Forskere ved Universitetet i Oslo (UiO) vil øke forståelsen av hvordan hjernen fungerer.

Dette gjør de ved å kombinere eksperimentell hjerneforskning med fysikkbaserte modeller og maskinlæringsverktøy.

Dette kan også bane vei for utvikling av bedre kunstig intelligens (KI).

– Vi befinner oss i skjæringspunktet mellom hjerneforskning og KI, sier forsker og leder for gruppen, Marianne Fyhn.

Kan ikke eksperimentere med levende hjerner

Som doktorgradsstudent jobbet hun med May-Britt og Edvard Moser og bidro i arbeidet som førte til Norges første nobelpris i medisin.

Nå leder Fyhn forskning på nevroplastisitet ved UiO. Det handler om hvordan hjernen er i stand til å endre seg. Som når vi lærer noe nytt eller når vi skal orientere oss i rommet.

– Vi er opptatt av hva som skjer i hjernen. Men det er ikke spørsmål som kan besvares med eksperimenter på en levende hjerne. Da kan vi bruke kunstige datamodeller som kan lede an for eksperimenter, forklarer Fyhn.

Slår av og på hjerneceller

Ved å bygge opp datamodeller som simulerer hvordan nevronene i hjernen fungerer sammen, kan forskere teste ut hypoteser der de slår av og på hjerneceller, uten å måtte gå veien innom laboratoriet. 

Samtidig har nye genetiske verktøy gitt forskerne mulighet til å sammenligne resultatene fra datamodellene med det som skjer i en ekte hjerne.

Anders Malthe-Sørenssen er fysiker, og forsker på hvordan fagfolk kan bruke kunnskap om hjernen til å utvikle bedre kunstig intelligens. 

Han trekker fram Mosers gitter-celler som eksempel på hvordan de bruker datamodellering i hjerneforskning.

– Disse cellene hjelper oss å finne fram i omgivelsene. De gjør at vi husker veien vi må ta når vi skal på jobben. Vi har et mentalt bilde av veien, som også sier oss hvor vi er plassert i forhold til omgivelsene rundt oss, sier han.

Når vi beveger oss, danner gittercellene et mønster, nærmest som et koordinatsystem. Det forteller oss på hvilke koordinater vi befinner oss til enhver tid. Slik vet vi både hvor vi er og hvor vi skal, forklarer forskeren.

Ga nye ideer om gittercellene

Slike celler er best beskrevet i forsøksdyr, men forskerne har gode indikasjoner på at også vi mennesker har slike gitterceller.

– Sammen gir tusenvis av slike celler et helhetlig bilde av omgivelsene. Så kan vi forskere måle at den og den cellen er aktiv der eller der. Men det er ganske langt derfra til å forstå hvordan de virker sammen, og hvordan det mentale kartet oppstår. Da må vi ha hjelp av modeller, forklarer han.

Ved å lage en forenklet datamodell i form av et nevralt nettverk som styrer bevegelsen til en avatar i et virtuelt rom, kan forskerne legge inn og ta vekk ulike celletyper i nettverket for å studere effekten. 

Kan slå av bestemte celletyper

Slik fant de at i modellen var selve gittercellene faktisk ikke involvert i å bestemme posisjonen til avataren. Den jobben er det andre celler som tar seg av.

– Slik kommer modellen med en prediksjon, en forutsigelse. De forteller oss hvordan det kanskje fungerer i hjernen, forklarer Fyhn.

Dette kan så testes på forsøksmus i laboratoriet.

– Ved hjelp av genteknologi kan vi gå inn og slå av bestemte celletyper i hjernen. Dermed kan vi ta med oss prediksjonen fra modellen og teste på akkurat de cellene. Det kan gjøre eksperimentene mer målrettede, sier han.

Hjernen trenger å være offline

Forskerne bruker de genetiske metodene til å studere hvordan hjernen fungerer når den lærer nye ting.

– Det er vanlig å si at hvis noen skal lære noe, så må de også sove. Dette har vi kunnet vise eksperimentelt. Vi har gjort forsøk der vi lar mus se på ulike bilder. Noen bilder gir belønning, i form av milkshake som musene er veldig glade i. Andre bilder gir ikke belønning, forklarer professor Malthe-Sørenssen.

