Bilim insanları, dış uyaranlara odaklanma sürecimizin beyin mekanizmalarını fMRI ile görüntüleyerek açıkladı. Araştırma, dikkatin nasıl çalıştığına dair entegrasyon-ayrışma teorisinin ilk doğrudan sinirsel kanıtlarını sunuyor. Çalışmada, önceden işaretlenmiş hedeflere odaklanırken frontal ve parietal bölgelerin aktif olduğu, beklenmedik hedeflerde ise temporal korteksin devreye girdiği gözlendi. Bu bulgular, beynimizin bilgi işleme stratejilerini nasıl değiştirdiğini ve dikkat bozukluklarının tedavisinde yeni yaklaşımlar geliştirilmesine katkı sağlayabilir.

Stanford araştırmacıları, yetişkinlerin yeni bir dil öğrenirken beyin aktivitelerini 7 gün boyunca takip etti. 102 katılımcının yapay bir dil öğrenme sürecini fMRI ile görüntüleyen çalışma, beynin tahmin ve geri bildirim sinyallerini nasıl farklı şekilde işlediğini ortaya koydu. Transformer yapay zeka modelleriyle karşılaştırma yapan araştırma, grup düzeyinde tahmin odaklı işlemlerin daha baskın olduğunu, ancak bireysel öğrenme başarısının geri bildirim mekanizmalarıyla daha güçlü ilişki gösterdiğini buldu. Çalışma, dil öğrenme sürecinde beynin duyusal ağlardan üst düzey dil ve çağrışım ağlarına geçiş yaptığını göstererek, soyutlama sürecinin nöral temellerini aydınlatıyor. Bu bulgular, kişiselleştirilmiş dil öğretim yöntemlerinin geliştirilmesine katkı sağlayabilir.

Stanford araştırmacıları, modern büyük dil modellerinin insanlar gibi yeni oyunları öğrenip strateji geliştirebildigini keşfetti. Katılımcıların video oyunu oynarken beyin aktiviteleri fMRI ile kaydedildi ve yapay zeka modellerinin performansı karşılaştırıldı. Sonuçlar, en gelişmiş dil modellerinin insan öğrenme davranışlarını taklit etmede ve beyin aktivitelerini tahmin etmede pekiştirmeli öğrenme algoritmalarından on kat daha başarılı olduğunu gösteriyor. Bu bulgular, yapay zekanın insan benzeri öğrenme ve planlama yetenekleri kazanmaya başladığının güçlü bir işareti olarak değerlendiriliyor.

Araştırmacılar, beyin görüntüleme verilerinden gerçek nöral bağlantıları tespit etmek için yeni bir yapay zeka yöntemi geliştirdi. INCAMA adlı bu sistem, fMRI gibi dolaylı ölçümlerin fiziksel sınırlarını aşarak, beynin farklı bölgeleri arasındaki nedensel ilişkileri daha doğru şekilde belirleyebiliyor. Geleneksel yöntemler, kan akışı ve elektriksel iletim gibi fiziksel etkiler nedeniyle gerçek nöral aktiviteyi tam olarak yansıtamıyordu. Yeni yaklaşım, bu fiziksel çarpıtmaları hesaba katarak ve beynin dinamik değişimlerini analiz ederek, nöral ağların gerçek yapısını ortaya çıkarmayı hedefliyor. Kontrollü simülasyonlar ve gerçek fMRI verileriyle test edilen sistem, beyin bağlantılarını haritalama konusunda umut verici sonuçlar gösteriyor.

Nörobilim ve yapay zeka arasındaki köprüyü güçlendiren yeni bir yazılım çerçevesi geliştirildi. NeuralSet adlı bu Python platformu, fMRI, EEG ve nöron kayıtları gibi farklı beyin görüntüleme tekniklerinden elde edilen verileri tek bir arayüzde birleştiriyor. Araştırmacılar artık metin, ses ve video gibi karmaşık deneysel uyaranları da aynı sistemde işleyebilecek. Platform, büyük veri setleriyle çalışmayı kolaylaştırırken, derin öğrenme modellerini nörobilim araştırmalarına entegre etmeyi sağlıyor. Bu gelişme, beynin bilgi işleme süreçlerini anlamada yapay zekadan yararlanmak isteyen bilim insanları için önemli bir adım.

Stanford Üniversitesi araştırmacıları, insanların çevresel değişimleri algılama konusundaki sistematik hatalarını inceledi. Gürültülü sinyaller karşısında aşırı tepki verirken, net sinyaller olduğunda yetersiz tepki verdiğimizi keşfettiler. fMRI ile yapılan çalışmada katılımcılar, pandeminin başlangıcı veya ekonomik durgunluğun sonu gibi rejim değişikliklerini tespit etmeye çalıştı. Bulgular, beynimizin sistem parametrelerini ihmal etme eğiliminde olduğunu gösteriyor. Bu durum, hem bireysel kararlarımızı hem de hükümet politikalarını etkileyen önemli bir bilişsel önyargı ortaya çıkarıyor.

