Översikt Kognitiv neurovetenskap Cognitive neuroscience (CNS) Svårt att relatera kognitiva funktioner till hjärnans olika områden Lashley, Luria Hjärnans sätt att beräkna Ex. bearbetning av visuella intryck Interaktiv aktivering Beräkning i kaskad Otillräckligt Neuroanatomi ( arkitekturen ) Avgränsning av olika hjärnområden Hur dessa är kopplade till varandra via nervfibrer Neurofysiologi (processerna) funktion Var uppstår starkare aktivering (Helst också... i vilken ordning aktivering uppstår--vad orsakar vad) Varför kognitiv neurovetenskap? Vill koppla funktion till specifika moduler i en övergripande arkitektur Neurovetenskap Fysiska arkitekturen, område V1, V2 Dynamiska processer (blodflöde/aktivering): p1, p2 Kognitiv neurovetenskap Vilken typ av beräkning i V1, V2? Vad innebär p1, p2? Från funktion till implementation Startar i beräkningsmässigt definierade deluppgifter Var i hjärnan utförs dessa delberäkningar? Kan härledas på basis av hjärn-scans Hur hjärnskador påverkar funktionen Exempel Funktion = beskriva ett päron på bordet Delfunktioner: Fokusera päronet med ögonen Uppfatta dess olika egenskaper (färg, form) Aktivera associerade ord i mentala lexikonet Sätt ihop en sats enligt grammatiska regler Yttra satsens olika delar i rätt ordning Sidan 1
Fokusera päronet med ögonen Informationsvägar (synintryck) Vilka delar av hjärnan blir aktiverade? Antag att man ser aktivering i V1, V2, V4, TE Aha! Dessa områden bearbetar visuell information! Objektegenskaper: färg och form! Letar vi efter rätt delfunktioner? Är de delfunktioner som vi forskare definierar de som faktiskt beräknas i hjärnan? T.ex. finns det en central samordnare som bestämmer vilket alternativ som ska sägas i Stroop-uppgiften? Eller är det flera processer som tillsammans bestämmer detta? Baseras oftast på Kunskap om teoretisk beräkning Erfarenhet av datorer Fall då forskarna till en början misstagit sig Divide och conquer Beräkning av vad och var i visuella systemets två strömmar Bindning av särdrag till objekt-identitet Stegvis (sekventiell) beräkning, ett steg i taget Inte så hjärnan arbetar Tvetydiga resultat i början av 1900-talet Lite historik Lashley Lärande hos möss Lokal skada (genom operation) gav allmän effekt Inga specifika funktioner hos det skadade hjärnområdet Luria Skada på olika block i hjärnan (krigsskador) påverkade beteendet på specifika sätt Funktioner verkar vara lokaliserade Sidan 2
Luria Block 1 Olika block i hjärnan = övergripande funktioner Funktionerna kan härledas utifrån effekten av större hjärnskador Fortfarande samspel mellan olika delar av hjärnan Ex. i stort sett hela hjärnan är involverad i att planera och utföra motoriska rörelser Frontallob: övergripande mål med rörelsen Pre-motoriska områden: sekventialisering av rörelsen Post-central: proprioception (feedback från muskler) Parieto-occipital zon: rumslig samordning Lillhjärnan, förlängda ryggmärgen Vakenhetsgrad, motoriska program Block 2 Block 3 Nacklob till centralfåran Sensorisk info.bearbetning Primära zonen Enkla särdrag III II I Från centralfåran till frontalloben Planering, mål, avsikter Associativa områden (långtidsminne) Sekundära zonen Kodning av information Vakenhetsgrad (uppmärksamhet) Tertiära zonen Rumslig samordning Kognitiv neurovetenskap Baseras på konvergens från olika källor av kunskap Det moderna synsättet Observationer av beteende Ömsesidigt beroende: Beräkningsprinciper - analys - modeller Neurovetenskap - anatomi - fysiologi Hjärnans sätt att beräkna är olik från datorns sätt att beräkna Sidan 3
Hjärnområden funktioner Många områden deltar i samma funktion: cooperative computation Vi letar egentligen efter grupper av hjärnområden Svårt att avgränsa och hitta funktioner i hjärnan Inte de funktioner som vi förväntar oss Ofta förvånande lösningar Hjärnområden funktioner Överlapp mellan olika funktioner Samma funktion beräknas på alternativa sätt parallellt Snabbaste, starkaste beräkningen påverkar slutresultatet Alltså, ingen samordnare som väljer svaret Samma område medverkar i flera funktioner T.ex. vissa områden har allmän aktiveringshöjande effekt (vakenhetsgrad, uppmärksamhet) Deltar då i många funktioner Exempel: visuella systemet