Динамиката е единствената константа в работната памет
Jun 01, 2023
Резюме
В тази кратка перспектива ние размишляваме върху нашата склонност да използваме прекалено опростени и идиосинкратични задачи в стремежа си да открием общите механизми на работната памет. Ние обсъждаме как работата на Марк Стоукс и сътрудниците е надхвърлила локализираната, временно устойчива невронна активност и е изместила фокуса към значението на разпределените, динамични невронни кодове за работната памет. Важен урок от тази работа е, че използването на опростени задачи не опростява автоматично поддържащото поведение на невронните изчисления (дори и да ни се иска да е така). Нещо повече, прозренията на Стоукс за многоизмерната динамика подчертават гъвкавостта на невронните кодове, лежащи в основата на познанието, и тласнаха областта да погледне отвъд статичните мерки на работната памет.
Ползи от cistanche tubulosa-против болестта на Алцхаймер
Основната цел на изследването на работната памет е да се разбере как временно задържаме информацията в ума си, докато се движим по света, за да постигнем нашите поведенчески цели. Работната памет е критична когнитивна функция, която ни позволява да свържем нашите преживявания в последователен разказ. Не е изненадващо, че в разговорите и лекциите в класната стая, които ние като учени изнасяме за работната памет, всички обичаме да започваме с увлекателни примери от реалния свят. Можем да покажем претъпкана пътека в супермаркет, пълна с цветни зеленчуци, и да подчертаем как използвате работната памет, за да запазите списъка си с хранителни стоки в ума си, докато търсите перфектните ягоди. Или може да покажем оживена градска улица и да обясним как можете да намерите приятел в тълпата, като визуализирате неговото лице или характерна розова барета. Няма недостиг на ярки примери за отваряне на слайдове за разговор. Въпреки това, около слайд 5, ние неизменно се обръщаме към следното: няколко отделни сиви кутии, представляващи компютърен екран, поставен последователно върху времева линия. В една от първите кутии има плъзгане на ивици или пръскане на цвят, което хората трябва да запомнят. След това има сива кутия, предназначена да покаже забавянето на работната памет. И в последното поле отново има някакви ивици или цветове, използвани като тест.
Фенилетанол гликозидът е основният активен компонент на Cistanche deserticola
Тези от нас, които се занимават с изследване на работната памет, са толкова запознати с този обрат от реалния свят към лабораторията, че почти не го забелязват. Слушателите за първи път обаче може да се затруднят да видят връзката. Разбира се, има причина всички да обичаме нашите изкуствени задачи и има голяма стойност в тях. Като психолози научаваме, че задачата е средство за упражняване на експериментален контрол с цената на натурализма. Като невролози откриваме, че изкуствените задачи са особено полезни за привеждане на мозъците на хората в приблизително едно и също състояние отново и отново, така че да можем да извлечем сигнала от шума. За разлика от това, ако откриете, че се лутате из коридора на супермаркета една хубава сутрин, както е показано в примера на слайд 1, за невролог е трудно (понастоящем почти невъзможно) да събере информация от ума ви.
Основни химични съставки на Cistanche deserticola
Тъй като са прости, ние обичаме да мислим за нашите типични задачи за работна памет като за предвидими и взаимозаменяеми. Като следване на рецепта в кухнята, можете да предвидите поведение въз основа на времето, определено за кодиране и задържане. Подобно на части от рафтове на IKEA, можете да смесвате и комбинирате компоненти на задачите, за да постигнете желания ефект. Текущата работа обаче показа как дори най-простите компоненти на задачите не са толкова формулирани. Например, един отдавнашен въпрос, който допринесе за разделянето на когнитивната психология от бихевиоризма, е как един стимул може да нанесе карта върху много различни поведения. Тегленето на асо от тестето понякога е най-добрата карта, а понякога и най-лошата - всичко зависи от това коя игра на карти играете в момента. От техническа гледна точка, един и същ стимул предизвиква различни умствени операции и поведения в различен контекст.
