İnsanların görme konusu, büyük bir gizem ve New York Üniversitesi’nde bir matematikçi olan Lai-Sang Young, “Gördüğünüzü düşündüğünüz birçok şeyi aslında uyduruyorsunuz. Onları aslında görmüyorsunuz” diyor ancak yine de beynimizin görsel bir dünya kurma konusunda oldukça iyi iş çıkardığını söyleyebiliriz.
Tek başına anatomi çalışmaları, beynimizin bu görüntüleri nasıl oluşturduğunu açıklayamıyor ancak yeni bir araştırmaya göre matematik, burada kilit bir rolde olabilir. Young, NYU’dan çalışma arkadaşı olan sinir bilimci Robert Shapley ve matematikçi Logan Chariker ile ortak bir çalışma gerçekleştirdi. Çalışmada yıllarca yapılmış biyolojik deneylerin toplandığı belirtildi ve beynin sınırlı görsel bilgiye dayanarak nasıl detaylı görsel üretimler yaptığını açıklayan matematiksel bir model geliştirildi.
Young ve ekip arkadaşları, her seferinde basit bir temel görüntü elementini birleştirerek modellerini inşa ettiler. Korteksteki kaç adet nöronun nesnelerin sınırlarını belirtmek için etkileşime geçtiğini ve kontrasttaki değişimleri açıkladılar. Şimdi de beynin hangi objelerin hareket ettiğini nasıl anladığını çözmek üzerine çalışıyorlar.
Katmanlar ve görsel korteks:
Görme eylemi hakkında hiç şüphesiz ki bildiğimiz birkaç şey var. Gözlerimiz bir lens gibi çalışıyor. Dış dünyadan gelen ışığı alıyor ve gözümüzün arka kısmında bulunan retinaya görsel alanımızın ölçeklendirilmiş kopyasının izini düşürüyor. Retina da beynimizin bir parçası olan ve kafamızın arka tarafında bulunan görsel korteks ile bağlantılı.
Retina ile görsel korteks arasında çok az bir bağlantı bulunuyor. Retina ile görsel korteksi bağlayan yaklaşık 10 kadar sinir hücresi var. Bu hücreler, LGN’i (lateral genikulat çekirdek) oluşturuyor ki bu, görsel bilginin dış dünyadan beynimize seyahat ettiği tek yol. LGN hücreleri, küçük görsel alanlarında karanlıktan aydınlığa ya da aydınlıktan karanlığa geçildiğinde görsel kortekse titreşim gönderir. Hepsi bu. Aydınlanmış dünya, retinayı verilerle bombardımana tutar ve beynin yapacağı tek şey, küçük LGN hücrelerinin sinyalleriyle yoluna devam etmek. Bu kadar az bilgiye dayanarak dünyayı görmek, küçük peçetelere alınan notlarla Yüzüklerin Efendisi kitabını yeniden oluşturmaya çalışmak gibi bir şey.
Korteks ile retina, birbirine birkaç nöronla bağlı olsa da korteksin kendisinin sinir hücreleri oldukça yoğundur. Retinadan arka tarafa süzülen her 10 LGN nöronu için görsel korteksin sadece ilk giriş katmanında 4.000 nöron bulunur. Bu uyuşmazlıkla birlikte beyin, aldığı görsel verileri oldukça yoğun bir şekilde işler. Shapley, “Görsel korteksin kendi aklı var” diyor.
Görsel döngüler:
Görmenin sinirsel anatomisi oldukça ilginçtir. Adeta çok cılız bir insanın çok ağır bir yükü kaldırması gibidir. Bu kadar az şeyle bu kadar büyük işi nasıl halledebiliyor diye düşünülür. Tabii Young, Shapley ve Chariker, bu soruyu matematiksel modelle cevaplamaya çalışan ilk kişiler değiller ancak önceki çalışmalarda retina ile korteks arasında daha fazla bilginin seyahat ettiği varsayılıyordu. Shapley “İnsanlar, biyolojinin sayısal modelle söylediklerini ciddiye almıyordu” diyor.
LGN hücreleri, kortekse 1 voltun onda biri büyüklüğünde elektriksel titreşimler gönderiyor ve bunu bir milisaniyelik bir sürede gerçekleştiriyor. Young’un söylediğine göre bu etkileşimleri kontrol eden kurallar, fiziksel sistemlerdeki etkileşimleri kontrol eden kurallardan çok daha karmaşık.
Her bir nöron, diğer yüzlerce nörondan eş zamanlı olarak sinyaller alıyor. Bu sinyallerden bazıları nöronun parlamasını teşvik ediyor. Diğerleriyse baskılıyor. Bir nöron, diğer baskılayıcı ve uyarıcı nöronlardan elektriksel titreşimler aldığında zarındaki voltaj dalgalanıyor. Parlama, voltaj belli bir eşiği geçtiğinde meydana geliyor (zar potansiyeli). Bunun ne zaman olacağını öngörmek ise neredeyse imkânsız.
Aslında durum bundan daha karışık. Her bir nöron, yüzlerce diğer nörondan sinyaller alıyor. Yani görsel korteks, bir geri dönüşüm üzerine geri dönüşüm döngüsü. Shapley, burada işleri asıl zorlaştıran şeyin çok fazla hareketli parça olması olduğunu dile getiriyor.
Görsel korteksin ilk modellerinde bu özellik göz ardı edilmişti. Bilginin sadece gözün önünden retinaya ve oradan da kortekse doğru aktığı varsayılmıştı. Bu “ileri besleme” modellerini oluşturmak kolay olsa da korteks anatomisinin çıkarımını görmezden geliyorlardı ki “geri dönüşüm” döngüleri hikâyenin büyük bir kısmını oluşturuyor.
Young bu durumla ilgili olarak “Geri dönüşüm döngüleriyle uğraşmak, oldukça zor çünkü bilgi gelmeye devam ediyor ve seni değiştiriyor; gelmeye devam ediyor ve seni etkiliyor. Bu, hiçbir modelin başa çıkamayacağı bir şey ve beynin her yerinde bulunuyor” ifadelerini kullandı.
Görsel yığını:
Laboratuvar deneylerinde araştırmacılar, basit görsel uyarıcılarla çalıştılar. Primatların görsel kortekslerine elektrotlar bağlandı ve araştırmacılar, uyarıcı tepkimesiyle üretilen sinir titreşimlerini izlediler. Young, bu deneyle ilgili olarak “Bir primata bazı resimler gösterirseniz o da reaksiyon gösterir. Bu bilgiyle içeride olanları tersine mühendislikle çözmeye çalışabilirsiniz” dedi.
Young, Shapley ve Chariker, modellerine yönlü hassasiyet eklemek üzerine çalışıyorlar. Bu sayede görsel korteksin, görsel alanınızdaki hangi objelerin hareket ettiğini nasıl yeniden yapılandırdığı açıklanabilir. Bundan sonra ise görsel korteksin, görsel uyarıcılardaki geçici modelleri nasıl hatırladığı açıklanmaya çalışılacak.
Bu noktada görsel korteksin altı katmanından bir tanesinin aktivitesinin basit bir modeline sahip olunmuş olunacak. Şu an üzerinde durdukları çalışmalar, görsel işleme sürecinin daha sofistike olduğu diğer beş katmanı hedeflemiyor. Ayrıca burada görsel korteksin renkleri nasıl ayrıştırdığı konusu da hedeflenmiyor ki bu zaten tamamen farklı ve çok daha zor bir yol içeriyor.