Yenilikler

Çığlık atarak koşmak mı yoksa yavaşça geri çekilmek mi? Yeni bir çalışma, duygusal olarak yüklü sahnelere verilen beyin tepkilerinin anlaşılmasını ilerletiyor

Duygusal olarak yüklü durumları tanıma ve bunlara yanıt verme yeteneği, bir türün evrimsel başarısı için olmazsa olmazdır. Bugün yayınlanan yeni bir çalışma [July 9th] içinde Doğa İletişimleri beynin duygusal olarak yüklü nesnelere ve sahnelere nasıl tepki verdiğine dair anlayışımızı ilerletir.

Trinity College Dublin nörobilimcisi Prof. Sonia Bishop ve Google araştırmacısı Samy Abdel-Ghaffar’ın UC Berkeley’deki Prof. Bishop’un laboratuvarında doktora öğrencisi olduğu dönemde yürüttüğü araştırma, beynin davranışsal tepkileri yönlendirirken basit bir ‘yaklaş kaçın’ ikiliğinden daha fazlasına izin verecek şekilde farklı duygusal uyaran kategorilerini nasıl temsil ettiğini belirledi. Araştırma, ABD Ulusal Sağlık Enstitüleri tarafından finanse edildi.

Trinity Psikoloji Okulu’nda Psikoloji Bölüm Başkanı ve makalenin kıdemli yazarı olan Sonia Bishop şöyle açıklıyor: “Tüm türlerin, ister çürük yemek yememek, ister bir ayıdan kaçmak, ister bir barda çekici birine yaklaşmak, isterse gözyaşları içindeki bir çocuğu teselli etmek olsun, duygusal açıdan belirgin uyaranları tanıyıp bunlara uygun şekilde tepki verebilmesi son derece önemlidir.”

“Beynin duygusal olarak yüklü durumlara ve uyaranlara nüanslı bir şekilde yanıt vermemizi nasıl sağladığı uzun zamandır ilgi çekicidir. Ancak beynin duygusal doğal uyaranlara yanıt olarak yaptığımız nüanslı davranışsal seçimleri desteklemek için şemaları veya sinirsel temsilleri nasıl depoladığı hakkında çok az şey bilinmektedir.

“Motive olmuş davranış üzerine yapılan nörobilim çalışmaları genellikle basit yaklaşma veya kaçınma davranışlarına odaklanır — örneğin yiyecek için kolu bastırmak veya bir şoktan kaçınmak için yer değiştirmek gibi. Ancak, doğal duygusal uyaranlarla karşı karşıya kaldıklarında, insanlar basitçe ‘yaklaşmak’ veya ‘kaçınmak’ arasında seçim yapmazlar. Aksine, karmaşık bir uygun tepki yelpazesinden seçim yaparlar. Bu nedenle, örneğin, büyük bir ayıya verdiğimiz ‘kaçınma’ tepkisi (alanı en kısa sürede terk etmek) zayıf, hasta bir hayvana verdiğimiz ‘kaçınma’ tepkisinden (çok yaklaşmamak) farklıdır. Benzer şekilde, potansiyel bir eşin olumlu uyaranlarına verdiğimiz ‘yaklaşma’ tepkisi, sevimli bir bebeğe verdiğimiz ‘yaklaşma’ tepkisinden farklıdır.

“Araştırmamız, oksipital temporal korteksin yalnızca farklı uyaran kategorilerine uyum sağlamakla kalmayıp, aynı zamanda bu kategorileri, alternatif davranışlar arasında seçimi yönlendirmek için uygun bir şekilde duygusal özelliklerine göre parçaladığını ortaya koyuyor.”

Trinity College Dublin, California Berkeley Üniversitesi, Austin’deki Teksas Üniversitesi, Google ve Nevada Reno Üniversitesi’nden araştırma ekibi, bir çiftin sarılması, hastane yatağında yaralı bir kişi, lüks bir ev ve saldırgan bir köpek gibi doğal duygusal sahneleri tasvir eden 1.500’den fazla görüntüyü inceleyen küçük bir gönüllü grubunun beyin aktivitesini analiz etti.

Katılımcılardan görüntüleri pozitif, negatif veya nötr olarak kategorilere ayırmaları ve ayrıca görüntülerin duygusal yoğunluğunu derecelendirmeleri istendi. İkinci bir katılımcı grubu her sahneyle en iyi eşleşen davranışsal tepkileri seçti.

