Mô hình toán học giải mã cơ chế bộ não tái tạo thế giới từ dữ liệu thưa thớt

Sức mạnh của các vòng lặp phản hồi trong hệ động lực

Hệ thống cấu trúc giải phẫu thần kinh thị giác từ lâu đã đặt ra một bài toán đố hóc búa về mặt toán học: Bằng cách nào một cơ chế lại có thể hoàn thành khối lượng công việc khổng lồ như vậy trong khi nguồn dữ liệu đầu vào lại quá đỗi khiêm tốn? Những nỗ lực trước đây trong việc lập mô hình thị giác thường sa đà vào việc áp dụng một giả định đơn giản hóa rằng thông tin di chuyển chủ yếu theo chiều xuôi từ võng mạc tiến sâu vào vỏ não. Dù cách tiếp cận này làm cho phản ứng của vỏ não trước các kích thích dễ giải thích hơn, nó lại hoàn toàn mâu thuẫn với thực tế sinh học khách quan.

Trong toán học, các hệ thống có trạng thái biến đổi liên tục theo thời gian dựa trên những quy tắc nhất định được định nghĩa là hệ động lực (dynamical systems), ví dụ như quỹ đạo di chuyển của các viên bi-a hay sự tiến hóa của cấu trúc không-thời gian. Sự tương tác giữa các nơ-ron phát tín hiệu trong tổ chức thần kinh cũng vận hành như một hệ động lực, dù đây là một hệ thống cực kỳ tinh vi và rất khó để đóng khung gọn gàng trong một tập hợp quy tắc cứng nhắc.

Các tế bào LGN truyền đến vỏ não một chuỗi các xung điện sở hữu cường độ $0{,}1\text{ V}$ cùng thời gian kéo dài $1\text{ ms}$, từ đó kích hoạt một chuỗi các tương tác nơ-ron nối tiếp nhau. Những quy tắc chi phối các mối liên kết này phức tạp hơn nhiều lần so với quy tắc trong các hệ thống vật lý kinh điển. Mỗi một tế bào nơ-ron độc lập phải hứng chịu tín hiệu đồng thời từ hàng trăm tế bào khác; một số luồng tín hiệu thúc đẩy nơ-ron phát xung gọi là kích thích, trong khi số khác lại kìm hãm hoạt động của nó gọi là ức chế. Khi nơ-ron tiếp nhận đồng thời cả hai dạng xung điện này, điện thế màng của nó dao động không ngừng và chỉ thực sự phát xung khi vượt qua một ngưỡng giới hạn, khiến việc tiên đoán chính xác thời điểm kích hoạt trở thành một thử thách gần như bất khả thi.

Sự rắc rối chưa dừng lại ở đó khi hàng trăm nơ-ron liên kết với tế bào ban đầu cũng đang tiếp nhận dữ liệu từ hàng trăm nguồn khác nữa, biến vỏ não thị giác thành một mê cung chằng chịt của các vòng lặp phản hồi (feedback loops) đan xen. Các mô hình truyền thẳng cũ kỹ đã hoàn toàn phớt lờ đặc điểm trọng yếu này khi mặc định thông tin chỉ chạy một chiều từ mắt, qua võng mạc rồi mới tới vỏ não. Ngược lại, mô hình toán học tiên tiến do nhóm nghiên cứu Young, Shapley và Chariker giới thiệu vào năm 2016 đã đặt các vòng lặp phản hồi làm trọng tâm. Cơ chế phản hồi này khơi nguồn cho một hiệu ứng tương tự như “hiệu ứng cánh bướm”, nơi những biến động vô cùng nhỏ bé từ tín hiệu LGN được khuếch đại mạnh mẽ qua từng vòng lặp phản hồi — một quá trình mang tên kích thích tái diễn (recurrent excitation) — nhằm tạo ra sự lột xác lớn lao trong hình ảnh thị giác cuối cùng do mô hình tái tạo. Nhóm tác giả đã minh chứng thành công rằng mô hình giàu tính phản hồi của họ hoàn toàn có khả năng tái tạo trọn vẹn năng lực nhận diện hướng của các cạnh vật thể, từ những đường thẳng đứng, nằm ngang cho đến các góc nghiêng, chỉ dựa vào những biến động cực kỳ nhỏ ở phần đầu vào LGN vốn rất yếu ớt.

Từ vũ điệu đom đóm đến khả năng nhận biết chuyển động

Bằng cách áp dụng các mô hình này, việc nhận diện các đường nét biên giới của vật thể mới chỉ đóng vai trò là cột mốc khởi đầu. Vào năm 2018, nhóm học giả tiếp tục trình làng công trình thứ hai nhằm khẳng định mô hình toán học của họ còn đủ sức tái tạo nhịp gamma (gamma rhythm), một dạng hoạt động xung đồng bộ tập thể diễn ra trong vỏ não, gợi nhớ đến cảnh tượng hàng ngàn con đom đóm cùng đồng loạt phát sáng theo một nhịp điệu chung. Tiếp nối đà thành công đó, họ tiếp tục giải mã phương thức mà vỏ não thị giác cảm nhận những biến động về độ tương phản. Cơ chế này gắn liền với hiện tượng các nơ-ron kích thích tự động khuếch đại hoạt động lẫn nhau, gợi liên tưởng đến bầu không khí sôi nổi dâng cao dần trong một buổi tiệc khiêu vũ. Đây chính là bước gia tăng biên độ tín hiệu thiết yếu để vỏ não thị giác kiến tạo nên một bức tranh hoàn chỉnh từ nguồn dữ liệu thưa thớt ban đầu. Ở thời điểm hiện tại, nhóm nghiên cứu đang tiến hành tích hợp thêm đặc tính nhạy bén với hướng dịch chuyển nhằm giải thích cách thức vỏ não định hình lại quỹ đạo di động của các vật thể lướt qua tầm nhìn. Xa hơn thế, họ nuôi hy vọng làm rõ cơ chế bộ não tiếp nhận các mô hình thời gian từ kích thích thị giác, chẳng hạn như nguyên nhân vì sao con người nhận thức rõ từng nhịp nhấp nháy của đèn giao thông nhưng lại thấy các khung hình chiếu trên màn ảnh chuyển động một cách mượt mà không dứt.

