آستروسیت‌ها فقط «چسب مغز» نیستند: مدل جدید نشان می‌دهد که آنها فعالانه محاسبات و ذخیره حافظه را انجام می‌دهند

مغز انسان یک پارادوکس بیولوژیکی است. این مغز تقریباً ۸۶ میلیارد نورون دارد که از طریق تریلیون‌ها اتصال سیناپسی با هم ارتباط برقرار می‌کنند تا هر چهره‌ای که می‌شناسیم، هر کلمه‌ای که می‌گوییم و هر تجربه‌ای که به یاد می‌آوریم را رمزگذاری کنند. با این حال، از دیدگاه صرفاً ریاضی، مدل سنتی ذخیره حافظه—که در آن اطلاعات منحصراً در اتصالات تقویت‌شده بین جفت نورون‌ها جای دارند—برای توضیح حجم عظیمی از داده‌هایی که یک انسان در طول عمر خود جمع‌آوری می‌کند، کافی نیست. اگر نورون‌ها فقط به صورت جفت متصل شوند، ظرفیت ذخیره‌سازی شبکه مدت‌ها قبل از اینکه بتواند شناخت انسان را توضیح دهد، به سقف ریاضی می‌رسد.

برای دهه‌ها، دانشمندان علوم اعصاب به دنبال متغیر گمشده در این معادله بوده‌اند. اکنون، یک تیم مشترک از MIT و آزمایشگاه هوش مصنوعی IBM واتسون، راه‌حل رادیکالی را پیشنهاد کرده‌اند: ظرفیت ذخیره‌سازی عظیم مغز متکی بر نوع کاملاً متفاوتی از سلول‌ها است که مدت‌ها نادیده گرفته شده‌اند. بر اساس یک مدل محاسباتی که در مجموعه مقالات آکادمی ملی علوم (PNAS) منتشر شده است، سلول‌های گلیال ستاره‌ای شکل معروف به آستروسیت‌ها، فقط ساختارهای حمایتی غیرفعال نیستند، بلکه واحدهای محاسباتی فعالی هستند که در کنار نورون‌ها، خاطرات را رمزگذاری می‌کنند.[1]

برای درک این مکانیسم، بهتر است به ساختار فیزیکی مغز نگاه کنیم. آستروسیت‌ها در بسیاری از مناطق مغز از نظر تعداد از نورون‌ها پیشی می‌گیرند. نام آنها به دلیل شکل ستاره‌ای‌شان انتخاب شده است، که دارای یک بدنه سلولی مرکزی است که به میلیون‌ها شاخک میکروسکوپی و منشعب گسترش می‌یابد. از لحاظ تاریخی، این سلول‌ها به نقش خانه‌دار بیولوژیکی تنزل داده شده بودند—پاکسازی بقایای سلولی، رساندن مواد مغذی از جریان خون، و حفظ تعادل شیمیایی اطراف نورون‌ها.[2]

اما تصویربرداری با وضوح بالا یک رابطه صمیمی‌تر را آشکار کرده است. شاخک‌های یک آستروسیت به طور فیزیکی اطراف محل‌های اتصال سیناپسی که دو نورون به هم می‌رسند، می‌پیچند و آنچه زیست‌شناسان آن را «سیناپس سه‌بخشی» (Tripartite Synapse) می‌نامند، ایجاد می‌کنند. در این ارتباط سه‌جانبه، آستروسیت در موقعیت عالی قرار دارد تا مکالمه شیمیایی در حال وقوع بین نورون پیش‌سیناپسی که سیگنال می‌فرستد و نورون پس‌سیناپسی که آن را دریافت می‌کند، را شنود کند.

برخلاف نورون‌ها، آستروسیت‌ها پتانسیل‌های عمل الکتریکی سریع شلیک نمی‌کنند. در عوض، آنها از طریق یک زبان شیمیایی کندتر مبتنی بر کلسیم ارتباط برقرار می‌کنند. هنگامی که یک نورون شلیک می‌کند و انتقال‌دهنده‌های عصبی را در سیناپس آزاد می‌کند، آستروسیت پیچیده شده این مولکول‌ها را تشخیص می‌دهد. در پاسخ، آستروسیت سطح کلسیم داخلی خود را تغییر می‌دهد و امواجی از یون‌های کلسیم باردار را از طریق شاخک‌های خود منتشر می‌کند.

این موج کلسیم یک واکنش غیرفعال نیست؛ بلکه یک گام محاسباتی است. آستروسیت سیگنال ورودی را پردازش می‌کند و می‌تواند پیام‌رسان‌های شیمیایی خود—معروف به گلیوترانسمیترها—را دوباره به سیناپس آزاد کند. این حلقه بازخورد به آستروسیت اجازه می‌دهد تا سیگنال نورونی را فعالانه خاموش یا تقویت کند و مستقیماً قدرت اتصال سیناپسی را تعدیل نماید. این ارتباط دوطرفه است که اساس بیولوژیکی مدل جدید حافظه را تشکیل می‌دهد.

