برخی از فرمولهای ریاضی این مقاله در مرورگر شما قابل نمایش نیستند.
میخواهم در این یادداشت دقیقاً بر یک موضوع متمرکز شوم: دستاورد واقعی گوستاو دکو (Gustavo Deco) و مورتن کرینگلباخ (Morten L. Kringelbach) در کتاب «مدلسازی کلمغز: نقشهبرداری از پویاییهای ذهن» چیست. قصد ندارم مروری جامع بر این حوزه ارائه دهم یا این یادداشت را به بهانهای برای پرداختن به پروژههای خودم تبدیل کنم. تلاش من این است که با زبانی دقیق اما روان توضیح دهم چرا رویکرد آنها در مدلسازی مغز، یک دستاورد علمی تراز اول و واقعی به شمار میرود.
اجازه دهید با مسئلهای آغاز کنیم که آنها درصدد حل آن بودند. مغز انسان از حدود ۸۶ میلیارد نورون تشکیل شده است. مدلسازی تکتک این نورونها کار بیهودهای است؛ چراکه چنین مدلی در نهایت به اندازهی خود مغز پیچیده و غیرقابلفهم خواهد شد. دهههاست که علوم اعصاب میان دو قطب افراطی نوسان میکند: مدلهای فوقالعاده جزئینگر از تکنورونها که از تبیین عملکردهای شناختی عاجز بودند، و نظریههای انتزاعی شناختی که هیچ تماسی با واقعیتهای زیستشناختی نداشتند. هنر اصلی دکو و کرینگلباخ یافتن سطح توصیف بهینه در این میانه است.
ایده اصلی: مغز به مثابه یک سیستم پویا
فرض بنیادی آنها این است که مغز را نباید مانند کامپیوتری در نظر گرفت که مشغول اجرای الگوریتمهاست؛ بلکه مغز یک سیستم پویا (Dynamical System) است — مجموعهای از اجزای متقابل که وضعیت آنها در طول زمان بر اساس چند قاعدهی کلی تحول مییابد. بهطور مشخصتر، آنها کل مغز را به عنوان شبکهای از نوسانگرهای جفتشده (Coupled Oscillators) مدلسازی میکنند.
دستورالعمل کار ساده و سرراست است:
۱. تقسیمبندی مغز به نواحی مشخص: با استفاده از یک اطلس مغزی (Parcellation)، قشر مخ و ساختارهای زیرقشری به چندصد ناحیه تقسیم میشوند. هر ناحیه حکم یک گره (Node) را در مدل پیدا میکند. ۲. اتصال گرهها بر اساس آناتومی واقعی: مسیرهای فیبر فیزیکی که این نواحی را به هم پیوند میدهند، در انسانهای زنده با استفاده از تصویربرداری پخشی (DTI) اندازهگیری میشوند. حاصل این کار یک ماتریس اتصال ساختاری است؛ نقشهای دقیق از این که چه نواحیای، با چه شدتی با یکدیگر در ارتباط هستند. ۳. تخصیص دینامیک موضعی به هر گره: هر ناحیه مانند یک نوسانگر کوچک رفتار میکند که در حالت انزوا، یا آرام باقی میماند یا رفتاری نوسانی و ریتمیک در پیش میگیرد. گذار میان این دو حالت توسط یک پارامتر کنترل میشود که به آن نقطه دوشاخگی (Bifurcation) میگویند. ۴. جفتشدگی و تنظیم یکپارچه: یک متغیر تکمقدار به نام جفتشدگی سراسری ، تعیین میکند که گرههای مختلف با چه شدتی از طریق این سیمکشی آناتومیک بر یکدیگر اثر میگذارند.
دینامیک موضعی این گرهها معمولاً با استفاده از مدل هاپف (Hopf Model) فرمولبندی میشود. برای یک گرهی مفروض مانند گرهی ، معادله به شکل زیر است:
اجازه ندهید این نمادها شما را مرعوب کنند. متغیر نشاندهندهی وضعیت گرهی است. پارامتر تعیین میکند که آیا این ناحیه در حالت سکون است یا نوسان — این همان دکمهی تنظیم دوشاخگی است. متغیر فرکانس طبیعی نوسان آن ناحیه است. جملهی میانی نشاندهندهی تأثیرات دریافتی از سایر نواحی متصل است که با ساختار آناتومیک و ضریب جفتشدگی سراسری مقیاسبندی شده است. جملهی پایانی نیز نمایانگر نویز زیستی در سیستم است. کل مدل همین است: چند قاعدهی محلی ساده، سیمکشی آناتومیک واقعی و اندکی تصادفیبودن.
