ஜப்பானில் உள்ள RIKEN மூளை அறிவியல் மையம் (CBS), டோக்கியோ பல்கலைக்கழகம் மற்றும் லண்டன் பல்கலைக்கழக கல்லூரி ஆகியவற்றின் ஆராய்ச்சியாளர்களுக்கு இடையேயான சர்வதேச ஒத்துழைப்பு, நியூரான்களின் சுய-ஒழுங்கமைப்பின் (Self organized learning in neurons) போது கட்டற்ற ஆற்றல் கொள்கை எனப்படும் கணிதக் கோட்பாட்டைப் பின்பற்றுகிறது என்பதை நிரூபித்தது.
உள்வரும் தகவலை வேறுபடுத்துவதற்கு உண்மையான நரம்பியல் நெட்வொர்க்குகள் எவ்வாறு தன்னிச்சையாக மறுசீரமைக்கப்படுகின்றன என்பதையும், நரம்பியல் உற்சாகத்தை எவ்வாறு மாற்றுவது செயல்முறையை சீர்குலைக்கும் என்பதையும் கொள்கை துல்லியமாக கணித்துள்ளது. இந்த கண்டுபிடிப்புகள் விலங்கு போன்ற செயற்கை நுண்ணறிவுகளை உருவாக்குவதற்கும், பலவீனமான கற்றல் நிகழ்வுகளைப் புரிந்துகொள்வதற்கும் தாக்கங்களைக் கொண்டுள்ளன.
குரல்கள், முகங்கள் அல்லது வாசனைகளுக்கு இடையிலான வித்தியாசத்தை நாம் அறியும்போது, நம் மூளையில் உள்ள நியூரான்களின் நெட்வொர்க்குகள் தானாகவே தங்களைத் தாங்களே ஒழுங்கமைத்துக்கொள்கின்றன. இதனால் அவை உள்வரும் தகவல்களின் வெவ்வேறு ஆதாரங்களை வேறுபடுத்துகின்றன. இந்த செயல்முறை நியூரான்களுக்கு இடையிலான இணைப்புகளின் வலிமையை மாற்றுவதை உள்ளடக்கியது.
மேலும் இது மூளையில் உள்ள அனைத்து கற்றலுக்கும் அடிப்படையாகும். RIKEN CBS ஐச் சேர்ந்த Takuya Isomura மற்றும் அவரது சர்வதேச சகாக்கள் சமீபத்தில் இந்த வகையான நெட்வொர்க் சுய அமைப்பு இலவச ஆற்றல் கொள்கையை வரையறுக்கும் கணித விதிகளைப் பின்பற்றுகிறது என்று கணித்துள்ளனர்.
புதிய ஆய்வில், அவர்கள் இந்த கருதுகோளை எலி கருக்களின் மூளையிலிருந்து எடுக்கப்பட்ட நியூரான்களில் சோதனைக்கு உட்படுத்தினர் மற்றும் சிறிய மின்முனைகளின் கட்டத்தின் மேல் ஒரு கலாச்சார உணவில் வளர்க்கப்பட்டனர். குரல்கள் போன்ற இரண்டு உணர்வுகளை நீங்கள் பிரித்தெடுத்தால், உங்கள் சில நியூரான்கள் குரல்களில் ஒன்றிற்கு பதிலளிப்பதை நீங்கள் காண்பீர்கள், மற்ற நியூரான்கள் மற்ற குரலுக்கு பதிலளிக்கின்றன.
இது நியூரல் நெட்வொர்க் மறுசீரமைப்பின் விளைவாகும். இதை நாம் கற்றல் என்று அழைக்கிறோம். அவர்களின் கலாச்சார பரிசோதனையில், ஆராய்ச்சியாளர்கள் நரம்பியல் வலையமைப்பின் அடியில் உள்ள மின்முனைகளின் கட்டத்தைப் பயன்படுத்தி ஒரு குறிப்பிட்ட வடிவத்தில் நியூரான்களைத் தூண்டுவதன் மூலம் இந்த செயல்முறையைப் பின்பற்றினர். இது இரண்டு தனித்தனி மறைக்கப்பட்ட மூலங்களைக் கலக்கிறது.
