Tapşırıq səhvləri motor bacarıqlarını öyrənmək və təkmilləşdirmək üçün istifadə olunur. Biz tapşırıq yardımının öyrənilmiş neyron təsvirlərinə necə təsir etdiyini Beyin-Kompüter İnterfeysləri (BCI) vasitəsilə araşdırdıq; bu interfeyslər dekoder vasitəsilə neyron aktivliyini hərəkətə çevirir. Biz meymunların günlər ərzində performansı yaxşılaşdırmaq və ya qoruyub saxlamaq üçün uyğunlaşan dekoderlə BCI təcrübəsi keçdikləri zaman motor korteks aktivliyini təhlil etdik. Zaman keçdikcə, sabit dekoderlərdən fərqli olaraq, tapşırıqla bağlı məlumatlar daha az neyronda cəmləşdi. Populyasiya səviyyəsində tapşırıq məlumatı da böyük ölçüdə populyasiya variasiyasının kiçik bir hissəsini təşkil edən bir neçə neyron rejimi ilə məhdudlaşdı. Neyron şəbəkə modeli göstərir ki, adaptiv dekoderlər birbaşa bu daha yığcam neyron təsvirlərinin formalaşmasına töhfə verir. Tapıntılarımız göstərir ki, yardımçı dekoderlər kredit bölgüsü kimi uzunmüddətli öyrənmə hesablamaları üçün istifadə olunan səhv məlumatlarını manipulyasiya edir, bu da dəyişmiş neyron təsvirlərini izah edə və real dünya BCI dizaynı üçün məlumat verə bilər.
Motor öyrənmə, motor bacarıqlarının əldə edildiyi və saxlandığı proses kimi müəyyən edilmişdir1. Öyrənmə çoxsaylı mənbələrdən2 və müxtəlif formalarda3 gələn rəy səhv siqnallarından asılıdır; bu siqnallar tapşırıq performansını yaxşılaşdırmaq və hərəkəti təkmilləşdirmək üçün düzəldilir4,5,6. Bu səhvlər, neyron aktivliyini motor iş sahəsi ilə əlaqələndirən mürəkkəb yolları nəzərə alaraq müvafiq neyron dövrələrinə çatdırılmalıdır — bu, çətin bir kredit bölgüsü problemidir7. Çatma tapşırıqlarında, səhvlə bağlı neyron aktivliyi motor korteksində və digər bölgələrdə müşahidə edilmişdir8,9,10. Belə səhvlərin həm geniş yayılmış11, həm də yüksək dərəcədə lokallaşdırılmış12,13,14 neyrofizioloji dəyişikliklərə necə səbəb olduğu mexanizmləri tam başa düşülməsə də, biz onların tapşırıqla bağlı məlumatların neyron təsvirlərində dəyişikliklər kimi təzahür edəcəyini gözləyirik.
İntrakortikal beyin-kompüter interfeysləri (BCI) motor səhvlərinin neyron dəyişikliklərini necə formalaşdırdığını öyrənmək üçün güclü bir çərçivə təmin edir15,16. BCI, öyrənməni səbəb-nəticə əlaqəsi ilə araşdırmaq üçün neyron aktivliyi və hərəkət arasında bir xəritələmə ("dekoder"; Şəkil 1a) müəyyən edir17,18,19. Təbii hərəkətin pozulmasına bənzər yaxşı öyrənilmiş BCI xəritələmələrinin pozulması20,21, tapşırıq səhvlərini daxil etməklə qısamüddətli adaptasiyanın neyron mexanizmlərini araşdırmaq üçün istifadə edilmişdir22,23. Alternativ olaraq, çoxsaylı təcrübə sessiyaları ərzində öyrənilən yeni BCI xəritələmələri bacarıq formalaşması ilə bağlı neyron mexanizmlərini öyrənmək üçün istifadə edilə bilər24,25,26,27. BCI bacarıq öyrənmə tədqiqatları çox vaxt məhdud performans təmin edən sabit dekoderlərdən istifadə edir, bununla da tapşırıq səhvlərini azaltmaq üçün neyron adaptasiyasına əhəmiyyətli tələblər qoyur. Bunun əksinə olaraq, tətbiq yönümlü BCI-lər çox vaxt zamanla performansı yaxşılaşdırmaq və ya qoruyub saxlamaq üçün istifadə zamanı parametrləri yenilənən adaptiv dekoderlərdən istifadə edirlər (Şəkil 1a, b)19,28,29,30,31,32,33,34,35,36. Bu yardımçı müdaxilələr tapşırıq səhvlərini daxil etmədən (və potensial olaraq onları azaldaraq) neyron aktivliyi ilə hərəkət arasındakı xəritələməni dəyişdirir. Hətta performans sadəcə qorunub saxlanıldıqda belə, yeni xəritələmə performansı daha da yaxşılaşdırmaq üçün neyron aktivliyinin necə dəyişməli olduğunu (yəni, neyronlara verilən kredit) dəyişdirə bilər. Beləliklə, bu müdaxilələr performansı qoruyan neyron-davranış xəritələmələrindəki dəyişikliklərin bacarıq öyrənmə mexanizmlərinə necə təsir edə biləcəyini öyrənmək üçün bir fürsət yaradır.
