Poate inteligența unei persoane să fie estimată doar prin analizarea activității creierului, fără ca aceasta să rezolve probleme de matematică sau să completeze un test IQ? O echipă de cercetători de la California Institute of Technology, Cedars-Sinai Medical Center și Universitatea din Salerno a demonstrat că inteligența artificială poate identifica anumite diferențe ale abilităților cognitive pornind de la conexiunile cerebrale observate în stare de repaus. Într-un studiu realizat pe 884 de persoane, algoritmul dezvoltat de cercetători a reușit să explice aproximativ 20% din variația scorurilor de inteligență.
Rezultatul este important pentru neuroștiință, deoarece sugerează că informațiile despre funcționarea cognitivă pot fi identificate chiar și atunci când o persoană nu desfășoară o activitate intelectuală specifică. Totuși, performanța modelului rămâne limitată, iar tehnologia nu poate înlocui testele psihologice standardizate. Cercetarea oferă mai ales o perspectivă asupra modului în care rețelele cerebrale contribuie la diferențele individuale în inteligență.
Cum poate inteligența artificială să estimeze inteligența dintr-un RMN cerebral
Cercetătorii au dezvoltat un model de învățare automată, cunoscut și sub denumirea de machine learning, capabil să analizeze tipare complexe de conectivitate cerebrală. Sistemul a fost antrenat folosind atât imagini obținute prin rezonanță magnetică funcțională, cât și rezultatele unor evaluări cognitive. Scopul era să identifice relații statistice între modul în care funcționează creierul în repaus și diferențele dintre participanți în ceea ce privește abilitățile intelectuale.
Studiul, intitulat „A distributed brain network predicts general intelligence from resting-state human neuroimaging data”, a fost realizat de Julien Dubois, Paola Galdi, Lynn K. Paul și Ralph Adolphs și publicat în 2018 în revista Philosophical Transactions of the Royal Society B: Biological Sciences. Echipa a reunit specialiști din domeniile neuroștiinței, psihologiei și analizei computaționale, pentru a investiga dacă activitatea cerebrală spontană poate furniza informații despre inteligența generală.
O particularitate importantă a metodei este că participanții nu trebuiau să rezolve probleme sau să îndeplinească sarcini cognitive în timpul scanării. Algoritmul analiza datele despre funcționarea creierului în repaus, identificând modul în care diferite regiuni cerebrale își coordonau activitatea. Acest lucru a permis investigarea inteligenței dintr-o perspectivă diferită de cea a testelor tradiționale, care evaluează performanța prin răspunsuri la sarcini specifice.
Ce înseamnă activitatea creierului în repaus
Creierul rămâne activ chiar și atunci când nu suntem concentrați asupra unei probleme, nu citim și nu desfășurăm o activitate intelectuală solicitantă. Diferite regiuni cerebrale continuă să prezinte fluctuații ale activității, iar unele dintre acestea manifestă variații corelate în timp. Cercetătorii studiază aceste relații pentru a înțelege organizarea funcțională a creierului.
Rezonanța magnetică funcțională, prescurtată fMRI sau RMN funcțional, permite investigarea indirectă a activității neuronale prin măsurarea modificărilor asociate oxigenării sângelui. Metoda nu înregistrează direct impulsurile electrice ale neuronilor și nu poate identifica gândurile unei persoane. În schimb, oferă informații despre distribuția și coordonarea activității între diferite zone ale creierului.
Atunci când două regiuni cerebrale prezintă fluctuații asemănătoare ale semnalului RMN funcțional, cercetătorii pot investiga existența unei relații de conectivitate funcțională între ele. Aceasta reprezintă o asociere statistică a activității, nu dovada că regiunile respective sunt conectate direct printr-o anumită structură anatomică. Analiza unui număr mare de asemenea relații permite construirea unei reprezentări complexe a organizării funcționale a creierului.
Ideea că activitatea mentală continuă în absența unei sarcini explicite este relevantă și pentru cercetările privind frecvența gândurilor și dinamica activității mentale cotidiene. Totuși, activitatea cerebrală în repaus nu trebuie confundată cu măsurarea directă a numărului sau conținutului gândurilor. Cele două abordări investighează aspecte diferite ale funcționării cognitive.
Studiul a analizat date cerebrale de la 884 de persoane
Pentru dezvoltarea algoritmului, echipa a utilizat informațiile colectate în cadrul Human Connectome Project, un amplu proiect științific finanțat de National Institutes of Health din Statele Unite. Inițiativa urmărește îmbunătățirea cunoștințelor despre organizarea și conectivitatea creierului uman, prin colectarea unor date detaliate de neuroimagistică și evaluare comportamentală. Aceste informații permit investigarea relațiilor dintre particularitățile cerebrale și diferențele individuale.
