کسی علاقه مند هست در تهیه این هفته نامه کمک کنه؟

هدف این هست که به صورت هفتگی منابعی برای مطالعه و یادگیری ارائه بشه. در واقع یک مرجع نامه خواهد بود که افراد رو با آشنا کنه با تحقیقات مختلف.

روی ساختار میتونیم با هم کار کنیم ولی چیزی که مدنظرم هست اینه:
- معرفی کتاب در حوزه علوم اعصاب
- معرفی مقالات {در دو بخش کلاسیک و جدید}
- معرفی پژوهشگر {دو نسل قدیم و جدید}
- معرفی منابع (مثل کدبرنامه نویسی، وبسایت های آموزشی، کورس های آموزشی آنلاین و رایگان و ...)
- معرفی موقعیت های خالی برای دکتری و یا پست دکتری

زبان هفته نامه انگلیسی خواهد بود.


هدف این هست که از طریق این هفته نامه:
1 - افراد با گستره وسیع تری از علوم اعصاب آشنا بشن. در دنیای علم امروز تاکید بر تخصصی شدن هست و متمرکز شدن بر روی یک حوزه. از نظر من هر چند این رویکرد بسیار مفید بوده اما اشکال اساسی ای که داره اینکه ما رو برای توسعه دیدگاه های جامع و جهان شمول تربیت نمیکنه و پرورش نمیده. برای دستیابی به چنین جهان بینی ای نیاز به مطالعه عمیق و وسیع هست. برای بیرون آمدن از غار مطالعه خودمون گاهی لازم هست با سایر پژوهش های حوزه هم اشنا بشیم.

2 - دانشجویان کارشناسی که هنوز به انتخاب قطعی در علایق خودشون نرسیدن میتونن از مطالب این هفته نامه استفاده کنن تا با مطالعات علوم اعصاب آشنا بشن.

3 - یکی از اهداف من این هست که جامعه نوروسینتکس تقویت بشه و پویا تر باشه. از این جنبه خوب هست که این 800 نفری که در کانال هستیم شبکه قوی تری رو تشکیل بدیم تا از هم بیاموزیم.

برای تشکیل این هفته نامه (که میتونه دوهفته نامه یا ماهنامه هم بشه بسته به اینکه وقت بچه ها چطور باشه) نیاز هست که افرادی مشارکت کنن (من به تنهایی فرصت نمیکنم).
- نیاز به طراح داریم قطعا (که بتونه با adobe illustrator و یا InDesign بتونه کار کنه).
- نیاز به ویراستار داریم که مطالعه کنه. با توجه به اینکه پیشبینی میکنم بسیاری از مطالب دستچین شده از منابع آماده باشه نیاز به نگارش زیادی نیست. ولی همچنان ویراستاری میتونه کمک کنه.
- و سایر افراد هم فقط کافیه مطالب مورد علاقه خودشون در حوزه علوم اعصاب رو در بخش کامنت ها معرفی کنن تا ما ازش استفاده کنیم و در هفته نامه قرار بدیم (اگر هم میخواید فعال تر در ارتباط باشید میتونید اعلام کنید تا صحبت کنیم).


دقت کنید که فعالیت های نوروسینتکس رایگان هست. در نتیجه اگر شرکت میکنید برای علاقه خودتون به یادگیری و یاد دادن هست.

مصاحبه هایی که اخیرا گوش کردم و بسیار لذت بردم جوزف لدو درباره احساسات هست و جوزف نورتف درباره فعالیت spontaneous مغز

جوزف لدو بحث میکنه که احساسات بعد از تشکیل شناخت به وجود آمدن و در واقع بازیابی دانش ساختاری ای هستن که از پس تجربه به دست آمدن (Schema Learning). و بحث میکنه که وظیفه آمیگدال پردازش احساسات نیست بلکه به کار اندازی مسیر های نورونی ای هست که در مواجه با یک محرک خاص بدن رو در حالت آماده باش قرار میدن. این میتونه به صورت موازی با بازیابی اون حافظه شکل بگیره و به ما دسترسی بده شرایطی که بدنمون درونش قرار گرفته رو تفسیر کنیم (که این تفسیر میشه احساس).

