آیا میتوانیم دیاگرامی سیمی از مغز انسان بسازیم؟

مغزهای ما ، ماشین های عجیب و حیرت انگیزی اند . از کامپیوتر های شخصی اولیه از لحاظ نیروی پردازش خام آهسته ترند اما با این حال قادر به انتقال و ذخیره ی یک عمر خاطره اند که بی درنگ به آنها مراجعه میشود و سریع در دسترس قرار میگیرند . ما از اینکه چگونه اینکار ها را انجام میدهند خیلی کم میدانیم . اما برای لحظه ای تصور کنید که اگر میتوانستیم یک دیاگرام سیمی از مغز انسان بسازیم تا هر کدام از جزئیات را از بین صد میلیارد را نشان دهیم یا به همین ترتیب سیناپس ها و صدها میلیارد رشته ی عصبی در مکانیزیم هایی کوچک . چه معنی ای خواهد داشت و اصلا حتی ممکن است؟
درباره اش فکر کنید . کمی بعد به این موضوع برمیگردیم اما اول اجازه دهید پیش زمینه را بیشتر توضیح دهیم . ساختار یک مغز سالم متکی به اتصالات شبکه ی عصبی است . لایه های چند گانه ی اتصالات و راه ها ، مانند سیم های یک کامپیوتر بزرگ قدیمی همه به یک نهاد میرسند.
این اتصالات شبکه ای توسط دانشمندان connectome نام گرفته است . رسم کردنش با ساختن دیاگرام سیمی مغز همراه است . connectome مغز انسان هنوز در مقیاسی سلولی یا کلی ( ساختار و کاربرد سطح بالا) رسم نشده است ، گرچه تلاش هایی که اخیرا صورت گرفته از قبلی ها بهتر است ، که به تازگی ممکن شده است ( بعدا بیشتر توضیح میدهیم).
هر دو راه مطالعات connectome وعده ی همه نوع اطلاعات را درباره ی چگونگی کارکرد مغز میدهند . پرژه ی connectome انسان که یک تلاش بین المللی برای رسم کردن connectome 1000 نفر در مقیاسی کلی است، بیشتر ماده سفید یا پیه غلاف عصب فعال مجموعه سلول های عصبی، که از تصویر برداری مغناطیبی استفاده میکند، این هفته اعلام کرد که الگوهای سیم پیچی مغز به ویژگی های رفتاری و دموگرافیک ربط دارد . در طی مطلالعات متوجه شدند که در نمونه ی 460 انسان که بین 22 تا 35 سال داشتند، کسانی که با تحصیلات بیشتر، مقاومت فیزیکی بهتر ، حافظه ی بالای حد متوسط و دیگر ویژگی های مثبت بودند به نظر میرسید که مغزهایی با اتصال نیرومند تری نسبت به اشخاصی با ویژگی های منفی مانند کسانی که سیگار میکشند یا پرخاشگرند یا سابقه ی استفاده از مواد دارند، هستند . این نتایج نشان نمیدهد که آیا این بر دیگری تاثیر  میگذارد یا نه اما نشان میدهد که الگوهای اتصال یک روز میتوانند به پیش بینی ویژگی ها یا ارائه ی نشاننه های بیشتر از تاثیر مواد بر مغز کمک کنند .

