Исследователи из Университета Калифорнии в Сан-Диего пришли к выводу, что во сне не только усваивается новый опыт, но и проигрывается старый, чтобы конкурирующие новые воспоминания не стерли ту важную информацию, которая была записана ранее. Об этом они рассказали в журнале eLife.
Эти выводы могут помочь как в создании схем стимуляции во сне для сохранения памяти в пожилом возрасте, так и в решении проблемы непрерывного обучения алгоритмов искусственного интеллекта.
Воспоминания и опыт сохраняются в нашем мозге в виде определенных последовательностей нервных клеток, которые возбуждаются в нужный нам момент, когда мы, к примеру, вспоминаем формулу или садимся на велосипед после долгой паузы. Такие последовательности называют следами памяти. Несмотря на то что в нашем мозге нейронов огромное количество, эти следы могут частично перекрываться друг с другом, то есть в процессе усваивания нового опыта в ход пойдут нейроны, уже задействованные в каком-либо следе. Но что помогает при этом старому воспоминанию не разрушиться, «уступая место» новому?
Ученые под руководством Максима Баженова, профессора медицины в Школе медицины Университета Калифорнии в Сан-Диего, доказали гипотезу, что эту стабильность и динамичность памяти обеспечивает сон. На таламокортикальных нейрональных моделях исследователи проверили, что тренировка, приводящая к формированию новых воспоминаний, неизбежно нарушала структуру старых следов памяти. Имитация же сна сразу после нового обучения обращала вспять этот ущерб и усиливала все воспоминания.
Исследователи обнаружили, что когда воспоминание конкурирует за уже используемые нейронные или синаптические ресурсы. А воспроизведение процесса сна изменяет синаптический след старого воспоминания таким образом, чтобы перекрывающиеся популяции нейронов хранили несколько воспоминаний одновременно. При этом у каждого воспоминания остается своя уникальная нейронная архитектура.
«Наше исследование предсказывает, что хранение памяти – процесс динамический, и именно сон позволяет непрерывно обучаться, сочетая консолидацию новых следов памяти с реконсолидацией старых следов памяти для минимизации помех», – пишут авторы работы.
Они предполагают, что из-за этих очень ценных свойств сон может принести пользу и обучающимся компьютерным алгоритмам. Моделирование сна при обучении нейронных сетей способно дать им дополнительные преимущества в виде непрерывного обучения без стирания ранее «усвоенной» информации. Кроме того, ученые считают, что расшифровка всех тонкостей сонных механизмов, которые делают память динамичной, в итоге приведет к созданию методов стимуляции памяти в тех ситуациях, когда она ослабляется из-за возрастом или в связи с развитием нейродегенераций.
Текст: Анна Хоружая