جورج نورتف درباره این ایده صحبت میکنه که ما باید به صورت کامل صحبت از "ذهن" رو بذاریم کنار و مشکل ذهن-مغز رو به مشکل مغز-بدن تبدیل کنیم و نسبت دینامیک سیستم عصبی رو با دینامیک بدن در محیط پیدا کنیم. همچنین فعالیت spontaneous مغز رو مورد پرسش قرار میده و میپرسه این فعالیت چه عملکردی داره؟ توضیح میده که مغز به عنوان یک سیستم self-organized (من هنوز با این واژه میانه خوبی ندارم و بنظرم self-assemble و self-maintaining بهتر هستن اگر organization رو تعریف کنیم.) فعالیتش درون سیستم تولید میشه و تنها توسط جهان خارجی دچار انحراف میشه. و ما باید ارتباط این spontaneous activity رو با عملکرد موجود متوجه بشیم. (درباره این نظرات دارم افکارم رو جمع میکنم و شاید جلسه ای برگزار کنم که این تفکرات رو در کنار هم گردآوری کنم.)

#podcast

لطفا در صورت امکان کانال یوتیوب و کانال تلگرام نوروسینتکس رو به دوستان خودتون معرفی کنید.

کانال تلگرام نوروسینتکس:
https://news.1rj.ru/str/Neuro_Syntax

کانال یوتیوب نوروسینتکس:
https://www.youtube.com/channel/UCbdyIKHO-VcK549EftFDXUA

برای اینکه کانال رسمی بشه نیاز به حداقل 100 سابسکرایبر هست. لطفا سابسکرایب کنید. هیچ هزینه ای نداره و اتفاقی که میفته اینکه بروزرسانی های کانال یوتیوب در اپلیکیشن شما نمایش داده میشه.

#neurosyntax

جلسه اول آزمایشگاه متلب کارگاه دینامیک مغز در یوتیوب قرار گرفت (هنوز کیفیت تصویر به دلیل پردازش پایین هست و احتمالا تا فردا کیفیت درست بشه.)

https://www.youtube.com/watch?v=3COHA8g19M8

سایر ویدیوها به زودی آپلود خواهد شد.

Neurosyntax

امشب کتاب autopoiesis and cognition: the realization of the living به نگارش اومبرت ماتورانا و فرانسیسکو وارلا رو تمام کردم. کتاب از غنی ترین آثاری هست که مطالعه کردم. پرسش اصلی کتاب این هست که چه سیستم را میشود به عنوان "سیستم زنده" تفکیک کرد؟ در پاسخ به این پرسش ماتورانا و وارلا مفهوم جدیدی خلق میکنند به نام autopoiesis که آن را چنین تعریف میکنند:

An autopoietic machine is a machine organized (defined as a unity) as a network of processes of production (transformation and destruction) of components that produces the components which: (i) through their interactions and transformations continuously regenerate and realize the network of processes (relations) that produced them; and (ii) constitute it (the machine) as a concrete unity in the space in which they (the components) exist by specifying the topological domain of its realization as such a network.

کتاب در راستای توضیح این تعریف قدم بر میدارد. فهم این تعریف و به کار گیری آن در امر مشاهده و تفکیک نیازمند یک تغییر رویکردی اساسی است. در انتهای کتاب وارلا و ماتورانا عواقب چنین رویکردی را در مطالعه سیستم عصبی توضیح میدهند.

