Chongqing'de kaybolmak Pekin'den neden daha kolay? Bilim adamları beyin GPS sistemini ortaya koyuyor
Guo Yipu içbükey tapınaktan on üç Qubit Raporu | Genel Hesap QbitAI
Yolların yatay ve dikey olduğu Pekin ve Xi'an gibi şehirlerde neden yönü ayırt etmek sizin için daha kolay ve kaybolmak kolay değil?
Yolların serbest olduğu Chongqing ve Qingdao gibi şehirlere vardığınızda neden başınız dönüyor?
Öyle görünüyor ki herkes biliyor ki, yol kuzeye giderse ve şehir kare olursa, insanlar daha fazla yön duygusuna sahip olacak ama bu neden?
Şimdi bilimsel dayanak burada.
Tanınmış Max Planck İnsan Bilişi ve Beyin Bilimleri Enstitüsü, University College London (UCL) ve diğer kurumsal bilim adamlarından gelen son makale, Nature dergisinin Human Behavior'da beynin arkasındaki sırrı açığa çıkardı:
Çünkü zihninizde, farklı yer işaretlerinin konumlarını ezberlemenin yolu sanal bir haritadır.Bu sanal haritaları ezberlemekten sorumlu hücreler altıgen bir ızgarada düzenlenmiştir.
Bu nedenle, "sanal harita" kare olduğunda, altıgen ızgara hücrelerinin bellek deformasyonu açık değildir.
Ve "sanal harita" yedi dönüşlü ve sekiz dönüşlü çeşitli şekillere sahipse, altıgen ızgara hücrelerinin hafıza deformasyonu çok açıktır.
VR ortamında konum hafızası deneyi
Bunu kanıtlamak için, araştırmacılar Norveç Bilim ve Teknoloji Üniversitesi'ne koştu ve deneyler yapacak bir grup kadın ve erkek buldu.
Tamamı 18 ile 30 yaş arasında toplam 53 katılımcı bulunmaktadır Deney VR ekipmanı ile gerçekleştirilmelidir.Bazı teknik ve hata sorunları nedeniyle nihai veriler 37'sini örnek olarak kullanır.
Deney süreci, VR + spor platformunun böyle bir kombinasyonunda gerçekleştirildi:
Deneyciler, spor platformuna emniyet kemerleri ile bağlanan ve sanal gerçeklik dünyasında seyahat edebilmek için serbestçe dönüp yön değiştirebilen çok düşük sürtünmeli ayakkabı kılıfları giydiler.
İlk önce bir Acemi Köyüne girdiler. Acemi Köyün şekli sanal bir dairesel ortamdır. Burada yönleri belirlemek için yer işareti olarak kullanılabilecek birçok ağaç vardır.
Bu acemi köyde VR spor platformu ekipmanında yürümeye ve dönmeye adapte oluyorlar ve bu VR dünyasında oyun oynamak gibi kontrol düğmeleri aracılığıyla altın paraları topluyorlar.
Xinshou Köyü'ne adapte olduktan sonra deney resmen başladı.
Kare ve yamuk ortam
Deney iki sanal ortamda gerçekleştirildi, biri 36vm × 76vm × 8vm × 76vm trapezoidal ortam, burada vm "sanal metre", VR ortamında benzersiz bir uzunluk ölçüm birimi ve diğeri 40.27vm × 40.27vm kare bir ortamdır.
Her iki ortamda da mavi gökyüzü ve çim vardır.Konumlandırmayı kolaylaştırmak için ortam sınırının her duvarı farklı bir renge sahiptir.
Katılımcılar her ortamda 20 dakika kaldılar, yarısı önce yamuğa, ardından kareye, diğer yarısı ise tam tersine girdi.
Sanal ortamda koni ve tost makinesi dahil çeşitli hedefler bulunmaktadır.Sanal ortama her girdiklerinde bu hedeflerin ortamdaki koordinatları rastgele güncellenir.Hedefler arası minimum mesafe 11 vm'dir. Aralarındaki minimum mesafe 3 vm'dir ve koordinatlar her rastgele güncellendiğinde, iki geniş ikizkenar üçgen dizisi halinde düzenlenirler.
İnsanlar içeri her girdiğinde, koni ile başlarlar ve ardından farklı hedeflerin yerini hatırlamak için farklı hedeflere yürürler.
