Beynin Bir Anıyı Nerede Koruyacağına O Anının Yararlı Olup Olmaması Yol Gösteriyor

Bellek tek bir bilimsel gizemi temsil etmez; birçok gizemli yönü var. Sinirbilimciler ve psikologlar beynimizde bir arada var olan çeşitli bellek türlerini tanımaya başladılar: Geçmiş deneyimlerin epizodik anıları, olguların semantik anıları, kısa ve uzun vadeli anılar ve daha fazlası… Bunlar genellikle farklı özelliklere sahiptir ve hatta beynin farklı bölgelerinde yerleşmiş gibi görünmektedirler. Ancak bir anının nasıl ve neden bu şekilde sıralanması gerektiğini hangi özelliğinin belirlediği hiçbir zaman netlik kazanmadı.

by Kristina Armitage. https://www.quantamagazine.org/the-usefulness-of-a-memory-guides-where-the-brain-saves-it-20230830/#comments

Yapay sinir ağlarını kullanan deneylerle desteklenen yeni bir kuram, beynin anıları, gelecekte davranışlara yol göstermede ne kadar yararlı olabileceklerini değerlendirerek sıraladığını öne sürüyor. Özellikle, olgulardan (facts) kahvaltıda düzenli olarak yedikleriniz veya işe giderken yaptığınız yürüyüşler gibi faydalı, tekrarlayan deneyimlere kadar tahmin edilebilir şeylere ilişkin pek çok anının beyin kabuğunda (neokorteks) kaydedildiğini öne sürüyor. Burada anılar dünyayla ilgili genellemelere katkıda bulunabilirler. Bir partide içtiğiniz o eşsiz içeceğin tadı gibi, işe yarama olasılığı daha düşük olan anılar, hipokampus adı verilen denizatı şeklindeki bellek bankasında saklanır. Anıları yararlılıklarına ve genelleştirilebilirliklerine göre bu şekilde aktif olarak ayırmak, anıların güvenilirliğini yeni durumlarda yön bulmamıza yardımcı olacak şekilde optimize ediyor olabilir.

Yeni kuramın yazarları (Howard Hughes Tıp Enstitüsü Janelia Araştırma Kampüsü’nden sinir bilimci Weinan Sun ve James Fitzgerald, University College London’dan Andrew Saxe ve meslektaşları) bunu yakın zamanda Nature Neuroscience’da yayınlanan bir makalede açıkladılar. Makale beynin birbiriyle bağlantılı, birbirini tamamlayan iki öğrenme sistemine sahip olduğu yönündeki köklü fikri güncelliyor ve genişletiyor: Yeni bilgiyi hızla kodlayan hipokampus ve onu uzun vadeli depolama için yavaş yavaş entegre eden beyin kabuğu (neokorteks).

Bellekte tamamlayıcı öğrenme sistemleri fikrine öncülük eden ancak bu çalışmanın bir parçası olmayan Stanford Üniversitesi’nden bilişsel sinirbilimci James McClelland, bu kuramın 1990’ların ortasında kendi grubunun kuramını öne sürerken düşünmediği “genelleme yönlerini ele aldığını” belirtti. 

Bilim adamları, bellek oluşumunun en azından 1950’lerin başlarından beri çok aşamalı bir süreç olduğunu, kısmen bilimsel literatürde onlarca yıldır yalnızca H.M. olarak bilinen Henry Molaison adlı bir hasta üzerinde yaptıkları çalışmalardan fark ettiler. Hipokampüsünden kaynaklanan kontrol edilemeyen nöbetlerden muzdarip olduğu için cerrahlar onu  beyin yapısının çoğunu çıkararak tedavi etmişti. Daha sonra hasta çoğu açıdan epey normal görünüyordu: Kelime dağarcığı sağlamdı, çocukluk anılarını aklında tutuyordu ve ameliyattan önceki hayatına dair diğer ayrıntıları hatırlıyordu. Ancak, onunla ilgilenen hemşireyi her zaman unutuyordu. Ona baktığı on yıl boyunca her sabah kendini yeniden tanıtmak zorunda kalmıştı. Yeni uzun vadeli anılar yaratma yeteneğini tamamen kaybetmişti.