Bilim insanları, insanların zamanı farklı perspektiflerden nasıl algıladığını araştırdı. Çalışmada katılımcılar, 15 olaydan oluşan kurgusal bir dini ritüeli öğrendikten sonra fMRI cihazında bu olayları hem içsel hem de dışsal bakış açısından değerlendirdi. Sonuçlar, posterior parietal korteksin zamansal sıralama görevlerinde farklı perspektiflere göre değişen aktivite gösterdiğini ortaya koydu. Bu keşif, zihinsel zaman yolculuğu ve zamansal olayları panoramik olarak gözlemleme yeteneklerimizin beyin düzeyindeki mekanizmalarını anlamaya yardımcı oluyor.

Araştırmacılar, insanlar arasındaki bilişsel yetenek farklarını açıklamak için beyin ağlarında yeni bir yaklaşım keşfetti. 'Katı-gevşek analiz' adı verilen bu yöntem, beyin parametrelerinin bazılarının ('katı boyutlar') sinir aktivitesi üzerinde güçlü etkiler yarattığını, diğerlerinin ise ('gevşek boyutlar') minimal etki gösterdiğini ortaya koyuyor. fMRI verileri kullanılan çalışmada, katı boyutlardaki küçük değişikliklerin bile beyin ağlarının ayrışma ve bütünleşme dinamiklerini önemli ölçüde etkilediği görüldü. Bu bulgular, bireysel zekâ farklarının sadece beyin bağlantılarının güçlülüğünden değil, daha karmaşık parametre kombinasyonlarından kaynaklandığını gösteriyor. Araştırma, nörolojik bozuklukların anlaşılmasından kişiselleştirilmiş eğitim yöntemlerine kadar geniş uygulama alanları sunuyor.

Araştırmacılar, beyin tümörü ameliyatı öncesinde çekilen beyin görüntülerinin, hastanın ameliyat sonrası çalışma hafızası performansını tahmin edebileceğini keşfetti. Çalışmada, tümörün neden olduğu beyin aktivitesi değişiklikleri analiz edilerek, ameliyat öncesi nöral enerji haritaları çıkarıldı. Bu haritalar sayesinde hangi hastaların ameliyat sonrası hafıza problemleri yaşayabileceği önceden belirlenebildi. Düşük hafıza performansı gösteren hastalarda, beyin bölgeleri arasındaki geçişler daha az ama daha şiddetli olurken, yüksek performans gösteren hastalarda geçişler daha sık ama daha yumuşak gerçekleşti. Bu bulgular, beyin cerrahisi öncesi risk değerlendirmesi için yeni bir yöntem sunuyor.

Bilim insanları, fonksiyonel MRI verilerini analiz etmek için yeni bir yapay zeka modeli geliştirdi. CortexMAE adlı bu sistem, 3 boyutlu beyin görüntülerini 2 boyutlu düz haritalara dönüştürerek Vision Transformer teknolojisini beyin verilerine uyarladı. 2100 saatlik açık fMRI verisi üzerinde eğitilen model, beyin aktivitelerini daha iyi anlayabilmek için geliştirildi. Araştırmacılar ayrıca fMRI modelleri için ilk açık değerlendirme platformu olan Brainmarks'ı da hayata geçirdi. Çalışmada düz harita, bölütleme ve hacim tabanlı temsil yöntemleri karşılaştırıldı. Sonuçlar düz harita yaklaşımının genel olarak en iyi performansı sergilediğini gösterdi. Bu gelişme, beyin görüntüleme teknolojilerinde yapay zekanın kullanımına yeni perspektifler kazandırıyor.

Araştırmacılar, hikaye dinleme sırasında beyin aktivitesini anlamak için yeni bir yöntem geliştirdi. Bu yaklaşım, geleneksel beyin görüntüleme tekniklerinin sınırlarını aşarak daha temiz ve anlamlı veriler elde etmeyi sağlıyor. Çalışmada, bağımsız bileşen analizi kullanılarak beyin sinyalleri gürültüden ayrıştırılıyor ve büyük dil modelleri ile birleştirilerek beynin dil işleme süreçleri çözümleniyor. Sonuçlar, farklı kişilerde tutarlı olan belirli beyin ağlarının varlığını ortaya koyuyor. Bu bulgular, beynin karmaşık bilişsel işlevlerini anlamamıza yardımcı olurken, gelecekte nörolojik hastalıkların teşhisi ve tedavisinde yeni kapılar açabilir.