Un nouveau modèle mathématique met en lumière la façon dont le cerveau traite différents indices, tels que les sites et les sons, pendant la prise de décision. Les résultats des neuroscientifiques de Princeton peuvent un jour améliorer la façon dont les circuits cérébraux tournent mal dans les troubles neurologiques, tels que la maladie d'Alzheimer, et pourraient aider les cerveaux artificiels, comme Alexa ou la technologie de voiture autonome, plus utile.
Les résultats ont été publiés le 10 février dans la revue Neuroscience de la nature.
En marchant au travail, les navetteurs rencontrent de nombreux signaux sensoriels le long de leur itinéraire, comme la lueur d'un signal de passage pour piétons qui indique s'il est sûr de traverser ou de se méfier du trafic venant en sens inverse. Alors que le dessin animé brut d'une personne qui marche s'allume et que les gens commencent à traverser, une ambulance rugissante pourrait boulonner le bloc et vers l'intersection.
Précisément comment le cerveau jongle sur les informations sensorielles contradictoires et connexes, telles que les signaux colorés et les sirènes bruyantes, et prend une décision sensée a été étudiée depuis longtemps mais toujours un mystère.
Une région du cerveau critique pour la prise de décision est le cortex préfrontal, qui se trouve juste derrière les yeux et est salué comme l'épicentre de la cognition supérieure.
Des recherches antérieures ont révélé que la réponse des cellules cérébrales uniques dans le cortex préfrontal pendant la prise de décision est multiforme et complexe. Par exemple, un neurone du cortex préfrontal ne peut tirer qu'en réponse à un feu vert lorsqu'il y a une voiture bloquant le passage pour piétons. Une compréhension unifiée de la façon dont Les cellules cérébrales dans le cortex préfrontal du cortex du cortex, comme les informations sensorielles, comme les signaux de circulation, puis génèrent des sorties comportementales, comme décider de Jaywalk, cependant, a échappé aux chercheurs.
Différentes approches mathématiques ont déjà été utilisées pour essayer de comprendre les mécanismes de circuit reliant la dynamique neuronale à la sortie comportementale, chacune avec ses propres limites. Une approche centrale sur les réseaux de neurones récurrents, un type de modèle de circuit neuronal qui se compose de nombreuses unités connectées de manière récurrente. Les réseaux de neurones récurrents peuvent être formés pour effectuer des tâches décisionnelles, mais la densité de leurs connexions récurrentes les rend difficiles à interpréter.
Dans leur article récent, le chercheur postdoctoral Christopher Langdon, Ph.D., et le professeur adjoint de neuroscience Tatiana Engel, Ph.D., proposent un nouveau cadre mathématique pour mieux expliquer la prise de décision surnommée le modèle de circuit latent.
Au lieu d'un modèle de réseau neuronal récurrent complexe, Langdon et Engel proposent une sorte d'arbres au lieu de l'approche forestière. Pour donner un sens à un grand réseau d'activités cérébrales et essayer de comprendre comment le comportement de chaque cellule est influencé par un autre, peut-être que quelques meneurs de cellules nerveuses peuvent expliquer l'activité de la foule entière et influencer la prise de décision, ce que les neuroscientifiques appellent un « faible dimension » » mécanisme.
L'objectif de la recherche était de comprendre si des mécanismes de faible dimension fonctionnaient dans de grands réseaux de neurones récurrents. «
Christopher Langdon, Ph.D., professeur adjoint de neurosciences, Princeton Neuroscience Institute
Pour tester leur hypothèse, Langdon et Engel ont d'abord appliqué leur nouveau modèle à des réseaux de neurones récurrents formés pour effectuer une tâche de prise de décision dépendante du contexte.
La tâche, effectuée par des humains, des singes ou des ordinateurs, commence par une forme sur un écran (carré vs triangle, signal de contexte), suivi d'une grille en mouvement (signal sensoriel). Sur la base de la forme, le participant est invité à signaler la couleur (rouge vs vert) ou le mouvement (gauche contre droite) de la grille de déménagement.
En utilisant leur nouveau modèle, Langdon et Engel ont constaté que lorsque le mouvement était le signal important pour les participants à suivre, les cellules de cortex préfrontales qui traitent la forme éteignent les cellules voisines qui font attention à la couleur. L'inverse était vrai lorsqu'on lui a demandé de discriminer le rouge contre le vert.
« C'était très excitant de trouver un mécanisme concrétif interprétable se cachant à l'intérieur d'un grand réseau », a déclaré Langdon.
Le modèle de circuit latent fait des prédictions sur la façon dont les choix devraient changer lorsque la résistance des connexions entre différents nœuds latents est modifiée. Ceci est puissant car il permet aux chercheurs de valider si la structure de connectivité latente est réellement nécessaire pour prendre en charge les performances des tâches. En effet, les auteurs ont constaté que la performance des tâches souffrait de manière prévisible lors de la suppression des connexions spécifiques dans le circuit.
« Ce qui est cool à propos de notre nouveau travail, c'est que nous avons montré comment vous pouvez traduire toutes ces choses que vous pouvez faire avec un circuit sur un grand réseau », a déclaré Langdon. « Lorsque vous construisez un petit circuit neuronal à la main, il y a beaucoup de choses que vous pouvez faire pour vous convaincre que vous le comprenez. Vous pouvez jouer avec les connexions et les nœuds perturbés, et avoir une idée de ce qui devrait arriver au comportement lorsque vous jouez avec le circuit Par ici. »
Le cerveau humain, avec plus de neurones qu'il n'y a d'étoiles de la Voie lactée, est inhabituellement complexe. Ce nouveau modèle de circuit latent, cependant, ouvre de nouvelles possibilités pour révéler les mécanismes qui expliquent comment la connectivité entre des centaines de cellules cérébrales donne naissance aux calculs qui poussent les gens à faire différents choix.
Les défis avec la prise de décision sont une caractéristique de plusieurs troubles de santé mentale complexes, allant de la dépression au trouble hyperactif déficit de l'attention. En révélant les calculs mathématiques effectués par le cerveau pour aider les gens à prendre des décisions, ces résultats peuvent se prêter à mieux comprendre ces conditions difficiles et pour améliorer la capacité de décision des technologies des assistants numériques comme Alexa aux voitures autonomes. Les premières étapes, cependant, consistent à appliquer ce nouveau modèle à d'autres tâches décisionnelles qui sont couramment utilisées en laboratoire.
« Beaucoup de tâches de prise de décision étroitement contrôlées que l'expérimentaliste étudient, je pense qu'ils ont probablement des mécanismes latents relativement simples », a déclaré Langdon. « J'espère que nous pouvons commencer à chercher ces mécanismes maintenant dans ces ensembles de données. »
