Görüntüleme Çalışmaları Bellek / Aşinalık için Matematik Modellerini Destekler
Küresel benzerlik modelleri olarak adlandırılan matematiksel kavramlar, aşinalık söz konusu olduğunda, görünüşte ilgisiz olanlar da dahil olmak üzere bir dizi anının beyne akıp gidebileceğini varsayar.
Bellek ve sınıflandırma üzerine yeni bir fonksiyonel manyetik rezonans görüntüleme (fMRI) çalışması, şimdi ilk kez bu matematiksel modellerin medial temporal loblardaki işlemeyi doğru bir şekilde açıkladığını gösterdi.
Beynin bu bölgesi, Alzheimer hastalığı gibi hafıza bozuklukları nedeniyle bozulan uzun süreli hafıza ile ilişkilidir.
Texas Tech'in Nörogörüntüleme Enstitüsü'nün müdür yardımcısı olan Ph.D. Tyler Davis, küresel benzerlik modellerini araştıran ekibin bir parçasıydı.
“En azından 1980'lerden beri, hafızayı araştıran bilim adamları, bir kişi birisinin yüzünü veya yeni bir deneyimi tanıdık bulduğunda, o kişinin yalnızca bu önceki deneyimin bir anısını değil, aynı zamanda diğer birçok ilgili ve ilgisiz deneyimin hatırasını da aldığına inanıyorlar. , "Dedi Davis.
“Küresel benzerlik modelleri adı verilen biçimsel matematiksel bellek teorileri, aşinalığı yargıladığımızda, bir yüz veya bir restorana seyahat gibi bir deneyimi beynimizde sakladığımız tüm hatıralarla eşleştirdiğimizi öne sürüyor. FMRI'yi kullanan son çalışmamız bu modellerin doğru olduğunu gösteriyor. "
İnsanlar, birinin tanıdık yüzünü gördüklerinde veya tanıdık bir restorana gittiklerinde, karşılaştırma için yalnızca en benzer veya en son anıları etkinleştirdiklerine inanabilir. Ancak küresel benzerlik modellerine göre, belirli bir restoranda göğüs eti tadına aşinalık hissi, bir kişinin beyninde depoladığı bir dizi anıdan yararlanır.
Göğüs etini yemek, sadece o restorana yapılan önceki bir gezinin değil, aynı zamanda dekorun, benzer bir restoranda brisket yemenin, o kişinin ev yapımı göğüs etinin tadının neye benzediğinin ve hatta yakın zamanda yapılan bir gezi gibi görünüşte teğet anıların hatıralarını harekete geçirebilir. başka şehir.
Davis, "Küresel benzerlik teorileri ve yeni bulgularımız açısından, önemli olan aşinalığı değerlendirirken beyninizin sadece en alakalı anıları değil, diğer birçok anıyı da geri getirmesidir," dedi.
Bu, hafızanın nasıl hissettiğine mantıksız görünüyor. Bize daha önce orada bulunup bulunmadığımız sorulduğunda, genellikle o belirli bir restorana önceki geziye döndüğümüzü hissederiz, ancak aşinalığı yargıladığımızda diğer birçok anıyı da harekete geçirdiğimize dair birçok davranışsal kanıt vardır. "
Bu, sakladığımız her anının aşinalığa aynı şekilde katkıda bulunduğu anlamına gelmez. Önceki bir anı mevcut deneyime ne kadar benzerse, aşinalık yargılarına o kadar çok katkıda bulunacaktır.
Davis, "Brisket örneği açısından," dedi, "restorana yapılan önceki geziler, yakın zamanda şehir dışına çıkma gezisi gibi benzer olmayan anılardan daha fazla aşinalık etkileyecek. Bununla birlikte, diğer daha az ilgili deneyimlerden gelen benzerlik, aşinalık yargılarında ölçülebilir bir etkiye sahip olabilir. "
Davis ve diğerleri, son araştırmalarında fMRI'yi kullanarak medial temporal loblardaki aktivasyon kalıpları açısından benzerliğin davranışsal ölçümleriyle nasıl ilişkili olduğunu incelediler.
Davis, "Deneylerimizdeki öğeler için insanların hafızasının, matematiksel küresel benzerlik modellerinin öngördüğü bir şekilde medial temporal loblardaki aktivasyon modelleriyle ilişkili olduğunu bulduk" dedi.
“Bir öğenin aktivasyon modeli diğer tüm aktivasyon modellerine ne kadar benzerse, insanlar onu o kadar güçlü hatırladı. Bu, bellekte depolanan diğer tüm öğelere en çok benzeyen öğelerin en çok tanıdık geleceğini öne süren küresel benzerlik modelleriyle tutarlıdır. "
“Bulgular, küresel benzerlik modellerinin nörobiyolojik bir temeli olabileceğini gösteriyor” dedi.
Bu, sinirsel işleme açısından benzerliğin hafızayı etkileyebileceğinin kanıtıdır. İnsanlar tanıdık şeyleri sadece daha önce deneyimlediklerimizle aynı oldukları için değil, aynı zamanda daha önce deneyimlediklerimizle benzer oldukları için bulabilirler.
Bulgular şu adreste yayınlandı: Nörobilim Dergisi.
Kaynak: Newswise / Texas Tech University