چرا این یک دستاورد واقعی است؟
بخش شگفتانگیز ماجرا — که هستهی اصلی کار آنها را تشکیل میدهد — این است که وقتی پارامتر جفتشدگی سراسری را روی مقدار بهینه تنظیم میکنید، شبکهی شبیهسازیشده به شکل خودبهخودی الگوهای فعالیتی در مقیاس بزرگی را بازتولید میکند که ما در مغزهای واقعی با استفاده از fMRI ثبت میکنیم. اتصالات عملکردی (Functional Connectivity)، شبکههای حالت استراحت (Resting-State Networks) و نوسانات کند، همگی بدون مداخلهی دستی مستقیم، از دل مدل بیرون میآیند.
ارزش واقعی کار در همینجاست. ترکیب چند ناحیه، آناتومی واقعی، نوسانگرهای ساده و یک پارامتر سراسری برای بازآفرینی هماهنگی خودانگیختهی مغز کافی است. این موضوع نشان میدهد که بخش عمدهای از سازماندهی مغز، نه حاصل فهرستی از مدارهای تخصصی مجزا، بلکه یک ویژگی نوظهور (Emergent Property) از یک سیستم پویاست که در نزدیکی یک نقطه بحرانی قرار دارد.
دکو و کرینگلباخ این ایده را با مفهوم بحرانیت (Criticality) بسط میدهند. مدل زمانی بهترین انطباق را با دادههای تجربی نشان میدهد که سیستم دقیقاً روی لبهی میان نظم و بینظمی (نقطه دوشاخگی) قرار گیرد. این انطباق تصادفی نیست؛ یک سیستم در وضعیت بحرانی، میزان حساسیت خود به ورودیها و ظرفیت انتقال اطلاعات را به اکثر میرساند. مدلهای آنها نشان میدهند که مغز به شکلی فعال روی این لبهی باریک عمل میکند.
آشفتگی: آبشار اطلاعات میان مقیاسهای گوناگون
نوآورانهترین بخش کتاب، استفاده از یکی از مفاهیم کلیدی مکانیک سیالات است: آشفتگی یا توربولانس (Turbulence). هنگامی که سیالی را با شدت به هم میزنید، انرژی تزریقشده در مقیاسهای بزرگ، به شکلی ساختارمند و از نظر آماری قابلپیشبینی، به مقیاسهای کوچکتر آبشار میشود. آندری کولموگوروف در دههی ۱۹۴۰ این پدیدهی آبشاری را به زبان ریاضی توصیف کرد.
دکو و کرینگلباخ نشان میدهند که فعالیت مغز سالم نیز دقیقاً از همین الگو پیروی میکند. اطلاعات به صورت همهبههمه پخش نمیشود؛ بلکه همانند آبشار انرژی در یک سیال آشفته، در میان مقیاسهای فضایی و زمانی مختلف جریان مییابد. آنها معیارهای کمی دقیقی برای سنجش این آشفتگی مغزی تعریف کردند و نشان دادند که میزان این پدیده در شرایط بیماری و حالتهای غیرعادی هوشیاری کاهش مییابد. این رویکرد، یک پرسش عمیق علمی — یعنی چگونگی انتقال کارآمد اطلاعات میان مقیاسهای مختلف در مغز — را از یک استعارهی ذهنی به یک ویژگی فیزیکی و ملموس قابلاندازهگیری تبدیل میکند.
از توصیف ساختار تا انجام مداخله
آنچه این نقشهنگاری دینامیک را از یک تصویر تزیینی فراتر میبرد، ماهیت مولد (Generative) آن است. از آنجا که مدل بر پایهی متغیرهای علی و مکانیستی بنا شده، شما میتوانید سیستم را دستخوش اختلال (Perturb) کنید و پیامدهای آن را بسنجید. این دقیقاً همان نقطهای است که ارزش بالینی کار آشکار میشود.