En vanlig mus bruker normalt flere tusen repetisjoner for å lære seg hvilke bilder de skal velge for å få tilgang til milkshaken.

Så gikk forskerne inn og slo av en bestemt type hjerneceller etter at de hadde trent på oppgaven, og skulle hvile seg eller sove. 

En bestemt type celler lager minner mens musene sover

– Da lærte musene ingenting! De lærte mens de trente, men dagen etter var alt glemt. Det underbygger at hjernen trenger perioder der den hviler, der den er offline, for å konsolidere det den har lært til mer varige minner, sier han.

Musenes læringsprosess er med andre ord annerledes enn det som skjer i opplæring av kunstige nevrale nettverk. 

Forskerne så at en bestemt type celler i en bitteliten del av hjernen jobbet mens musene sov. Cellene sørget for å lage minner av det musene hadde erfart.

– Det har vært gjort forsøk på å dele opp læringen av kunstige nevrale nettverk i to faser – en online og en offline fase – men det har så langt ikke gitt noen særlig forbedring, sier Malthe-Sørenssen.

Kunstig intelligens må lære å lære

Men kanskje kan forskning på ekte hjerner inspirere utviklingen av maskinlæring og kunstig intelligens, mener han.

– En utfordring med KI er at vi ikke har gode nok metoder når systemene skal lære noe nytt. Når vi skal lære opp et nevralt nettverk, må vi ha hele pensumet klart på forhånd. Prøver vi å legge til et nytt kapittel i ettertid, vil systemet glemme nesten hele pensumet. Her kan vi kanskje bruke innspill fra hjerneforskningen, sier Malthe-Sørenssen.

Forskerne tror et slikt gjennombrudd i utviklingen av kunstig intelligens også vil bidra til økt kunnskap om sykdommer i hjernen.

Mye av dette ligger fram i tid. Det er en utfordring at vi mangler medisiner som virker mot mange hjernesykdommer. Det er fordi vi ofte ikke forstår hvor sykdommen oppstår og hva som er driverne for sykdom. 

– Kan vi øke kunnskapen om hvordan en frisk hjerne fungerer, vil det bli lettere å forstå hva det er som går galt, sier Fyhn.

Referanser:

Vemund Schøyen mfl.: Coherently remapping toroidal cells but not Grid cells are responsible for path integration in virtual agents. iScience, 2023. DOI: 10.1016/j.isci.2023.108102 

Kristian K. Lensjø mfl.: Local inhibitory circuits mediate cortical reactivations and memory consolidation. Science Advances, 2025. DOI: 10.1126/sciadv.adu9

Ingeborg Nymoen Nystuen mfl.: Task and Behavior-Related Variables Are Encoded by the Postrhinal and Medial Entorhinal Cortex During Non-Spatial Associative Learning. eLife, 2025. Doi.org/10.7554/eLife.106095.1

Artikkelen er produsert og finansiert av Universitetet i Oslo

Universitetet i Oslo er én av over 80 eiere av forskning.no. Deres kommunikasjonsansatte leverer innhold til forskning.no. Vi merker dette innholdet for å tydelig skille formidling fra uavhengig redaksjonelt stoff.
Her kan du lese mer om ordningen.

Les også disse sakene fra Universitetet i Oslo:

• 

  Korleis skal ein få testa om eit legemiddel har effekt på gravide?

• 

  Antibiotika: – Lærebøkene bør nok skrives om

• 

  KI-skandaler: Er algoritmestyrt velferd en fattigdomsfelle?

• 

  Skipsloggbøker har formet vår forståelse av havet

• 

  En ny mikrobrikke kan revolusjonere måten vi tester nye legemidler

• 

  Etter 15 generasjoner ser forskere fremdeles effekt av miljøgifter

Les flere saker laget av Universitetet i Oslo her.

forskning.no vil gjerne høre fra deg!

Har du en tilbakemelding, spørsmål, ros eller kritikk? TA KONTAKT HER