Molaison’un semptomları, bilim adamlarının yeni anıların önce hipokampusta oluştuğunu ve daha sonra yavaş yavaş beyin kabuğuna (neokorteks) aktarıldığını keşfetmesine yardımcı oldu. Bir süreliğine bunun tüm kalıcı anılar için geçerli olduğu yaygın biçimde varsayıldı. Ancak araştırmacılar, uzun vadede hipokampusa bağlı kalan anıların artan sayıda örneğini görmeye başladığında, başka bir şeyin de olduğu açıklığa kavuştu.

Yeni makalenin yazarları, bu anormalliğin ardındaki nedeni anlamak için yapay sinir ağlarına yöneldiler, çünkü beyindeki iç içe geçmiş milyonlarca nöronun işlevi, akıl almaz derecede karmaşıktır. Saxe, bu ağların “biyolojik nöronların yaklaşık bir idealleştirilmesi” olduğunu, ancak, gerçekte olduğundan çok daha basit olduğunu söyledi. Bu ağlar canlı nöronlar gibi, verileri alan, işleyen ve daha sonra ağın diğer katmanlarına ağırlıklı çıktılar sağlayan düğüm katmanlarına sahiptirler. Tıpkı nöronların sinapsları aracılığıyla birbirlerini etkilemesi gibi, yapay sinir ağlarındaki düğümler de diğer düğümlerden gelen girdilere göre aktivite seviyelerini ayarlar.

Ekip, öğretmen-defter-öğrenci modeli olarak adlandırdıkları hesaplamalı bir çerçeve geliştirmek için farklı işlevlere sahip üç sinir ağını birbirine bağladı. Öğretmen ağı, bir organizmanın kendisini içinde bulabileceği ortamı temsil ediyor, deneyim girdileri sağlıyordu. Dizüstü bilgisayar ağı, öğretmenin sağladığı her deneyimin tüm ayrıntılarını hızla kodlayan hipokampüsü temsil ediyordu. Öğrenci ağı, not defterine kaydedilenlere başvurarak öğretmenden gelen kalıplar üzerinde eğitim almıştı. Fitzgerald, “Öğrenci modelinin amacı nöronları (düğümleri) bulmak ve onların faaliyet kalıplarını nasıl yeniden oluşturabileceklerini açıklayan bağlantıları öğrenmektir” dedi.

Dizüstü bilgisayar ağındaki anıların tekrar tekrar oynatılması, öğrenci ağını hata düzeltme yoluyla genel bir kalıba sürüklüyordu. Ancak, araştırmacılar kuralın bir istisnasını da fark etti: Eğer öğrenci çok fazla öngörülemeyen anı (geri kalanlardan çok fazla sapan gürültülü sinyaller) üzerine eğitilmişse, bu durum öğrencinin genelleştirilmiş modeli öğrenme becerisini olumsuz etkiliyordu.

Sun, mantıksal açıdan bakıldığında bunu “çok anlamlı” bulmuştu. Evinize paketler aldığınızı hayal edin, diye açıkladı: Eğer pakette “kahve kupaları ve tabaklar gibi” gelecek için faydalı bir şey varsa, onu evinize getirip kalıcı olarak orada tutmak mantıklı görünüyor. Ancak pakette Cadılar Bayramı partisi için Örümcek Adam kostümü veya satış broşürü varsa evi bunlarla doldurmaya gerek yok. Bu öğeler ayrı olarak saklanabilir veya atılabilir.

Çalışma, yapay zekada kullanılan sistemler ile beynin modellenmesinde kullanılan sistemler arasında ilginç bir yakınlaşma sağlıyor. Saxe, bunun “bu yapay sistemlere dair kuramın beyindeki anılar hakkında düşünmek için bazı yeni kavramsal fikirler verdiği” bir örnek olduğunu söyledi.

