شبکه های عصبی عمیق چگونه تاثیر داروهای روان‌گردان بر هوشیاری را نشان می‌دهند؟
تیم تحریریه- ۲۳ مرداد ۱۴۰۰
طبق مقاله جدیدی که در مجله علمی Neuroscience of Consciousness منتشرشده است، به‌کارگیری روش‌های پیشرفته یادگیری ماشین و شبکه های عصبی عمیق می‌توانند به دانشنمدان در درک بهتر تجربیات بصری ناشی از داروهای روان‌گردان مانند دی متیل تریپتامین (DMT) کمک کنند.
محققان نشان داده‌اند که داروهای روان‌گردان “کلاسیک” همچونDMT ،LSD و پسیلوسیبین به‌طور انتخابی عملکرد گیرنده‌های سروتونین را در سیستم عصبی تغییر می‌دهند، اما هنوز چیزهای زیادی برای یادگیری در مورد وضعیت تغییریافته هوشیاری ما در اثر تجربه داروهای روان‌گردان وجود دارد.
مایکل شارتنر، عضو آزمایشگاه بین‌المللی مغز در مرکزی واقع در لیسبون و همکار وی کریستوفر تیمرمن بر این باورند که هوش مصنوعی می‌تواند سرنخ‌هایی را در مورد این روند به ما نشان دهد.
شارتنر می‌گوید برای من جالب‌ترین خاصیت مغز این است که تجارب را به وجود می‌آورد. مغز همچون یک مدل از جهان است که به‌طور مداوم از طریق اطلاعات حسی به‌روز می‌شود و برخی از بخش‌های این مدل آگاهانه درک می‌شوند؛ یعنی تجربه می‌شوند .
اگر این روند به‌روزرسانی مدل به هم بریزد (به‌عنوان‌مثال از طریق داروهای روان‌گردان) مدل داخلی می‌تواند از ریل خارج شود و ممکن است ارتباط خود را با دنیای واقعی از دست دهد.
از آنجایی که این آشفتگی مستقیماً توسط مغز تجربه می‌شود می‌تواند تبدیل به منبع مهمی درباره مطالعه نحوه به‌روزرسانی این مدل داخلی شود.
شارتنر در ادامه می‌گوید:«ما می‌توانیم روند تولید تصاویر طبیعی با شبکه های عصبی عمیق را به همان شکلی که در مغز اتفاق می‌افتد مختل کنیم. بررسی این اختلال باعث می‌شود به بینش عمیقی نسبت به نمونه واقعی آن که در مغز ما اتفاق می‌افتد دست پیدا کنیم. همچنین می‌توانیم ابزاری برای نشاندادن گزارش‌های کلامی از تجربیات روان‌گردان ارائه دهیم.»
شبکه های عصبی عمیق
شبکه های عصبی عمیق همان چیزی هستند که محققان هوش مصنوعی آن را شبکه عصبی مصنوعی با چندین محاسبه لایه به‌هم‌پیوسته می‌نامند. از این شبکه‌ها می‌توان برای تولید تصاویر بسیار واقعی از چهره انسان ازجمله تصاویر دیپ‌فیک استفاده کرد. همچنین از این فناوری در تشخیص چهره نیز استفاده می‌شود.
در مطالعه‌ای که در Nature Communications منتشر شد، محققان شباهت چشمگیری بین نحوه تشخیص چهره توسط مغز انسان و شبکه های عصبی عمیق پیدا کردند.
شارتنر به PsyPost گفت:«شبکه های عصبی عمیق که منشأ بسیاری از شاهکارهای یادگیری ماشین است هنر نشاندادن بخش‌هایی از سیستم بینایی در انسان است.»
این شبکه‌ها می‌توانند به شما کمک کنند تا بفهمید روان‌گردان‌ها چگونه فرایند ادراک ما را مختل می‌کنند و می‌توانند برای هدایت فرضیه‌هایی به کار بیایند که می‌خواهند نشان دهند چگونه از به‌روزرسانی اطلاعات حسی جلوگیری می‌شود.
شارتنر قبلاً درگیر تحقیقاتی بود که نشان داد داروهای روان‌گردان باعث یک افزایش پایدار در تنوع سیگنال عصبی می‌شود. همکار وی تیمرمن در یک تحقیق نشان داده است LSD باعث کاهش پاسخ عصبی به محرک‌های غیرمنتظره می‌شود و درعین‌حال این پاسخ را برای محرک‌های آشنا افزایش می‌دهد.
هر دو یافته منجر شده‌اند به بینش بیشتر در مورد پویایی مغز که زیربنای جنبه‌های خاصی از تجربه هوشیارانه ما است.
شارتنر می‌گوید با این وجود همبستگی‌های عصبی هوشیاری هنوز «کاملاً روشن» نیستند. مسیر ventral visual در مغز انسان برای تجربیات بصری کلیدی به نظر می‌رسد اما قطعاً کافی نیست. همچنین کماکان باید نقش دقیق سروتونین در ایجاد اطلاعات حسی توضیح داده شود. یک سؤال بزرگ دیگر که هنوز پاسخ آن داده نشده این است که دقیقا چگونه جریان‌های پیش‌خوراند و پس‌خوراند فعالیت عصبی تنظیم می‌شوند تا تجربه‌ای حاصل شود.
او می‌افزاید داروهای روان‌گردان نه‌تنها ابزار مهمی برای تحقیقات بنیادی در مورد مشکلات ذهنی-بدنی هستند، بلکه نتایج امیدوارکننده‌ای را در درمان افسردگی و اضطراب نیز نشان داده‌اند.
مطالعه «مدل‌های شبکه عصبی برای توهمات بصری ناشی از DMT» در 12 دسامبر سال 2020 منتشر شد.
انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید
