Επιστήμονες από Oxford και Pompeu Fabra αποκαλύπτουν ότι τα υπάρχοντα μοντέλα προσομοίωσης του εγκεφάλου αγνοούν έναν κρίσιμο παράγοντα: τον ανταγωνισμό μεταξύ των διαφορετικών συστημάτων του. Χωρίς αυτόν, τα ψηφιακά δίδυμα παράγουν γενικές προβλέψεις που δεν αντικατοπτρίζουν τον μοναδικό εγκέφαλο κάθε ανθρώπου — με ό,τι αυτό συνεπάγεται για τη θεραπεία νευρολογικών παθήσεων.
Φανταστείτε έναν εικονικό εγκέφαλο που μοιάζει με τον δικό σας — που αντιδρά στα φάρμακα όπως εσείς, που προβλέπει πώς θα επηρεαστείτε από μια χειρουργική επέμβαση ή μια ηλεκτρική διέγερση. Αυτή είναι η υπόσχεση των ψηφιακών διδύμων του εγκεφάλου, μια από τις πιο φιλόδοξες ιδέες στη σύγχρονη νευροεπιστήμη. Η πραγματικότητα, όμως, είναι ότι τα περισσότερα από αυτά τα μοντέλα μοιάζουν λιγότερο με δίδυμα και περισσότερο με απόμακρους συγγενείς.
Μια νέα έρευνα που δημοσιεύτηκε στο Nature Neuroscience εντοπίζει το πρόβλημα με ακρίβεια. Ερευνητές από το Πανεπιστήμιο της Οξφόρδης και το Universitat Pompeu Fabra της Βαρκελώνης έδειξαν ότι τα υπάρχοντα μοντέλα αποτυγχάνουν επειδή αντιμετωπίζουν τον εγκέφαλο ως ένα σύστημα καθαρής συνεργασίας — όπου όλες οι περιοχές δουλεύουν μαζί, αρμονικά. Αυτό, όμως, δεν είναι αυτό που συμβαίνει στην πραγματικότητα.
Ο εγκέφαλος δεν μπορεί να κάνει τα πάντα ταυτόχρονα. Όταν εστιάζουμε την προσοχή μας, όταν αλλάζουμε εργασία, όταν αποκλείουμε περισπασμούς, διαφορετικά συστήματα ανταγωνίζονται για περιορισμένους πόρους. Κάποιες περιοχές ενεργοποιούνται, άλλες καταστέλλονται. Αυτή η δυναμική αλληλεπίδραση — ο ανταγωνισμός — είναι αυτό που λείπει από τα περισσότερα υπολογιστικά μοντέλα των τελευταίων είκοσι χρόνων. Αντ’ αυτού, τα μοντέλα «αναγκάζουν» τις γειτονικές περιοχές να συνεργάζονται, οδηγώντας σε υπερβολικά συγχρονισμένες καταστάσεις που σπάνια παρατηρούνται σε πραγματικούς εγκεφάλους.
Η ερευνητική ομάδα συνέκρινε δύο τύπους μοντέλων — έναν με αμιγώς συνεργατικές αλληλεπιδράσεις και έναν όπου οι περιοχές μπορούσαν είτε να διεγείρουν είτε να καταστέλλουν η μία την άλλη — σε ανθρώπους, μακάκους και ποντίκια. Σε κάθε περίπτωση, τα μοντέλα με ανταγωνιστικές αλληλεπιδράσεις ήταν σημαντικά πιο ακριβή. Ανάλυση πάνω από 14.000 νευροαπεικονιστικών μελετών επιβεβαίωσε ότι αυτά τα μοντέλα αναπαράγουν πιστότερα γνωστά γνωστικά κυκλώματα, όπως αυτά που σχετίζονται με την προσοχή και τη μνήμη.
Το εύρημα αυτό έχει άμεσες πρακτικές συνέπειες. Περίπου το 90% των θεραπειών για νευροψυχιατρικές παθήσεις αποτυγχάνουν στις κλινικές δοκιμές σε ανθρώπους, παρόλο που έδειχναν υποσχόμενα αποτελέσματα σε ζώα. Ένα αξιόπιστο ψηφιακό δίδυμο θα μπορούσε να γεφυρώσει αυτό το χάσμα — επιτρέποντας στους γιατρούς να δοκιμάζουν θεραπείες σε εικονικούς εγκεφάλους πριν τις εφαρμόσουν σε πραγματικούς ασθενείς. Για παθήσεις όπως η επιληψία ή οι εγκεφαλικοί όγκοι, αυτό θα μπορούσε να σημαίνει λιγότερες δοκιμές και λάθη, και καλύτερα αποτελέσματα.
Υπάρχει και μια ευρύτερη διάσταση. Ο εγκέφαλος των θηλαστικών είναι πολλές τάξεις μεγέθους πιο ενεργειακά αποδοτικός από τα σύγχρονα συστήματα τεχνητής νοημοσύνης. Αν ο ανταγωνισμός μεταξύ συστημάτων είναι αυτό που επιτρέπει στον εγκέφαλο να λειτουργεί με τόση αποτελεσματικότητα, τότε ίσως η επόμενη γενιά AI να έχει κάτι να μάθει από τη βιολογία. Η ερώτηση δεν είναι πλέον μόνο πώς να φτιάξουμε καλύτερα ψηφιακά δίδυμα του εγκεφάλου — αλλά αν αυτά τα δίδυμα μπορούν να μας δείξουν πώς να φτιάξουμε εξυπνότερες μηχανές.