Örneğin, bilgisayarlı yüz tanıma sistemlerinin işleyişiyle paralellikler var. Kullanıcılardan kendilerine ait yüksek çözünürlüklü görselleri farklı açılardan yüklemelerini isteyerek başlayabilirler. Sinir ağı içindeki bağlantılar, yüzün farklı açılardan ve farklı ifadelerle nasıl göründüğüne dair genel bir anlayışı bir araya getirebilir. Ancak Fitzgerald, “İçinde arkadaşınızın yüzünün yer aldığı bir fotoğraf yüklerseniz sistem, ikisi arasında tahmin edilebilir bir yüz haritası belirleyemez” dedi. Bu, genellemeye zarar verir ve sistemin normal yüzü tanıma konusundaki doğruluğunu azaltır.

Bu görüntüler belirli giriş nöronlarını etkinleştirir ve daha sonra etkinlik, bağlantı ağırlıklarını ayarlayarak ağ üzerinden akar. Daha fazla görüntüyle model, çıktı hatalarını en aza indirmek için düğümler arasındaki bağlantı ağırlıklarını daha da ayarlar.

Ancak bir deneyimin alışılmadık olması ve genellemeye uymaması, onun bir kenara atılıp unutulması gerektiği anlamına gelmez. Tam tersine, istisnai deneyimleri hatırlamak hayati önem taşıyabilir. Beynin anılarını ayrı ayrı depolanan farklı kategorilere ayırmasının nedeni bu gibi görünüyor: Beyin kabuğu (neokorteks) güvenilir genellemeler için kullanılırken, hipokampus istisnalar için kullanılır.

McClelland, bu tür araştırmaların “insan belleğinin yanılabilirliği” konusunda farkındalığı artırdığını söyledi. Bellek sınırlı bir kaynaktır ve biyoloji, sınırlı kaynaklardan en iyi şekilde yararlanmak için taviz vermek zorunda kalmıştır. Hipokampus bile mükemmel bir deneyim kaydı içermiyor. Bir deneyim her hatırlandığında, ağın bağlantı ağırlıklarında değişiklikler olur ve bu da bellek öğelerinin ortalamasının daha fazla alınmasına neden olur. Kendisi, “Görgü tanıklarının ifadelerinin önyargıdan ve tekrarlanan sorgu saldırılarının etkisinden nasıl korunabileceği” koşulları hakkında soruları gündeme getirdiğini söyledi.

Model aynı zamanda daha temel sorulara da ışık tutabilir. “Güvenilir bilgiyi nasıl oluştururuz ve bilinçli kararlar veririz?” Kaliforniya Politeknik Devlet Üniversitesi’nden araştırmaya dahil olmayan sinir bilimci James Antony şöyle konuştu: Güvenilir yordamalar yapmak için anıları değerlendirmenin önemini gösteriyor: Çok sayıda gürültülü veri veya güvenilmez bilgi, yapay zeka modellerinin eğitimi için olduğu kadar insanların eğitimi için de uygun olmayabilir.

Kaynak: Saugat Bolakhe. The Usefulness of a Memory Guides Where the Brain Saves It. https://www.quantamagazine.org/the-usefulness-of-a-memory-guides-where-the-brain-saves-it-20230830/#comments

Beyniniz Algıları Anılardan Nasıl Ayırt Eder?

Algılanan bir görüntünün sinirsel temsilleri ve onun anısı neredeyse aynıdır. Yeni araştırmalar bunların nasıl ve neden farklı olduğunu gösteriyor.

Bellek ve algı tamamen farklı deneyimler gibi görünür ve sinirbilimciler beynin bunları farklı şekilde ürettiğinden emindiler. Ancak 1990’larda, nörogörüntüleme çalışmaları beynin yalnızca duyusal algı sırasında aktif olduğu düşünülen kısımlarının anıların hatırlanması sırasında da aktif olduğunu ortaya koydu.

Boston Üniversitesi’nde sinirbilim doçenti ve Görsel Sinirbilim Laboratuvarı müdürü olan Sam Ling, bu yüzden “Bir bellek temsilinin aslında algısal bir temsilden farklı olup olmadığı sorusu gündeme gelmeye başladı” dedi. Örneğin, güzel bir manzaraya dair anılarımız, daha önce onu görmemizi sağlayan sinirsel aktivitenin yeniden yaratılması olabilir mi?