Разбирането как един стимул може да бъде гъвкаво картографиран към различни поведения е особено труден проблем, когато се разглежда от гледна точка на отделните неврони. Във визуалната невронаука често е полезно да се характеризират предпочитанията за настройка на невроните. Лесно е да си представите умствени репрезентации, произтичащи от стабилно настроени неврони - ако искате да представите "вертикален" елемент, на теория можете да постигнете това, като накарате вертикално предпочитащите неврони да се задействат постоянно, за да преодолеят забавянето. И все пак схема като тази не може напълно да отчете гъвкавостта на работната памет: понякога „вертикално“ може да означава „натиснете бутон A“, а друг път може да означава „погледнете надясно“. Бързото свързване на произволни части от информация изисква гъвкави промени в представянето на информацията. Ключово прозрение от Stokes et al. (2013) е, че се появява многоизмерен пейзаж, когато активността на отделен неврон се разглежда като дейността на всички останали неврони. В този пейзаж всеки неврон преминава през едно измерение във времето и всички неврони заедно преминават по силно динамична траектория, която може да се установи в стабилни състояния по време на различни епохи от задачата на работната памет. Това динамично и многоизмерно пространство на състоянието може да се разглежда във всички неврони, но също така може да се кондензира обратно в по-малко измерения, като се разглеждат само онези компоненти, които обясняват по-голямата част от вариацията в дадена задача (използвайки техника за намаляване на размерността като PCA). От Stokes et al. (2013), научаваме, че стабилно състояние на активиране с по-ниско измерение може да се наблюдава по време на поддръжка на работната памет, което отразява временно конфигурираното състояние на мрежата, което се настройва динамично според целите на задачата. Например, едно стабилно състояние може да картографира как запаметен стимул се отнася към подходящо решение, необходимо по време на реакцията. Критично, като се вземе предвид многоизмерната природа на невронните кодове, много гъвкави поведения могат внезапно да се впишат доста без усилие в нашите теории за работната памет.
Добавка Cistanche близо до мен-Подобряване на паметта
Щракнете тук, за да видите продуктите Cistanche Improve Memory
【Попитайте за повече】 Имейл:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692
Работата върху многоизмерни кодове в контекста на картографиране на един стимул към множество поведения показа как нискоизмерните състояния могат да бъдат гъвкаво сглобени и повторно сглобени, за да се адаптират към поведенческите изисквания от момент към момент. Още по-забележително е, че последващата работа разкри, че активността в големи популации от неврони може да остане силно динамична, дори когато стимулите и изискванията на задачите се поддържат постоянни (Wolff, Jochim, Akyürek, Buschman, & Stokes, 2020; Murray et al., 2017; Spaak, Watanabe, Funahashi, & Stokes, 2017). В задача за визуална работна памет, наблюдателите бяха помолени да запомнят прост стимул (като ориентирана решетка или пространствено местоположение). Цялостният модел на невронна активност по време на забавянето на паметта се променя чрез поредица от промени във времето. Въпреки тази бърза времева динамика в популацията като цяло, кодиращата схема или нискоизмерното подпространство, което представлява простия стимул, остава забележително стабилно, проявявайки само малки отклонения във времето (Wolff et al., 2020; Murray et al., 2017). От нашата съзнателна гледна точка споменът за прост стимул като ориентация е като статуя, която се държи „фиксирана“ в нашето съзнание. От гледна точка на обработка на невронна информация, това е като река, която намира своя път надолу по различните жлебове в пейзажа – като същевременно поддържа спомените на повърхността на стабилна лодка (Panichello & Buschman, 2021; Panichello, DePasquale, Pillow, & Buschman, 2019).
Разбирането на кодовете на работната памет като силно динамични и развиващи се във времето беше трансформираща идея от Stokes и колеги (2013) и ние едва бавно започваме да разбираме повече за това как се поддържат спомените от тази нова гледна точка. Например, неотдавнашна работа възприе динамичната кодираща рамка, разработена от Стоукс, за да отговори на един от класическите въпроси във философията, когнитивната психология и неврологията: Когато държите спомен в ума си, как да разберете, че това е спомен, а не представяне на входяща сензорна информация? Казано по друг начин, как мозъкът ви намалява смущенията между вътрешните мисли и сензорната информация? Чрез изследване на пространството на състоянията на записи с множество единици, Либи и Бушман (2021) демонстрираха, че сензорната настройка на някои неврони е стабилна по време на поддържането на информация в паметта, докато настройката на други неврони е обърната по отношение на сензорната настройка. Крайният резултат е ротация на представянето на пространството на състоянието на кода на паметта по отношение на сензорния код, осигурявайки механизъм за разделяне на представянията на паметта от сензорните представяния. Въпреки че това откритие предполага средство за смекчаване на интерференцията между спомените и сензорните входове, тази динамика усложнява процеса на декодиране на запомнената информация, за да насочва поведението. Как може конкретна запомнена характеристика да бъде "прочетена", когато тази характеристика вече не е в оригиналния си сензорен формат? Няколко проучвания – вдъхновени отново от подхода на Стоукс към динамичните кодове – показаха, че моделите на невронни реакции могат да бъдат силно динамични във времето, като същевременно запазват структурната връзка между запомнените стимули, така че те да останат разделими в стабилно подпространство (напр. Wolff et al., 2020; Bouchacourt & Buschman, 2019; Murray et al., 2017; Spaak et al., 2017).
