Tunnistamme eläimet pienistäkin vihjeistä – ja se kertoo paljon aivojen toiminnasta
Aalto-yliopiston tutkijat osoittivat toiminnallisen aivokuvantamisen avulla, miten aivot täydentävät ympäristön vihjeitä ymmärtääkseen asioiden moninaisia merkityksiä. Tutkimus julkaistiin arvostetussa Nature Communications -lehdessä 25. helmikuuta 2019.
Tutkimuksessa koehenkilöille annettiin kolme vihjettä, esimerkiksi “nelijalkainen”, “harmaa”, “sillä on kärsä”, ja heidän tuli arvata, mitä tuttua asiaa vihjeet kuvaavat – tässä tapauksessa elefanttia. Vihjeet kuvasivat tuttujen eläimien lisäksi vihanneksia tai hedelmiä, työkaluja ja kulkuvälineitä. Tutkimuksessa tuttua, vihjeillä kuvattua käsitettä ei koskaan esitetty koehenkilölle suoraan.
”Tutkimus oli hauska toteuttaa kysymyspelin tavoin, ja siihen oli palautteen perusteella myös mukava osallistua. Tulosten perusteella koeasetelma toimii hyvin, kun aivot saavat luontevasti etsiä ja rakentaa käsitteitä vihjeiden perusteella”, kertoo professori Riitta Salmelin.
Tutkimuksessa käytettiin valtavaa internet-pohjaista aineistoa, jolla kartoitettiin hyvin laajasti käsitteisiin liittyviä ominaisuuksia. Koneoppimista käytettiin luomaan malli, joka kuvaa näiden merkitysten ja aivojen aktivaatiokuvioiden välistä yhteyttä. Aivojen aktivaatiokuvioista pystytään mallin perusteella varsin tarkasti päättelemään, mitä käsitettä tutkimukseen osallistuneet henkilöt ajattelivat.
Erilaisuuden ymmärtämisestä muistisairauksien tunnistamiseen
Aalto-yliopiston tutkijat osoittivat myös, että aivojen aktivaatiokuviot sisälsivät enemmän tietoa käsitteen ominaisuuksista kuin mitä esitetyt vihjeet pitivät sisällään. Tutkijat päättelivät, että aivot käyttävät ketterästi ympäristön vihjeitä aktivoidakseen koko joukon kohdekäsitteen ominaisuuksia, jotka on opittu elämän aikana.
“Tämä on luonnossa selviytymisen kannalta hyvin tärkeä kyky, koska se mahdollistaa nopean reagoinnin vähäisenkin tiedon pohjalta. Väistämme esimerkiksi automaattisesti kiemuraista hahmoa rantakalliolla, koska tiedämme, että käärmeet saattavat olla myrkyllisiä, ” kertoo Suomen Akatemian tutkijatohtori Sasa Kivisaari.
Menetelmää voidaan jatkossa käyttää esimerkiksi selittämään, miksi eri ihmiset ymmärtävät saman käsitteen eri tavalla.
“Aivoissa tapahtuva merkitysten järjestyminen voi olla hieman erilainen eri ihmisillä ja vaikuttaa myös siihen, kuinka vaivatonta tai vaikeaa heidän on ymmärtää toisiaan”, Salmelin sanoo.
Tutkimuksella voi olla merkitystä myös muistisairauksien tunnistamisessa.
“Merkityksellisen tiedon yhdistelemisessä ja ymmärtämisessä vaikuttaa olevan mukana samoja aivoalueita, jotka vaurioituvat varhaisessa Alzheimerin taudissa. Käyttämäämme menetelmää voidaan siis mahdollisesti soveltaa myös muistisairauksien varhaiseen tunnistamiseen”, Kivisaari sanoo.
Professori Riitta Salmelinin tutkimusryhmä tutkii kielen käsittelyä ja merkityksellisen tiedon aivoperustaa Aalto-yliopiston neurotieteen ja lääketieteellisen tekniikan laitoksella. Tutkimusta ovat tukeneet muun muassa Suomen Akatemia, Aalto Brain Centre ja Sigrid Juséliuksen säätiö.
Lisätietoja:
Artikkeli: Reconstructing meaning from bits of information
Tutkimuksessa käytetyn mallin visualisaatio
Sasa Kivisaari
Suomen Akatemian tutkijatohtori
Aalto-yliopisto
[email protected]
puh. 050 432 2828
Riitta Salmelin
Professori
Aalto-yliopisto
[email protected]
puh. 050 344 2745
- Julkaistu:
- Päivitetty:
Lue lisää uutisia
Modernin arkkitehtuurin tutkimukseen merkittävä apuraha Koneen säätiöltä – Laura Bergerin hanke rinnastaa rakennuskadon luontokatoon
Aalto-yliopiston postdoc-tutkija Laura Berger ja hänen työryhmänsä ovat saaneet Koneen säätiön 541 400 euron apurahan hankkeen tutkimiseen, joka tarkastelee rakennuskadon vaikutuksia yhteiskunnalle ja ympäristölle.
Professori Matti Rossille tiimeineen arvostettu AIS Impact Award 2024
Tiimi voitti palkinnon teknologisesta ja yrittäjyyteen liittyvästä vaikuttavuudesta
Tutkijoiden tavoitteena on korjata kvanttivirheet huoneenlämmön sijaan superkylmässä lämpötilassa
Kvanttitietokoneiden kehityksessä yksi suurimmista haasteista on se, että kvanttibitit eli kubitit ovat liian epätarkkoja. Tarvitaan siis tehokkaampaa kvanttivirheen korjausta, jotta kvanttitietokoneita voidaan tulevaisuudessa ottaa laajemmin käyttöön. Professori Mikko Möttösellä on kvanttikorjaukseen uudenlainen ratkaisuehdotus, ja sen kehittämiseksi hän on saanut kolmevuotisen apurahan Jane ja Aatos Erkon säätiöltä.