Cercetătorii au analizat datele a 884 de adulți tineri, după aplicarea criteriilor de selecție și excludere. Pentru fiecare participant au fost disponibile aproximativ 60 de minute de înregistrări RMN funcționale realizate în stare de repaus, precum și rezultatele unor evaluări cognitive. Cantitatea și calitatea datelor au reprezentat avantaje importante față de cercetările de neuroimagistică desfășurate pe eșantioane mai mici.
Modelul a fost construit pentru a identifica tiparele de conectivitate cerebrală asociate cu scorurile obținute la evaluările cognitive. După antrenare, sistemul a fost testat printr-o procedură de validare încrucișată, menită să evalueze capacitatea de predicție pe date care nu erau utilizate simultan pentru ajustarea modelului. Această abordare este importantă deoarece un algoritm poate identifica relații aparent puternice în datele pe care a fost antrenat, fără să poată reproduce aceleași rezultate în alte situații.
Ce au descoperit cercetătorii: 20% din variația inteligenței
Analiza a arătat că informațiile extrase din conectivitatea cerebrală în repaus puteau explica aproximativ 20% din variația scorurilor factorului general de inteligență în populația studiată. Rezultatul a fost semnificativ din punct de vedere statistic și a indicat că tiparele funcționale ale creierului conțin informații relevante despre diferențele cognitive dintre persoane. Totuși, o mare parte a variației scorurilor a rămas neexplicată de model.
Procentul de 20% nu înseamnă că algoritmul poate măsura 20% din inteligența fiecărei persoane. El descrie proporția variației scorurilor între participanți care a putut fi explicată statistic prin caracteristicile de conectivitate cerebrală utilizate în model. De asemenea, nu înseamnă că predicția IQ-ului individual are o precizie de 80% sau că un anumit scor poate fi stabilit cu certitudine dintr-o scanare.
Julien Dubois, unul dintre autorii cercetării, a descris rezultatul drept promițător, dar insuficient pentru a egala evaluările cognitive detaliate. „Suntem foarte mulțumiți, deși suntem încă departe de a obține aceleași rezultate ca un test de inteligență serios și complet”, a explicat cercetătorul. Afirmația evidențiază atât progresul metodologic, cât și limitele instrumentului dezvoltat.
Performanța obținută a fost considerată relevantă deoarece informațiile proveneau exclusiv din măsurători ale creierului în repaus. Participanții nu trebuiau să demonstreze în acel moment capacități de raționament, să răspundă la întrebări sau să rezolve probleme. Algoritmul utiliza relațiile dintre regiunile cerebrale pentru a estima o caracteristică evaluată separat prin teste cognitive.
De ce inteligența nu poate fi identificată într-o singură regiune a creierului
Una dintre concluziile importante ale cercetării a fost că predicția inteligenței nu depindea de o singură regiune anatomică sau de o rețea cerebrală unică. Informațiile relevante erau distribuite în numeroase conexiuni funcționale, iar modelul utiliza tipare extinse de activitate coordonată. Această observație susține ideea că inteligența este asociată cu funcționarea integrată a mai multor sisteme cerebrale.
Prin urmare, nu există un „centru al inteligenței” care să poată fi identificat într-o imagine RMN și a cărui activare să indice direct capacitatea intelectuală a unei persoane. Abilități precum raționamentul, învățarea, memoria și rezolvarea problemelor implică procese multiple și interacțiuni între diferite regiuni cerebrale. Analiza conectivității oferă o perspectivă asupra acestor interacțiuni, fără să reducă inteligența la activitatea unui singur punct din creier.
Cercetătorii au constatat că informațiile utilizate de algoritm erau redundante și distribuite. Cu alte cuvinte, predicția nu depindea în mod indispensabil de o singură structură, ci de un ansamblu de relații funcționale. Acest rezultat explică de ce analiza computațională a întregii conectivități poate evidenția asocieri pe care examinarea izolată a unei regiuni nu le-ar surprinde.
Funcționarea coordonată a regiunilor cerebrale este relevantă și pentru alte domenii ale neuroștiinței. Cercetările despre modul în care creierul anticipează gravitația și adaptează mișcările ilustrează faptul că numeroase activități aparent simple presupun integrarea unor informații provenite din sisteme diferite. Totuși, mecanismele implicate în controlul mișcărilor nu trebuie confundate cu cele care explică diferențele individuale de inteligență.