همه اش وصل است

جف لیچمن پروفسور دانشگاه هاروارد است . او یکی از بهترین محققین دنیا در عصب شناسیست که به مغز و سیستم عصبی حیوانات و انسان ها از لحاظ آناتومی و فیزیک نگاه می اندازد . ( سلول ها و بافتها یش و طوری که سازمان دهی شده اند ) . و او آزمایشگاه لیچمن هاروارد را اداره میکند . کارش در این رشته زمانی شروع شد که کلاسی درباره ی بافت شناسی در مدرسه ی پزشکی گرفت  ، مطلالعه ی بافت های بدن .
در طول بخش های پزشکی این کلاس که به آسیب شناسی یا مطالعه ی بیماری ها و اختلال در بافت های بدن میرسد ، او درمانده شده بود که چگونه هیچ نشان فیزیکی وجود ندارد که مشکلات آتیزم، اسکیروفرنی ، اختلالات دو قطبی و دیگر بیماری های سیستم عصبی را نشان دهد . لیچمن به ما گفت : " این خیلی با دیگر سیستم های بدنی متفاوت است . وقتی به بافتها نگاه میکنی چیزی وجود دارد که عدم تناسب فیزیکی یا چیزی مربوط به بیماری است " همیشه یک چیز غیر عادی فیزیکی مانند التهاب یا بیرنگی وجود دارد . اما تا کنون برای بیشتری بیماری ها و اختلالات موثر بر مغز اینگونه نبوده است . "بعد از مدتی فهمیدم که دلیل اینکه هیچ غیر عادی بودنی وجود ندارد این است که واقعا چیزی آنجا نیست . چون هیچ وقت کسی در واقع به مغز از فاصله ای نگاه نکرده که بتواند این غیر عادی بودن ها را ببیند . "
مغز بسیار پیچیده تر از هر عضو دیگری است ، بنابراین مساله زیاد زوم کردن روی آن نیست . که البته این بخش بسیار مهمی است . لیچمن توضیح میدهد " مردم بخش کوچکی را از طریق بخشی از مغز میگیرند و یک سیناپس نشان میدهند . اما مغز از طریق این اتصالات کار میکند و به فرد این امکان را میدهد تا با سلول های عصبی دیگر در تماس باشد ، تاحدودی شبیه اکانت توئیتر ، و هر سلول عصبی همچنین پذیرنده ی شبکه ای از اطلاعات از طرف هزاران سلول عصبی دیگر است . " به عنوان یک دانشجوی فارغ التحصیل شده، لیچمن درباره ی سیستم عصبی بچه های انسان و دیگر پستانداران مطلالعه کرد . او درباره ی اتصال دوباره ی سیستم عصبی بچه ها وقتی که رشد میکنند گفت ، سپس تکنیکی را طراحی کرد تا آن را با استفاده از رنگ ها رسم کند. اما رنگ های کافی برای نشان دادن تمام رشته های کورتکس دماغی وجود ندارد . او به یک روش دیگر احتیاج داشت.

اندازه مهم است

تنها connectome یک حیوان تا به حال ساخته شده است ، انگل روده C.elegans ، که 302 رشته ی مغزی دارد و به عنوان مدلی برای تحقیق و به اشتراک گذاری آن در این رشته عمل میکند . اما محققان همچنین تلاش زیادی برای رسم کردن connectome موش انجام میدهند ، چون موش ها به راحتی در آزمایشگاه قابل دسترسی اند و برای همه ی مطلالعات پزشکی از آنها استفاده میشود . در همین connectome موش بود که لیچمن و 20 تن دیگر از همکارانش در آزمایشگاه مشترک هاروارد و بوستون آخرین تکنولوژِی تصویر برداریشان را اوایل امسال معرفی کردند . آنها متوجه راهی برای درست کردن الکترون ذره بینی شدند که برای تصویر برداری از مغز به مقیاس های نانو میرود . و آنها این تکنولوژی را بر روی تکه ی کوچکی از کورتکس جدید یک موش بالغ امتحان کردند و اطلاعات جدیدی از رابطه ی بین آکسون ها و دندریت ها بدست آوردند ( شاخه های عصبی که مانند سوکت های داخلی الکتریکی عمل میکنند. )
لیچمن معتقد است که این تکنولوژِی ممکن است به مطالعات کلینیکی زیادی کمک کند مانند تحقیقی که در آزمایشگاهش داشت . درباره ی تفاوت های مغز های سالم موش ها و آنها یی که ژن آتیسم  برای اختلال سندرم rett دارند . بخش مهمی از علم نه تنها با فرضیه بلکه با سوال پرسیدن به دست میاید . و تصویر نانویی از مغز وعده ی دنیایی جسورانه از سوال ها درباره ی ساختار مغز در سطوح سلولی و زیر سلولی را میدهد .
طریقه ی رسم کردن نقشه ی connectrome انسان به اسن صورت است که متوجه شویم چگونه حافظه ها ذخیره میشوند . لیچمن میگوید : شما همه ی تجارب زندگیتان را تا ابد آنجا خواهید داشت و هیچ وقت در دستشان خلاص نمیشوید . ممکن است به یادآوری برخی از آنها دشوار باشد اما زمانی که به یادشان آورید به خودآگاهتان بازمیگردند . یعنی آنها به اشکالی در مغزتان نشسته اند . تقریبا به شکل سلول های عصبی خاصی که در شبکه های کوچک به هم پیوسته اند . ولی کسی نمیداند اطلاعات چگونه کد گذاری میشوند . "
رسم کردن رشته های مغز ممکن است یک پاسخ به شما بدهد که لیچمن انتظار دارد نوعی الگوریتم های یاد گیری باشد که صورت ، شکل ، شی، نوشته ، صدا ، اسم یا هر چیزی دیگری را میگیرد و آنها را به رشته ها و سیگنال های عصبی تبدیل میکند. لیچمن همچنین هیجان زده است تا ببیند آیا دیاگرام ها سیمی نشان میدهند که چرا و چگونه وقتی مغز پیر میشود تغییر میکند . او شک دارد که مغز های پیر ممکن است دیاگرام های رشته ای یا سیمی ساده تری نسبت به جوان تر ها داشته باشند ، اما رسم connetome به خصوص در رزولوشن بهتر میتواند پاسخگو باشد.