“Tartışma, duyusal kortekslerin herhangi bir katılımı olup olmadığı konusundaki bu tartışmadan ‘Bir dakika, bir fark var mı?’ demeye doğru kaydı” dedi Ulusal Ruh Sağlığı Enstitüsü’nde öğrenme ve esneklik birimini yöneten araştırmacı Christopher Baker. “Sarkaç bir taraftan diğerine, ama bu kez de çok uzağa sallandı.”

Anılar ve deneyimler arasında çok güçlü bir nörolojik benzerlik olsa bile, bunların tam olarak aynı olamayacağını biliyoruz. Columbia Üniversitesi’nde doktora sonrası bilim insanı ve yakın zamanda Nature Communications tarafından yapılan bir çalışmanın baş yazarı olan Serra Favila, “İnsanlar bunları birbirine karıştırmıyor” dedi. Ekibinin çalışması, anıların ve görüntü algılarının nörolojik düzeyde farklı şekilde bir araya getirildiği yollardan en az birini belirledi.

Bulanık Noktalar

Dünyaya baktığımızda, onunla ilgili görsel bilgiler retinanın fotoreseptörlerinden geçerek görsel kortekse akar ve burada farklı nöron gruplarında sırayla işlenir. Her grup görüntüye yeni karmaşıklık seviyeleri ekler: Basit ışık noktaları çizgilere ve kenarlara, sonra konturlara, sonra şekillere ve sonra gördüğümüz şeyi somutlaştıran tamamlanmış sahnelere dönüşür.

Yeni çalışmada, araştırmacılar nöronların erken gruplarında çok önemli olan bir görme işleme özelliğine odaklandılar: şeylerin uzayda nerede bulunduğu. Bir görüntüyü oluşturan pikseller ve konturlar doğru yerlerde olmalıdır, aksi takdirde beyin gördüğümüz şeyin karışık, tanınmaz ve çarpık bir görünüşünü yaratacaktır.

Araştırmacılar, katılımcıları dart tahtasına benzeyen bir zemin üzerinde dört farklı desenin konumlarını ezberlemeleri için eğittiler. Her desen tahtada çok belirli bir yere yerleştirildi ve tahtanın ortasındaki bir renkle ilişkilendirildi. Her katılımcının bu bilgiyi doğru bir şekilde ezberlediğinden emin olmak için test edildi; örneğin, yeşil bir nokta görürlerse, yıldız şeklinin en soldaki konumda olduğunu biliyorlardı. Daha sonra, katılımcılar desenlerin yerlerini algılayıp hatırladıkça, araştırmacılar beyin aktivitelerini kaydetti. Beyin taramaları araştırmacıların nöronların bir şeyin nerede olduğunu nasıl kaydettiğini ve daha sonra bunu nasıl hatırladıklarını haritalandırmalarına olanak sağladı. Her nöron, görüş alanınızdaki bir alana veya “alıcı alana”, örneğin sol alt köşeye dikkat eder. Favila, bir nöronun “sadece o küçük noktaya bir şey koyduğunuzda ateşleneceğini” söyledi. Uzayda belirli bir noktaya ayarlanmış nöronlar bir araya gelme eğilimindedir ve bu da beyin taramalarında aktivitelerinin tespit edilmesini kolaylaştırır.

Görsel algı üzerine yapılan önceki çalışmalar, erken, daha düşük işleme seviyelerindeki nöronların küçük alıcı alanlara sahip olduğunu ve daha sonraki, daha yüksek seviyelerdeki nöronların daha büyük alıcı alanlara sahip olduğunu ortaya koymuştur. Bu mantıklıdır, çünkü daha yüksek seviyeli nöronlar, görsel alanın daha geniş bir bölümünden bilgi çekerek birçok düşük seviyeli nörondan gelen sinyalleri derler. Ancak daha büyük alıcı alan aynı zamanda daha düşük mekansal duyarlılık anlamına gelir ve Ankara’yı göstermek için Anadolu’nun üzerine büyük bir mürekkep lekesi koymak gibi bir etki yaratır. Aslında, algılama sırasında görsel işleme, küçük, net noktaların daha büyük, daha bulanık ama daha anlamlı lekelere dönüşmesi meselesidir.

