Cercetătorii în neuroștiință de la Princeton descifrează procesul prin care luăm decizii

Cum reușește creierul să proceseze simultan semnale senzoriale variate (văz, auz, etc.) și să ia rapid o decizie corectă? Răspunsul se concentrează pe cortexul prefrontal, regiune responsabilă de funcții cognitive înalte, inclusiv decizia dependentă de context. Deși se cunoaște că multe dintre celulele din cortexul prefrontal prezintă răspunsuri mixte (selectivitate combinată pentru culoare, mișcare, context, etc.), mecanismul unificator care stă la baza acestor răspunsuri complexe rămâne insuficient înțeles.
Rețele neuronale recurente (RNN), antrenate pentru sarcini de decizie, pot reda eterogenitatea reală a activității neuronale, dar sunt dificil de interpretat deoarece conectivitatea lor se întinde pe multe mii de parametri. În paralel, modele „de circuit” mici (cu puține populații de neuroni) au avantajul de a fi interpretabile - dar, de obicei, nu pot reproduce complexitatea reală a datelor.

Pentru a depăși acest blocaj, cercetătorii de la Princeton (Christopher Langdon și Tatiana Engel) au propus un nou cadru matematic, denumit „model de circuit latent”, ce permite descrierea și interpretarea modului în care cortexul prefrontal procesează semnale senzoriale diverse pentru a ghida decizia.

Ce este modelul de circuit latent?

Modelul de circuit latent propune că, în loc să ne gândim la toți neuronii dintr-o rețea mare (fie ea biologică sau un RNN), putem identifica un subspațiu de dimensiune mică care concentrează esența calculelor de decizie.  

• „Nodurile latente”: Autorii consideră că un număr mic de noduri pot reprezenta variabile-cheie (context, stimul senzorial, alegere).
• Conectivitatea dintre aceste noduri reflectă un mecanism de excitare și inhibiție care blochează sau activează reprezentarea unui stimul irelevant, adaptând astfel decizia la contextul sarcinii.

Prin potrivirea modelului cu înregistrări neuronale (fie direct din cortex, fie activitatea unei rețele recurente antrenate), se poate vedea cum un set mic de conexiuni explică, cu precizie, majoritatea activității și comportamentului final.

Aplicarea în sarcina de decizie dependentă de context

Un exemplu clasic: participantul trebuie să identifice fie culoarea unui stimul (roșu vs. verde), fie direcția mișcării (stânga vs. dreapta), în funcție de un indiciu contextual (formă, sunet etc.). Studiile pe maimuțe, oameni sau RNN arată:

• În cortexul prefrontal, există neuroni care răspund combinat (ex. „verde plus obstacol”).
• RNN antrenate pentru aceeași sarcină reproduc comportamentul corect, dar conexiunile par opace.

În noul model, Langdon și Engel arată că, în subspațiul mic al circuitului latent, apare un mecanism simplu de inhibiție selectivă a stimulului irelevant. Dacă sarcina cere recunoașterea mișcării, nodurile corespunzătoare culorii sunt inhibate și invers.  

Acest mecanism, deși aparent simplu, explică:

• De ce neuronii reali par să aibă amestecuri de răspunsuri (rezultă din proiecția liniară a unui mic circuit pe mii de neuroni).  
• Cum erorile sau perturbările unor conexiuni specifice duc la scăderea performanței (ex. dacă „inhibiția contextului” lipsește, rețeaua devine confuză și nu mai ignoră culoarea irelevantă).

Demonstrarea validității prin perturbări țintite

Un avantaj major al modelului este că produce predicții cauzale:  

• Dacă scădem forța conectivității de la nodul „context mișcare” la nodul „stimuli culoare”, atunci rețeaua nu mai inhibă culoarea irelevantă și comportamentul se deteriorează previzibil.  
• Prin echivalarea acestei modificări cu un rank-one perturbation a rețelei recurente mari, s-a observat exact aceleași efecte comportamentale în simulari.  

Acest lucru arată că parametrii circuitului latent nu sunt doar statistici de potrivire, ci implementează efectiv logica sarcinii în rețeaua mare.

Discrepanță față de metode de corelație (demixing) și relevanță comportamentală

Studiile anterioare în PFC foloseau adesea proiecții lineare care „demixau” variabilele (culoare, mișcare, context) fără să țină cont că variabilele se pot influența reciproc. Aparent, rezulta că „stimulul irelevant nu e suprimat”.  

Prin contrast, modelul circuitului latent incorporează interacțiile dintre variabile, dezvăluind clar o suprimare inhibitoare a stimulului irelevant. Autorii arată și faptul că aceste reprezentări mai vechi „demixate” pot exista, dar nu cauzează decizia. Adică, chiar dacă vezi acele proiecții în rețea, ele nu sunt cele care dirijează răspunsul final.  

Astfel, modelul latent pune accent pe relevanța comportamentală a axelor din subspațiul redus: dacă stimulezi artificial un nod „mișcare-dreapta”, comportamentul se schimbă spre a alege dreapta. Proiecțiile simple, corelate doar cu „coerența stimulului”, nu au un impact semnificativ asupra deciziei dacă nu sunt și integrate recurent.

Extensii și implicații

1. Neuroștiințe clinice:  

• Mecanismele de decizie anormale (ex. în tulburări psihiatrice, Alzheimer) ar putea fi chestionate prin prisma „nodurilor latente”. Dacă un nod echivalent cu „inhibiția contextului” e subactivat, pacienții pot suferi de dificultăți de filtrare a informațiilor irelevante.  

2. AI și rețele neurale:  

• Asistenți vocali (Alexa) sau mașini autonome pot fi îmbunătățite dacă integrează sisteme care suprimă eficient semnalele irelevante, modelate explicit prin circuite latente interpretabile.  

3. Studii viitoare:  

• Autorii doresc să aplice modelul la alte sarcini de decizie (ex. Paradigme de tip „delay match to sample”, „n-back”, etc.).  
• Investigarea altor regiuni corticale și ipoteza că multe dintre sarcinile controlate experimental ar putea avea, de fapt, mecanisme latente de mică dimensiune.

Concluzii

Studiul de la Princeton pe modelul de circuit latent marchează un pas important în efortul de a unifica:

• Complexitatea mare a activității neuronale din cortex,  
• Capacitatea modelelor mari (RNN) de a reproducere a datelor,  
• Interpetabilitatea de care se bucură „modelele de circuit” (mici) cu conexiuni excitatorii–inhibitorii clar definite.

Autorii arată, în mod special, că decizia dependentă de context (culoare vs. mișcare) în cortexul prefrontal și în RNN se bazează pe inhibarea stimuli-lor irelevanți, iar acest principiu reiese când se reconstituie un circuit latent de mică dimensiune, a cărui conectivitate se potrivește și explică activitatea neuronală. Validarea prin perturbări (simulată în RNN) demonstrează forța cauzală a acestui mecanism.

Împreună, aceste concluzii sprijină ideea că, în ciuda eterogenității mari a răspunsurilor neuronale, un set redus de „noduri-cheie” și interacțiuni pot fi suficiente pentru a genera și a controla comportamentul de decizie.