Zeka ve Karar Verme arasındaki ilişki araştırılıyor…
BIH ve Charité—Universitätsmedizin Berlin’deki araştırmacılar, Barselona’dan bir meslektaşıyla birlikte, şaşırtıcı bir bulguya ulaştılar: Zeka puanı yüksek olan katılımcılar, düşük IQ puanına sahip deneklere göre zor sorunları çözmek için daha uzun sürerken, basit görevleri yerine getirirken yalnızca daha hızlılar.
650 denekten oluşan kişiselleştirilmiş beyin simülasyonlarını kullanarak, alanlar arasında düşük senkronizasyona sahip beyinlerin “sonuçlara atlama” eğiliminde olduğunu, oysa daha yüksek puan alan bireylerin beyinlerinin daha uzun sürdüğünü ancak daha az hata yaptığını gözlemlediler.
Bu bulgular, beyin işlevi anlayışımızı önemli ölçüde etkileyebilir ve nörodejeneratif hastalıkların tedavisinde uygulanabilir.
Araştırmacılar, daha yüksek IQ’lu insanların basit görevleri çözerken daha hızlı, ancak karmaşık problemlerle uğraşırken daha yavaş olduğunu keşfettiler.
Araştırma, Human Connectome Projesi’nden 650 katılımcının kişiselleştirilmiş beyin simülasyonlarına dayanıyordu. Bulgular, nöronlardaki uyarılma-inhibisyon dengesinin karar verme ve problem çözme yeteneklerini etkilediğini gösteriyor.
Kaynak: BIH
Zeki insanlar daha mı hızlı düşünür?
BIH ve Charité—Universitätsmedizin Berlin’deki araştırmacılar, Barselona’dan bir meslektaşıyla birlikte, şaşırtıcı bir bulguya ulaştılar: Zeka puanı yüksek olan katılımcılar, düşük IQ puanına sahip deneklere göre zor sorunları çözmek için daha uzun sürerken, basit görevleri yerine getirirken yalnızca daha hızlılar.
Neuroscience News’in yer verdiği habere göre 650 katılımcının kişiselleştirilmiş beyin simülasyonlarında araştırmacılar, beyin bölgeleri arasında senkronizasyonu azalmış beyinlerin, karar verirken üst beyin bölgelerinin sorunu çözmek için gereken işleme adımlarını tamamlamasını beklemek yerine kelimenin tam anlamıyla “sonuçlara atladığını” belirleyebildiler.
Aslında, daha yüksek puan alan katılımcılar için beyin modelleri de zorlu görevleri çözmek için daha fazla zamana ihtiyaç duydu ancak daha az hata yaptı.
Bilim adamları şimdi bulgularını Nature Communications dergisinde yayınladılar.
İnsan beyninde 100 milyar kadar nöron vardır. Her biri tahminen 1.000 komşu veya uzak nörona bağlıdır. Bu anlaşılmaz ağ, beynin inanılmaz yeteneklerinin anahtarıdır, ama aynı zamanda beynin nasıl çalıştığını anlamayı bu kadar zorlaştıran da budur.
Charité Berlin Sağlık Enstitüsü’nde (BIH) ve Charité Nöroloji ve Deneysel Nöroloji Bölümü’nde (Universitätsmedizin Berlin) Beyin Simülasyon Bölümü başkanı Prof. Petra Ritter, bilgisayarları kullanarak insan beynini simüle ediyor.
Mevcut projeyi anlatırken, “Beynin karar alma süreçlerinin nasıl çalıştığını ve farklı insanların neden farklı kararlar aldığını anlamak istiyoruz” diyor.
Kişiselleştirilmiş beyin modelleri
İnsan beyninin mekanizmalarını simüle etmek için Ritter ve ekibi, manyetik rezonans görüntüleme (MRI) gibi beyin taramalarından elde edilen dijital verilerin yanı sıra biyolojik süreçlerle ilgili teorik bilgilere dayalı matematiksel modeller kullanıyor.
Bu başlangıçta “genel” bir insan beyni modeliyle sonuçlanır. Bilim adamları daha sonra, bireysel insanlardan alınan verileri kullanarak bu modeli geliştiriyor ve böylece “kişiselleştirilmiş beyin modelleri” yaratıyor.
Bu çalışma için bilim insanları, Eylül 2010’dan bu yana insan beynindeki nöral bağlantıları inceleyen bir ABD girişimi olan Human Connectome Project’in 650 katılımcısından alınan verilerle çalıştı.
Ritter, “Karar vermeyi etkileyen ve bir kişinin sorunları çözmesini az ya da çok sağlayan, nöronların doğru uyarılma-engelleme dengesidir” diye açıklıyor. Ekibi, katılımcıların kapsamlı bilişsel testlerde nasıl ilerlediğini ve IQ puanlarının ne olduğunu biliyordu.