Ancak Favila ve meslektaşları, algıların ve anıların görsel korteksin çeşitli bölgelerinde nasıl temsil edildiğine baktıklarında, büyük farklılıklar keşfettiler. Katılımcılar görüntüleri hatırladıkça, görsel işlemenin en üst seviyesindeki alıcı alanlar algı sırasında oldukları boyuttaydı; ancak alıcı alanlar zihinsel görüntüyü çizen diğer tüm seviyelerde bu boyutta kaldı. Hatırlanan görüntü her aşamada büyük, bulanık bir lekeydi. Bu, görüntünün anısı depolandığında, yalnızca en üst seviyedeki temsilinin saklandığını gösteriyor. Anı tekrar deneyimlendiğinde, görsel korteksin tüm alanları aktive edildi; ancak bunların aktivitesi, girdi olarak daha az kesin versiyona dayanıyordu.

Yani bilginin retinadan mı yoksa anıların depolandığı yerden mi geldiğine bağlı olarak, beyin bunu çok farklı şekilde ele alıyor ve işliyor. Orijinal algının kesinliğinin bir kısmı belleğe girerken kayboluyor ve Favila, “bunu sihirli bir şekilde geri alamazsınız” diyor. Dartmouth College’da doktora sonrası araştırmacı olan Adam Steel, bu çalışmanın “gerçekten güzel” bir yönünün, araştırmacıların gördüklerini bildirmek için insan deneklere güvenmek yerine, doğrudan beyinden bir anı hakkındaki bilgileri okuyabilmeleri olduğunu söyledi. “Yaptıkları deneysel çalışmanın gerçekten olağanüstü olduğunu düşünüyorum.”

Bir Özellik mi, Yoksa Bir Hata mı?

Peki, anılar neden bu “daha bulanık” şekilde hatırlanıyor? Bunu bulmak için araştırmacılar, artan büyüklükte alıcı alanlara, farklı nöron seviyelerine sahip görsel korteksin bir modelini oluşturdular. Daha sonra, seviyeler arasında ters sırada bir sinyal göndererek uyandırılmış bir anıyı simüle ettiler. Beyin taramalarında olduğu gibi, en büyük alıcı alana sahip seviyede görülen mekansal bulanıklık, geri kalan tüm seviyelerde devam etti. Favila, bunun hatırlanan görüntünün görsel sistemin hiyerarşik yapısı nedeniyle bu şekilde oluştuğunu gösterdiğini söyledi.

Görsel sistemin hiyerarşik olarak düzenlenmesinin nedenine dair bir kuram, nesne tanımaya yardımcı olmasıdır. Alıcı alanlar küçük olsaydı, beynin görüş alanında olanı anlamlandırmak için daha fazla bilgiyi entegre etmesi gerekirdi; bu, Eyfel Kulesi gibi büyük bir şeyi tanımayı zorlaştırabilirdi, dedi Favila. “Daha bulanık” hafıza görüntüsü, “nesne tanıma gibi şeyler için optimize edilmiş bir sisteme sahip olmanın sonucu” olabilir.

Ancak Minnesota Üniversitesi’nde doçent olan Thomas Naselaris, “bunun bir özellik mi, yoksa bir hata mı olduğu net değil” dedi. Yeni çalışmada yer almadı, ancak 2020 tarihli bir çalışmada algı ve hafızanın beyinde çok farklı göründüğü sonucuna vardı. Farkın avantajlı olduğu fikrini, belki de algıları anılardan ayırt etmeye yardımcı olduğu fikrini destekliyor. “Zihinsel imgelemesi sahne imgelemesinin tüm ayrıntısına ve kesinliğine sahip olan bir kişinin kolayca kafası karışabilir” dedi.

Bulanıklık ayrıca gereksiz bilgilerin depolanmasını önlemeye yardımcı olabilir. Favila, “Belki de önemli olan her pikselin görüş alanında nerede olduğunu hatırlamak değil, piksellerin bir aile üyesine veya bir arkadaşa ait olmasıdır” dedi.

