دینامیک تنها ثابت در حافظه کاری است
Jun 01, 2023
خلاصه
در این دیدگاه کوتاه، ما تمایل خود را به استفاده از وظایف بیش از حد ساده شده و خاص در تلاش برای کشف مکانیسم های کلی حافظه فعال بررسی می کنیم. ما بحث میکنیم که چگونه کار مارک استوکس و همکارانش فراتر از فعالیتهای عصبی موضعی و موقتی است و تمرکز را به سمت اهمیت کدهای عصبی پویا و توزیعشده برای حافظه فعال تغییر داده است. یک درس مهم از این کار این است که استفاده از وظایف ساده شده به طور خودکار رفتار حمایتی محاسبات عصبی را ساده نمی کند (حتی اگر ما آرزو داشته باشیم که چنین باشد). علاوه بر این، بینش استوکس در مورد دینامیک چند بعدی، انعطافپذیری کدهای عصبی زیربنایی شناخت را برجسته میکند و این میدان را به نگاهی فراتر از معیارهای ایستا حافظه فعال سوق داده است.

فواید سیستانچ توبولوزا-ضد آلزایمر
هدف اصلی تحقیق حافظه فعال این است که بفهمیم چگونه در حین حرکت در جهان برای رسیدن به اهداف رفتاری خود، اطلاعات را به طور موقت در ذهن نگه می داریم. حافظه کاری یک عملکرد شناختی حیاتی است که به ما امکان می دهد تجربیات خود را به یک روایت منسجم پیوند دهیم. پس جای تعجب نیست که در صحبتها و سخنرانیهای کلاسی که ما بهعنوان دانشمندان در مورد حافظه فعال ارائه میکنیم، همه ما دوست داریم با مثالهای جذاب دنیای واقعی شروع کنیم. ممکن است راهروی شلوغ سوپرمارکت پر از سبزیجات رنگارنگ را نشان دهیم و نحوه استفاده از حافظه فعال را برای حفظ لیست مواد غذایی خود در حین جستجوی توت فرنگی های عالی برجسته کنیم. یا، ممکن است یک خیابان شهری شلوغ را نشان دهیم و توضیح دهیم که چگونه میتوانید با تجسم چهره یا کلاه صورتی امضا، دوستی را در میان جمعیت پیدا کنید. نمونه های واضح برای باز کردن اسلایدهای گفتگو کم نیست. با این حال، در حول و حوش اسلاید 5، ما همیشه به موارد زیر می پردازیم: چند جعبه خاکستری مجزا که نمایشگر یک صفحه کامپیوتر است که به طور متوالی در یک جدول زمانی تنظیم شده است. در یکی از اولین جعبهها، نوارها یا رنگهایی وجود دارد که از مردم خواسته میشود آنها را به خاطر بسپارند. سپس، یک کادر خاکستری وجود دارد که نشان دهنده تاخیر حافظه کاری است. و در کادر آخر دوباره چند نوار یا رنگ به عنوان تست استفاده می شود.

فنیل اتانول گلیکوزید جزء فعال اصلی سیستانش دسرتیکولا است
کسانی از ما که در تحقیقات حافظه فعال مشغولیم آنقدر با این چرخش از دنیای واقعی به آزمایشگاه آشنا هستیم که به ندرت متوجه آن می شویم. با این حال، شنوندگانی که برای اولین بار میشنوند، ممکن است برای دیدن این ارتباط مشکل داشته باشند. البته دلیلی وجود دارد که همه ما کارهای مصنوعی خود را دوست داریم و ارزش زیادی در آنها وجود دارد. ما به عنوان روانشناس می آموزیم که وظیفه وسیله ای برای اعمال کنترل تجربی به قیمت طبیعت گرایی است. بهعنوان عصبشناس، متوجه میشویم که کارهای مصنوعی بهویژه برای هدایت مغز افراد به حالت تقریباً یکسانی بارها و بارها مفید است تا بتوانیم سیگنال را از نویز استخراج کنیم. در مقابل، اگر طبق مثال اسلاید 1 یک روز صبح خوب در راهروی سوپرمارکت سرگردان هستید، برای یک عصب شناس سخت است (در حال حاضر تقریبا غیرممکن است) اطلاعاتی را از ذهن شما جمع آوری کند.

