Datortīkls atdarina šizofrēnijas domāšanu
"Hipotēze ir tāda, ka dopamīns kodē pieredzes nozīmi, ievērojamību," sacīja Uli Grasemann, absolvents Teksasas Universitātes Datorzinātņu nodaļā Ostinā.
"Ja dopamīna ir par daudz, tas noved pie pārspīlētas uzmanības un smadzenes beidzot mācās no lietām, no kurām tām nevajadzētu mācīties."
Pētījums atkārtoti apstiprina hipotēzi, kas pazīstama kāhiper-mācīšanās, Kas liek domāt, ka cilvēki ar šizofrēniju zaudē spēju aizmirst vai ignorēt tik daudz, cik parasti.
Kad cilvēks zaudē spēju atšifrēt to, kas ir jēgpilns no smadzeņu milzīgā daudzuma stimuliem, viņi sāk veidot savienojumus, kas nav reāli, vai sāk slīkt tik daudzu savienojumu okeānā, ka nespēj salikt jebkāda veida sakarīgus stāstus. .
Neironu tīklu (sauktu DISCERN) izstrādāja Grasemann padomnieks Risto Miikkulainens, Ph.D., un tas spēj iemācīties dabisko valodu.
DISCERN tika izmantots, lai simulētu, kas notiek ar valodu astoņu dažādu neiroloģisko disfunkciju veidu laikā. Simelāciju rezultātus Jeila Medicīnas skolas psihiatrijas profesors Ralfs Hofmans, M. D., salīdzināja ar redzēto, pētot cilvēku šizofrēnijas.
Lai atdarinātu procesu, pētnieki sāka mācīt DISCERN dažus vienkāršus stāstus, kas pēc tam tika asimilēti DISCERN atmiņā, tāpat kā cilvēka smadzenes glabā informāciju: nevis kā atsevišķas vienības, bet gan kā vārdu, teikumu, scenāriju un stāstu statistiskās attiecības.
"Izmantojot neironu tīklus, jūs tos galvenokārt apmācāt, parādot viņiem piemērus atkal un atkal un atkal," teica Grasemann.
"Katru reizi, kad parādāt tam piemēru, jūs sakāt: ja tā ir ievade, tad tai vajadzētu būt jūsu izejai, un, ja tā ir ieeja, tad tai vajadzētu būt jūsu izejai. Jūs to darāt atkal un atkal tūkstošiem reižu, un katru reizi tas nedaudz vairāk pielāgojas, lai darītu to, ko vēlaties. Galu galā, ja jūs to darāt pietiekami, tīkls ir iemācījies. ”
Pētnieki modelēja hiper-mācīšanos, atkal palaižot sistēmu pa tās gaitu, taču mainīja vienu galveno faktoru: viņi atdarināja lielu dopamīna izdalīšanos, palielinot sistēmas mācīšanās ātrumu - būtībā liekot tai pārtraukt tik daudz aizmirst.
"Tas ir svarīgs mehānisms, lai varētu ignorēt lietas," saka Grasemann. "Tas, ko mēs atklājām, ir tāds, ka, ja jūs pietiekami lielā mērā paaugstināt mācību līmeni DISCERN, tas rada valodas anomālijas, kas liecina par šizofrēniju."
Kad tas tika pārkvalificēts ar paaugstinātu mācību līmeni, DISCERN sāka sevi ievietot fantastiskos, maldinošos stāstos, kuros bija iekļauti elementi no citiem stāstiem, par kuriem bija teicis atcerēties. Piemēram, vienā gadījumā DISCERN uzņēmās atbildību par teroristu bombardēšanu.
Citā piemērā DISCERN sāka rādīt pierādījumus par “nobraukšanu no sliedēm” - atbildot uz pieprasījumiem pēc konkrētas atmiņas ar disociētu teikumu sajaukumu, pēkšņām atkāpēm no subjekta un pastāvīgu lēcienu no pirmās personas uz trešo personu un atkal atpakaļ.
"Informācijas apstrāde neironu tīklos mēdz būt līdzīga informācijas apstrādei cilvēka smadzenēs daudzos veidos," sacīja Grasemans. "Tāpēc bija cerība, ka tā arī sabruks līdzīgos veidos. Un tā arī notika. ”
Neironu tīkla un cilvēka šizofrēnijas līdzība nav neapstrīdams pierādījums tam, ka hiper-mācīšanās hipotēze ir pareiza, sacīja Grasemann. Tomēr tas piedāvā atbalstu hipotēzei.
"Mums ir tik daudz lielāka kontrole pār nervu tīkliem, nekā mēs jebkad varētu būt pār cilvēkiem," viņš teica. "Cerība ir tāda, ka šāda veida modelēšana palīdzēs klīniskajiem pētījumiem."
Pētījums ir publicēts Bioloģiskā psihiatrija.
Avots: Teksasas Universitāte Ostinā
