Sinirsel öngörü işlemenin ayrışması

Beyin Geleceğe Nasıl Bahis Yapar

Her an beyniniz sessizce bir sonraki olayı tahmin eder—eliniz bir kapı koluna dokunduğunda nasıl hissedeceği, adımlarınızın hangi sesi çıkaracağı veya bir cümlede hangi kelimenin gelme olasılığı gibi. Tahmin yanlış çıktığında, şaşkınlık öğrenmenize yardımcı olur. Bu çalışma bu süreç hakkında derin bir soruyu gündeme getiriyor: salt tahmin yapan özel sinir hücreleri mi vardır ve başka hücreler yalnızca şaşkınlık sinyali mi gönderir, yoksa bu görevler daha demokratik bir şekilde mi dağılır? Matematiksel modeller ve fare beyni kayıtları kullanarak yazarlar, tahmin ve şaşkınlığın önce düşünüldüğünden çok daha iç içe geçtiğini gösteriyorlar.

Beyinleri Tahmin Makinaları Olarak Görmek

Sinirbilimciler giderek beynin beklentilerini duyulardan gelen gerçek bilgiyle sürekli karşılaştıran bir tahmin makinası olduğunu düşünüyor. Dünya beklendiği gibi davrandığında birçok duyusal alandaki aktivite baskılanır; beklenmeyen bir olay gerçekleştiğinde ise bazı hücreler daha güçlü yanıt vererek araştırmacıların “tahmin hatası” dediği durumu üretir. Önceki teoriler gelen görsel ve işitsel bilgileri temsil eden bir grup nöron ile hataları hesaplayan ayrı bir grup arasındaki düzgün bağlantı şemalarını öne sürmüştü. Ancak çoğu deney çok basit durumları test etmişti—örneğin bir sesin bir hareketi öngörmesi—oysa doğal davranışlarda baskın olan çoklu, karmaşık ilişkiler bundan çok daha farklıdır.

Yoğun Bir Duyusal Dünyayı Benzetimlemek

Daha gerçekçi durumları keşfetmek için yazarlar aynı anda birçok farklı duyusal ve motor sinyal alan büyük bir beyin devresinin bilgisayar modelini kurdular. Model, tekrar eden maruziyet yoluyla hangi olay kombinasyonlarının birlikte olma eğiliminde olduğunu öğreniyor—tıpkı bir hayvanın belirli bir hareketin genellikle belirli bir sesi ürettiğini öğrenmesi gibi. Kritik olarak, model içsel tahminler oluşturacak şekilde tasarlandı ve aynı zamanda toplam aktivitesini ekonomik tutarak beynin enerjiyi verimli kullanma gereksinimini yansıttı. Öğrenme ilerledikçe, simüle edilen nöronlar beklenen eşleşme olduğunda yanıtlarını bastırmayı, öngörülen eşin eksik olduğu durumlarda ise daha güçlü yanıt vermeyi öğrendiler; bu, fare deneylerinde görülenleri yansıtıyor.

Şaşkınlık Tek Bir Kutuda Değil, Her Yerdedir

Araştırmacılar modelin “nöronlarını” ayrıntılı biçimde incelediklerinde, hücrelerin temiz bir şekilde tahmin hücreleri ve hata hücreleri olarak ayrılmadığını keşfettiler. Bir olay çiftindeki uyumsuzluğu işaret eden bir nöron, başka bir çift için basit bir duyusal raporlayıcı gibi davranabiliyordu. Model daha fazla ve daha farklı eşleşmeyi öğrendikçe bu karışım daha da yaygınlaştı ve tamamen “yalnızca hata” üreten nöronlar nadirleşti. Yazarlar daha sonra farelerin işitsel korteksinden kayıtlara baktılar; hayvanlar bir kolu ittiğinde belirli bir tonu bekliyor, ancak bazen değiştirilmiş sesler sunuluyordu. Çok sayıda nöron arasındaki yanıt desenleri modelin öngördüğü aynı karışımı gösterdi ve gerçek beyinlerde tahmin ile hata rolleri arasında düzenli bir ayrımı desteklemedi.

Uyarılma, Baskılama ve Karmaşıklığın Dengelenmesi

Çalışma ayrıca devre içindeki uyarılma ve baskı dengesinin tahmini nasıl şekillendirdiğini inceliyor. Model her nöronun girdisini iki bölüme ayırıyor: doğrudan duyusal sürücü ve tahminleri taşıyan diğer nöronlardan gelen içsel geri besleme. Bu iki etki neredeyse birbirini iptal ettiğinde sistem “dengeli” hale geliyor ve küçük uyumsuzluklar daha belirginleşiyor. Yazarlar, bu dengenin optimal ve çok sıkı olmayan bir düzeye sahip olduğunu buluyorlar. Öğrenilen farklı ilişki sayısı arttıkça, en iyi performans gösteren devreler aslında daha gevşek dengelenmiş hale geliyor; bu da birçok örtüşen tahmin arasında girişimi önlemeye yardımcı oluyor. Modeli belirgin uyarıcı ve inhibitör hücreleri içerecek şekilde ve kortikal derinliği andıran katmanlar halinde genişlettiklerinde, tahminle ilgili sinyallerin tek bir özel yerde değil hücre tipleri ve katmanlar arasında dağıldığını gösteriyorlar.

Düşünceyi Anlamada Bunun Önemi

Günlük yaşamda aynı anda sesler, görüntüler ve hareketlerle ilgili sayısız beklentiyi idare ediyoruz. Bu çalışma, beyinlerin böyle zengin bir tahmini, görevleri esnekçe paylaşan ve sorumluluğu birçok nörona dağıtan bir yapı ile desteklediğini; katı uzman hücrelere ya tahmin ya da hata rolü atamak yerine bunu yaptığını öne sürüyor. Ayrıca uyarıcı ve inhibitör sinyaller arasındaki dikkatle ayarlanmış ama aşırı katı olmayan bir dengenin, bu devrelerin çok sayıda ilişkiyi kararlı kalırken işlemesine izin verdiğini vurguluyor. Modelleme ve deneylerin bir arada sunduğu bulgular, öngörüsel işlemenin tek bir yerleşik koddan ziyade son derece dağıtılmış, uyum sağlayabilen bir kod olduğuna dair bir görüntü sunuyor—bu da beyinlerin karmaşık ve sürekli değişen bir dünyanın iç modellerini nasıl kurduğunu anlamaya yardımcı olabilir.

Atıf: Wang, B., Audette, N.J., Schneider, D.M. et al. Desegregation of neuronal predictive processing. Nat Commun 17, 3919 (2026). https://doi.org/10.1038/s41467-026-70347-w

Anahtar kelimeler: öngörüsel işleme, sinir devreleri, duyu tahmini, uyarıcı-önleyici denge, sinir ağı modelleri