Εγκέφαλος στο μικροσκόπιο: Αποκωδικοποιήθηκε η βέλτιστη επεξεργασία πληροφοριών!
Το TU Dresden παρουσιάζει καινοτόμες έρευνες για τα νευρωνικά δίκτυα και την επεξεργασία κρίσιμων πληροφοριών. Μελέτη που δημοσιεύτηκε το 2025.

Εγκέφαλος στο μικροσκόπιο: Αποκωδικοποιήθηκε η βέλτιστη επεξεργασία πληροφοριών!
Στις 9 Μαρτίου 2025, το Τεχνικό Πανεπιστήμιο της Δρέσδης δημοσίευσε πρωτοποριακά ευρήματα σχετικά με το πώς λειτουργεί ο ανθρώπινος εγκέφαλος σε σχέση με την επεξεργασία πληροφοριών. Σε μια μελέτη που πραγματοποιήθηκε στο Πρακτικά της Εθνικής Ακαδημίας Επιστημών Δημοσιεύθηκε, διεθνείς ερευνητικές ομάδες από τη Δρέσδη, το Tübingen, το Παρίσι και τη Σαγκάη εξήγησαν πώς ο εγκέφαλος επεξεργάζεται τις πληροφορίες αποτελεσματικά και προσαρμόζεται με ευελιξία στις μεταβαλλόμενες προκλήσεις. Αυτή η νέα έρευνα παρέχει πληροφορίες για τις αρχές της κρισιμότητας και της αποτελεσματικής κωδικοποίησης, μειώνοντας έτσι τα περιττά σήματα.
Οι επιστήμονες ανέπτυξαν ένα μαθηματικό μοντέλο που προσομοιώνει τα νευρωνικά δίκτυα για τη μελέτη της απόδοσης του εγκεφάλου. Διεξήγαγαν ένα πείραμα στο οποίο διαφοροποίησαν το επίπεδο θορύβου στα δίκτυα. Τα αποτελέσματα έδειξαν ότι ένα μεσαίο επίπεδο θορύβου οδηγεί σε μέγιστη απόδοση. Ένα μέτριο επίπεδο θορύβου βελτιώνει την επεξεργασία πληροφοριών, ενώ ο πολύ μικρός ή πολύς θόρυβος βλάπτει την ευελιξία και την αποτελεσματικότητα. Αυτά τα ευρήματα υποστηρίζουν την υπόθεση ότι ο εγκέφαλος μπορεί να επιτύχει μια ισορροπία μεταξύ ακρίβειας και ευελιξίας σε βέλτιστες συνθήκες θορύβου.
Κρισιμότητα στο νευρικό σύστημα
Η εννοιολόγηση της κρισιμότητας περιγράφει μια κατάσταση στην οποία ο εγκέφαλος ανταποκρίνεται βέλτιστα στις εξωτερικές επιρροές. Σύμφωνα με τη μελέτη, εμφανίστηκαν τυπικά σημάδια κρισιμότητας, συμπεριλαμβανομένων των λεγόμενων «νευρικών χιονοστιβάδων». Ο υπερβολικός συγχρονισμός μεταξύ των νευρώνων περιορίζει την ευελιξία του, ενώ τα χαοτικά μοτίβα με υπερβολικό θόρυβο μπορούν να μειώσουν την αποτελεσματικότητα της επεξεργασίας πληροφοριών. Η υπερβολική τάξη στα νευρωνικά κυκλώματα θα μπορούσε να οδηγήσει σε ψυχολογικές διαταραχές, μια τάση που παρατηρείται στην παθογένεια της σχιζοφρένειας, της κατάθλιψης και της ιδεοψυχαναγκαστικής διαταραχής.
Η γνώση που αποκτήθηκε από αυτές τις μελέτες σχετικά με την ισορροπία στον εγκέφαλο θα μπορούσε να ανοίξει νέες επιλογές θεραπείας για ψυχικές διαταραχές. Έτσι, η υπερσυνδεσιμότητα στη σχιζοφρένεια αναδεικνύει τη χαοτική νευρωνική δραστηριότητα, ενώ η κατάθλιψη βασίζεται σε υπερβολική τάξη. Αυτές οι πτυχές της κρισιμότητας θα μπορούσαν επίσης να οδηγήσουν στην ανάπτυξη πιο προσαρμοστικών και ισχυρών συστημάτων τεχνητής νοημοσύνης εμπνευσμένα από τον ανθρώπινο εγκέφαλο.
Ο ρόλος της γνωστικής νευροεπιστήμης
Το Πανεπιστήμιο Christian Albrechts στο Κίελο συμμετέχει επίσης στην έρευνα για την επεξεργασία νευρωνικών πληροφοριών. Εδώ διερευνούμε πώς η επεξεργασία βιολογικών πληροφοριών μπορεί να μεταφερθεί σε τεχνικά συστήματα προκειμένου να αναπτυχθούν ενεργειακά αποδοτικές αρχιτεκτονικές υπολογιστών. Τελευταία αποτελέσματα, δημοσιευμένα στο περιοδικό Επιστημονικές Εκθέσεις, δείχνουν ότι ο ανθρώπινος εγκέφαλος χρησιμοποιεί περίπου 25 watts στην καθημερινή ζωή, ενώ οι σύγχρονοι υπολογιστές και τα smartphone απαιτούν σημαντικά περισσότερη ενέργεια. Η λεγόμενη «κρίσιμη υπόθεση του εγκεφάλου» χρησιμεύει ως βάση για την κατανόηση του γιατί ο εγκέφαλος λειτουργεί ταχύτερα και πιο ενεργειακά αποδοτικά σε μια κατάσταση κρίσιμης σημασίας.
Τα αποτελέσματα της έρευνας δείχνουν ότι όχι μόνο εσωτερικοί μηχανισμοί αλλά και εξωτερικές επιρροές μπορούν να συμβάλουν στη διαμόρφωση της κρίσιμης κατάστασης. Αυτά τα ευρήματα επιτεύχθηκαν μέσω μαθηματικής μοντελοποίησης σε τεχνητά δίκτυα που μιμούνται τη συμπεριφορά των ανθρώπινων νευρωνικών δικτύων.
Συνοψίζοντας, οι βαθύτερες γνώσεις σχετικά με την κρισιμότητα του εγκεφάλου όχι μόνο προάγουν την κατανόηση της γνωστικής και ψυχικής υγείας, αλλά θέτουν επίσης τα θεμέλια για μελλοντικές εξελίξεις στην τεχνητή νοημοσύνη. Η συνεχής μελέτη αυτών των πτυχών θα μπορούσε να φέρει επανάσταση στην προσέγγιση πολλών νευρολογικών και ψυχικών ασθενειών.