ترکیبات شیمیایی اصلی گیاه Cistanche deserticola
از آنجایی که آنها ساده هستند، ما دوست داریم وظایف معمول حافظه کاری خود را قابل پیش بینی و قابل تعویض بدانیم. مانند پیروی از یک دستور غذا در آشپزخانه، می توانید رفتار را بر اساس زمان اختصاص داده شده برای رمزگذاری و نگهداری پیش بینی کنید. مانند قطعات قفسههای IKEA، میتوانید اجزای کار را با هم ترکیب کرده و با هم ترکیب کنید تا اثر دلخواه را به دست آورید. با این حال، کار در حال انجام نشان داده است که چگونه حتی ساده ترین اجزای کار آنقدر فرمولی نیستند. به عنوان مثال، یک سوال طولانی مدت که به جدا شدن روانشناسی شناختی از رفتارگرایی کمک کرد این است که چگونه یک محرک می تواند بر روی بسیاری از رفتارهای مختلف نقشه برداری کند. کشیدن یک آس از روی عرشه گاهی بهترین کارت است و گاهی بدترین - همه اینها به این بستگی دارد که در حال حاضر کدام بازی با ورق را انجام می دهید. از نظر فنی، یک محرک، عملیات و رفتارهای ذهنی متفاوتی را در زمینههای مختلف آغاز میکند.
درک اینکه چگونه یک محرک را می توان به طور انعطاف پذیر با رفتارهای مختلف ترسیم کرد، زمانی که از منظر تک تک نورون ها نگریسته شود، یک مشکل چالش برانگیز است. در علوم اعصاب بصری، مشخص کردن ترجیحات تنظیم نورون ها اغلب مثمر ثمر است. تصور بازنماییهای ذهنی ناشی از نورونهای تنظیمشده پایدار آسان است - اگر میخواهید یک آیتم "عمودی" را نشان دهید، در تئوری، میتوانید با شلیک مداوم نورونهای ترجیح عمودی برای پل زدن یک تاخیر، به این هدف دست یابید. با این حال، طرحی مانند این نمیتواند به طور کامل انعطافپذیری حافظه فعال را توضیح دهد: گاهی اوقات، «عمودی» میتواند به معنای «فشار دکمه A» باشد، و گاهی اوقات به معنای «به سمت راست خود نگاه کنید». پیوند دادن سریع اطلاعات دلخواه به یکدیگر نیازمند تغییرات انعطاف پذیر در نمایش اطلاعات است. یک بینش کلیدی از استوکس و همکاران. (2013) این است که یک چشم انداز چند بعدی زمانی پدیدار می شود که فعالیت یک نورون فردی به عنوان فعالیت همه نورون های دیگر در نظر گرفته شود. در این چشم انداز، هر نورون در طول زمان یک بعد واحد را طی می کند، و همه نورون ها با هم یک مسیر بسیار پویا را طی می کنند که می تواند در طول دوره های مختلف کار حافظه کاری در حالت های پایدار قرار گیرد. این فضای حالت پویا و چند بعدی را می توان در همه نورون ها در نظر گرفت، اما همچنین می تواند با نگاه کردن به اجزایی که بیشتر واریانس را در یک کار مشخص توضیح می دهند (با استفاده از تکنیک کاهش ابعاد مانند PCA) به ابعاد کمتری متراکم شود. از استوکس و همکاران. (2013)، ما یاد گرفتیم که یک حالت فعال سازی پایدار با ابعاد پایین تر را می توان در طول نگهداری حافظه کاری مشاهده کرد، که وضعیت شبکه به طور موقت پیکربندی شده را منعکس می کند که به صورت پویا مطابق با اهداف وظیفه تنظیم می شود. به عنوان مثال، یک حالت پایدار می تواند نحوه ارتباط یک محرک حفظ شده با تصمیم مناسب مورد نیاز در طول پاسخ را ترسیم کند. به طور انتقادی، با در نظر گرفتن ماهیت چند بعدی کدهای عصبی، بسیاری از رفتارهای انعطاف پذیر می توانند به طور ناگهانی و بدون دردسر در تئوری های ما در مورد حافظه فعال جای بگیرند.