آنها حالتهای مختلف مغزی — مانند خواب، بیداری، بیهوشی، تجربههای روانگردان و اختلالات هوشیاری — را به عنوان رژیمهای پویای متمایز از یک سیستم واحد تعریف میکنند. با این دیدگاه، یک وضعیت بیمارگونه در واقع مغزی است که در نقطهی نامناسبی از چشمانداز پویای خود گرفتار شده است. در نتیجه، پرسش درمانی به شکلی عینی بازتعریف میشود: چه نوع مداخلهای میتواند سیستم را دوباره به یک رژیم پویا و سالم بازگرداند؟
آنها در ادامه، مدل خود را با افزودن دادههای نوروشیمی غنیتر میکنند و نقشههای تراکم گیرندهها (مثلاً گیرندهی سروتونین 5-HT2A) را بر روی ساختار اتصالات مغزی قرار میدهند. این کار به آنها اجازه میدهد تا به صورت درونرایانهای (in silico) شبیهسازی کنند که دارویی مانند یک روانگردان چه تأثیری بر دینامیک کلمغز میگذارد؛ و جالب اینجاست که خروجی این شبیهسازیها کاملاً با مشاهدات تجربی همخوانی دارد. این یک تایید خیرهکننده است: مدلی که صرفاً از آناتومی، نوسانگرهای ساده و نقشههای گیرندهای ساخته شده، میتواند اثرات سراسری یک مداخلهی دارویی را با دقت پیشبینی کند.
سویهی مهندسی؛ بهای محاسباتی یک ایده علمی
به عنوان یک مهندس، نمیتوانم این اثر را مطالعه کنم و به هزینههای پردازش و اجرای محاسباتی آن بیتوجه باشم. هر گره در این مدل با یک معادلهی دیفرانسیل تصادفی توصیف میشود؛ صدها گره از این دست وجود دارند و برازش دادن پارامترهای سراسری به دادههای تصویربرداری یک فرد مشخص، مستلزم اجرای هزارانبارهی این شبیهسازی برای جستجوی کل فضای پارامتر است. ما با حجم عظیمی از محاسبات سنگین مواجهیم؛ محاسباتی تکرارشونده که باید روی پردازندههای گرافیکی (GPU) اجرا شوند و ساعتها به طول میانجامند.
بیان این واقعیت برای صداقت علمی ضروری است. پشت ظرافت بصری معادلات، یک تلاش محاسباتی عددی جدی پنهان شده است. بازتولید نتایج آنها نیازمند حلکنندههای عددی بهینه و دقیق است، نه حلقههای برنامهنویسی ساده و ابتدایی. با این حال، این ویژگی یک نقطه ضعف نیست، بلکه نشانهی طراحی درست مدل است: مدل به اندازهای ساده نگه داشته شده که روی سختافزارهای مدرن قابلمحاسبه باشد و در عین حال به اندازهای غنی است که قدرت پیشبینی بالایی ارائه دهد. یافتن این نقطهی تعادل بهینه — میان مدلی چنان ساده که توخالی باشد و مدلی چنان پیچیده که اساساً غیرقابلمحاسبه شود — یکی از برجستهترین دستاوردهای مهندسی دکو و کرینگلباخ است.
فراتر از جعبه سیاه
عمیقترین آموزهی کتاب «مدلسازی کلمغز» جنبهی روششناختی آن است. دکو و کرینگلباخ از تسلیم شدن در برابر این ایده که مغز یک جعبه سیاه نفوذناپذیر است، سر باز میزنند. آنها اصرار دارند که مغز نیز تابع قوانین فیزیک آماری، ترمودینامیک و سیستمهای غیرخطی است و نشان میدهند که این قوانین برای ساخت مدلهایی که هم قدرت پیشبینی دارند و هم قدرت تبیین، کاملاً کافی هستند؛ مدلهایی که به ما نشان میدهند مغز نه تنها چه کاری انجام میدهد، بلکه چرا آن کار را انجام میدهد.
این همان دستاوردی است که باید به صراحت از آن تجلیل کرد. آنها نقشهای پویا و کارآمد از پویاییهای ذهن ارائه دادهاند؛ نقشهای که در آن حالتهای هوشیاری مانند قلمروها هستند، گذارها حکم مسیرها را دارند و بیماری، وضعیت سیستمی است که در نقطهای نادرست به دام افتاده است. فارغ از اینکه جزئیات این مدلها چقدر در آینده تغییر کند، ساختار کلی ارائه شده کاملاً در مسیر درستی قرار دارد: مکانیستی، مولد و متکی بر اصول فیزیک. آنها جاده را ترسیم کردهاند؛ اکنون ما ابزاری واقعی برای جهتیابی در اختیار داریم.