Con đường hẹp từ võng mạc đến vỏ não thị giác

Những khám phá hiện đại này càng trở nên kinh ngạc hơn khi đặt cạnh một thực tế hiển nhiên về cấu trúc giải phẫu học: Một điều kỳ diệu nhưng cũng là ẩn số lớn của thị giác con người: Bức tranh sinh động về thế giới xung quanh xuất hiện rõ nét trong tâm trí chúng ta, thế nhưng hệ thống thị giác của bộ não lại nhận được rất ít thông tin thực tế từ thế giới bên ngoài. Phần lớn những gì chúng ta “nhìn thấy” thực chất là do bộ não tự tưởng tượng và dựng nên.

Giáo sư Toán học Lai-Sang Young tại Đại học New York từng nhận định rằng phần lớn những gì con người lầm tưởng là đang quan sát thực ra chỉ là sản phẩm tự kiến tạo bên trong tư duy. Mặc dù vậy, hệ thần kinh trung ương vẫn hoàn thành xuất sắc nhiệm vụ phác họa lại môi trường sống để con người không bị vấp ngã liên tục trên đường đi. Giống như việc quan sát một cỗ máy ô tô không thể giúp ta thấu triệt các nguyên lý nhiệt động lực học, việc chỉ nhìn chằm chằm vào các cấu trúc giải phẫu thuần túy là không đủ để hiểu được cách não bộ tạo ra hình ảnh, và toán học chính là chiếc chìa khóa duy nhất để giải mã bí ẩn này.

Các nhà khoa học từ lâu đã xác định mắt hoạt động như một thấu kính, thu nhận ánh sáng và chiếu một bản sao thu nhỏ lên võng mạc, nơi nối liền trực tiếp với vỏ não thị giác ở phía sau đầu. Tuy nhiên, hành lang kết nối này lại vô cùng hạn chế; đối với một vùng không gian rộng bằng $\frac{1}{4}$ mặt trăng tròn, chỉ có vẻn vẹn khoảng 10 tế bào thần kinh thuộc thể gối ngoài (LGN) làm nhiệm vụ vận chuyển thông tin duy nhất từ ngoại cảnh vào trung ương. Những tế bào này cực kỳ khan hiếm và chỉ phát tín hiệu khi nhận ra sự chuyển đổi từ sáng sang tối ở một điểm ảnh siêu nhỏ. Nhận lấy dòng dữ liệu nghèo nàn ấy để tái tạo lại toàn bộ không gian chẳng khác nào cố gắng dịch lại một tác phẩm văn học vĩ đại chỉ dựa trên vài mẩu giấy ghi chú vụn vặt.

Chính sự tương phản giữa lượng thông tin đầu vào nghèo nàn và mật độ nơ-ron dày đặc tại “lớp đầu vào” của vỏ não — nơi cứ mỗi 10 tế bào LGN đi lên lại có tới 4000 nơ-ron túc trực — đã cho thấy mức độ xử lý chuyên sâu đáng kinh ngạc của bộ não.

Ý nghĩa khoa học và chặng đường phía trước

Cho đến nay, mô hình toán học này mới chỉ mô phỏng thành công hoạt động của 1 trong số 6 lớp màng thuộc vỏ não thị giác, cụ thể là lớp sơ khai nhất nơi các đường nét hình ảnh cơ bản được định hình. Công trình vẫn chưa vươn tới 5 lớp cấu trúc còn lại vốn chịu trách nhiệm cho các tầng xử lý thông tin phức tạp hơn, đồng thời cũng chưa giải đáp được cơ chế nhận diện màu sắc vốn đi theo một hệ thống đường dẫn thần kinh hoàn toàn khác biệt. Dẫu vậy, theo nhận định từ chuyên gia thần kinh học Jonathan Victor thuộc Đại học Cornell, việc chứng minh một mô hình toán học hoàn toàn khớp với các dữ kiện sinh học thực tế có thể vận hành trơn tru là một thành tựu vô cùng rực rỡ, đánh dấu cột mốc nền tảng đầu tiên trong việc dùng toán học hiện đại để lật tẩy ẩn số thị giác.

Nhìn rộng hơn ra ngoài khuôn khổ phòng thí nghiệm, những mô hình toán học mô phỏng hệ thần kinh không chỉ giúp chúng ta hiểu rõ hơn về cách con người nhận thức thực tại, mà còn mở ra những bước tiến đột phá trong việc phát triển trí tuệ nhân tạo và các hệ thống thị giác máy tính thế hệ mới. Khi khoa học ngày càng xích lại gần hơn với việc giải mã các thuật toán sinh học của tự nhiên, ranh giới giữa tư duy nhân tạo và nhận thức sinh học đang dần được thu hẹp. Quá trình nghiên cứu này nhắc nhở chúng ta rằng thế giới mà ta đang trải nghiệm mỗi ngày thực chất là một kỳ quan của sự kiến tạo thần kinh, nơi toán học đóng vai trò là kiến trúc sư thầm lặng dựng nên mọi hình hài sắc thái.

Bài viết tham khảo Quanta Magazine (quantamagazine.org).