De ce un specialist nu poate determina IQ-ul doar privind un RMN
O scanare cerebrală poate oferi informații despre structura și funcționarea creierului, însă nu permite unui specialist să stabilească direct inteligența unei persoane. Nici măcar un expert în neuroimagistică nu poate privi imaginile și identifica, prin simplă observație, scorul unui test IQ. Relațiile investigate de cercetători implică numeroase măsurători și calcule statistice, care nu sunt vizibile ca un semn anatomic simplu.
Avantajul învățării automate constă în posibilitatea de a analiza simultan un număr foarte mare de variabile. Algoritmul poate identifica asocieri între tipare complexe de conectivitate și rezultatele unor evaluări cognitive, chiar dacă aceste relații nu pot fi observate direct de un specialist. Totuși, identificarea unei asocieri statistice nu înseamnă că modelul explică mecanismul biologic prin care apare o anumită capacitate intelectuală.
Este importantă și diferența dintre predicție și diagnostic. Studiul a utilizat date de cercetare pentru a estima variația unei caracteristici cognitive, nu pentru a stabili diagnostice medicale sau psihologice. Un rezultat obținut printr-un asemenea algoritm nu poate înlocui o evaluare psihologică realizată prin instrumente adecvate, interpretate în contextul particularităților persoanei.
Cum au măsurat cercetătorii inteligența participanților
Inteligența este dificil de definit printr-o singură abilitate sau prin performanța la o sarcină izolată. O persoană poate obține rezultate diferite la teste care implică limbajul, raționamentul abstract, memoria sau rezolvarea problemelor. Pentru a reduce dependența de un singur instrument, cercetătorii au utilizat rezultatele a zece teste cognitive administrate participanților din Human Connectome Project.
Pe baza acestor rezultate, echipa a construit un indicator sintetic al abilității cognitive generale, asociat conceptului de factor general al inteligenței, notat frecvent cu litera g. Acest factor descrie componenta comună a performanțelor obținute la diferite sarcini cognitive. El nu reprezintă însă o măsură completă a tuturor capacităților intelectuale sau a modului în care o persoană funcționează în viața de zi cu zi.
Alegerea unui indicator general a fost importantă pentru stabilitatea măsurătorii și pentru comparabilitatea dintre participanți. Abilitățile cognitive prezintă, în general, o anumită stabilitate relativă în timp, deși scorurile pot fi influențate de vârstă, educație, sănătate și alte condiții. Cercetătorii au urmărit astfel să construiască un criteriu cât mai relevant pentru analiza relației dintre conectivitatea cerebrală și performanța cognitivă.
În plus, analiza a luat în considerare factori precum vârsta, sexul și volumul cerebral. Controlul statistic al acestor variabile a permis investigarea contribuției conectivității funcționale dincolo de unele diferențe demografice și anatomice. Rezultatul nu demonstrează însă că toți ceilalți factori care influențează inteligența au fost eliminați sau controlați complet.
De ce inteligența artificială nu poate înlocui testele IQ
Un test de inteligență standardizat și un algoritm care analizează conectivitatea cerebrală furnizează informații de natură diferită. Testele cognitive evaluează performanța unei persoane în sarcini concepute pentru măsurarea unor abilități psihologice, în timp ce analiza RMN încearcă să identifice corelații între funcționarea cerebrală și scorurile obținute la asemenea evaluări. Cele două metode nu sunt echivalente și nu pot fi utilizate automat în aceleași scopuri.
Chiar dacă algoritmul a obținut rezultate semnificative statistic, aproximativ 80% din variația scorurilor cognitive a rămas neexplicată de modelul utilizat. Această limitare este importantă atunci când discutăm despre posibilitatea estimării inteligenței unei anumite persoane. O metodă care poate surprinde o parte din diferențele dintre participanții unui studiu nu oferă neapărat predicții suficient de precise pentru utilizarea individuală.
De asemenea, cercetarea s-a bazat pe un eșantion de adulți tineri, iar rezultatele nu pot fi generalizate automat la copii, persoane vârstnice sau populații cu particularități clinice diferite. Pentru utilizări mai largi sunt necesare validări pe eșantioane independente, care să confirme performanța metodei în condiții diferite. Fără asemenea verificări, aplicarea algoritmului în evaluarea psihologică individuală ar fi prematură.