Вдъхновението, предизвикано от идеята за динамични кодове (въпреки че използва различни подходи за анализ), непрекъснато се просмуква в невронаучното мислене по също толкова отдавнашен въпрос: Къде е кортикалното място на мнемоничните представяния? Класическата история е, че продължителната пикова активност в pFC е ключовият механизъм, поддържащ стабилните представяния на паметта, ръководещи поведението. Демонстрацията на Stokes на динамични кодове обаче принуди полето да преосмисли. С идеята за многоизмерни и динамични подпространства като отправна точка, трябва ли дори да очакваме всеки отделен нервен локус (напр. pFC) или единичен механизъм (напр. устойчив пик) да бъде седалището на работната памет? Вместо това, за всяка дадена задача на работната памет – било то запомняне на цветни квадратчета или запомняне на вашия списък с хранителни стоки – трябва да има някакъв разпределен и развиващ се във времето модел на невронна активност, който гъвкаво набира мозъчните области и невронните механизми, необходими за извършване на работата (Кортни, 2022; Iamshchinina, Christophel, Gayet, & Rademaker, 2021; Lorenc & Sreenivasan, 2021; Christophel, Klink, Spitzer, Roelfsema, & Haynes, 2017; Sreenivasan, Vytlacil, & D'Esposito, 2014). Всъщност скорошна работа показа, че информацията за визуални стимули може да бъде прекодирана в моторни представяния, ако отговорът е известен предварително (Henderson, Rademaker, & Serences, 2022; Boettcher, Gresch, Nobre, & van Ede, 2021) или може да бъде прекодирани в абстрахиран мнемоничен формат (Kwak & Curtis, 2022; Rademaker, Chunharas, & Serences, 2019). В обобщение, работата на Стоукс вдъхновява идеята, че няма едно място или един механизъм, който да е постоянен по време на работната памет. Вместо това, единствената константа е гъвкавостта и времевата динамика, които свързват сензорните входове със специфични за контекста поведенчески цели.
Супермен билки цистанче
Едно от последиците от рамката на динамичното кодиране е, че няма общо решение на "проблема" с работната памет. За да разберем работната памет, трябва да се съобразим директно с нейната огромна гъвкавост. За да направите това, ще е необходимо както разработването на нови задачи, така и внимателно обмисляне на това как променящите се психични състояния и поведенчески контексти влияят върху обработката дори на най-простите задачи. Това не означава, че някои принципи на работната памет няма да се обобщят - някои "решения" могат да бъдат повече или по-малко сходни, като се има предвид връзката между различни контексти. Въпреки това, по-доброто разбиране на динамиката на работната памет - както беше разкрито от Стоукс и други през последното десетилетие - трябва да мотивира повече внимание относно дизайна и уместността на нашите задачи за ежедневието и да ни помогне да се изхвърлим от атрактор-подобния състояние на мислене, че има само един начин за внедряване на работна памет в мозъка.