پیشرفت محققان MIT و IBM زمانی حاصل شد که آنها ریاضیات پیشرفته یادگیری ماشین را در مورد این واقعیت بیولوژیکی به کار بردند. در هوش مصنوعی، «شبکه‌های هافیلد» سنتی داده‌ها را با پیوند دادن جفت‌های نورون‌های مصنوعی ذخیره می‌کنند، بسیار شبیه به دیدگاه کلاسیک مغز. با این حال، محققان هوش مصنوعی اخیراً مدل‌های «حافظه تداعی متراکم» (Dense Associative Memory) را توسعه داده‌اند که به چندین گره اجازه می‌دهد به طور همزمان تعامل داشته باشند و ظرفیت شبکه را برای ذخیره و بازیابی الگوهای پیچیده به صورت تصاعدی افزایش دهند.[1][3]

محققان متوجه شدند که آستروسیت‌ها سخت‌افزار بیولوژیکی هستند که کاملاً برای اجرای یک شبکه حافظه تداعی متراکم مناسبند. از آنجایی که یک آستروسیت منفرد می‌تواند شاخک‌های خود را گسترش دهد تا با صدها هزار—یا حتی میلیون‌ها—سیناپس مختلف تماس برقرار کند، به عنوان یک مرکز ادغام عظیم عمل می‌کند. این سلول چندین اتصال عصبی را که در غیر این صورت از یکدیگر جدا می‌ماندند، به هم متصل می‌کند و به مغز اجازه می‌دهد تا به تعاملات چندگره‌ای سطح بالاتر مورد نیاز برای ذخیره‌سازی حافظه متراکم دست یابد.[1][3]

در این ساختار پیشنهادی، یک حافظه صرفاً در وزن یک سیناپس بین دو نورون ذخیره نمی‌شود. در عوض، حافظه در سراسر شبکه متراکم فرآیندهای آستروسیت توزیع شده است و توسط تغییرات تدریجی، فضایی-زمانی در جریان کلسیم رمزگذاری می‌شود. هنگامی که یک نشانه جزئی با آن مواجه می‌شود—مانند بوی خانه دوران کودکی—آستروسیت به شبکه عصبی کمک می‌کند تا الگو را تکمیل کرده و حافظه کامل را بازیابی کند.[1]

این مدل به طرز هوشمندانه‌ای مشکل ظرفیت مغز را حل می‌کند. با در نظر گرفتن هر یک از میلیون‌ها فرآیند آستروسیت به عنوان یک واحد محاسباتی مستقل، پتانسیل ذخیره‌سازی شبکه به جای خطی، به صورت تصاعدی مقیاس می‌یابد. محققان به صورت ریاضی نشان دادند که یک شبکه نورون-آستروسیت می‌تواند اطلاعات بسیار بیشتری نسبت به یک شبکه فقط نورونی ذخیره کند و به قانون مقیاس‌بندی حافظه‌ای دست یابد که از هر پیاده‌سازی بیولوژیکی شناخته شده قبلی بهتر عمل می‌کند.[1][3]

پیامدهای انرژی نیز به همان اندازه عمیق هستند. نورون‌ها از نظر متابولیکی پرهزینه هستند؛ شلیک پتانسیل‌های عمل الکتریکی به مقادیر زیادی انرژی سلولی نیاز دارد. آستروسیت‌ها، با تکیه بر دینامیک کلسیم کندتر، با کسری از هزینه انرژی کار می‌کنند. با واگذاری ذخیره‌سازی الگوهای پیچیده به شبکه آستروسیتی، مغز می‌تواند یک پایگاه داده عظیم از تجربیات را بدون نیاز به مصرف کالری ناپایدار حفظ کند.[3]

در حالی که ریاضیات قانع‌کننده هستند، محققان در مورد محدودیت‌های فعلی شواهد شفاف هستند. مدل حافظه تداعی متراکم آستروسیت‌ها همچنان یک چارچوب نظری باقی مانده است. اثبات قطعی آن مستلزم آن است که دانشمندان علوم اعصاب تجربی، سیگنال‌دهی کلسیم را در فرآیندهای آستروسیت خاص در حیوانات زنده دستکاری کنند و سپس مشاهده کنند که آیا آن مداخلات دقیق به طور انتخابی شکل‌گیری یا بازیابی حافظه را مختل می‌کنند یا خیر.[2]

سرنخ‌های تجربی اولیه در حال حاضر به این سمت اشاره دارند. مطالعات آزمایشگاهی اخیر نشان داده‌اند که وقتی اتصالات فیزیکی بین آستروسیت‌ها و نورون‌ها در هیپوکامپ—مرکز حافظه مغز—به صورت شیمیایی یا ژنتیکی مختل می‌شوند، حیوانات کمبودهای حافظه‌ای عمیقی از خود نشان می‌دهند، حتی اگر نورون‌هایشان کاملاً سالم باقی بمانند.

اگر این تغییر پارادایم در شرایط زنده (in vivo) تأیید شود، پیامدهای فوری برای پزشکی خواهد داشت. بیماری‌های تخریب‌کننده عصبی مانند آلزایمر در حال حاضر عمدتاً به عنوان اختلالات نورون‌ها و پروتئین‌های سمی که آنها را می‌کشند، دیده می‌شوند. اما اگر آستروسیت‌ها در واقع هارد دیسک‌های شبکه حافظه متراکم مغز باشند، زوال شناختی اولیه ممکن است ناشی از فروپاشی ارتباط آستروسیت-نورون باشد، که هدف کاملاً جدیدی را برای داروهای درمانی ارائه می‌دهد.[2][3]

این کشف همچنین به حوزه‌ای باز می‌گردد که به کشف آن کمک کرد: هوش مصنوعی. اتصال انعطاف‌پذیر و چندگره‌ای آستروسیت‌ها شباهت نزدیکی به «مکانیسم‌های توجه» مورد استفاده در ترانسفورماتورهای هوش مصنوعی مدرن مانند مدل‌های زبان بزرگ دارد. با مطالعه اینکه چگونه آستروسیت‌های بیولوژیکی انرژی و ذخیره‌سازی را بهینه می‌کنند، دانشمندان کامپیوتر امیدوارند تراشه‌های نورومورفیک نسل بعدی را طراحی کنند که از سلول‌های گلیال تقلید می‌کنند و به طور بالقوه تنگناهای انرژی فعلی در آموزش هوش مصنوعی را از بین می‌برند.[3]