అభ్యాసం మెదడులో మల్టీటాస్కింగ్‌ను మళ్లీ అమర్చినట్లు కనిపిస్తోంది

అభ్యాసం, ఒకేసారి రెండు పనులను మెదడు ఎలా నిర్వహిస్తుందో మార్చగలదు

మల్టీటాస్కింగ్ ఎందుకు కష్టం అనేది చాలా కాలంగా ఒక ప్రాథమిక పరిమితిగా భావించబడింది: లేదా మెదడు ఒక సమయంలో ఒకే డిమాండింగ్ పనిని మాత్రమే ప్రాసెస్ చేయగలదు, లేదా వేర్వేరు పనులు అదే న్యూరల్ యంత్రాంగం కోసం అంతగా పోటీపడి పనితీరు తప్పక క్షీణిస్తుంది. కొత్త పరిశోధన మరింత సౌకర్యవంతమైన సమాధానాన్ని సూచిస్తోంది. Neuron లో ప్రచురితమైన ఒక అధ్యయనంలో, శిక్షణ సమయంలో మెదడు తనను తాను తిరిగి వ్యవస్థీకరించుకుంటున్నట్లు కనిపిస్తోందని, అంతరాయం ఎక్కువగా ఉండే ప్రాసెసింగ్‌ నుండి, సమాంతర డిమాండ్లను నిర్వహించడానికి మరింత వేరు చేసిన, సమర్థవంతమైన ఏర్పాటు వైపు మారుతున్నదని శాస్త్రవేత్తలు తెలిపారు.

ఈ పని హాంకాంగ్ సిటీ యూనివర్సిటీ మరియు చైనీస్ యూనివర్సిటీ ఆఫ్ హాంకాంగ్‌కు చెందిన పరిశోధకులు సంయుక్తంగా నడిపించారు. కేవలం ప్రవర్తనను మాత్రమే చూడకుండా, బృందం వారాల తరబడి అదే న్యూరాన్ల కార్యకలాపాన్ని ట్రాక్ చేసింది, ఎలుకలు ద్వి-పని సవాలును నేర్చుకుంటుండగా. ఆ రూపకల్పన ద్వారా ఫలితంలో మాత్రమే కాదు, అంతర్గత న్యూరల్ వ్యవస్థీకరణలో కూడా మల్టీటాస్కింగ్ ఎలా మారుతుందో పరిశోధకులు చూడగలిగారు.

ముఖ్యమైన నిర్ణయం ఏమిటంటే, మల్టీటాస్కింగ్ మారని bottleneck చేత మాత్రమే నియంత్రించబడదు. ప్రారంభంలో, వనరుల కోసం పోటీతో పాటు పనుల మధ్య క్రియాశీల సమన్వయం కూడా మెదడులో కనిపించింది. అయితే అభ్యాసంతో, అది మరింత పనికి-ప్రత్యేక న్యూరాన్లను నియమించి, ఆ రెండు కార్యకలాపాల న్యూరల్ ప్రతినిధిత్వాలను వేరు చేసింది; దీంతో ఒకేసారి పనితీరు మరింత ప్రభావవంతమైంది.

ప్రయోగం ఎలా పనిచేసిందో దగ్గరగా చూడటం

సమాంతర పనుల ప్రాసెసింగ్‌ను పరిశీలించడానికి, పరిశోధకులు ఒక సెటప్‌ను రూపొందించారు; అందులో ఎలుకలు నిరంతర లీవర్-మూవ్‌మెంట్ పనిని కొనసాగిస్తూ, ఆడియో సూచనలను కూడా వినాలి మరియు Go/No-Go నిర్ణయం తీసుకోవాలి. ఇది అర్థవంతమైన పరీక్ష, ఎందుకంటే ఇది వచ్చే సెన్సరీ సమాచారాన్ని అంచనా వేస్తూనే, కొనసాగుతున్న మోటార్ అవసరాన్ని కూడా మెదడు నిర్వహించాల్సి వస్తుంది.

ఆ తరువాత బృందం secondary motor cortex గా పిలవబడే M2 లో న్యూరాన్ల పెద్ద సమూహాలను అనుసరించడానికి longitudinal two-photon calcium imaging ఉపయోగించింది. కొన్ని వారాల శిక్షణ అంతటా అదే న్యూరాన్లను ట్రాక్ చేసినందున, జంతువులు మెరుగుపడుతున్నప్పుడు నమూనాలు ఎలా మారుతున్నాయో పరిశోధకులు గమనించగలిగారు.

ఇది ముఖ్యం, ఎందుకంటే మల్టీటాస్కింగ్‌పై చర్చలు తరచుగా స్థిరమైన snapshot‌లపై ఆధారపడతాయి. ఒకే కొలత పనులు పరస్పరం అంతరాయం కలిగిస్తున్నాయని చూపగలదు, కానీ ఆ అంతరాయాన్ని మెదడు శాశ్వత పరిమితిగా పరిగణిస్తున్నదా, లేక నేర్చుకోవడం ద్వారా పునర్వ్యవస్థీకరించగలదా అన్నది సులభంగా తెలియజేయలేను. ఈ అధ్యయనం, కనీసం ఈ ప్రయోగాత్మక మోడల్‌లో, రెండో వివరణకే మద్దతు ఇస్తోంది.