Yapay beyinler biyolojik muadilleri gibi davranır
Ritter, “Bireysel beyinlerin aktivitelerini çok verimli bir şekilde yeniden üretebiliriz” diyor.
“Süreçte, bu in silico beyinlerin birbirinden farklı ve biyolojik muadilleriyle aynı şekilde davrandığını öğrendik. Sanal avatarlarımız, biyolojik analoglarının entelektüel performansına ve tepki sürelerine uyuyor.”
İlginç bir şekilde, hem insanlardaki hem de modellerdeki “daha yavaş” beyinler birbirleriyle daha senkronize, yani zaman içindeydi. Bu daha büyük eşzamanlılık, frontal lobdaki nöral devrelerin, daha az koordineli olan beyinlere göre kararları daha uzun süre geciktirmesine izin verdi.
Modeller, azalan zamansal koordinasyonun, karar verme için gerekli olan bilgilerin ne ihtiyaç duyulduğunda mevcut olmadığı ne de çalışan bellekte depolanmadığı sonucunu ortaya çıkardı.
Kanıt toplamak zaman alır ve doğru kararlara götürür
Dinlenme durumundaki fonksiyonel MRI taramaları, daha yavaş çözenlerin beyin bölgeleri arasında daha yüksek ortalama fonksiyonel bağlantıya veya zamansal senkronizasyona sahip olduğunu gösterdi.
650 katılımcının kişiselleştirilmiş beyin simülasyonlarında, araştırmacılar, işlevsel bağlantısı azalmış beyinlerin, karar verirken, yukarı akış beyin bölgelerinin sorunu çözmek için gereken işleme adımlarını tamamlamasını beklemek yerine, kelimenin tam anlamıyla “sonuçlara atladığını” belirleyebildiler.
Katılımcılardan bir dizi modelde mantıksal kuralları belirlemeleri istendi. Bu kurallar her görevde giderek daha karmaşık hale geldi ve bu nedenle deşifre edilmesi daha zor hale geldi. Günlük terimlerle, kolay bir görev, kırmızı ışıkta hızlı bir şekilde fren yapmaktan oluşurken, zor bir görev, bir yol haritası üzerinde en iyi rotayı metodik olarak çalışmayı gerektirir.
Modelde, bir karara dahil olan farklı nöral gruplar arasında, hakkında daha güçlü kanıtların hakim olduğu nöral gruplarla, kazanan hepsini alır rekabeti gerçekleşir.
Yine de karmaşık kararlar söz konusu olduğunda, bu tür kanıtlar genellikle hızlı karar vermek için yeterince açık değildir ve sinir gruplarını hemen sonuçlara varmaya zorlar.
Araştırmanın baş yazarı ve Ritter’in laboratuvarında bir bilim adamı olan Michael Schirner, “Senkronizasyon, yani beyindeki işlevsel ağların oluşumu, çalışan belleğin özelliklerini ve dolayısıyla uzun sürelere karar vermeden ‘dayanma’ yeteneğini değiştirir” diye açıklıyor. .
“Daha zorlu görevlerde, diğer çözüm yollarını keşfederken önceki ilerlemeyi çalışma belleğinde saklamanız ve ardından bunları birbirinize entegre etmeniz gerekir. Belirli bir çözüm için kanıtların toplanması bazen daha uzun sürebilir, ancak daha iyi sonuçlara da yol açar.
“Modeli, tüm beyin ağının küresel seviyesinde uyarılma-inhibisyon dengesinin bireysel nöral grupların daha ayrıntılı bir seviyesinde karar vermeyi ve çalışma belleğini nasıl etkilediğini göstermek için kullanabildik.”
Bulgular tedavi planlaması için ilginç
Ritter, bilgisayar tabanlı “beyin avatarlarında” gözlemlenen sonuçların “gerçek” sağlıklı deneklerde görülen sonuçlarla eşleşmesinden memnun. Ne de olsa asıl ilgi alanı, demans ve Parkinson hastalığı gibi nörodejeneratif hastalıklardan etkilenen hastalara yardım etmektir.
“Bu çalışmada kullanılan simülasyon teknolojisi önemli ilerlemeler kaydetti ve cerrahi ve ilaç müdahalelerinin yanı sıra terapötik beyin stimülasyonunun kişiselleştirilmiş in silico planlamasını geliştirmek için kullanılabilir.
“Örneğin, bir doktor, hangi müdahalenin veya ilacın belirli bir hasta için en iyi sonucu verebileceğini ve en az yan etkiye sahip olacağını değerlendirmek için zaten bir bilgisayar simülasyonu kullanabilir.”
Yazar: Stefanie Seltmann
Kaynak: BIH
İletişim: Stefanie Seltmann – BIH
İçerik: Neuroscience News