BCI bacarıq öyrənməsi həm tək neyron, həm də populyasiya aktivliyini dəyişdirir. Bir neçə gün ərzində sabit dekoderlə təcrübə performansı təkmilləşdirir, neyron təsvirlərini sabitləşdirir24 və neyronlar arasında koordinasiyanı yaxşılaşdırır37,38, bu da təbii motor öyrənməsində azalmış neyron dəyişkənliyi ilə uyğundur39. Bəzi dəyişikliklər xüsusi neyronlara yönəldilir: davranışın birbaşa "oxunuşları" kimi istifadə edilən neyronlar, hesablamalarda iştirak edə bilən, lakin hərəkəti birbaşa idarə etməyən "oxunmayan" neyronlardan fərqli olaraq modulyasiya olunur (Şəkil 1a). Uzunmüddətli təcrübə ilə oxunuşların üstünlük təşkil edən modulyasiyası, kredit bölgüsü hesablamalarının bacarıq öyrənməsinə töhfə verməsi ehtimalı ilə uyğundur38,40,41,42,43,44. Populyasiya səviyyəsindəki dəyişikliklər də əsasən oxunuşlar tərəfindən dəstəklənir38.
Uzunmüddətli öyrənmə adaptiv BCI dekoderləri ilə geniş təcrübə zamanı da baş verə bilər. Belə yardımçı dekoderlər səhvləri azaltmaq üçün neyron-hərəkət xəritələməsini uyğunlaşdırır və həmçinin oxunuş ansamblının hansı neyron vahidlərinin bir hissəsi olduğunu dəyişdirərək qeyri-sabit ölçmələri kompensasiya etməyə kömək edir36 (Şəkil E1A). Bu dinamik xəritələməyə baxmayaraq, adaptiv dekoderlər zamanla BCI-nin bacarıqlı idarə olunmasına19,29,36,44 kömək edə və neyron dəyişikliklərinin miqdarını, məsələn, neyron tənzimləməsindəki dəyişiklikləri azalda bilər36. Bununla belə, uzunmüddətli adaptiv BCI təcrübələri ardıcıl olaraq yalnız dekoder adaptasiyasından gözləniləndən daha çox performans yaxşılaşmaları bildirir19,29,36,44,45,46,47, bu da uzunmüddətli bacarıq öyrənmə proseslərinin baş verdiyini göstərir.
Yardımçı dekoder müdaxilələrinin öyrənməyə və nəticədə yaranan neyron təsvirlərinə necə təsir etdiyi aydın deyil. Biz fərz etdik ki, onlar bacarıq öyrənməsi zamanı baş verən hədəflənmiş neyron dəyişikliklərinə töhfə verən rəyi dəyişə bilərlər. Bu prosesi daha yaxşı başa düşmək, bu manipulyasiyalardan geniş istifadə edən BCI tətbiqlərinə məlumat verə bilər və uzunmüddətli sensorimotor öyrənməni istiqamətləndirən hesablamalar haqqında anlayışlar təmin edə bilər. Bununla belə, beyin-alqoritm qarşılıqlı əlaqələrini araşdırmaq çətindir, çünki bu, tapşırıq performansındakı, fərdlərdəki və təlim tarixçəsindəki dəyişikliklərin şərhləri çətinləşdirdiyi müxtəlif paradiqmalar (sabit və adaptiv dekoderlər) arasında öyrənmə nəticələrini müqayisə etməyi tələb edir. Buna görə də mövcud işlər, neyron təsvirlərinə təsirini araşdırmadan müxtəlif BCI alqoritmlərinin performansa əsaslanan müqayisələrinə yönəlmişdir (məsələn, 31,32,34,48,49).
Xülasə — davamını mənbədə oxuyun.