مکمل سیستانچ نزدیک من-بهبود حافظه
برای مشاهده محصولات Cistanche Improve Memory اینجا را کلیک کنید
【بیشتر بخواهید】 ایمیل:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692
کار بر روی کدهای چند بعدی در زمینه نگاشت یک محرک به رفتارهای متعدد نشان داده است که چگونه حالتهای کمبعدی میتوانند به طور انعطافپذیری جمعآوری و دوباره سرهم شوند تا با نیازهای رفتاری لحظه به لحظه سازگار شوند. حتی قابل توجه تر، کار بعدی نشان داد که فعالیت در جمعیت های بزرگ نورون ها می تواند بسیار پویا باقی بماند، حتی زمانی که محرک ها و خواسته های وظیفه ثابت نگه داشته شوند (Wolff, Jochim, Akyürek, Buschman, & Stokes, 2020; Murray et al., 2017; اسپاک، واتانابه، فوناهاشی و استوکس، 2017). در یک کار حافظه کاری بصری، از ناظران خواسته شد تا یک محرک ساده (مثل یک توری جهت یا مکان فضایی) را به خاطر بسپارند. الگوی کلی فعالیت عصبی در طول تاخیر حافظه از طریق یک سری تغییرات در طول زمان انجام می شود. علیرغم این پویاییهای زمانی سریع در جمعیت به طور کلی، طرح کدگذاری، یا زیرفضای کمبعدی که محرک ساده را نشان میدهد، بهطور قابلتوجهی پایدار ماند و در طول زمان تنها جابجاییهای کوچکی را نشان داد (Wolff et al., 2020; Murray et al., 2017). از منظر آگاهانه ما، حافظه یک محرک ساده مانند یک جهت گیری مانند مجسمه ای است که در چشم ذهن ما "ثابت" شده است. از منظر پردازش اطلاعات عصبی، مانند رودخانه ای است که مسیر خود را در شیارهای مختلف در یک منظره پیدا می کند - در حالی که خاطرات را روی یک قایق پایدار نگه می دارد (پانیچلو و بوشمن، 2021؛ پانیچلو، دی پاسکوال، بالش، و بوشمن، 2019).
درک کدهای حافظه کاری به عنوان بسیار پویا و در حال تکامل در طول زمان یک ایده دگرگون کننده از استوکس و همکاران (2013) بود، و ما به آرامی شروع به درک بیشتر در مورد نحوه نگهداری خاطرات از این دیدگاه جدید می کنیم. به عنوان مثال، کار اخیر چارچوب کدگذاری پویا را که توسط استوکس برای پرداختن به یکی از پرسشهای کلاسیک در فلسفه، روانشناسی شناختی و علوم اعصاب ایجاد شده است، اتخاذ کرده است: وقتی خاطرهای را در ذهن دارید، چگونه میدانید که آن یک خاطره است و نه یک خاطره. نمایش اطلاعات حسی دریافتی؟ به عبارت دیگر، چگونه مغز شما تداخل بین افکار درونی و اطلاعات حسی را کاهش می دهد؟ لیبی و بوشمن (2021) با بررسی فضای حالت ضبطهای چند واحدی نشان دادند که تنظیم حسی برخی نورونها در طول نگهداری اطلاعات در حافظه پایدار است، در حالی که تنظیم سایر نورونها در مورد تنظیم حسی معکوس است. نتیجه خالص چرخش نمایش فضای حالت کد حافظه مربوط به کد حسی است که مکانیزمی را برای جدا کردن بازنمایی های حافظه از نمایش های حسی ارائه می دهد. اگرچه این یافته وسیلهای برای کاهش تداخل بین حافظهها و ورودیهای حسی پیشنهاد میکند، اما این پویاییها فرآیند رمزگشایی اطلاعات بهخاطر را برای هدایت رفتار پیچیده میکنند. وقتی آن ویژگی دیگر در قالب حسی اصلی خود نیست، چگونه می توان یک ویژگی خاص به خاطر سپرده شده را "خوانده" کرد؟ چندین مطالعه - با الهام از رویکرد استوکس به کدهای پویا - نشان دادهاند که الگوهای پاسخ عصبی میتوانند در طول زمان بسیار پویا باشند، همه اینها در حالی که رابطه ساختاری بین محرکهای به یاد ماندنی حفظ میشود، به طوری که در یک زیرفضای پایدار قابل تفکیک باقی میمانند (به عنوان مثال، ولف و همکاران، 2020؛ بوشاکورت و بوشمن، 2019؛ موری و همکاران، 2017؛ اسپاک و همکاران، 2017).
