هوش مصنوعی و یادگیری ماشین

فراتر از آشوب: واکاوی علمی ساختار عصبی تحت تأثیر سایکدلیک‌ها با تحلیل هوش مصنوعی

در حالی که طی یک دهه گذشته، پارادایم غالب در علوم اعصاب، تأثیر سایکدلیک‌ها بر مغز را به مثابه «هرج‌ومرج ساختاری» توصیف می‌کرد، پژوهش‌های جدید منتشر شده در پاییز ۱۴۰۵ (اکتبر ۲۰۲۶) نشان می‌دهد که آنچه پیش‌تر آشوب مطلق تصور می‌شد، در واقع نوعی نظم پیچیده و سازمان‌یافته است. این تحلیل نوآورانه که با بهره‌گیری از ابزارهای هوش مصنوعی انجام شده، درک ما از نحوه بازآرایی شبکه‌های عصبی تحت تأثیر ماده سایلو سایبین را متحول کرده است.

بازنگری در فرضیه آشوب عصبی

مدت‌ها تصور می‌شد که سایکدلیک‌ها با از بین بردن پایداری شبکه‌های عصبی، باعث می‌شوند بخش‌هایی از مغز که وظایف متمایزی مانند بینایی، توجه یا درک «خود» را بر عهده دارند، به صورت بی‌نظم و بدون پروتکل‌های ارتباطی استاندارد با یکدیگر «صحبت» کنند. دوون استولیکر، متخصص علوم اعصاب در دانشگاه موناش، این وضعیت را به تخریب اتوبان‌های مشخص و تبدیل آن‌ها به مسیرهای پراکنده و متقاطع تشبیه می‌کند. با این حال، پرسش کلیدی که در این پژوهش مطرح شد، این بود: اگر مغز واقعاً در وضعیت آشوب قرار دارد، چگونه کاربران به تجربیات معنادار، بینش‌های عمیق و شفافیت ذهنی دست می‌یابند؟

پروتکل پژوهش PsiConnect و تحلیل داده‌های عصبی

تیم تحقیقاتی استولیکر در پروژه PsiConnect، با طراحی یک آزمایش کنترل‌شده دقیق روی ۶۲ داوطلب که تجربه قبلی استفاده از مواد سایکدلیک را نداشتند، تلاش کرد این معما را حل کند. پس از تجویز ۱۹ میلی‌گرم سایلو سایبین (Psilocybin) که به طور طبیعی در برخی قارچ‌ها یافت می‌شود، تصاویر مغزی شرکت‌کنندگان ثبت و با استفاده از الگوریتم‌های پیشرفته هوش مصنوعی مورد پردازش قرار گرفت.

یافته‌های کلیدی هوش مصنوعی

برخلاف مدل‌های قبلی که فعالیت مغزی تحت تأثیر سایکدلیک‌ها را «نویز خالص» یا «آنتروپی بی‌هدف» می‌دانستند، تحلیل‌های هوش مصنوعی الگوهای نوظهور و پایداری را شناسایی کردند که در حالت عادی در مغز انسان رخ نمی‌دهد. این «نظمِ پنهان در پسِ آشوب» نشان می‌دهد که مغز نه تنها دچار فروپاشی ساختاری نمی‌شود، بلکه به نوعی پیکربندیِ جایگزین تغییر جهت می‌دهد که احتمالاً مسئول تجربیات روان‌شناختی گزارش‌شده توسط افراد است.

مشخصات فنی و متدولوژی آزمایش

  • ماده فعال: ۱۹ میلی‌گرم سایلو سایبین (Psilocybin)
  • جامعه آماری: ۶۲ نفر (بدون سابقه مصرف قبلی)
  • ابزار تحلیل: الگوریتم‌های یادگیری ماشین (Machine Learning) برای پردازش سیگنال‌های EEG و fMRI
  • هدف تحقیق: تعیین تمایز بین «آنتروپی تصادفی» و «نظم عملکردی نوین» در شبکه‌های مغزی

نتیجه‌گیری و افق‌های آینده

این مطالعه نشان می‌دهد که تفسیر سایکدلیک‌ها به عنوان عامل صرفِ «هرج‌ومرج عصبی» ناکافی است. فهم دقیق‌ترِ این وضعیت می‌تواند راه را برای درک بهتر مکانیسم‌های درمانی سایکدلیک‌ها در درمان افسردگی، اضطراب و سایر اختلالات روانی باز کند. در آینده، تحقیقات بیشتر بر روی این «پروتکل‌های ارتباطیِ جایگزین» می‌تواند به توسعه درمان‌های دارویی دقیق‌تر منجر شود که از ظرفیت انعطاف‌پذیری مغز برای ترمیم شبکه‌های آسیب‌دیده استفاده می‌کنند.

📌 منبع و مطالعه بیشتر: Ars Technica: The psychedelic brain looks like chaos—underneath, there’s order
حامد

حامد

مسئول مجله فناوری آسمان نقره‌ای