Naselaris, “Görsel sistemin son derece ayrıntılı, canlı ve kesin görüntüler üretemediği gibi bir durum söz konusu değil,” dedi. İnsanlar örneğin uyku ve uyanıklık arasındaki “hipnogojik” durumdayken çok canlı görsel görüntüler bildirdiler. Beyin “uyanık saatlerde bunu yapma eğiliminde değil.”

Favila ve ekibi, benzer işlemlerin şekiller veya renkler gibi görsel belleğin diğer yönlerinde de gerçekleşip gerçekleşmediğini keşfetmeyi umuyor. Özellikle algı ve bellekteki bu farklılıkların davranışları nasıl yönlendirdiğini incelemek konusunda istekliler.

Favila, “Algı ve bellek farklıdır; onlara ilişkin deneyimimiz farklıdır ve tam olarak hangi şekillerde farklı olduklarını belirlemek, belleğin nasıl ifade edildiğini anlamak için önemli olacaktır,” dedi. Bu farklılıklar “verilerde her zaman gizlice beklemektedir.”

Kaynak: Yasemin Saplakoğlu. How Your Brain Distinguishes Memories From Perceptions. December 14, 2022.

İnsan Bellek Teknolojilerinin Geleceği

İnsan belleği, bilindiği üzere, yanılabilirdir. Bir şeyleri unuturuz, yanlış hatırlarız ve çoğu zaman artık neleri bilmediğimizi bile bilmeyiz. Ya değerli anı kataloğumuzu karıştırıp, bir düğmeye basarak onları bilinncin en önüne çıkarmanın bir yolu olsaydı? Bazılarınızın bildiği gibi, insanlığa fütüristik teknolojilerin merceğinden bakan İngiliz bilimkurgu şaheseri Black Mirror’ın bir bölümünün varsayımı budur. Henüz tam olarak orada olmasalar da, son birkaç yılda sinirbilimciler insan beyniyle ilgili en temel sorulardan birini anlamada şaşırtıcı bir ilerleme kaydettiler: Bireysel bellek “izleri” beynimizde nerede bulunur?

Yeni teknolojilerin patlaması, en azından farelerde bir anıyı tanımlamamıza, bir anıyı silmemize veya hatta yapay anılar yerleştirmemize olanak sağladı. Teksas Üniversitesi’nden Dr. Alison Preston, her zaman anıların ne olduğuna dair sezgisel bir algıya sahip olduğumuzu, ancak bunların ardındaki mekanizmaları gerçekten anlamadığımızı söylüyor. Beynin devasa nöron yumağının içinden kırılgan anıları çıkarıp alma yeteneği sadece ilk adımdır. Bir olayı, bir kavramı veya hatta bir fikri yalnızca nöronların birbirleriyle konuşmalarına dayanarak izole edebildiğimizde, anılarımızı zamanın erozyonundan kurtarmak için kaydedip manipüle edebilmeye de yakınız demektir.

Bellek araştırmalarının “altın çağına” hoş geldiniz.

Bellek Engramı

2000’li yıllarda, sözde “yüz hücreleri”nin keşfi, belirli anıların tamamen tek tek nöronlarda tutulduğunu öne sürüyordu. Örneğin, bir kişi Jennifer Aniston’ın yüzünü gördüğünde, görsel işleme merkezindeki tek bir hücre aktive oluyordu. Nöron, sahibi sadece aktrisin yüzünü düşünse bile canlanıyordu ve bu da Aniston kavramının tamamı için gerçek bir yer olduğunu düşündürüyordu.

Basit mi? Evet. Peki, doğru mu? Pek sayılmaz.

Günümüzde, sinirbilimciler genellikle anılar hakkında yüzyıllık bir hipotezi (anıların, beyin bölgelerine epey dağıtılmış nöron ağlarında depolandığını) kabul ediyorlar. İlk olarak 1910’larda psikolog Dr. Karl Lashley tarafından öne sürülen bellek izi (veya bellek engramı) fikri, modern nörobilimde deneysel olarak bir türlü araştırılamamıştır. Ancak yeni teknolojiler sayesinde bilim insanları belirli bir anıyı oluşturan nöron kümesini belirleyebilir hale geldi.

