پدیده بحرانی بودن می‌تواند ظهور ناگهانی ویژگی‌های جدیدی را در طیف‌وسیعی از سیستم‌های پیچیده از سقوط بهمن گرفته تا دسته‌های پرندگان و سقوط بازار سهام توضیح دهد. دانشمندان علوم اعصاب اکنون به دنبال شواهدی هستند که نشان دهد بحرانی بودن در شبکه‌های عصبی مغز نیز عمل می‌کند.
در طول چند دهه گذشته فرضیه مغز بحرانی (critical brain hypothesis) به دانشمندان علوم اعصاب کمک کرده است تا دریابند که مغز انسان چگونه به‌عنوان نیروگاه پردازش اطلاعات عمل می‌کند.
طبق آنچه کوآنتا مگزین می‌نویسد، طبق فرضیه مغز بحرانی، مغز همیشه بین دو حالت فعالیت در نوسان است: یک مرحله تصادفی که در آن عمدتاً غیرفعال است و یک حالت منظم که در آن فعالیت بیش از حد دارد و در آستانه تشنج قرار دارد. این فرضیه پیش‌بینی می‌کند که بین این دو حالت، در نقطه مطلوبی که به‌عنوان نقطه بحرانی شناخته می‌شود، مغز دارای تعادل کاملی از گوناگونی و ساختار است و می‌تواند پیچیده‌ترین و پراطلاعات‌ترین الگوهای فعالیت را تولید کند. این حالت به مغز اجازه می‌دهد تا چندین وظیفه پردازش اطلاعات از انجام محاسبات تا انتقال و ذخیره اطلاعات را به‌طور همزمان بهینه‌سازی کند.
برای نشان دادن این موضوع که چگونه فعالیت درون مغز یا به‌طور دقیق‌تر فعالیت درون یک شبکه عصبی مانند مغز ممکن است بر انتقال اطلاعات ازطریق آن تاثیر بگذارد، می‌توانیم بازی حدس زدن ساده‌ای را انجام دهیم.
تصور کنید شبکه‌ای با ۱۰ لایه نورون داریم که در هر لایه ۴۰ نورون وجود دارد. نورون‌ها در لایه اول، فقط نورون‌های لایه دوم را فعال می‌کنند و نورون‌های موجود در لایه دوم فقط نورون‌های درون لایه سوم را فعال می‌کنند و به همین ترتیب. حال من تعدادی از نورون‌ها را در لایه اول فعال می‌کنم، اما شما فقط می‌توانید تعداد نورون‌های فعال در لایه آخر را ببینید. بیایید ببینیم که تحت سه شدت متفاوت از اتصالات شبکه، تا چه حد می‌توانید تعداد نورون‌هایی را حدس بزنید که من فعال کرده‌ام.
ابتدا بیایید اتصالات ضعیف را درنظر بگیریم. در این مورد نورون‌ها به‌طور معمول به‌طور مستقل از هم فعال می‌شوند و الگوی فعالیت شبکه تصادفی است. مهم نیست که چه تعداد نورون را در لایه اول فعال کنم، تعداد نورون‌های فعال‌شده در آخرین لایه به سمت صفر میل می‌کند، زیرا اتصالات ضعیف انتشار فعالیت را سرکوب می‌کند. این امر موجب می‌شود بازی حدس زدن ما بسیار دشوار شود. مقدار اطلاعات موجود در لایه اول که از روی آخرین لایه می‌توانید به دست بیاورید، عملا هیچ است.
سپس اجازه دهید اتصالات قوی‌تر را درنظر بگیریم، حتما مطمئن هستید که این وضعیت اطلاعات را به‌خوبی منتقل خواهد کرد؟ درواقع، چنین اتفاقی نمی‌افتد. وقتی یک نورون دارای اتصال قوی فعال می‌شود، چندین نورون دیگر را فعال می‌کند و این فعالیت تا زمانی که تقریبا تمامی نورون‌ها در لایه نهایی فعال شوند، منتشر می‌شود. فعالیت ادامه پیدا می‌کند، اما این اشباع به شما اجازه نمی‌دهد تا با دقت حدس بزنید که آیا من یک نورون را در لایه اول فعال کرده‌ام یا کل ۴۰ نورون را؟ این تقویت بیشتر آن اطلاعات را از بین برده است.