అంతరాయం నుంచి వేర్పాటుకు

శిక్షణ ప్రారంభంలో, న్యూరల్ చిత్రం ఒకేసారి రెండు పనులు చేయడానికి ప్రయత్నించిన ఎవరికైనా పరిచయంగా అనిపించే విధంగా గందరగోళంగా ఉంది. రెండు పనులతో అనుసంధానమైన సంకేతాలు ఎక్కువగా ఒకదానితో ఒకటి మిళితమయ్యాయి, అంటే అదే న్యూరల్ వనరులు రెండింటి డిమాండ్లలోనూ పాల్గొన్నాయి. ఆ మేళవింపు ఘర్షణను సృష్టించగలదు: ఒక పనికి ఉపయోగపడే కార్యకలాపం మరొకదాన్ని భంగం చేయవచ్చు, లేదా కనీసం మెదడును పోటీ ప్రాధాన్యాలను నిరంతరం సమన్వయం చేయాల్సిందిగా చేస్తుంది.

పరిశోధకుల ప్రకారం, మెదడు ఈ సమస్యను కేవలం అదే పంచుకున్న circuitry ను వేగంగా ఉపయోగించడం ద్వారా పరిష్కరించలేదు. దానికి బదులుగా, శిక్షణ క్రమంగా వ్యవస్థ యొక్క ఏర్పాటును మార్చింది. మరిన్ని న్యూరాన్లు ఒక పని లేదా మరొకదానికి ప్రత్యేకమైనవిగా మారాయి, మరియు ఆ పనుల ప్రతినిధిత్వాలు మరింత స్పష్టంగా విడిపోయాయి.

ఆ వేర్పాటే ప్రధాన అవగాహనగా కనిపిస్తోంది. ఈ వివరణ ప్రకారం, సమర్థవంతమైన మల్టీటాస్కింగ్ అంటే పరిమితులను పూర్తిగా తొలగించడం కాదని, వేర్వేరు పనులు ఒకదానితో ఒకటి తక్కువగా అంతరాయం కలిగించేలా నెట్‌వర్క్‌ను పునర్నిర్మించడం అని అర్థం. అభ్యాసం మాయాజాలంలా అనంత సామర్థ్యాన్ని సృష్టించదు. అది మరింత శుభ్రమైన మార్గాలను చెక్కుతుంది.

కొన్ని రకాల మల్టీటాస్కింగ్ పునరావృతంతో మెరుగవుతుండగా, మరికొన్ని ఎందుకు ఇంకా నిరుత్సాహకరంగానే ఉంటాయో ఈ కనుగొనుబాట్లు వివరించడంలో సహాయపడుతున్నాయి. శిక్షణ మెదడును మరింత పనికి-ప్రత్యేక వ్యవస్థీకరణ వైపు నెట్టగలిగితే, అదే ద్వి-పని డిమాండ్లను పదేపదే ఎదుర్కొనడం కాలక్రమేణా వాటిని మరింత సులభంగా అనిపించవచ్చు. కానీ రెండు పనులు ఇంకా ఒకదానితో ఒకటి మిళితమయ్యే ప్రక్రియలపై ఆధారపడితే, ఘర్షణ గట్టిగా కొనసాగవచ్చు.

ఈ ఫలితం ప్రాథమిక న్యూరోసైన్స్‌ను దాటి ఎందుకు ముఖ్యం

ఈ అధ్యయనం దీర్ఘకాల శాస్త్రీయ చర్చకు మరింత సూక్ష్మతను జోడిస్తోంది. క్లాసిక్ “central bottleneck” దృక్పథం మల్టీటాస్కింగ్‌ను ఒక సంకుచిత ప్రాసెసింగ్ దశ ద్వారా పరిమితం అవుతుందని చూస్తుంది, దానిలో ఒకేసారి ఒక పని మాత్రమే గుండా వెళ్లగలదు. పోటీ సిద్ధాంతాలు పంచుకున్న వనరుల పరిమితులను ప్రాధాన్యం ఇస్తాయి. కొత్త కనుగొనుబాట్లు ఒక వైపునే పూర్తిగా సమర్థించి మరొకదాన్ని తిరస్కరించవు. బదులుగా, మెదడు పోటీ మరియు సమన్వయం మిశ్రమంతో ప్రారంభమై, తరువాత నేర్చుకోవడం ద్వారా మరింత వేర్పాటు వైపు కదలగలదని సూచిస్తున్నాయి.

