Kai garso bangos pasiekia vidinę ausį, ten esantys neuronai paima vibracijas ir įspėja smegenis. Jų signaluose užkoduota daug informacijos, kuri leidžia mums sekti pokalbius, atpažinti pažįstamus balsus, vertinti muziką ir greitai surasti skambančio telefono ar verkiančio kūdikio vietą.
Neuronai siunčia signalus išskirdami šuoliais – trumpus įtampos pokyčius, kurie sklinda išilgai nervų skaidulų, taip pat žinomų kaip veikimo potencialai. Pažymėtina, kad klausos neuronai gali paleisti šimtus spyglių per sekundę ir išskirtinai tiksliai nustatyti jų spyglius, kad jie atitiktų įeinančių garso bangų virpesius.
Turėdami galingus naujus žmogaus klausos modelius, MIT McGovern smegenų tyrimų instituto mokslininkai nustatė, kad šis tikslus laikas yra gyvybiškai svarbus kai kuriems iš svarbiausių klausos informacijos suvokimo būdų, įskaitant balsų atpažinimą ir garsų lokalizavimą.
Išvados, paskelbtos žurnale Gamtos komunikacijosparodykite, kaip mašininis mokymasis gali padėti neurologams suprasti, kaip smegenys naudoja klausos informaciją realiame pasaulyje. MIT profesorius ir McGovern tyrėjas Joshas McDermottas, kuris vadovavo tyrimui, paaiškina, kad jo komandos modeliai geriau aprūpina mokslininkus tirti įvairių tipų klausos sutrikimų pasekmes ir sukurti veiksmingesnes intervencijas.
Garso mokslas
Nervų sistemos klausos signalai nustatomi taip tiksliai, kad mokslininkai jau seniai įtarė, jog laikas yra svarbus mūsų garso suvokimui. Garso bangos svyruoja tokiu greičiu, kuris lemia jų aukštį: žemi garsai sklinda lėtomis bangomis, o aukšto tono garso bangos svyruoja dažniau. Klausos nervas, perduodantis informaciją iš garsą aptinkančių plaukų ląstelių ausyje į smegenis, sukuria elektrinius šuolius, atitinkančius šių virpesių dažnį.
„Klausos nervo veikimo potencialai suveikia labai tam tikru momentu, palyginti su stimulo bangos formos viršūnėmis“, – aiškina McDermottas, kuris taip pat yra MIT Smegenų ir pažinimo mokslų katedros vadovas.
Šis ryšys, žinomas kaip fazės fiksavimas, reikalauja, kad neuronai nustatytų savo šuolius submilisekundžių tikslumu. Tačiau mokslininkai iš tikrųjų nežinojo, kiek informatyvūs šie laiko modeliai yra smegenims. McDermottas sako, kad klausimas yra ne tik moksliškai intriguojantis, bet ir turi svarbių klinikinių pasekmių: „Jei norite sukurti protezą, kuris smegenims teiktų elektrinius signalus, kad atkurtų ausies funkciją, be abejonės, gana svarbu žinoti, kokios informacijos yra Normali ausis iš tikrųjų yra svarbi“, – sako jis.
Tai buvo sunku ištirti eksperimentiškai; gyvūnų modeliai negali pasiūlyti daug supratimo apie tai, kaip žmogaus smegenys išgauna struktūrą iš kalbos ar muzikos, o klausos nervas yra neprieinamas tirti žmonėms. Taigi McDermottas ir magistrantas Markas Saddleris, mokslų daktaras. kreipėsi į dirbtinius neuroninius tinklus.
Dirbtinė klausa
Neuromokslininkai jau seniai naudojo skaičiavimo modelius, kad ištirtų, kaip smegenys gali iššifruoti jutiminę informaciją, tačiau iki naujausių skaičiavimo galios ir mašininio mokymosi metodų pažangos šie modeliai apsiribojo paprastų užduočių modeliavimu.