Autorii au recunoscut că tehnicile de neuroimagistică oferă măsurători indirecte, care includ zgomot și limite de rezoluție. O parte a informațiilor relevante despre funcționarea creierului poate să nu fie surprinsă de datele disponibile sau poate fi pierdută în procesul de analiză. Prin urmare, rezultatul de 20% reprezintă o performanță metodologică, nu o limită definitivă a informațiilor care ar putea fi obținute prin cercetări viitoare.
Ce legătură există între conectivitatea cerebrală și sănătatea mintală
Una dintre perspectivele deschise de această metodă este posibilitatea investigării relației dintre conectivitatea cerebrală și anumite caracteristici clinice. Cercetătorii au sugerat că asocierea dintre RMN funcțional în repaus și metodele de învățare automată ar putea fi explorată în studii privind schizofrenia, anxietatea sau autismul. Scopul ar fi identificarea unor tipare funcționale relevante pentru înțelegerea diferențelor individuale și a mecanismelor neurobiologice.
Totuși, rezultatele cercetării despre inteligență nu demonstrează că aceste condiții pot fi diagnosticate folosind aceeași metodă. Schizofrenia, tulburările de anxietate și tulburarea de spectru autist au caracteristici și criterii de evaluare diferite, iar identificarea unor asocieri cerebrale nu echivalează cu stabilirea unui diagnostic. Utilizarea clinică a algoritmilor necesită validări specifice pentru fiecare obiectiv și populație.
Interesul pentru asemenea aplicații se înscrie într-un domeniu mai amplu al cercetării, în care inteligența artificială este investigată inclusiv pentru analiza vocii pacienților în psihiatrie. Aceste abordări utilizează tipuri diferite de date, dar urmăresc identificarea unor caracteristici care ar putea completa, în viitor, evaluările realizate de specialiști. Niciuna dintre ele nu trebuie prezentată ca înlocuitor automat al evaluării clinice.
Poate un algoritm să identifice particularități asociate schizofreniei?
Schizofrenia reprezintă una dintre condițiile pentru care analiza conectivității cerebrale a atras interesul cercetătorilor. Studiile de neuroimagistică au investigat modul în care diferite regiuni ale creierului comunică și dacă există tipare funcționale asociate anumitor manifestări clinice. Cu toate acestea, diferențele observate între grupuri nu sunt neapărat suficient de specifice pentru a permite diagnosticarea unei persoane pe baza unei scanări.
Investigațiile privind schizofrenia și conexiunile dintre neuroni reprezintă o direcție importantă pentru înțelegerea funcționării cerebrale. Ele arată interesul cercetării pentru relațiile dintre rețelele neuronale și experiențele psihologice, fără să demonstreze existența unui singur tipar cerebral caracteristic tuturor persoanelor diagnosticate. Diferențele individuale și complexitatea mecanismelor implicate rămân aspecte esențiale.
Algoritmii de învățare automată ar putea contribui la explorarea unor cantități mari de date, identificând relații dificil de observat prin metodele tradiționale. Totuși, performanța obținută într-un studiu de cercetare nu garantează utilitatea clinică, iar modelele trebuie testate riguros înainte de a fi folosite în decizii care afectează sănătatea pacienților.
Pot conexiunile cerebrale să ofere informații despre personalitate?
Aceeași echipă de cercetători a explorat și posibilitatea estimării trăsăturilor de personalitate pornind de la conectivitatea cerebrală în repaus. Abordarea a fost asemănătoare celei utilizate pentru inteligență: datele de neuroimagistică au fost analizate cu ajutorul unor algoritmi, iar rezultatele au fost comparate cu măsurători psihologice. Totuși, asocierile predictive identificate pentru personalitate au fost, în general, mai limitate.
Una dintre explicațiile discutate de cercetători privește modul în care sunt măsurate trăsăturile de personalitate. Spre deosebire de sarcinile cognitive, care permit observarea directă a unor performanțe, multe evaluări ale personalității se bazează pe auto-raportare. Participanții răspund la întrebări despre propriile caracteristici, comportamente și experiențe, iar rezultatele pot fi influențate de interpretarea întrebărilor și de felul în care se percep pe ei înșiși.
Această diferență poate afecta precizia indicatorului pe care algoritmul încearcă să îl prezică. Dacă măsurătoarea psihologică include o variabilitate considerabilă sau nu surprinde complet trăsătura investigată, identificarea unei relații predictive stabile poate deveni mai dificilă. Totuși, autoevaluările nu sunt automat lipsite de validitate, iar rolul lor în performanța modelului trebuie investigat prin cercetări specifice.