درنهایت بیایید حالت بحرانی را درنظر بگیریم که حد وسط دو مورد توصیف شده است. در حالت بحرانی، تعداد اتصالات بین دو مثال گذشته قرار دارد. در این حالت از مشکل سرکوب یا تکثیر بیش از حد اجتناب می‌کنیم و تعداد نورون‌های فعال‌شده تقریبا در سراسر لایه‌ها حفظ می‌شود.
اگر ۱۲ نورون را در لایه اول فعال کنیم، ممکن است بین ۹ تا ۱۵ نورون فعال را در آخرین لایه ببینید. می‌توانید تعداد نورون‌هایی را که فعال کردم، نه کاملا دقیق بلکه با دقت قابل‌قبولی استنباط کنید.
اگر عددی از ۱ تا ۴۰ را انتخاب کنم و شما بپرسید که آیا کمتر از ۲۰ است؟ و من پاسخ بدهم بله، دامنه حدس‌های خود را به نصف رسانده‌‌اید. این کاهش عدم قطعیت معادل یک بیت اطلاعات است. می‌توانید دوباره محدوده را به نصف برسانید و با پرسیدن اینکه آیا بزرگ‌تر از ۱۰ است، یک بیت اطلاعات دیگر به دست آورید. در این نقطه بحرانی می‌توانید با دقت بیشتری حدس بزنید که محرک چه بوده است، بنابراین، امکان انتقال بیت‌های بیشتری از اطلاعات وجود دارد.
در شبکه زیربحرانی اتصالات آن‌قدر ضعیف هستند که تعداد بسیار کمی از نورون‌ها با هم جفت می‌شوند، بنابراین فقط چند مجموعه کوچک از نورون‌ها می‌تواند تشکیل شود. در شبکه فوق‌بحرانی، اتصالات آن‌قدر قوی هستند که تقریبا کل نورون‌ها با هم جفت می‌شوند به‌طوری‌که فقط امکان ایجاد یک مجموعه نورونی بزرگ را فراهم می‌کند.
در شبکه بحرانی، اتصالات به اندازه کافی قوی هستند که چندین مجموعه نورونی با اندازه متوسط به هم متصل شود و درعین‌حال چنان ضعیف هستند که نمی‌توانند در قالب یک مجموعه بزرگ با هم ادغام شوند. این تعادل منجر به بزرگ‌ترین تعداد مجموعه‌های نورونی پایدار می‌شود که ذخیره‌سازی اطلاعات را به حداکثر می‌رساند.
این فقط تئوری یا شبیه‌سازی نیست: آزمایش‌ها هم روی شبکه‌های مجزای نورون‌ها و هم روی مغز سالم بسیاری از این پیش‌بینی‌ها را تایید کرده است. علاوه‌براین، شاهد ظهور این مزیت‌ها در گونه‌های مختلفی مانند لاک‌پشت‌ها، گربه‌ها و حتی انسان‌ها بوده‌ایم.
بیشتر این مطالعات روی بخش بیرونی مغز یعنی قشر مغز تمرکز داشته‌اند، اگرچه برخی شامل مناطق زیرقشری نیز بوده‌اند. به‌طورکلی، مطالعات نشان داده‌اند این شبکه‌ها در نزدیکی نقطه بحرانی عمل می‌کنند.
با وجود فراگیر بودن این پدیده، امکان مختل‌شدن آن وجود دارد. برای مثال، وقتی یک چشم موش پوشانده می‌شود، قشر بینایی آن از نقطه بحرانی دور می‌شود و اطلاعات را به شکل نامنظم‌تری منتقل می‌کند. (به‌نظر می‌رسد قشر مغز با این تغییر سازگار شود و پس از دو روز به‌طور خودبه‌خود به نقطه بحرانی برگردد).