الهام گرفته شده از ایده کدهای پویا (اگرچه از رویکردهای تحلیلی متفاوت استفاده می شود) به طور پیوسته به تفکر عصب شناسی در مورد یک سوال طولانی مدت نفوذ کرده است: مکان قشری بازنمایی های یادگاری کجاست؟ داستان کلاسیک این است که فعالیت اسپک پایدار در pFC مکانیسم کلیدی است که نمایشهای حافظه پایدار را هدایت میکند. با این حال، نمایش کدهای پویا توسط استوکس، زمینه را مجبور به تجدید نظر کرد. با مفهوم زیرفضاهای چندبعدی و پویا به عنوان نقطه شروع، آیا حتی باید انتظار داشته باشیم که هر مکان عصبی منفرد (مثلا pFC) یا یک مکانیسم واحد (مثلاً spiking پایدار) جایگاه حافظه کاری باشد؟ درعوض، برای هر تکلیف حافظه کاری معین - چه به خاطر سپردن مربع های رنگی یا به خاطر سپردن لیست مواد غذایی شما - باید یک الگوی توزیع شده و در حال تکامل زمانی از فعالیت عصبی وجود داشته باشد که به طور انعطاف پذیری نواحی مغز و مکانیسم های عصبی مورد نیاز برای انجام کار را استخدام کند (کورتنی، 2022؛ ایامشچینینا، کریستوفل، گایت، و رادمیکر، 2021؛ لورنک و سرنیواسان، 2021؛ کریستوفل، کلینک، اسپیتزر، رولفسما، و هاینز، 2017؛ سرنیواسان، ویتلاسیل، و دیاسپوزیتو. در واقع، کار اخیر نشان داده است که اگر پاسخی از قبل شناخته شده باشد، اطلاعات مربوط به محرک های بصری را می توان در بازنمایی های حرکتی رمزگذاری کرد (هندرسون، رادمیکر، و سرنس، 2022؛ بوتچر، گرش، نوبر، و ون اد، 2021)، یا می توان در قالب یادداشت انتزاعی کدگذاری شده است (Kwak & Curtis, 2022؛ Rademaker, Chunharas, & Serences, 2019). به طور خلاصه، کار استوکس این ایده را القا می کند که یک مکان یا یک مکانیسم وجود ندارد که در طول حافظه کاری ثابت باشد. در عوض، تنها ثابت، انعطافپذیری و پویایی زمانی است که ورودیهای حسی را به اهداف رفتاری خاص زمینه مرتبط میکند.

گیاه سوپرمن سیستانچ
یکی از مفاهیم چارچوب کدگذاری پویا این است که هیچ راه حل کلی برای "مشکل" حافظه کاری وجود ندارد. برای درک حافظه فعال، باید به طور مستقیم با انعطاف پذیری بسیار زیاد آن در نظر بگیریم. برای انجام این کار هم نیاز به ابداع وظایف جدید است و هم به دقت در نظر گرفتن اینکه چگونه تغییر حالات ذهنی و زمینه های رفتاری بر پردازش حتی در ساده ترین کارها تأثیر می گذارد. این بدان معنا نیست که برخی از اصول حافظه فعال تعمیم نخواهند یافت - برخی از "راه حل ها" ممکن است با توجه به رابطه بین زمینه های مختلف، کم و بیش مشابه باشند. با این حال، درک بهتر پویایی حافظه فعال - همانطور که استوکس و دیگران در دهه گذشته نشان دادند - باید توجه بیشتری را در مورد طراحی و ارتباط وظایف ما با زندگی روزمره ایجاد کند و به بیرون راندن ما از موقعیت جذب کننده کمک کند. حالت تفکر که تنها یک راه برای پیاده سازی حافظه فعال در مغز وجود دارد.