100 பயிற்சி அமர்வுகளுக்குப் பிறகு, நியூரான்கள் தானாகவே தேர்ந்தெடுக்கப்பட்டன. சில ஆதாரம் #1 க்கு மிகவும் வலுவாகவும், ஆதாரம் #2 க்கு மிகவும் பலவீனமாகவும் பதிலளிக்கின்றன, மற்றவை தலைகீழாக பதிலளிக்கின்றன. நியூரானின் உற்சாகத்தை உயர்த்தும் அல்லது குறைக்கும் மருந்துகள், முன்பே கலாச்சாரத்தில் சேர்க்கப்படும் போது கற்றல் செயல்முறையை சீர்குலைக்கும்.
பண்பட்ட நியூரான்கள் வேலை செய்யும் மூளையில் நியூரான்கள் என்ன செய்ய நினைக்கிறதோ அதையே செய்கின்றன என்பதை இது காட்டுகின்றது. இந்த வகை சுய-அமைப்புகள் அமைப்பில் உள்ள இலவச ஆற்றலை எப்போதும் குறைக்கும் முறையைப் பின்பற்றும் என்று இலவச ஆற்றல் கொள்கை கூறுகிறது.
நரம்பியல் நெட்வொர்க் கற்றலுக்குப் பின்னால் இந்தக் கொள்கை வழிகாட்டும் சக்தியா என்பதைத் தீர்மானிக்க, குழு உண்மையான நரம்பியல் தரவைப் பயன்படுத்தி அதன் அடிப்படையில் ஒரு முன்கணிப்பு மாதிரியைத் தலைகீழாக மாற்றியது.
பின்னர், அவர்கள் முதல் 10 மின்முனை பயிற்சி அமர்வுகளின் தரவை மாதிரியில் அளித்து, அடுத்த 90 அமர்வுகளைப் பற்றிய கணிப்புகளைச் செய்ய அதைப் பயன்படுத்தினர். ஒவ்வொரு அடியிலும், நியூரான்களின் பதில்கள் மற்றும் நியூரான்களுக்கு இடையிலான இணைப்பின் வலிமை ஆகியவற்றை மாதிரி துல்லியமாக கணித்துள்ளது.
கற்றல் நிகழும்போது காலப்போக்கில் நெட்வொர்க் எவ்வாறு மாறும் என்பதை தீர்மானிக்க நியூரான்களின் ஆரம்ப நிலையை அறிந்துகொள்வது போதுமானது என்பதே இதன் பொருள். “எங்கள் முடிவுகள் இலவச-ஆற்றல் கொள்கை என்பது உயிரியல் நரம்பியல் நெட்வொர்க்குகளின் சுய-ஒழுங்கமைக்கும் கொள்கையாகும்” என்று ஐசோமுரா கூறுகிறார்.
குறிப்பிட்ட உணர்ச்சி உள்ளீடுகளைப் பெறும்போது கற்றல் எவ்வாறு நிகழ்கிறது மற்றும் மருந்துகளால் தூண்டப்பட்ட நெட்வொர்க் உற்சாகத்தில் ஏற்படும் மாற்றங்களால் அது எவ்வாறு சீர்குலைந்தது என்பதை இது கணித்துள்ளது. “இது சிறிது நேரம் எடுக்கும் என்றாலும், இறுதியில், எங்கள் நுட்பம் மனநல கோளாறுகளின் சுற்று வழிமுறைகள் மற்றும் ஆன்சியோலிடிக்ஸ் மற்றும் சைகடெலிக்ஸ் போன்ற மருந்துகளின் விளைவுகளை மாதிரியாக்க அனுமதிக்கும்,” என்கிறார் ஐசோமுரா.
முன்கணிப்பு மாதிரிகளைப் பெறுவதற்கான பொதுவான வழிமுறைகள், உண்மையான நரம்பியல் நெட்வொர்க்குகளைப் போலவே கற்றுக் கொள்ளும் அடுத்த தலைமுறை செயற்கை நுண்ணறிவுகளை உருவாக்கவும் பயன்படுத்தப்படலாம்.