Taraf Tutan Bellek Depolaması

Burada, öğrenme sırasında harekete geçen önemli bir protein olan CREB devreye giriyor. 2009’da bilim insanları şaşırtıcı bir şekilde nöronlardaki CREB (bkz.) seviyesini yapay olarak artırırsanız, bunun onları aktive etme ve bir anıyı depolama olasılığını artırdığını buldular.

Araştırmacılar bir virüs kullanarak, korku anılarında rol oynayan bir beyin bölgesi olan amigdaladaki nöronları farelerde CREB seviyelerini artırmaya ikna ettiler. Daha sonra hayvanları bir ses tonunu elektrik şokuyla ilişkilendirecekleri şekilde eğittiler. Şaşırtıcı bir şekilde, yeni bellek engramının yüksek CREB seviyelerine sahip nöronlarda depolanma eğiliminde olduğunu buldular; öyle ki, bu nöronları bir toksinle öldürdüklerinde, kemirgenler acı dolu deneyimi kalıcı olarak unuttular.

Kısa bir süre sonra, başka bir çalışma bu sonuçları doğruladı: CREB, nöronal Jedi’ların midicholorian’ları (bkz.2) gibidir; seviyeler ne kadar yüksekse, gücü kullanmak, öhöm, bir anıyı kaydetmek için seçilmiş olma şansları o kadar yüksektir. Sebebi şudur: CREB nöronların daha uyarılabilir olmasına neden olur, böylece komşularına kıyasla gelen deneyimleri kaydetmeye daha istekli olurlar.

Sonuç? Öğrenmeden hemen önce belirli nöron gruplarını yapay olarak etkinleştirebilirsek, bu anıların nerede sonlanacağını seçebiliriz, tıpkı yeni verileri sabit diskteki bir bloğa taşımak gibi. Ve hangi beyin hücrelerinin -hatta hangi sinapsların- anıları depoladığını bilirsek, bu bağlantıları güçlendirmeye veya ortadan kaldırmaya doğru büyük bir adım olur.

Anı Ekmek

Ancak anıları bulmak resmin sadece bir parçasıdır. “Anı engramı” kuramının gerçek testi, anıları (yani, hiç gerçekleşmemiş olayların anılarını) yaratma yeteneğidir. Bunu zaten kaba bir düzeyde yapabiliyoruz. Bir olayı zihnimizin ön saflarına getirdiğimizde, beyin anıyı depolamak için kullanılan aynı sinirsel bağlantıları yeniden etkinleştirmek için çok çalışır. Ancak, tam da bu süreç aynı zamanda anıyı kırılgan ve değişime açık hale getirir. Birçok çalışma, anıların hatırlandıktan sonra “yeniden sağlamlaştırma”(bkz. 3) adı verilen bir süreçten geçtiğini göstermiştir; bir kez daha sinir devrelerine kazınırlar ve bu süre zarfında, bu anı hakkında yanlış bilgiler yerleştirmek oldukça kolaydır.

Ancak nöroteknolojiler bilim insanlarının çok daha kesin sonuçlara varmasını sağlamıştır. MIT’den Dr. Susumu Tonegawa bir dizi çalışmada, korkutucu bir şeyi tamamen zararsız bir duruma yapay olarak bağlamanın ne kadar kolay olduğunu göstermiştir. Bu ekip, farelerde anı kodlamasıyla ilişkili bir beyin bölgesi olan hipokampüsteki aktif nöronlara ışığa duyarlı proteinler iletmek için bir virüs kullandı. Daha sonra hayvanları bir şoku bir odayla ilişkilendirmeleri için eğittiler. Bu anıyı depolayan nöronlar canlandı ve sırayla bu ışığa duyarlı proteinleri seri biçimde ürettiler, yani esasen bunları engramın bir parçası olarak etiketlediler. Ekip fareleri tamamen yeni, zararsız bir ortama yerleştirdiğinde, korku engramını ışıkla yapay olarak aktive ettiler – böylece, fareler anında güvenli yerden korkmaya başladılar. Bunun aksine, engram nöronlarını farklı bir ışık frekansıyla engellemek, orijinal şok odasına olan korkularını geçici olarak “sildi”.