„Viena iš šių ankstesnių modelių problemų yra ta, kad jie dažnai yra per geri“, – sako Saddleris, dabar dirbantis Danijos technikos universitete. Pavyzdžiui, skaičiavimo modelis, kuriam pavesta nustatyti aukštesnį aukštį paprastų tonų poroje, greičiausiai veiks geriau nei žmonės, kurių prašoma padaryti tą patį.
„Tai nėra tokia užduotis, kurią kasdien atliekame klausydami“, – pabrėžia Saddleris. „Smegenys nėra optimizuotos išspręsti šią labai dirbtinę užduotį.” Šis neatitikimas apribojo įžvalgas, kurias galima gauti iš šios ankstesnės kartos modelių.
Kad geriau suprastų smegenis, Saddleris ir McDermottas norėjo mesti iššūkį klausos modeliui daryti tai, kam žmonės naudoja savo klausą realiame pasaulyje, pavyzdžiui, atpažinti žodžius ir balsus. Tai reiškė, kad reikia sukurti dirbtinį neuroninį tinklą, kuris imituotų smegenų dalis, kurios gauna įvestį iš ausies. Tinklui buvo suteikta įvestis iš maždaug 32 000 imituojamų garsą aptinkančių jutimo neuronų, o tada optimizuotas įvairioms realaus pasaulio užduotims.
Tyrėjai parodė, kad jų modelis gerai atkartojo žmogaus klausą – geriau nei bet kuris ankstesnis klausos elgesio modelis, sako McDermottas. Vieno bandymo metu dirbtinio neuroninio tinklo buvo paprašyta atpažinti žodžius ir balsus daugybėje foninio triukšmo tipų – nuo lėktuvo salono ūžesio iki entuziastingų plojimų. Bet kokiomis sąlygomis modelis veikė labai panašiai kaip žmonės.
Tačiau, kai komanda sumažino spyglių laiką imituojamoje ausyje, jų modelis nebegalėjo prilygti žmonių gebėjimui atpažinti balsus ar nustatyti garsų vietas. Pavyzdžiui, nors McDermott komanda anksčiau įrodė, kad žmonės naudoja garsą, kad padėtų atpažinti žmonių balsus, modelis atskleidė, kad šis gebėjimas prarandamas be tiksliai suplanuotų signalų.
„Jums reikia gana tikslaus smaigalio laiko, kad atsižvelgtumėte į žmogaus elgesį ir gerai atliktumėte užduotį“, – sako Saddleris. Tai rodo, kad smegenys naudoja tiksliai nustatytus garso signalus, nes jie padeda šiems praktiniams klausos aspektams.
Grupės išvados rodo, kaip dirbtiniai neuroniniai tinklai gali padėti neurologams suprasti, kaip ausies išgaunama informacija daro įtaką mūsų pasaulio suvokimui, kai klausa yra nepažeista ir kai ji sutrikusi.
„Gebėjimas susieti klausos nervo šaudymo modelius su elgesiu atveria daug durų“, – sako McDermottas.
„Dabar, kai turime šiuos modelius, susiejančius ausyje esančias nervines reakcijas su klausos elgesiu, galime paklausti: „Jei imituojame skirtingus klausos praradimo tipus, kokį poveikį tai turės mūsų klausos gebėjimams?“ – sako McDermottas. „Tai padės mums geriau diagnozuoti klausos praradimą, ir manome, kad tai taip pat yra išplėsta, kad galėtume sukurti geresnius klausos aparatus ar kochlearinius implantus.
Pavyzdžiui, jis sako: „Kochlearinis implantas yra ribojamas įvairiais būdais – jis gali atlikti kai kuriuos dalykus, o ne kitus. Koks yra geriausias būdas nustatyti kochlearinį implantą, kad galėtumėte tarpininkauti elgsenai? Iš esmės galite naudoti modeliai jums tai pasakys“.