Bu şey bir koni namlu
Daha sonra koni dışındaki diğer hedefler kayboldu ve katılımcılar başlangıç konisine döndüler.Araştırmacı onlara bir soru sordu ve rastgele hedefin bir figürünü gösterdiler ve hafızalarına göre hedefin önündeki konuma koştular. Şimdi bir gülen yüz alacaksın.
Katılımcılar sanal dünyada oyundan çıktıktan sonra, araştırmacılar bilgisayar ekranından yürüdükleri mesafeyi ve karşılık gelen uzunluğu tahmin etmelerini istedi.
VR ortamı ne kadar kare olursa, konumu hatırlamak o kadar kolay olur
Daha sonra çeşitli matematiksel yöntemlerle hedef konuma yürüyen katılımcıların doğruluğu hesaplanmış ve kare bir ortamda katılımcıların hata oranının yamuk ortamdakinden anlamlı derecede düşük olduğu bulunmuştur.
Deneyin puanı, kare yamuk ortamdan da daha yüksektir.
Daha sonra, genel yamuk ortamın nispeten uzun olduğu düşünülürse, mesafe hatırlanamayabilir, yamuğu sol ve sağda ikiye böldüler.Sol olan daha geniş ve şekil daha kare; sağdaki daha dar ve şekli daha bozuk.
Şimdi, sihirli bir şey ortaya çıktı, yamuk ortamda, soldaki geniş bölümün hata oranı sağdaki dar bölümden önemli ölçüde daha düşüktü.
Aynı puandan soldaki geniş bölüm sağdaki dar bölümden daha yüksek puana sahip.
Olay sonrası mesafe tahmini bağlantısında, katılımcılar tarafından tahmin edilen mesafenin doğruluğu benzerdir.
Bunun anlamı:
Yer ne kadar kare olursa, insan konumunun hafızası o kadar doğru olur .
Başka bir deyişle, bir yer ne kadar kare ise, kaybolma olasılığınız o kadar azdır; ve eğer yeriniz çarpıksa, yol aptallarına yatkınsınızdır.
Yedi dönüşün olduğu yerde, ızgara hücreleri bozulur
Öyleyse neden bu?
Aslında, önemli bir yeri veya yolu hatırlamak istediğimizde, beynimiz çevredeki çevrenin bir "haritasını" çizer.
Bu "haritanın" önemli bir kısmı Izgara hücresi .
Basitçe söylemek gerekirse, öyle Beyin GPS sistemi Bir parçası.
Bir haritaya baktığımızda, beyin aslında bu haritaya bakıyor. "Ne kadar uzak", "ne yönde" ve diğer sorunları analiz edecek. Şu anda, dört birim hücre kilit bir rol oynuyor:
Hücreyi yerleştir: Nerede olduğunuzu anlayın; Izgara hücresi: koordinat ekseni çizin, ızgara çizin; Baş yönü hücresi: Yönü belirleyin; Sınır vektör hücresi: Göreli mesafeyi bilin.
"Beyin GPS sistemi" üzerine yapılan araştırma da 2014 yılında Nobel Ödülü'nü kazandı.
Bu süreçte ızgara hücreleri daha önemli bir rol oynar.
Aşağıdaki şekildeki gri çizgi, farenin yürüdüğü yolu temsil eder ve kırmızı nokta, hücrenin bu konumda etkin durumda olduğunu gösterir.
Fareler daha geniş bir alana yerleştirildiğinde sonuçlar daha belirgin hale geldi.
Daha parlak noktalar, hücrelerin aktif durumda olduğunu gösterir Bu parlak noktaları, düzenli bir altıgen ızgara oluşturmak için birleştirin.
Başka bir deyişle, etrafta koştururken, bu hücreler sessizce koordinatları hatırlamanıza yardımcı oluyor.
Ve bu çalışmada, Fare yamuk çerçeveden geçtiğinde, bu başlangıçta nispeten kararlı ızgaralar asimetrik hale gelir. .
Karşıtı, Kare kutudan geçerken ızgara nispeten düzenlidir .
İnsanları içeren bu deneyde sonuçlar benzer:
Bir kişi düzensiz bir ortamda olduğunda, bu ızgaralar konum ve mesafeyi hatırlarken bozulur.
Daha da şaşırtıcı olan, aynı kare ortamında bile, iki nesneyi aynı mesafede gördükten sonra (biri yamuk diğeri kare), Yamuk bir nesneden mesafeyi hatırlarken, belirli bir sapma meydana gelecektir. .