Daha sonraki bir çalışmada, aynı ekip benzer bir korkulu anıyı büyük bir anıya -cinsel çekim anısına- bağladı, özünde duygusal yükü olumlu bir şeye dönüştürdü.

İnsan Anıları

Bu teknolojiler insanlar için fazla istilacı olsa da, bilişsel bilim insanları kendi anılarımızı ortaya çıkarmada da ilerleme kaydediyorlar. “Anı kodu çözme” olarak adlandırılan teknoloji, bireysel hatırlamalarla ilişkili sinirsel kalıpları belirlemek için fonksiyonel MRI görüntülerini kullanıyor. Pennsylvania Üniversitesi’nde bir sinirbilimci olan Dr. Michael Kahana, “Bu, bilişsel sinirbilimdeki en önemli devrimlerden biri” diyor.

Son bulgular, insanların sinirsel kalıplarının son derece özgül olabileceğini, gördükleri yüzleri, uykularındaki düşleri veya hatta hatırladıkları bir TV şovundan belirli sahneleri yeniden oluşturabileceğimizi gösteriyor. Örneğin, İngiliz dizisi Sherlock’u izleyen insanlara bakan bir çalışma, gönüllünün bir sahneyi ünlü dedektifle mi, yoksa onsuz mu düşündüğünü belirleyebildi. Daha da ilginci, bu sinirsel kalıp insanlar arasında, hatta sahneyi hiç görmeden sadece başkalarının tarif ettiğini duyanlar arasında bile dikkat çekici derecede benzerdi. “Farklı insanların aynı sahneyi hatırladıklarında, kendi sözcükleriyle tarif ettiklerinde, hatırlamak istedikleri şekilde hatırladıklarında aynı parmak izini görmemiz şaşırtıcıydı,” diyor Johns Hopkins Üniversitesi’nde çalışmaya liderlik eden Dr. Janice Chen.

Bu muazzam bir şey: temelde insan beyninin sadece yüzler veya yerler için değil, çok daha soyut ve genel bir şey için de benzer şekilde anıları kodladığını ve geri çağırdığını gösteriyor. Başka deyişle, anı kodu çözme aktarılabilir olabilir: anı kalıplarını çözmek için bir kişinin zihinsel süreçlerini kullanabilirsek, kuramsal olarak, bilmeyen veya isteksiz bir kişinin anısını da kabaca çözümleyebiliriz.

Daha da çılgını şu: bilim insanları fare çalışmalarını insanlarla birleştirmeye başladı. DARPA (bkz. 4) liderliğindeki bu deneyler, insanlar yeni bir görev öğrenirken hipokampüsteki elektriksel aktiviteyi kaydetmek için implante edilmiş elektrotlar kullanıyor. Aynı devreyi hatırlama sırasında etkinleştirdiğimizde, bu anıları biyolojik olarak arka planda kaybolmuş olsalar bile, potansiyel olarak güçlendirebiliriz.

Bellek engramları arayışı son birkaç yıldır şaşırtıcı derecede verimli oldu. Ve hâlâ kendi anılarımızla özgürce oynayabilmenin bir yolunu bulamamış olsak da, artık böyle bir geleceği hayal etmek imkansız değil. Belki de gelecekte daha yeni teknolojilerin yardımıyla bellek engramlarına erişebileceğiz, bunları harici depolama aygıtlarına kopyalayabileceğiz ve bu engramları istediğimiz zaman geri sarabileceğiz, yeniden oynatabileceğiz veya yeniden yazabileceğiz.

Kaynak:

Shelley Fan. Here’s the Tech That Could One Day Track, Boost, or Erase Human Memory
January 25, 2018.
https://singularityhub.com/2018/01/25/heres-the-tech-that-could-one-day-track-boost-or-erase-human-memory/