داده های بزرگ

هیچ چیز هم که نباشد این دیاگرام سیمی یا رشته ای از مغز میتواند داده های زیادی را فراهم کند . چیزی که شما ممکن است داده های بزرگ بنامید . شما باید به هر میلیمتر از مغز نگاه کنید تا هر سیناپس را ببینید که این برای رسم connectome  کامل مغز ضروری است . لیچمن میگوید : " در یک میلیمتر مغز حدود دو ترابایت عکس داده است . من فکر میکنم که نقشه های اورجینال گوگل حدود چند ترابایت بود . که این همه ی سیاره را شامل میشد ." در آگوست 2012 حدود 20 پتابایت یا 20.500 ترابایت برای عکس های ماهواره، هوایی و خیابان بود .
مغز یک انسان چیزی حدود یک میلیون میلیمتر دارد که یعنی شما حدود دو میلیون ترابایت نیاز خواهید داشت تا نقشه ای از رشته هایش رسم کنید . دو میلیون ترابایت حدود دو هزار پتابایت و دو اگزابایت است. " این عدد بزرگی است . حتی برای گوگل . "
خیلی بزرگ است ، حتی بیشتر مردم نمیتوانند اندازه اش بگیرند . حتی  connectomeکرم روده ی elegans  با 302 رشته ی c برای بیشتر مردم خیلی زیاد است و این بیشتر حدود 12 ترابایت است . لیچمن میگوید : " شما نمیتوانید مجموعه ی داده ای کوچکتر از این پیدا کنید و این به طرز غیر ممکنی پیچیده است . شما نمیتوانید به آن نگاه کنید و بگویید . اوه حالا میفهمم کرم ها چطور شنا میکنند یا چرا وقتی کرم اطراف خاک حرمت میکند حرکات سینوسی به وجود میاید یا چرا وقتی چیزی به دماغش میخورد برمیگردد.این مساله وجود دارد اما نمیتوانید به آن نگاه کنید و بگویید " من میفهمم" " .
اگر در یک دنیایی بزرگ شده باشد که یک مگابایت یک مجموعه داده ی بزرگ است ، شما احتمالا هیچ امیدی برای فهمیدن میزان مجموعه داده ی connectome انسان نخواهید داشت . اگر در این عصر به دنیا آمده باشد احتمالا برایتان راحت تر است چون  رشته های مغز به طور متفاوتی قرار گرفته اما لیچمن هشدار میدهد که ما ممکن است چارچوب خاصی از پیشرفت انسان رسیده باشیم، نه تنها در علم عصب یا بیشتر بلکه در همه چیز از سیاست تا اقتصاد تا مذهب .
او میگوید : " بزرگترین خسارت داده های بزرگ ، ایده های بزرگ است . در حالتی که هیچ ایده ی بزرگی وجود ندارد تا داده ها را احاطه کند . داده ها ممکن است پیچیده تر از افکار بیشتر مردم باشند . " کنش های مختلف و پیچیده ی زیادی وجود دارد که اساسا باید کنترلشان کنیم .
با مرگ ایده های بزرگ میتوان تغییر بزرگی را در تجارت انسانی شاهد بود، که در آن ما دیگر نمیفهمیم و باور نمیکنیم و دنباله روی داده ها خواهیم بود . چیزی که ما در داده های بزرگ دنبالش میگردیم تفاوت بین فهم و تحلیل است . ما میتوانیم شبیه سازی کنیم، مدل بسازیم، و با کامپیوتر ها آنالیز کنیم اما دیگر نمیتوانیم در مورد فهمیدن کل نتایج اعتماد به نفس داشته باشیم .