منابع
Boettcher, SEP, Gresch, D., Nobre, AC, & Van Ede, F. (2021). برنامه ریزی خروجی در مرحله ورودی در حافظه کاری بصری Science Advances, 7, eabe8212. https://doi.org/10 .1126/sci-adv.abe8212، PubMed: 33762341
Bouchacourt، F.، و Buschman، TJ (2019). یک مدل انعطاف پذیر از حافظه کاری نورون، 103، 147-160. https://doi.org/10 .1016/j.neuron.2019.04.020, PubMed: 31103359
کریستوفل، سل، کلینک، پی سی، اسپیتزر، بی، رولفسما، روابط عمومی، و هاینز، جی.-دی. (2017). ماهیت توزیع شده حافظه کاری روند در علوم شناختی، 21، 111-124. https://doi.org/10.1016/j.tics.2016.12.007، PubMed: 28063661
کورتنی، اس ام (2022). حافظه کاری یک فرآیند پویا توزیع شده است. علوم اعصاب شناختی، 13، 208-209. https://doi.org /10.1080/17588928.2022.2131747، PubMed: 36200905
هندرسون، MM، Rademaker، RL، و Serences، JT (2022). استفاده انعطاف پذیر از کدهای مبتنی بر مکانی و موتوری برای ذخیره سازی اطلاعات فضایی. eLife, 11, e75688. https://doi.org/10.7554/eLife.75688، PubMed: 35522567
Iamshchinina، P.، Christophel، TB، Gayet، S.، & Rademaker، RL (2021). ملاحظات ضروری برای کاوش ذخیره سازی حافظه کاری بصری در مغز انسان. شناخت بصری، 29، 425-436.Https٪3a٪2f٪2fdoi.org٪2f10.1080٪2f13506285.2021.1915902
کواک، ی.، و کورتیس، CE (2022). رونمایی از قالب انتزاعی بازنمودهای یادگاری. نورون، 110، 1822-1828. https://doi.org/10.1016/j.neuron.2022.03.016، PubMed: 35395195
لیبی، ا.، و بوشمن، تی جی (2021). دینامیک چرخشی تداخل بین بازنمایی حسی و حافظه را کاهش می دهد. Nature Neuroscience، 24، 715-726. https://doi.org/10.1038 /s41593-021-00821-9، PubMed: 33821001
Lorenc، ES، و Sreenivasan، KK (2021). قالب بندی مجدد بحث: دیدگاه سیستم های توزیع شده از حافظه کاری. شناخت بصری، 29، 416-424. https://doi.org/10.1080 /13506285.2021.1899091
موری، جی. (2017). کدگذاری جمعیت پایدار برای حافظه فعال همراه با پویایی عصبی ناهمگن در قشر جلوی مغز است. مجموعه مقالات آکادمی ملی علوم، ایالات متحده آمریکا، 114، 394-399. https://doi.org/10 .1073/pnas.1619449114, PubMed: 28028221
پانیچلو، ام اف، و بوشمن، تی جی (2021). مکانیسم های مشترک زیربنای کنترل حافظه فعال و توجه است. طبیعت، 592، 601-605. https://doi.org/10.1038/s41586-021 -03390-w، PubMed: 33790467
Panichello، MF، DePasquale، B.، Pillow، JW، و Buschman، TJ (2019). دینامیک تصحیح خطا در حافظه کاری بصری Nature Communications, 10, 3366. https://doi.org/10.1038 /s41467-019-11298-3, PubMed: 31358740
Rademaker، RL، Chunharas، C.، & Serences، JT (2019). نمایش همزمان اطلاعات حسی و یادمانی در قشر بینایی انسان Nature Neuroscience، 22، 1336-1344. https://doi.org/10.1038/s41593-019-0428-x، PubMed: 31263205
Spaak، E.، Watanabe، K.، Funahashi، S.، & Stokes، MG (2017). کدگذاری پایدار و پویا برای حافظه فعال در قشر پری فرونتال پستانداران مجله علوم اعصاب، 37، 6503-6516. https://doi.org/10.1523/ JNEUROSCI.3364-16.2017، PubMed: 28559375
Sreenivasan، KK، Vytlacil، J.، & D'Esposito، M. (2014). ذخیره سازی پراکنده و پویا اطلاعات محرک حافظه کاری در قشر خارج از بدن مجله علوم اعصاب شناختی، 26، 1141-1153. https://doi.org/10 .1162/jocn_a_00556، PubMed: 24392897
استوکس، MG، Kusunoki، M.، Sigala، N.، نیلی، H.، Gaffan، D.، و دانکن، J. (2013). کدگذاری پویا برای کنترل شناختی در قشر جلوی مغز نورون، 78، 364-375. https://doi.org/10 .1016/j.neuron.2013.01.039, PubMed: 23562541
ولف، ام جی، یوچیم، جی.، آکیورک، EG، بوشمن، تی جی و استوکس، ام جی (2020). جابجایی کدها در یک طرح کدگذاری پایدار برای حافظه کاری. PLoS Biology, 18, e3000625. https://doi .org/10.1371/journal. bio.3000625, PubMed: 32119658






