چه چیزی تعیین میکند که یک سیستم یادگیرنده چه زمانی باید تغییر در پارامترهای اصلی خود را متوقف کرده و معماریاش را تثبیت کند؟ در یادگیری عمیق، ما به زمانبندیهای مصنوعی متکی هستیم: کاهش نرخ یادگیری (learning rate decay)، یا انجماد (freezing) لایههای وزن در حین fine-tuning. ما این کار را برای جلوگیری از فراموشی فاجعهبار (catastrophic forgetting) و تثبیت بازنماییها انجام میدهیم. اما در شبکههای عصبی بیولوژیکی، این فرآیند توسط قفلهای فیزیکی و ساختاری مدیریت میشود. مغز به پنجرههای توسعهای به نام «دورههای بحرانی» (critical periods) متکی است؛ دورههای محدودی در اوایل زندگی که در آن معماری عصبی به شدت نسبت به ورودیهای حسی انعطافپذیر است.
برای دههها، محرک دقیق این قفلهای بیولوژیکی نامشخص بود. مطالعهای از دانشکده پزشکی هاروارد که در نشریه Nature منتشر شده است، نقشه مولکولی این قفل را آشکار میکند و نشان میدهد که هورمون استرس کورتیزول به عنوان یک ساعت بیولوژیکی برای پایان دادن به پلاستیسیته مغزی عمل میکند Neuroscience News. با ردیابی این مسیر، ما به یک چارچوب کارکردی دست مییابیم که نشان میدهد سیستمهای بیولوژیکی چگونه موازنه (trade-off) بین سازگاری و ثبات ساختاری را مدیریت میکنند.
مکانیسم بیولوژیکی: سیگنالهای سیستمی و ساختارهای محلی
برای درک این قفل بیولوژیکی، باید اجزای آن را تعریف کنیم. این مطالعه به رهبری دکتر مایکل گرینبرگ و دکتر برونو گگنبرگ روی قشر بینایی موشهای جوان متمرکز بود Neuroscience News. قرارگیری در معرض نور محیطی، غدد فوق کلیوی را برای ترشح کورتیکوسترون (معادل کورتیزول در جوندگان) تحریک میکند. این هورمون از طریق خون به گیرندههای گلوکوکورتیکوئید روی آستروسیتها میرسد؛ سلولهای ستارهای غیرعصبی که محیط سیناپسی را تنظیم میکنند.
این فعالسازی، زنجیرهای از بیان بیش از ۱۰۰ ژن را در آستروسیتها آغاز میکند. این برنامه ژنتیکی باعث بلوغ سریع ماتریس خارج سلولی و تشکیل ساختارهای فیزیکی سختی به نام «شبکههای دور نورونی» (perineuronal nets) میشود Neuroscience News. این شبکهها مانند یک داربست فیزیکی، سیناپسها را در جای خود قفل کرده و تغییر در اتصالات عصبی را متوقف میکنند. وقتی پژوهشگران این گیرندهها را در موشهای بالغ حذف کردند، این شبکهها تخریب شده و پلاستیسیته دوران جوانی دوباره فعال شد Neuroscience News.
لنز کاربردی: انجماد پارامترها در سختافزار بیولوژیک
از دیدگاه مهندسی سیستمها، این کشف تفاوت ساختاری عمیقی را بین شبکههای عصبی مصنوعی و بیولوژیکی نشان میدهد. در نرمافزار، برای فریز کردن حالت یک مدل، ما مستقیماً وزنهای ریاضی را در حافظه تغییر میدهیم. این یک فرآیند دیجیتال و کاملاً محلی روی پردازنده گرافیکی است.
در بیولوژی، فرمان «انجماد» یک محاسبات سیناپسی محلی نیست، بلکه یک پخش همگانی (broadcast) غدد درونریز در کل سیستم است. کورتیزول به صورت سراسری در خون آزاد میشود، اما فقط در جاهایی اثر میگذارد که گیرندههای آستروسیتی آماده دریافت آن باشند. آستروسیت به عنوان یک مبدل دیجیتال به آنالوگ محلی عمل میکند: سیگنال غددی سراسری را میگیرد و آن را به یک ساختار فیزیکی محلی (شبکه دور نورونی) تبدیل میکند.
این قفل ساختاری کارکردی حیاتی در تکامل دارد. پلاستیسیته مداوم از نظر محاسباتی و مصرف انرژی بسیار پرهزینه است. اگر قشر بینایی ما در بزرگسالی مانند نوزادی منعطف باقی میماند، هر تغییر در نور یا نویز محیطی میتوانست بازنماییهای پایهای ما را بیثبات کند. مغز با اجرای یک عملیات فیزیکی یکبارنوشتن-بارهاخواندن (WORM) روی مسیرهای حسی، کارایی انرژی و پایداری سیستم را در اولویت قرار میدهد.
طراحی سیستمهای تطبیقی در عمل
در حوزه سیستمهای مهندسیشدهای که مستقیماً با یادگیری شناختی یا حرکتی انسان تعامل دارند — مانند سیستمهای توانبخشی شناختی یا رابطهای زیستی — ما همواره به دنبال ایجاد تغییرات ساختاری در مغز بزرگسالان هستیم. در عمل، وقتی این را پیاده میکنی متوجه میشوی که بیشتر نرمافزارهای بالینی با مغز به عنوان یک سیستم صرفاً اطلاعاتی برخورد میکنند؛ با این فرض که تحریک حسی و تکرار بیشتر، به خودی خود باعث انطباق میشود. اما مسیر آستروسیتی کورتیزول به ما یادآوری میکند که یادگیری بیولوژیکی به شدت تحت کنترل زیرساختهای غددی کل بدن است.
این یعنی در تولید و طراحی سیستمهای درمانی، باید مداخلات خود را با وضعیت فیزیولوژیک بیمار هماهنگ کنیم. کورتیزول فقط هورمون استرس نیست، بلکه یک زمانبند شبانهروزی (circadian) است. اگر تلاش کنیم تمرینات حرکتی فشرده را زمانی ارائه دهیم که پروفایل غددی بیمار در حال تقویت پایداری شبکههای دور نورونی است، در حال مبارزه با سختافزار فیزیکی بدن هستیم. سیستمهای تطبیقی مدرن باید با ادغام دادههای بیومتریک مانند نوسان ضربان قلب و چرخههای هورمونی، جلسات تمرینی را در زمانهایی زمانبندی کنند که دروازههای شیمیایی پلاستیسیته در بازترین حالت خود قرار دارند.
شبیهسازی این مکانیزمها، به ویژه در بهینهسازی مدلهای یادگیری عمیق در لبه شبکه (Edge) که نیاز به ثبات ساختاری در شرایط نویز دارند، به ما دیدگاههای جدیدی برای مدیریت حافظه و یادگیری مستمر میدهد.
منابع
- Cortisol Pathway Discovered to Close Early Brain Plasticity - Neuroscience News — Manual / ad-hoc · 2026-06-07