Beyin aktivitesinin 3 mm’den küçük küplere bölünmesiyle oluşan son teknoloji modellemeyi kullanarak3) Çalışmada, beynin arka kısmında bulunan oksipital temporal korteksin (OTC) hem uyaran türünü (bekar insan, çift, kalabalık, sürüngen, memeli, yiyecek, nesne, bina, manzara vb.) hem de uyaranın duygusal özelliklerini (negatif, pozitif veya nötr olması ve ayrıca duygusal yoğunluğunun yüksek veya düşük olması) temsil edecek şekilde ayarlandığı keşfedildi.

Makine öğrenimi, bu istikrarlı ayarlama kalıplarının, makine öğreniminin doğrudan görüntü özelliklerine uygulanmasıyla elde edilebilecek olandan daha etkili bir şekilde, ikinci katılımcı grubunun görüntülerle eşleştirdiği davranışları tahmin ettiğini gösterdi. Bu, OTC’nin davranışı yönlendirmek için gereken bilgileri etkili bir şekilde çıkardığını ve temsil ettiğini gösteriyor.

Google’dan Samy Abdel-Ghaffar şunları söyledi: “Bu proje için, makine öğrenimi yöntemlerini, büyük veri kümelerini ve kodlama modellerini birleştiren Voxel-Wise Modelleme’yi kullandık ve bu sayede OTC’nin her bir parçasının geleneksel nörogörüntüleme yöntemlerinden çok daha ayrıntılı bir şekilde neyi temsil ettiğine dair bir anlayış elde ettik. Bu yaklaşım, kategorik ve duygusal sahne özelliklerinin iç içe geçmiş temsilini keşfetmemizi sağladı ve OTC temsillerinin davranışı nasıl tahmin ettiğine dair yeni bir anlayışa kapı açtı.”

Prof. Bishop şunları ekledi: “Bu bulgular insan beyninin duygusal doğal uyaranları nasıl temsil ettiğine dair bilgimizi genişletiyor. Ayrıca, kullanılan paradigma karmaşık bir görevi içermiyor ve bu yaklaşım gelecekte, örneğin çeşitli nörolojik ve psikiyatrik rahatsızlıkları olan bireylerin duygusal doğal uyaranları işlemede nasıl farklılık gösterdiğini daha iyi anlamak için uygun hale geliyor.”

Çalışma yöntemi hakkında daha fazla bilgi:

Ekip, 1.620 duygusal doğal görüntüden oluşan yeni bir büyük veri kümesi kullandı ve yetişkin insan gönüllülerle işlevsel manyetik rezonans görüntüleme gerçekleştirerek, katılımcılar bu görüntüleri görüntülerken beyin aktivitesinin 3.800’den fazla 3B resmini elde etti. Katılımcılar bu görüntüleri değerliğe (pozitif, negatif veya nötr) ve uyarılmaya (veya duygusal yoğunluğa) göre değerlendirdi.

Araştırmacılar, bu verileri beyin aktivitesinin küçük 2,4×2,4×3 mm’lik parçaları veya ‘vokselleri’ kullanarak modelleyerek, beynin arkasındaki oksipital temporal korteks bölgelerinin hem uyaran semantik kategorisinin hem de duygusal değerin farklı temsilini gösterdiğini buldular. Örneğin, pozitif yüksek uyarılma yüzleri, negatif yüksek uyarılma yüzlerine ve nötr düşük uyarılma yüzlerine göre biraz farklı bölgelerde temsil edildi.

Dahası, tamamen yeni bir katılımcı grubundan her bir görüntüye uyan davranışları seçmeleri istendiğinde, bu nöral kodlama temsili ‘alanının’ en üst boyutları, doğrudan görüntü özelliklerine dayanan en üst boyutlardan (örneğin, uyaran canlı-pozitif mi?) daha iyi seçilen davranışları tahmin etti. Bu, beynin hangi bilginin temsil edilmesinin önemli veya önemsiz olduğunu seçtiğini ve duygusal bilgiyi bütünleştiren ve farklı türdeki duygusal doğal uyaranlara yönelik davranış seçimini desteklemek için en iyi şekilde organize edilen canlı ve cansız uyaranların alt kategorilerinin istikrarlı temsillerini tuttuğunu göstermektedir.

Kaynak ve İleri Okuma: https://www.sciencedaily.com/releases/2024/07/240709121708.htm

İlgili Makaleler

Başa dön tuşu