Donosimo vam razmatranje o tome kako donosite odluke svakodnevno – od najmanjih poput izbora hrane, do onih većih poput prihvaćanja ponude za novi posao. Neke odluke, poput onih kada prelazimo prometnu ulicu ili se sklonimo kako bismo izbjegli sudar na pločniku, čine nam se automatskima. Nedavno su istraživači sa Sveučilišta Princeton razvili matematički model koji donosi nova saznanja o tome kako naš mozak donosi odluke u djeliću sekunde. Ovo istraživanje nas vodi korak bliže razumijevanju procesa u mozgu koji usmjeravaju naše izbore.
Odluke, odluke
Zamislite da vozite bicikl kroz grad. Približavate se raskrižju koje je upravo postalo zeleno, signalizirajući vam da krenete. Međutim, iz ugla oka primijetite automobil koji juri prema crvenom svjetlu. U trenutku stisnete kočnicu. U djeliću sekunde vaš mozak je obradio opasnost, odbacio sve nesigurnosti i izazvao trenutan odgovor kako bi vam pomogao izbjeći opasnu situaciju.
Sposobnost brzog procesuiranja sukobljenih informacija, poput zelenog svjetla koje signalizira “kreni” i automobila koji signalizira “stani”, ono je što čini ljudski mozak tako izuzetnim. Vaš mozak ne slijedi samo skup programiranih pravila – on se oslanja na prošla iskustva i razmišljanje u djeliću sekunde kako bi donio najbolju procjenu. Kako mozak procesuira i sortira sukobljene signale dosad nije bilo dovoljno razumljivo.
Prije nego što donesete odluku, vaš mozak balansira s nekoliko informacija istovremeno. Slike, mirisi, zvukovi i drugi osjeti šalju signale u talamus mozga, koji djeluje kao centar za prijenos i usmjerava informacije u centre za obradu kroz mozak. Kako različite regije procesuiraju ove signale, prefrontalni korteks dolazi da procijeni situaciju logički. Prefrontalni korteks, smješten u prednjem dijelu mozga, često se naziva “izvršnim centrom” mozga. On je odgovoran za višu kognitivnu funkciju, uključujući prosuđivanje i impulzivnost.
Prefrontalni korteks koristi prošla iskustva i logiku kako bi shvatio što osjećamo. Međutim, nije sva informacija koju naš mozak prima korisna ili potrebna u trenutnoj situaciji. Kako bi pojačao važnu informaciju i filtrirao smetnje, mozak koristi opsežne mreže uzbudljivih i inhibicijskih neurona.
Programiranje donošenja odluka
Znanstvenici su pokušavali replicirati mreže za donošenje odluka u mozgu pomoću matematičkih modela. Ovi programi često se oslanjaju na rekurentne neuronske mreže, pristup koji daje predviđanja korak po korak na temelju niza ulaza. Softveri za prepoznavanje glasa poput “Siri” i “Alexa” koriste rekurentne neuronske mreže. Kada govorite, program procesuira svaku riječ sekvencijalno, pamteći kontekst prethodnih riječi kako bi bolje razumio značenje. Na primjer, ako kažete: “Išao sam u trgovinu kupiti…”, program pamti ranije riječi kako bi predvidio da će sljedeća riječ biti “namirnice”, a ne nešto nepovezano poput “planine”.
Dok ovi modeli pružaju neki uvid u to kako promjene u povezanosti neurona mogu utjecati na ponašanje, oni pojednostavljuju složenost mozga. Teško je uzeti u obzir milijune neurona koji sudjeluju u donošenju odluka. Novi model razvijen od strane Christopha Landona i Tatiane Engel sa Sveučilišta Princeton predlaže da nekoliko ključnih neurona u prefrontalnom korteksu djeluje kao “vođe” donošenja odluka. Umjesto da pokušavaju replicirati cijelu šumu, ovaj pristup fokusira se na malu grupu stabala.
Kako model funkcionira
Ova ideja proizašla je iz promatranja kako neuroni u prefrontalnom korteksu majmuna svijetle tijekom zadatka donošenja odluka koji ovisi o kontekstu. Zadatak počinje predstavljanjem signala koji predstavlja određenu boju ili pokret. Slijedi kratka pauza prije nego se pojavi drugi oblik s obje boje i pokreta. Životinja tada mora identificirati boju ili pokret drugog oblika. Točan odgovor ovisi o kontekstualnom signalu koji je prvotno dan. Ako je boja predstavljena kao prvi signal, odluka bi se trebala temeljiti na boji drugog objekta. Ako je prikazan pokret, odluka bi se trebala temeljiti na pokretu i zanemariti boju.
Tim je otkrio da su, kada je boja bila važan signal, specijalizirane stanice u prefrontalnom korteksu potisnule aktivnost neurona koji reagiraju na pokret. Za pokret, obrnuto je bilo točno. Uspješno izvršavanje ovog zadatka čini se ovisnim o tome koliko dobro prefrontalni korteks može blokirati ometajuće signale.
Landon i Engel replicirali su ove nalaze u umjetničkim krugovima inženjeringa novog matematičkog okvira. Ovaj pristup, nazvan latentni krugovni model, unaprijedio je formule tradicionalnih rekurentnih neuronskih mreža. Tim je zatim obučio računalni softver kako bi izveo isti zadatak donošenja odluka koji ovisi o kontekstu. Njihov novi model značajno je nadmašio tradicionalne rekurentne neuronske mreže. Istraživači su otkrili da je njegov ugrađeni inhibicijski mehanizam mogao potisnuti irelevantne senzorne signale temeljem prethodnih kontekstualnih signala, slično tome kako naš mozak donosi odluke.
Zaključak
Možemo reći da je sposobnost mozga da brzo i precizno donosi odluke jedno od njegovih najimpresivnijih dostignuća. Novi latentni krugovni model približava nas boljem razumijevanju tih opsežnih neuronskih mreža. Kako istraživanja nastavljaju dublje istraživati unutarnje funkcioniranje mozga, uvida dobiveni iz ovog modela mogu rasvijetliti zašto određeni uvjeti, poput poremećaja pažnje i hiperaktivnosti (ADHD), pridonose lošem donošenju odluka. Možda će se ovi nalazi također otvoriti vrata za poboljšanje točnosti umjetničkih primjena poput onih koje pokreću softver za prepoznavanje glasa i autonomna vozila.