کتاب یک اثر فرمال به حساب میاد و از این نظر مطالعه آن شاید دشوار باشد و نیاز به یادگیری مفاهیم پایه ای تر مانند همئوستازی، کنترل، و ... دارد. توصیه میکنم پیش از مطالعه کتاب و یا به صورت موازی با مطالعه کتاب از منابع زیر بهره بجویید:

A Study of “Organizational Closure” and Autopoiesis

Principles of Biological Autonomy by Francisco J. Varela

On Self-Organizing Systems and Their Environments by Heinz von Foerster

From Claude Bernard to Walter Cannon. Emergence of the concept of homeostasis

Homeostasis: The Underappreciated and Far Too Often Ignored Central Organizing Principle of Physiology

Principles of the self-organizing system by W. Ross Ashby

For Niklas Luhmann: “How Recursive is Communication?” by Heinz von Foerster

Neural Representation. A Survey-Based Analysis of the Notion

مفاهیم:
Homeostasis, Control, autonomy, [Operational and Organizational] closure, Circularity and Circular Causation, Machines, Recursion

Neurosyntax

#Book

جلسه دوم آزمایشگاه متلب در حال پردازش بر روی یوتیوب هست. فردا احتمالا به کیفیت بالا دسترسی خواهید داشت:

https://www.youtube.com/watch?v=MpVPpfqyZHc

یادآوری میکنم که این هفته یکشنبه بخش دوم کارگاه دینامیک مغز با مبحث Statistical Connectivity برگزار خواهد شد و سرفصل جلسه به قرار زیر هست:
Pearson Correlation
Cross-correlation
Cross-Spectrum
Coherence and Coherency
Phase Locking Value
Phase Slope Index (PSI)
Volume Conduction and Phase Clustering
Phase Lag Index
Imaginary Part of Coherency

همانطور که مشاهده میکنید مباحث جلسه زیاد هست و جلسه فشرده تر خواهد بود نسبت جلسات قبل. لطفا سر وقت (ساعت شش و نیم بعد از ظهر) در کلاس حضور پیدا کنید. جلسه احتمالا بین 2 تا 3 ساعت طول خواهد کشید.

(جلسات آینده این حجم نخواهد بود. چون مباحث این جلسه خیلی بهم مرتبط هست بهتر دیدم با هم ارائه کنم.)

عزیزانی که علاقه مند هستند در کارگاه شرکت کنند میتونن در بخش کامنت ها اعلام کنند تا لینک گروه براشون ارسال بشه.

جلسات پیشین کارگاه (بخش اول شامل جلسات 1-12 تئوری و 1-5 آزمایشگاه) از طریق کانال یوتیوب نوروسینتکس و همین کانال تلگرام در دسترس هست.

Youtube - Brain Dynamics

Telegram - Brain Dynamics


Neurosyntax

https://www.youtube.com/watch?v=hY_KDDR_w6M&t=2995s

جلسه سیزدهم از کارگاه دینامیک مغز: نظریه، تحلیل و تفسیر سیگنال های مغزی
برگزار شده توسط آکادمی نوروسینتکس

سرفصل های این جلسه:
Statistical Connectivity
Functional Connectivity
Effective Connectivity
Volume Conduction
Pearson Correlation
Cross-Correlation
Cross-Spectrum
Coherence and Coherency
Phase Locking Value
Phase Lag Index


#Video #Advanced_Neuroscience #BrainDynamicsWorkshop #Session13

اسلایدهای جلسه سیزدهم کارگاه دینامیک مغز: تئوری، آنالیز و تفسیر

سرفصل های این جلسه:
Statistical Connectivity
Functional Connectivity
Effective Connectivity
Volume Conduction
Pearson Correlation
Cross-Correlation
Cross-Spectrum
Coherence and Coherency
Phase Locking Value
Phase Lag Index

#Slide #Advanced_Neuroscience #BrainDynamicsWorkshop #Session13

یکی از درگیری های تفکری من پس از شروع دکتری و تا به امروز ارتباط میان تاریخ واژگان علمی ای هست که در علوم اعصاب استفاده میکنیم و اینکه چگونه این ساختار واژگانی بر روی دانش ما اثر میگذاره. از این رو ماموریتی رو که چندین سال هست آغاز کردم این هست که خودم را با تاریخ واژه ها آشنا کنم و فرهنگ استفاده آنها را در گذشته و حال بررسی کنم و ارتباط میان این فرهنگ و رویکرد علمی در علوم اعصاب رو بررسی کنم. از این رو خودم و اطرافم رو به صورت مدام به چالش میکشم تا واژگانی رو که به کار میگیرن تعریف کنن.