Trapez (üst) ve kare (alt) ortamlarda ızgaranın bozulması.
MPI bilim adamları tarafından yapılan önceki araştırmalar, beynin yalnızca kendi yönünü bulmak için bir zihin haritası oluşturmadığını, aynı zamanda beynimizin GPS sisteminde diğer bilişsel süreçlerin de kaplandığını göstermiştir.
İnsan öz bilişine ek olarak, yapay zekaya da yardımcı olur
Izgara hücreleri veya beyin GPS sistemleri gibi araştırmalar, yalnızca insanın kendini bilme yeteneğini geliştiremez. Ayrıca insanlığın yapay zekanın gelişimini teşvik etmesine daha iyi yardımcı olabilir.
DeepMind, geçen yıl beynin navigasyon işlevini simüle etmek için AI kullandı. Bir hayvan gibi "kestirmeleri kesebildi." Nature dergisinde yer aldı ve sektörde hararetli tartışmalara yol açtı.
DeepMind ekibi ilk olarak, memelilerin yiyecek arama hareket yolunu öğrenmek için bir sinir ağını eğitmek için bir derin öğrenme algoritması kullandı ve görsel ortamda konum belirlemek için doğrusal hız ve açısal hız gibi sinyaller kullandı.
Araştırmacılar daha sonra ızgara hücrelerinin aktivite özelliklerine benzer bir yapı keşfettiler ve önceki eğitimde sinir ağına böyle bir yapı üretmesi için kasıtlı olarak rehberlik etmediler.
DeepMind ekibi daha sonra bu ızgara yapısının vektör navigasyonu gerçekleştirip gerçekleştiremeyeceğini test etmek için pekiştirmeli öğrenmeyi kullandı.
Pekiştirmeli öğrenmeden geçtikten sonra, yapay zekanın oyun labirentinde hedefe gitme yeteneği sıradan insanları geride bırakarak profesyonel oyuncu seviyesine ulaşır. Memeli gibi yeni yollar bulabilir ve köşeleri kesebilir .
DeepMind ekibi, beynin uzuvları işitme ve kontrol mekanizmalarını keşfetmek için de benzer araştırma yöntemlerinin kullanılabileceğine inanıyor. Uzak gelecekte, sinirbilimciler Kobaylar yerine yapay zeka ile denemeler yapın .
Araştırma ekibi tanıtımı
Jacob Bellmund
Jacob Bellmund, Almanya'daki Max Planck İnsan Biliş ve Beyin Bilimi Enstitüsü'nden bilişsel bir sinirbilimcidir.Araştırma ilgi alanları arasında uzaysal gezinme ve olaysal bellek yer almaktadır.
Anasayfa: https://www.jacobbellmund.com/
William de Cothi
William de Cothi, University College London Davranışsal Sinirbilim Enstitüsü'nde doktora öğrencisidir. Doktora çalışması sırasında, navigasyon sistemleriyle ilgili beyin ve davranışları incelemek için makine öğrenimi, sanal gerçeklik, nörogörüntüleme ve hücre dışı kayıt alanındaki en son gelişmeleri kullanmayı umuyor.
Anasayfa: https://www.ucl.ac.uk/~ucbpwjw/
Matthias Nau
Matthias Nau, Norveç'teki Kavli Sistem Nörobilim Enstitüsü'nde bilişsel nörologdur.
Anasayfa: https://matthiasnau.com/
Caswell Barry
Caswell Barry, UCL hücre ve gelişim biyolojisinin baş araştırmacısı ve bir sinirbilimcidir.
Anasayfa: https://www.ucl.ac.uk/biosciences/people/caswell-barry
Christian F. Doeller
Christian F. Doeller, Max Planck İnsan Bilişi ve Beyin Bilimleri Enstitüsü'nün psikoloji bölümü başkanıdır.
Anasayfa: https://www.mpg.de/12000399/kognitions-neurowissenschaften-doeller
Portal
Kağıt adresi: Bilişsel haritaların ölçüsünü değiştirmek hafızayı bozar Jacob L. S. Bellmund, William de Cothi, Tom A. Ruiter, Matthias Nau, Caswell Barry, Christian F. Doeller https://www.biorxiv.org/content/10.1101/391201v2.full
Blog: https://www.eurekalert.org/pub_releases/2019-11/mpif-vf111819.php
- Bitiş -
Qubit QbitAI · Toutiao İmzalı
Bize dikkat edin ve en son teknolojideki en son gelişmeleri alın