Lite färg och form även i var-kanalen Var Planering, logiskt tänkande Vad Objektegenskaper vad Motorik Position Beräknar Mer direkt egenskaper koppling till som är orientering var motoriska relevanta för systemet utförandet av en motorisk handling Går lite korskopplingar emellan Redundant beräkning Ger större felmarginal Tävling mellan alternativa sätt att beräkna Obs! Mekanismer som underlättar aktivering, gör processen snabbare, och kan indirekt avgöra tävlan mellan processer T.ex. selektiv uppmärksamhet Uppdelning i särdrag På samma sätt har man antagit att objekt delas upp i dess olika särdrag T.ex. färg och form Stämmer väl med V1:s interna struktur Sidan 4
Bindningsproblemet Om visuell bearbetning delas upp i vad och var Hur veta storlek och färg på objekt 1 och objekt 2? Samma typ av problem: Om vad delas upp i färg och form Kan man t.ex. se i V1 Hur skilja på Blå rektangel + röd cirkel på bordet? Röd rektangel + blå cirkel på bordet? V1 Redundanta representationer Datormässig lösning Tagga särdragen Taggar i hjärnan antas vara sam-svängning av neural aktivering i de neuroner som tar hand om samma objekt Men, hur många olika frekvensband är möjliga? Vad händer om vi har fler objekt? Lösning inspirerad av hur hjärnan arbetar Ingen knivskarp uppdelning i färg och form Färgbearbetning kodar även lite form och vice versa Lite om beräkning i hjärnan Beräkning i hjärnan Distribuerad representation Använder många neuroner parallellt Neuroner tar emot input från många andra neuroner Många neuroner samarbetar för att representera en sak Dvs. distribuerad representation e a a a Större rutor = mer aktiva noder Aktiveringsmönster i lagret representerar objekt särdrag begrepp Sidan 5
Distribuerad representation Grov kodning i hierarki Ger möjlighet för nätet att reagera rätt i nya situationer Aktiverar nära korrekt mönster Ger stabilitet, dvs. gradvis försämring ( graceful degradation ) vid Hjärnskador, när en del av noderna slås ut Felaktig, bristfällig eller brusig input Jfr. med datorprogram och tekniska system Grov kodning ger hög precision Grov kodning ger högre precision, förutsatt att överlapp utnyttjas Används företrädesvis för att representera rumslig information i var-kanalen Ointuitiv lösning ur ett datavetenskapligt perspektiv! Interaktivitet och beräkning i kaskad Neuroner i hjärnan Signaler fortplantas Lokalt med ljusets hastighet Över hela neuronen: beroende på axontjocklek och om axonen är myeliniserad Lösning del 1: Parallell beräkning Arbetet delas upp, sker parallellt Snabbare beräkning Ex. 1000 mm, myeliniserad: 120 m/s > 400 km/h Ex. 0.1 mm, omyeliniserad: 0.5 m/s < 2 km/h Kommunikation mellan neuroner 3 ms (jfr. med reaktionstider på 300 ms) Endast 100 beräkningssteg från stimulus till respons Sidan 6
Lösning del 2: Beräkning i kaskad Beräkning i kaskad Så fort förändring i input, så fortplantas denna Kan ge snabbt svar, kan också vänta Snabb, men osäker beräkning Långsam och säker beräkning Avvägning mellan reaktionstid och risk för fel Beräkning i kaskad Interaktivitet: dubbelriktad kommunikation Aktivering på nivå 4 Aktivering på nivå 3 Aktivering på nivå 2 Aktivering på nivå 1 Snabbare svar Säkrare svar tid En hierarki av dubbelriktat kopplade processer Top-down och bottom-up betarbetning samtidigt Top-down: kontext i språkförståelse Bottom-up: bokstäverna i boken Beräkning i kaskad + interaktivitet Mänsklig informationsbearbetning Aktiveringsflöde som i ett vattenfall (kaskad) Ingående processer blir aktiva nästan samtidigt I ett interaktivt (återkopplat) nät blir det då Svårt att empiriskt avgöra vilken process som blev aktiv först p 2 kan ligga efter p 1 i kopplingsstrukturen, men hinner ändå påverka p 1 (och därmed sin egen input) Leder till ömsesidig förhandling Implementerar alltså parallell constraint satisfaction Sidan 7
Sammanfattning Hjärnan använder sig av redundant beräkning Har kapacitet till massiv parallell beräkning Hjärnan kan samtidigt ta hänsyn flera info.källor Hjärnan beräknar genom samtidig förhandling på olika beräkningsnivåer Har en hygglig uppfattning av helheten innan den har bearbetat delarna till fullo Ex. Tolkning av text innan alla ord har bearbetats Sidan 8