جالب این هست که پس از سالها بررسی و مشاهده فردی و مطالعه در حال حاضر این نتیجه رو دارم که:
1 - افراد با معنا و مفهوم واژگانی که به کار میگیرند آشنا نیستند و نمیتوانند آنها را تعریف کنند (یا ممکن هست تعاریف دچار ابهام باشد ambiguous و یا vague که البته در زبانشناسی متفاوت هستن ولی هر دو رو مشاهده کردم).
2 - در جامعه علمی علوم اعصاب واژگان به کار گرفته شده معنای واحدی میان افراد ندارد.

هر چند هر دوی این مسائل برای تشکیل دانش سیستماتیک اشکال ایجاد میکنند، مسئله دوم از مسئله نخست به شکل ساده تری حل میشود. برای مسئله دوم پیشنهاد این هست که افراد در مستندات علمی خود تعاریف واژگانی خود را مشخص کنند (یا با تعریف مستقیم و یا با ارجاع به مطالعات دیگر). هر چند در این حالت تعریف مشخص میشود (تعریف همچنان میتواند مبهم باشد ولی تعریفی در دسترس هست) اما توافق نداشتن بر روی تعاریف ممکن است امر ترکیب گزارشات مختلف را بسیار دشوار کند. (برای مثال شما میتوانید تعریف واژه ای مثل Attention را جستجو کنید و مشاهده کنید که از 2 سده قبل تا کنون تعاریف مختلفی ارائه شده - واژگان دارای تاریخ هستند - ولی حتی در عصر حاضر افراد تعاریف متفاوتی از Attention دارند.) هشداری که حاصل از این مشاهده هست این است که نمیشود به راحتی با اتکا به همپوشانی واژگانی امر ترکیب و تلفیق اطلاعات را انجام داد (چون ممکن است واژگان در معنا به صورتی متفاوت به کار گرفته شده باشند.) مسئله نخست اما از مسئله دوم چالش ژرف تری را ایجاد میکند. اگر واژگان به حیات خود ادامه بدهند اما برای افراد از معنا تهی باشند جستار علمی ما بدون جهت خواهد شد.

دقت کنید که توصیه من این نیست که لزوما همه تعاریف مشابهی از واژگان ارائه دهند اما با توجه به اینکه علم یک سیستم آکسیوماتیک هست، لازم هست تعاریف و پیش فرض ها برای یک پژوهش مطالعه و مشخص شوند. دلیلی که چنین نوع ساختاری رو کمتر به صورت آشکار مشاهده میکنید بدین معنی نیست که آکسیومی وجود ندارد بلکه ناشی از آن هست که نسل جدید واژگان بدون تاریخ را به عاریه گرفته و به کار میگیرد. در نتیجه ممکن هست پژوهشگر با ساختار مطالعه خودش آشنا نباشد. در اینجا منظور از ساختار بدنه آکسیوماتیکی است که پژوهشگر درون آن قرار میگیرد.

آکسیوم ها سنگ بنای یک ساختار تفکری در علم را تشکیل می دهند و رویکرد پژوهشی، مشاهدات و تفسیر ها را محدود به خود میکنند. از این نظر اگر قرار هست نگرش جدیدی حاصل شود نیاز است که ساختار آکسیوماتیک ما تغییر کند. اما اگر ما به کل با ساختار پژوهشی خود آشنا نباشیم چگونه میتوانیم دیدگاه جدیدی ایجاد کنیم؟ اگر سیستم آکسیوماتیک به درستی بنا نهاده نشده باشد جهت پژوهشی ما به سمت درستی محدود نخواهد شد.


برای مثال در نظر بگیرید که من این گزاره را مطرح کنم که "مغز یک ماشین است".
شاید در نگاه نخست کسی با این گزاره مخالفت نکند. اما باید پرسش کنیم که یک ماشین چیست؟ ماشین را من اینگونه تعریف میکنم:

یک ماشین آن چیزی است که رفتاری ماشینی دارد بدین معنا که اگر حالت درونی ماشین و محیط ماشین را در یک زمان مشخص بدانیم میتوانیم به صورت غیرمبهمی حالت بعدی ماشین را تعریف (یا پیشبینی) کنیم.