ПРЕПРАТКИ
Boettcher, SEP, Gresch, D., Nobre, AC, & van Ede, F. (2021). Планиране на изхода на входния етап във визуалната работна памет. Научен напредък, 7, eabe8212. https://doi.org/10.1126/sci-adv.abe8212, PubMed: 33762341
Bouchacourt, F., & Buschman, TJ (2019). Гъвкав модел на работна памет. Неврон, 103, 147–160. https://doi.org/10.1016/j.neuron.2019.04.020, PubMed: 31103359
Christophel, TB, Klink, PC, Spitzer, B., Roelfsema, PR, & Haynes, J.-D. (2017). Разпределеният характер на работната памет. Тенденции в когнитивните науки, 21, 111–124. https:// doi.org/10.1016/j.tics.2016.12.007, PubMed: 28063661
Кортни, SM (2022). Работната памет е разпределен динамичен процес. Когнитивна невронаука, 13, 208–209. https://doi.org /10.1080/17588928.2022.2131747, PubMed: 36200905
Henderson, MM, Rademaker, RL, & Serences, JT (2022). Гъвкаво използване на пространствени и двигателни кодове за съхранение на визуално-пространствена информация. eLife, 11, e75688. https:// doi.org/10.7554/eLife.75688, PubMed: 35522567
Iamshchinina, P., Christophel, TB, Gayet, S., & Rademaker, RL (2021). Основни съображения за изследване на съхранението на визуална работна памет в човешкия мозък. Визуално познание, 29, 425–436.https://doi.org/10.1080/13506285.2021.1915902
Kwak, Y., & Curtis, CE (2022). Разкриване на абстрактния формат на мнемоничните представяния. Neuron, 110, 1822–1828. https:// doi.org/10.1016/j.neuron.2022.03.016, PubMed: 35395195
Либи, А. и Бушман, Ти Джей (2021). Динамиката на въртене намалява интерференцията между сетивните и паметови представи. Nature Neuroscience, 24, 715–726. https://doi.org/10.1038 /s41593-021-00821-9, PubMed: 33821001
Lorenc, ES, & Sreenivasan, KK (2021). Преформулиране на дебата: Гледката на разпределените системи за работната памет. Визуално познание, 29, 416–424. https://doi.org/10.1080 /13506285.2021.1899091
Murray, JD, Bernacchia, A., Roy, NA, Constantinidis, C., Romo, R., & Wang, X.-J. (2017). Стабилното популационно кодиране за работна памет съществува съвместно с хетерогенна невронна динамика в префронталния кортекс. Сборници на Националната академия на науките, САЩ, 114, 394–399. https://doi.org/10.1073/pnas.1619449114, PubMed: 28028221
Panichello, MF, & Buschman, TJ (2021). Споделените механизми са в основата на контрола на работната памет и вниманието. Природа, 592, 601–605. https://doi.org/10.1038/s41586-021 -03390-w, PubMed: 33790467
Panichello, MF, DePasquale, B., Pillow, JW, & Buschman, TJ (2019). Динамика за коригиране на грешки във визуалната работна памет. Nature Communications, 10, 3366. https://doi.org/10.1038 /s41467-019-11298-3, PubMed: 31358740
Rademaker, RL, Chunharas, C., & Serences, JT (2019). Съвместно съществуващи представяния на сензорна и мнемонична информация в човешкия зрителен кортекс. Nature Neuroscience, 22, 1336–1344. https://doi.org/10.1038/s41593-019-0428-x, PubMed: 31263205
Spaak, E., Watanabe, K., Funahashi, S., & Stokes, MG (2017). Стабилно и динамично кодиране за работна памет в префронталния кортекс на примати. Journal of Neuroscience, 37, 6503–6516. https://doi.org/10.1523/ JNEUROSCI.3364-16.2017, PubMed: 28559375
Sreenivasan, KK, Vytlacil, J., & D'Esposito, M. (2014). Разпределено и динамично съхранение на информация за стимул на работната памет в екстрастриатния кортекс. Journal of Cognitive Neuroscience, 26, 1141–1153. https://doi.org/10 .1162/jocn_a_00556, PubMed: 24392897
Stokes, MG, Kusunoki, M., Sigala, N., Nili, H., Gaffan, D., & Duncan, J. (2013). Динамично кодиране за когнитивен контрол в префронталния кортекс. Neuron, 78, 364–375. https://doi.org/10.1016/j.neuron.2013.01.039, PubMed: 23562541
Wolff, MJ, Jochim, J., Akyürek, EG, Buschman, TJ, & Stokes, MG (2020). Дрейфиращи кодове в рамките на стабилна кодираща схема за работна памет. PLoS Biology, 18, e3000625. https://doi .org/10.1371/journal. bio.3000625, PubMed: 32119658
