Memeli beyninin dış katmanı olan serebral korteks, algıdan dile, karardan hafızaya uzanan pek çok bilişsel işlevin merkezi. Ancak en ilginç özelliklerinden biri, farklı türlerde ve işlevsel açıdan birbirinden çok farklı korteks bölgelerinde şaşırtıcı derecede benzer yapısal bileşenlerin tekrarlanması. Bu evrimsel tutarlılık, araştırmacılara uzun süredir şunu sorduruyor: Korteks aslında tek bir temel algoritmayı mı çalıştırıyor?

arXiv'de yayımlanan yeni bir teorik çalışma, bu soruya yanıt aramak için mevcut nörobilim bulgularını derleyerek iki temel hesaplama ilkesi çıkarıyor. İlk ilkeye göre kortekste bulunan farklı nöron tipleri —örneğin uyarıcı piramidal hücreler ve çeşitli inhibe edici internöronlar— yalnızca biyolojik değil, işlevsel olarak da birbirinden ayrışık roller üstleniyor. Bu hücreler sadece farklı görünmüyor; farklı hesaplamalar yapıyor.

İkinci ilke ise bağlantısallıkla ilgili. Korteksin karmaşık görünen bağlantı ağı, aslında yalnızca birkaç 'kanonik bağlantı şeması' ile temsil edilebilir. Bu şemalar, hücre tipleri arasındaki ilişkileri sıkıştırılmış ama bilgi kaybetmeden özetleyen yapısal tarifler gibi düşünülebilir.

Araştırmacılar bu iki ilkeyi temel alarak kortikal devreleri modellemek için genel bir çerçeve oluşturdu. Çerçevenin güçlü yanı, bağlantı yapısını hem işlevsel hem de mekanistik düzeyde yakalayabilmesi. Yani hem 'ne yapıyor' sorusuna hem de 'nasıl yapıyor' sorusuna aynı anda yanıt verebilen modeller kurmayı mümkün kılıyor.

Bu yaklaşım pratikte ne anlam taşıyor? Öncelikle, farklı korteks bölgelerini —görme korteksi, motor korteks, prefrontal korteks— aynı temel şemadan türetilmiş varyasyonlar olarak modellemek mümkün hale geliyor. Ayrıca, bağlantı yapısının 'üretken' bir biçimde temsil edilmesi, bilinmeyen devre özelliklerini tahmin etmek için de kullanılabilir.

Uzun vadede bu çerçevenin yapay sinir ağı mimarilerine ilham verebileceği ve beyin-bilgisayar arayüzleri için daha gerçekçi kortikal modeller oluşturulmasına katkı sağlayabileceği düşünülüyor. Korteksin evrensel algoritmasını çözmek, hem temel nörobilim hem de uygulamalı yapay zeka açısından önemli bir adım olabilir.