حال پرسش این هست که زمانی که میگوییم مغز یک ماشین هست چه نوع دیدگاه پژوهشی را انتخاب کردیم؟ اگر به تعریف دقت کنیم میبینیم که طبق تعریف ماشین آن چیزی است که بتوان رفتار آن را با دانستن ساختار درونی و محیطی آن پیشبینی کرد. در نتیجه بر اساس قواعد منطق اگر مغز یک ماشین است پس میتوان رفتار مغز را پیشبینی کرد.

این مثالی بود از اینکه چطور تعاریف ما نگرش ما را مشخص میکنند (به صورت آشکار و یا پنهان). حال تصور کنید فردی موافق این گزاره نباید که مغز قابل پیشبینی است. اگر چنین هست پس باید سیستم پیشفرضی خودش را تغییر دهد (در این سیستم جدید مغز ماشینی با تعریفی که ارائه شد نخواهد بود.)

گاهی اوقات ما بجای تعریف مشخص از نوعی استعاره استفاده میکنیم. باید توجه کرد که استعاره ها مدل هایی هستند که ما بر مشاهدات خودمان قرار میدهیم و از این رو خودشان با انبوهی از پیشفرض ها روبرو هستند. *

آکسیوم ها مانند زنجیر هایی هستند که به پای خودمان میبندیم. هر چند فراری از آنها نیست** اما در علم میشوند انتخاب کرد کدام زنجیر را به پای خود ببندیم.


* به کتاب Metaphors We Live By نوشته Lakoff & Johnson 1980 مراجعه کنید.
** دیوید هیوم در کتاب a treatise of human nature اشاره میکند که کل دانش ما از عالم آکسیوماتیک هست.

مغز به مثابه کامپیوتر - استعاره ای که پایش را از گلیمش درازتر کرد؟

Telegram Channel: Neurosyntax

مغز به مثابه کامپیوتر - استعاره ای که پایش را از گلیمش درازتر کرد؟

دهه 30 تا 60 میلادی دستاوردهای نظری و فرمال شگفت انگیزی در عرصه شناخت ماشین و سیستم های زنده ارائه شد. شانون تئوری ریاضیاتی خودش را از ارتباطات ارائه کرد و "اطلاعات" را به شکلی ریاضیاتی تعریف کرد (1). جنبش سایبرنتیک با کارهای نوربرت وینر آغاز شده بود و سیستم های کنترل مورد بررسی های فرمال ریاضی قرار گرفت و تئوری فیدبک نیز ارائه شد (2). تورینگ و فون نویمن فرمول نخستین ماشین های کامپیوتری را ارائه کردند (3).
جنبش علوم شناختی که در مقابل رفتارگرایی به راه افتاده بود برای توضیح ارتباط مغز و ذهن نیاز به یک تئوری فرمال داشت. مطالعات علوم اعصاب بیشتر معطوف به موجودات ساده تر شده بود و حتی در آنها هم ارتباط با رفتار کمتر رنگ و بوی تفسیر ذهن به خود میگرفت. همه چیز باید تغییر میکرد و باید ساختمان جدیدی بنا نهاده میشد تا ذهن و ارتباطش با مغز قابل مطالعه میشد. Edgar Adrian برای نخستین بار استعاره "کد نورونی Neural Code" را به کار گرفت (4) و شاید همه چیز از آنجا آغاز شد. از آنجا که کامپیوتر را بشر ساخته بود و با کارکرد آن آشنایی داشت با تبدیل مغز به یک ماشین ساده* مانند کامیپوتر امکان این فراهم میشد که مغز کمی کمتر شبیه به جعبه سیاهی غیر قابل دسترسی باشد. مفهوم "کد های نورونی"، "بازنمایی نورونی" زاده شدند . کامپیوترها با کدهای باینری 0 و 1 اطلاعات را بازنمایی میکنند و این سپس توان انجام محاسبات و یا تغییرات منطقی بر روی این بازنمایی ها را دارند. مغز هم میتواند یک کامپیوتر باشد اگر حضور و یا عدم حضور اسپایک را 1 و 0 ترجمه کنیم و پرسش خود را اینگونه بسازیم که این 0 و 1 ها چگونه جهان خارج را کدگذاری میکنند؟