انسان یا ماشین ؟

این تنها تغییر احتمالی نیست که لیچمن میبیند . همانطور که رفتار های جدیدا کشف شده نشان میدهد، رسم کردن مغز میتواند به شدت نحوه ی رفتار ما با مردم را تغییر دهد . همینطور که ما بیشتر این رشته های دیاگرام را کشف میکنیم ، " همه ی رفتار ها بر اساس این ماشینی قضاوت میشود که خودش این رفتار ها را به وجود میاورد . و به طرز بدی تبدیل به یک رفتار مورد انتظار میشود که شرایط شروع یک مغز خاص است . "
مفاهیم خواسته های مختارانه ناپدید خواهند شد و باور های ریشه دار وفلسفی و به چالش کشیده خواهند شد . نیازی نیست که تحقیقات را رها کنیم چون نتایج ، تلاش های پنهانی ذهن های ما، خیلی عالی اند اما دلیلی برای نگرانی هم است و یک چالش ممکن برای لیچمن یک مطالعه ی گران است که بسیار کند پیشرفت میکند .
چیزی که ما الان درباره ی مغز میدانیم از حدی کم تا تصویر کلی است . لیچمن میگوید که مطالعه ی آزمایش کورتکس موش برای تصویر برداری مقیاس نانوی مغز حدود 3 میلیاردم اندازه ی مغز بود.
این اندازه تا حدودی یک نقطه ی جدلی در علم است چون به نظر میرسد قدم غیر ممکنی باشد که بخواهیم مغز انسان را در سطح سلولی رسم کنیم اما لیچمن میگوید که این نوع از کار در کل به دلیلی اساسی تر جدلی است .

گشتن به دنبال توضیح

علم همیشه آزمایشی بوده ، در حالی که رسم کردن connectome توضیحی است . ایده ها را تست کرده و چیزها را دست کاری میکند . پروژه های تشریحی مانند این یا تلسکوپ هابل یا تمام رشته ی باستان شناسی از طرف دیگرصرفا نگاه میکنند . آنها ابزار وزن کردن اند: چه چیزی آن بیرون است ؟
برای انسان های زیادی این قضیه کاملا منطقی به نظر میرسد اما لیچمن میگوید " انسان های زیادی در علم بیوشیمی فکر میکنند که ما یک جورهای ورای توضیحیم " به جایش ما باید چیز های را دستکاری کنیم، ژن ها را از پا در آوریم، مواد شیمیایی اضافه کنیم یا سلول های عصبی را فعال کنیم . بدون فکر کردن به این که چه چیز هایی از رمز و راز مغز ناگفته و ناشنفته مانده است.
لیچمن علم عصب شناسی را مانند یک پلکان با میلیون ها پله میداند . در بالاترین جایگاه رسم کامل مغز انسان است . او میگوید : ممکن است ما یک پله بالا رفته باشیم . اما هدف تبدیل کردن این رشته به چیزی تولید کننده است تا بتواند داده های کافی تولید کرده تا با آن بتوان به رمز های عمیق مغز دست یافت . "
در حقیقت ما احتمالا بیشتر درباره ی دنیایی خارج از زمین میدانیم تا چیزی که بین گوش هایمان است . و به همین دلیل است که لیچمن و همکارانش در رسم connectome ثابت قدم ماندند . او میگوید : " تا وقتی ما چیزهایی را میبینیم که قبلا ندیده ایم، تا وقتی چیزهایی  را که با انتظاراتمان متفاوت اند جستجو میکنیم ، باید به کارمان ادامه دهیم . به وضوح چون اینکار به باعث اطلاعاتمان درباره ی رمز و راز ها میشود . زمانی که یک چیز را آنقدر خوب فهمیدید که دیگر چیزی برای یادگیری نماند و همه چیز یکسان شد و بله شاید اینجا باید صبر کرد اما تا آنجا راه خیلی درازی مانده است . "