Rezultatele arată și de ce personalitatea nu poate fi redusă la o imagine cerebrală. Trăsăturile individuale se manifestă în comportamente, relații și experiențe care pot varia în timp și în funcție de context. O evaluare psihologică adecvată trebuie să țină cont de aceste dimensiuni, nu doar de măsurători biologice.
De ce experiențele de viață contează în dezvoltarea inteligenței
Identificarea unor asocieri între conectivitatea cerebrală și inteligență nu înseamnă că abilitățile cognitive sunt determinate exclusiv de biologie. Dezvoltarea intelectuală este influențată și de educație, condițiile de sănătate, experiențele de învățare și mediul social. Activitatea creierului reflectă procese biologice complexe, dar nu poate fi interpretată independent de istoria dezvoltării persoanei.
Creierul se dezvoltă și se modifică de-a lungul vieții, iar experiențele pot influența organizarea și funcționarea rețelelor neuronale. De exemplu, cercetările despre efectele neglijării severe din copilărie asupra creierului până la maturitate evidențiază importanța condițiilor de dezvoltare. Aceste observații privesc o temă distinctă, dar relevantă pentru înțelegerea relației dintre mediu, funcționarea cerebrală și caracteristicile psihologice.
Prin urmare, o predicție statistică bazată pe conectivitatea cerebrală nu explică în mod complet de ce două persoane obțin scoruri diferite la un test cognitiv. Diferențele pot reflecta o combinație de factori biologici și experiențiali, dintre care mulți nu sunt măsurați direct în cadrul unui studiu de neuroimagistică. Interpretarea rezultatelor necesită recunoașterea acestor limite.
Ce perspective deschide utilizarea inteligenței artificiale în neuroștiință
Principala contribuție a cercetării este demonstrarea faptului că analiza computațională a conectivității cerebrale în repaus poate furniza informații predictive despre diferențele individuale ale abilităților cognitive. În loc să caute un singur indicator anatomic al inteligenței, algoritmul utilizează relații funcționale distribuite în întregul creier. Această abordare poate contribui la dezvoltarea unor metode mai sofisticate de investigare a relației dintre activitatea cerebrală și comportament.
Studiul oferă și un exemplu al modului în care bazele de date extinse pot susține progresul în neuroștiință. Combinarea unor înregistrări RMN detaliate cu evaluări psihologice și metode statistice avansate permite investigarea unor relații care ar fi dificil de identificat în cercetări cu puțini participanți. Totuși, dimensiunea eșantionului și complexitatea algoritmului nu elimină necesitatea validării independente.
Dezvoltarea viitoare a acestor metode poate implica utilizarea unor date mai precise, investigarea unor populații mai diverse și compararea unor modele predictive diferite. Cercetătorii pot analiza dacă informațiile despre funcționarea creierului în repaus completează datele obținute în timpul sarcinilor cognitive sau prin alte metode de evaluare. O asemenea direcție ar putea îmbunătăți înțelegerea mecanismelor neurobiologice, fără să transforme scanările cerebrale în instrumente universale de evaluare psihologică.
Ce ne spune studiul despre inteligență și funcționarea creierului
Rezultatele arată că inteligența generală este asociată cu tipare complexe de conectivitate funcțională, distribuite în mai multe regiuni cerebrale. În eșantionul analizat, algoritmul a explicat aproximativ o cincime din variația scorurilor cognitive, demonstrând că activitatea creierului în repaus conține informații relevante despre diferențele individuale. În același timp, cea mai mare parte a variației nu a fost explicată prin metoda utilizată.
Descoperirea nu permite stabilirea cu precizie a inteligenței unei persoane dintr-o singură scanare și nu înlocuiește evaluările psihologice standardizate. Ea arată, în schimb, că inteligența nu poate fi redusă la funcționarea unei singure regiuni a creierului și că analiza relațiilor dintre rețelele cerebrale poate contribui la înțelegerea proceselor cognitive. Acesta este principalul progres oferit de cercetare: o metodă de investigare a organizării funcționale a creierului, nu un test clinic gata de utilizare.
Studiul poate fi consultat integral în Philosophical Transactions of the Royal Society B: Biological Sciences, sub titlul „A distributed brain network predicts general intelligence from resting-state human neuroimaging data”. Cercetarea reprezintă un punct de plecare pentru investigarea relațiilor dintre conectivitatea cerebrală, inteligență și alte caracteristici psihologice, într-un domeniu în care tehnologia evoluează, dar interpretarea rezultatelor trebuie să rămână prudentă.
Leave a Reply