* تعریف ماشین ساده و غیر ساده از فون فویستر گرفته شده است. برای توضیح این مطلب میتوانید به مقاله For Niklas Luhmann: “How Recursive is Communication؟" از کتاب Understanding Understanding مراجعه کنید.
بازنمایی در ذهن و بازنمایی نورونی دو مفهوم مجزا هستند. ادعا این هست که به نوعی کدهای نورونی و یا بازنمایی های نورونی قدرت تولید بازنمایی های ذهنی را دارند.

هر چند این نوع مدلسازی مغز دستاورد های بسیاری را به ارمغان آورد و همچنان گسترده ترین نوع تفکر درباره مغز است مشکلاتی را نیز به همراه دارد:
The Framing Problem
The Symbol Grounding Problem
The Problem of ambiguities
The binding problem

در سیستم های کامپیوتری آبجکت های بازنمایی و یا کدها دارای معنا هستند اما این معنا توسط مشاهده گر (فردی که با کامپیوتر کار میکند) رمزگشایی میشوند (کامپیوتر درکی از معنای کدها ندارد و فقط طبق دستورالعمل ها تغییرات منطقی را به ترتیب ارائه شده انجام می دهد.) اگر مغز مانند یک کامپیوتر رفتار میکند پرسش اساسی که ایجاد میشود این است که این سیمبل ها (کدها) معنای خود را چگونه به دست میاورند؟
پرسش دوم این است که اگر اطلاعاتی که از جهان خارج ارائه میشوند به صورت کدهای نورونی در می آیند این کدها باید به نوعی رمزگشایی Decode شوند. چگونه این انجام می شود؟

دقت کنید وقتی ما از کد صحبت میکنیم درباره چه حرف میزنیم. در مطالعات پژوهشگر یک همبستگی (معمولا خطی) میان تغییری در دنیای خارج و ثبت نورونی پیدا میکند. سپس ادعا میشود که ناحیه مورد مطالعه یک ویژگی خاص از جهان خارج را کد میکند (یا بازنمایی میکند در معنای تکنیکال). در اینجا رمزگشایی توسط پژوهش گر که به صورت همزمان به فعالیت نورونی و جهان خارج دسترسی دارد انجام میشود. اما در مغز نورون ها پس از رسپتور ها به تنها چیزی که دسترسی دارند فعالیت های نورون های بالادست در مسیر آناتومیک است. چگونه نورون ها می توانند رمزگشایی را انجام دهند زمانی که دسترسی به دنیای خارج ندارند؟

مسئله بعدی ابهام در کدهاست. کدهای کامپیوتری غیرمبهم هستند بدین معنا که هر اطلاعاتی با یک ساختار کدی مشخص و قابل توضیح کدگذاری می شود. اما در مطالعات علوم اعصاب چنین نیست. نورون یا مجموعه نورونی که یک تغییر خارجی را کد میکنند (با تعریف بالا و از دیدگاه پژوهشگر) معمولا تغییر میکنند و یا حتی آن ویژگی را در کانتکست های دیگر به صورت قابل اعتمادی کد نمیکنند. این مشکل ابهام است. یعنی کدها فقط در یک کانتکست ویژه معنا دارند و خارج از آن غیرقابل اعتماد هستند. (این مشکل تحت عنوان Representational Drift در حال پژوهش است).


مسئله بعدی این است که دقیقا چه تابعی از فعالیت عصبی را می توان "کد" نامید؟ درباره این مسئله نیز توافق نظر وجود ندارد. آیا کد فعالیت اسپایک هر نورون است؟ آیا کد در سطح جمعیت است؟