این نقشه سه بعدی جدید، معماری سیستم عصبی این حشره از جمله انواع نورون‌ها و ارتباطات متقابل آنها را نشان می‌دهد و بینش‌هایی را درباره نحوه پردازش اطلاعات و ایجاد رفتار توسط مغز ارائه می‌دهد. نتایج این مطالعه نشان داد که مغز با بازخورد فراوان از نورون‌های نزولی و چندین مدار جدید، بسیار به هم مرتبط است.
برخی از ویژگی‌های مغز مگس میوه شبیه معماری‌های پیشرفته یادگیری عمیق است که مبنایی برای مطالعات تجربی و نظری آینده مدارهای عصبی فراهم می‌کند. این یافته‌ها راه را برای درک بهتر عملکرد مغز با کاربردهای بالقوه در هوش مصنوعی و رباتیک هموار می‌کند.

گروهی از دانشمندان به رهبری محققان دانشگاه کمبریج از میکروسکوپ الکترونی برای تصویربرداری از مغز لارو مگس سرکه و بازسازی اتصالات آن در وضوح سیناپسی استفاده کردند. تجزیه و تحلیل نشان داد که مغز لارو دارای ۳۰۱۶ نورون و ۵۴۸ هزار سیناپس است.

محققان تجزیه و تحلیل دقیقی از معماری مدار مغز آنها از جمله انواع اتصالات و نورون‌ها، هاب‌های شبکه و موتیف‌های مدار انجام دادند. آنها دریافتند که بیشتر هاب‌های درونی- خارجی مغز(۷۳درصد)، پس سیناپسی به مرکز یادگیری یا پیش سیناپسی به نورون‌های دوپامینرژیک هستند که یادگیری را هدایت می‌کنند. علاوه بر این، آن‌ها الگوریتمی برای ردیابی انتشار سیگنال در سراسر مغز در مسیرهای چند سیناپسی ایجاد کردند و مسیرهای بازخورد(از حسی به خروجی) و ادغام چندحسی و تعاملات متقابل نیمکره را تجزیه و تحلیل کردند.

این تیم همچنین یکپارچگی چندحسی گسترده در سراسر مغز و مسیرهای به هم پیوسته متعدد در اعماق مختلف از نورون‌های حسی تا نورون‌های خروجی را یافتند که یک شبکه پردازش توزیع شده را تشکیل می‌دهند. مغز دارای معماری بسیار عود کننده‌ای بود، به طوری که ۴۱ درصد نورون‌ها ورودی دوره‌ای مکرر را دریافت می‌کردند. با این حال، عود به طور مساوی توزیع نشده بود و به ویژه در مناطقی که در یادگیری و انتخاب عمل دخیل بودند، زیاد بود. نورون‌های دوپامینرژیک که باعث یادگیری می‌شوند، از عودکننده‌ترین نورون‌های مغز بودند. بسیاری از نورون‌های طرف مقابل که در نیمکره‌های مغز پخش می‌شوند، هاب‌های درونی بودند و روی یکدیگر سیناپس می‌شدند و ارتباطات بین نیمکره‌ای گسترده را تسهیل می‌کردند.

کاربردها در هوش مصنوعی
اتصال کامل با وضوح سیناپسی مغز لارو مگس سرکه، یک مطالعه مرجع ماندگار خواهد بود که مبنایی برای بسیاری از مطالعات نظری و تجربی در مورد عملکرد مغز فراهم می‌کند. این امکان وجود دارد که برخی از ویژگی‌های معماری مشاهده شده در مغز لارو مگس سرکه نیز بتواند برای اطلاع‌رسانی به معماری‌های هوش مصنوعی(AI) استفاده شود.علاوه بر این، مقایسه بین اتصالات ارگانیسم‌های مختلف ممکن است هر دو معماری مدار مشترک و خاص را نشان دهد که زمینه‌ساز تفاوت‌های رفتاری بین موجودات است. چنین اطلاعاتی می‌تواند در سیستم‌های هوش مصنوعی برای الگوریتم‌های یادگیری کارآمدتر و فرآیندهای تصمیم‌گیری استفاده شود.
یافته‌های این مطالعه در مجله «ساینس»(Science) منتشر شده است.

بهار نیوز