به‌طور مشابه، وقتی انسان‌ها دچار محرومیت از خواب هستند، مغز آن‌ها وارد حالت فوق‌بحرانی می‌شود. اگرچه خواب شبانه خوب می‌تواند آن را به نقطه بحرانی برگرداند.
بنابراین، شاید همان‌طور که بدن با وجود تغییرات محیطی، فشار خون، دما و ضربان قلب را در محدوده سالم حفظ می‌کند، مغز هم به‌طور طبیعی تمایل دارد در نزدیکی نقطه بحرانی عمل کند.
این بینش برای درک سلامت عصبی مهم است: پژوهش‌های جدید نشان داده است بیماری‌های مغزی مانند صرع با ناتوانی در عمل کردن در نزدیک نقطه بحرانی یا بازگشت به آن پس از دور شدن از آن ارتباط دارد.
بنابراین، چرا این دیدگاه از مغز بحرانی هنوز فرضیه است؟ درحالی‌که شواهد به نفع آن خوب است، هنوز مورد بحث قرار دارد.
این ادعا که قشر مغز نزدیکی نقطه بحرانی عمل می‌کند، ادعایی گسترده است که شامل پردازش بهینه اطلاعات، سلامت عصبی و کاربردی تقریبا عمومی در بین گونه‌ها می‌شود. نیاز برای بررسی دقیق‌تر تعجب‌آور نیست.
نقدهای اولیه به این نکته اشاره کرده‌اند که اثبات اینکه شبکه‌ای نزدیک نقطه بحرانی عمل می‌کند، به آزمایش‌های آماری پیشرفته نیاز دارد. البته در این مورد، کارشناسان حوزه پاسخی سازنده دادند و این روزها این نوع اعتراضات کمتر شنیده می‌شود.
اخیراً، برخی از پژوهش‌ها نشان داده‌اند که آنچه به‌عنوان نشانه بحرانی بودن درنظر گرفته می‌شود، ممکن است همچنین نتیجه‌ی فرایندهای تصادفی باشد. پژوهشگران هنوز درحال بررسی این احتمال هستند، اما بسیاری از آن‌ها معیارهای جدیدی را برای تمایز میان بحرانی‌بودن آشکار از نویز تصادفی و بحرانی‌بودن واقعی از تعاملات جمعی میان نورون‌ها پیشنهاد کرده‌اند.
در همین حال، در طول ۲۰ سال گذشته پژوهش دراین‌زمینه به‌طور پیوسته پیشرفت کرده است. گسترش روش‌های مورد استفاده برای ارزیابی آن نیز رشد کرده است. اکنون بزرگ‌ترین پرسش‌ها بر این تمرکز دارند که چگونه عملکرد نزدیک نقطه بحرانی بر شناخت تاثیر می‌گذارد و چگونه ورودی‌های خارجی می‌توانند شبکه را به سمت عمل کردن در اطراف نقطه بحرانی ببرند.
ایده‌ها درمورد بحرانی بودن فراتر از علوم اعصاب گسترش پیدا کرده است. مهندسان با استناد به برخی از مقاله‌های اصلی درمورد بحرانی‌بودن در شبکه‌های عصبی زنده نشان داده‌اند که شبکه‌های خودسازمانده از سوئیچ‌های اتمی می‌توانند ساخته شوند که نزدیک نقطه بحرانی عمل کنند، به‌طوری‌که بتوانند بسیاری از توابع را به شکل بهینه محاسبه کنند.
جامعه یادگیری عمیق همچنین شروع به مطالعه این موضوع کرده است که آیا عملکرد نزدیک نقطه بحرانی شبکه‌های عصبی مصنوعی را بهبود می‌بخشد.
فرضیه مغز بحرانی ممکن است اشتباه یا ناقص باشد، اگرچه شواهد کنونی از آن حمایت می‌کند. در هر صورت، درک این موضوع باعث ایجاد انبوهی از سولات و پاسخ‌هایی می‌شود که بیشتر از آنچه قبلا می‌دانستیم به ما درمورد مغز و به‌طورکلی محاسبات می‌گوید.
