפים ברוח, מערכת הראייה שלכם פותרת בשקט בעיה קשה: מתוך מערבולת של דפוסי אור משתנים על הרשתית, עליה להבין לאיזה כיוון דברים נעים. במשך עשורים מדענים הסתמכו על כמה תיאוריות קלאסיות כדי להסביר כיצד תאי עצב מזהים תנועה. המחקר הזה משתמש בלמידת מכונה בהשראה ביולוגית כדי לשאול שאלה נועזת יותר: האם קיימות דרכים רבות יותר בעזרת מעגלים עצביים פשוטים לחוש תנועה ממה שדמיינו עד כה?
רעיונות קלאסיים על ראיית תנועה
עבודות מוקדמות על ראיית תנועה הציעו שתאים הרגישים לכיוון פועלים כמחשבים זעירים של תזמון. באחת הסכמות המסורתיות, משווים קלטים מנקודות סמוכות במרחב אחרי שאחד מהם מעוכב, כך שאותות הנעים בכיוון המועדף מגיעים יחד ומתוספים, בעוד שתנועה בכיוון ההפוך לא עושה זאת. מודל קלאסי אחר משווה בין תרגום מהיר מעורר לעיכוב מעכב מצד הנגדי של שדה הקליטה של התא, ומבטל תגובות לתנועה בכיוון הבלתי-מועדף. מנגנונים אלה, אף על פי שהיו בעלי השפעה רבה, מתמקדים בעיקר בהבדלים בזמן ומשאירים פתוח האם תכסיסים מעגליים אחרים יכולים להשיג את אותה תוצאה.
להניח לאבולוציה לחפש את מרחב המעגלים Figure 1.
כדי לחקור שאלה זו, המחבר בנה מודלים ממוחשבים מפורטים של תאים ברשתית ובקליפה הוויזואלית ואז הקים חיפוש אבולוציוני. מתחילים מחיווט אקראי ותכונות סינפטיות אקראיות, אלגוריתם גנטי השמיד וחיקה באופן חוזר פרמטרי מעגל ובחר את המודלים שהצביעו בצורה הטובה ביותר על כיוון נכון של מוטות נעים וגרטינגים נעים. באופן חשוב, תאי הקלט הפרסינפטיים שהזינו את גלאי התנועה עצמם לא היו סלקטיביים לכיוון; רק הארגון והדינמיקה הקולקטיביים שלהם יכלו להוליד פלטים מכוּוונים. חקר אוטומטי זה חשף פריסות מעגל שונות רבות שהתחרו עם או עלו על ביצועי המודלים הקלאסיים, וכל זאת תוך שמירה על מגבלות ביולוגיות ריאליסטיות שמקורן באנטומיה ופיזיולוגיה.
דרכים רבות לאותו חוש תנועה
החיפוש גילה שוני פשוט בפריסת המרחב של הקלטים יכול ליצור התאמה חזקה לכיוון גם כאשר התזמונים שלהם זהים. למשל, סידור של תאים פרסינפטיים כך ששדות הקליטה שלהם גדלים בהדרגה או מסתובבים בכיוון לאורך ציר התנועה המועדף יכול לגרום לתגובות שלהם להסתנכרן בזמן עבור תנועה בכיוון אחד אך לא בכיוון ההפוך. אזורים סביביים המדכאים את תגובת התא התגלו כחזקים אף הם: על ידי שינוי עוצמה, גודל או מהירות ההקפה של אזורים אלה בין הקלטים, המודל יכול לייצור חלונות זמן מדויקים שבהם האותות מסתנכרנים רק בזמן תנועה בכיוון המועדף. אפילו משקלים סינפטיים לא שווים, עם פילטרי קלט זהים, איפשרו למעגלים להפוך לסלקטיביים לכיוון, אם כי אסטרטגיה זו עבדה פחות היטב מאשר אלה שניצלו מבנה שדה הקליטה.
בלוקים חישוביים חבויים של מעגלי תנועה Figure 2.
למרות המגוון המבלבל של מעגלים מוצלחים, ניתן לעדן את התנהגותם לקבוצת "פרימיטיבים חישוביים" קטנה — בלוקים אלגוריתמיים שניתנים לשימוש חוזר. חלקם תאמו את סכמות הדחייה-והשוואה והסכמה המבוססת על עיכוב הידועות. אחרים היו חדשים, כגון מנגנונים שתלויים בהתאמת שיאי תגובות של מספר קלטים בזמן באמצעות אינטראקציות מרחביות וסביבתיות, או סכמות שבהן הפסקות בעיכוב או שינויים בעוצמת התגובה נושאות את האות הכיווני. כשנוספו קלטים מעכבים, הופיעו וריאנטים נוספים, כולל צורה "אנטי" של מודל העיכוב המסורתי ודפוסים שבהם העיכוב צונח זמנית ברגע הקריטי כדי לאפשר להתרגשות לבלוט. פרימיטיבים אלה הופיעו לא רק במודלים מפורטים של תאי גנגליון ברשתית אלא גם בתאי פירמידה קורטיקליים ובמעגלי צעצוע מצומצמים עם שני קלטים, מה שמראה שהם אינם תלויים בסוג תא מסוים או בתוכנית חיווט נתונה.
חישת תנועה עמידה בעולם רועש
המחקר חקר גם כיצד מנגנונים אלה מתנהגים כאשר התנועה לא מסודרת, כפי שבמציאות מהירויות משתנות בצורה לא צפויה. מעגלים שהתבססו על שינויים בגודל שדות הקליטה של הקלטים, במיוחד באזוריהם המרכזיים, היו מפתיעים בעמידותם: הם המשיכו לאותת את כיוון התנועה באופן מדויק גם כאשר הגירוי המהירות שלו התחלפה באקראי והשתנתה. לעומת זאת, מודלים שהתבססו בעיקר על הבדלים דקים בתכונות ה״סביבה״ או על יחסי תזמון עדינים נטו לאבד את הסלקטיביות באותן תנאים. הדבר מצביע על כך שחלק מהאסטרטגיות החדשות שנחשפו עשויות להתאים במיוחד לתפיסה אמינה של תנועה בסצנות טבעיות.
מה המשמעות של זה להבנת המוח
על ידי מתן חופש ללמידת מכונה לחקור כיצד מעגלים עצביים פשוטים עשויים לזהות תנועה, עבודה זו מראה שהמוח אינו מוגבל לטריק אחד או שניים לחישה של תנועה. במקום זאת, פריסות מעגליות נפרדות רבות מתכנסות למספר קטן של רעיונות חישוביים בסיסיים שניתן לממש ברכיבים ביולוגיים ריאליסטיים. עבור קוראים שאינם מומחים, המסקנה היא שגילוי תנועה במוח גמיש יותר ומאורגן בצורה אלגנטית יותר ממה שסברנו: קבוצת פעולות ליבה קטנה, המיושמת ומושלבת שוב ושוב, יכולה להסביר מגוון רחב של תאים רגישי תנועה ברחבי אזורים ומינים שונים של המוח.
ציטוט: Poleg-Polsky, A. Machine learning discovers numerous new computational principles supporting elementary motion detection.
Nat Commun17, 3424 (2026). https://doi.org/10.1038/s41467-026-70288-4
מילות מפתח: גילוי תנועה, סלקטיביות כיוונית, מעגלים עצביים, רשתית וקליפה מוחית, למידת מכונה בניורו-מדע