దీంతో ఈ ఫలితం జంతు న్యూరోసైన్స్‌కు మించి అనేక రంగాలకు ఆసక్తికరంగా మారుతుంది. శిక్షణ రూపకల్పన, పునరావాసం, హ్యూమన్ ఫ్యాక్టర్స్ ఇంజనీరింగ్, మరియు జ్ఞాన పనితీరు పరిశోధన అన్నీ సమాంతర పనితీరు ఎప్పుడు మెరుగవుతుందో, ఎప్పుడు కాదో మెరుగైన అవగాహనపై ఆధారపడుతాయి. పని నిర్మాణం మరియు పునరావృతం ప్రాథమిక సామర్థ్యం అంతే ముఖ్యమై ఉండవచ్చని ఈ పని సూచిస్తోంది.

జీవశాస్త్రీయ కనుగొనుబాట్లు కృత్రిమ మేధస్సు శిక్షణకు కూడా మార్గనిర్దేశం చేయవచ్చని పరిశోధకులు చెప్పారు. ఆ ఆలోచన సరళమే: లోపలి ప్రతినిధిత్వాలను భేదించడం మరియు మరింత ప్రత్యేక యూనిట్లను నియమించడం ద్వారా మెదడు మల్టీటాస్కింగ్‌లో మెరుగుపడితే, AI వ్యవస్థలు కూడా పనుల మధ్య అంతరాయాన్ని తగ్గించే శిక్షణ విధానాల నుంచి లాభపడవచ్చు; ఒకే పంచుకున్న ప్రతినిధిత్వంతో అన్నిటినీ సమానంగా చేయమని బలవంతం చేయడం కన్నా.

ఈ అధ్యయనం ఏమి చెబుతుంది, ఏమి చెప్పదు

ఈ పత్రం అన్ని మల్టీటాస్కింగ్‌లు సులభంగా శిక్షణ పొందగలవని లేదా మెదడు పరిమితులను పూర్తిగా తప్పించుకుపోతుందని చెప్పడంలో జాగ్రత్తగా ఉంది. ఈ పని ఎలుకల మోడళ్లలో, ఒక నిర్దిష్ట ద్వి-పని రూపకల్పనతో మరియు ఒక cortical ప్రాంతం నుండి కొలతలతో జరిగింది. ఇది అధ్యయనానికి ఖచ్చితత్వాన్ని ఇస్తుంది, కానీ దాని నుండి ఏమి నిర్ణయించవచ్చో దానికి హద్దులు కూడా వేస్తుంది.

అయినప్పటికీ, ఫలితం గమనించదగినది, ఎందుకంటే ఇది మెరుగుదలకు ఒక స్పష్టమైన జీవశాస్త్రీయ యంత్రాంగాన్ని చూపుతోంది. మెరుగైన మల్టీటాస్కింగ్‌ను ఒక అస్పష్ట ప్రవర్తనా ఫలితంగా చూడకుండా, ఈ అధ్యయనం దానిని కాలక్రమేణా గమనించగల న్యూరల్ మార్పుతో అనుసంధానిస్తోంది. ఇది, కోర్టెక్స్‌లో సమాంతర పనుల ప్రాసెసింగ్ ఎలా అమలవుతుందో నేర్చుకోవడం ద్వారా మార్చగలమన్న వాదనను బలపరుస్తోంది.

• ఈ అధ్యయనం

  Neuron లో ప్రచురితమైంది.

• పరిశోధకులు కొన్ని వారాల శిక్షణ అంతటా అదే న్యూరాన్లను ట్రాక్ చేశారు.
• ప్రారంభ మల్టీటాస్కింగ్‌లో వనరుల పోటీ మరియు న్యూరల్ సమన్వయం రెండూ ఉన్నాయి.
• అభ్యాసంతో మరింత పనికి-ప్రత్యేక న్యూరాన్లు ఏర్పడి, పనుల ప్రతినిధిత్వాలు మరింత వేరయ్యాయి.
• ఈ కనుగొనుబాట్లు మల్టీటాస్కింగ్ కోసం శిక్షణ పొందిన AI వ్యవస్థలకు మార్గనిర్దేశం చేయవచ్చని రచయితలు చెప్పారు.

రోజువారీ జీవితానికి సందేశం నియంత్రితమైనదే కానీ ఉపయోగకరమైనది: అభ్యాసం ప్రజలను ఒకేసారి చాలా పనులు చేయడంలో సాధారణంగా మెరుగుపరచకపోవచ్చు, కానీ పునరావృతమయ్యే పనుల కలయికల చుట్టూ మెదడును తిరిగి వ్యవస్థీకరించడంలో సహాయపడుతుంది. మరో మాటలో చెప్పాలంటే, మొదట అసాధ్యంగా అనిపించేది, మెదడుకు పరిమితులు లేవని కాదు, రెండు పనులు ఒకదానితో ఒకటి ఢీకొనడానికి తక్కువ సమయం ఖర్చు చేయడం అది నేర్చుకుంటుందనే కారణంగా నిర్వహించదగినదిగా మారవచ్చు.

ఈ వ్యాసం Medical Xpress నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.