جریان انرژی بین مغز و محیط باعث عدم تعادلی می‌شود که زندگی را حفظ می‌کند. آیا آشفتگی می‌تواند به رشد و توسعه‌ی ما کمک کند؟
بر اساس قانون ترمودینامیک، هر موجود زنده دائماً با محیط پیرامون خود در حال مبادله جریانی از ماده و انرژی است. به این ترتیب، سیستم در حالت عدم تعادل است. اروین شرودینگر، فیزیکدان اتریشی و برنده جایزه نوبل، در کتاب «زندگی چیست؟» بیان کرد که حفظ حیات دقیقاً مبتنی بر اجتناب از تعادل است:
جانداران زنده چگونه از پوسیدگی جلوگیری می‌کنند؟ با خوردن، آشامیدن، تنفس و به‌طور خلاصه با جذب کردن. اصطلاح فنی این حرف من «متابولیسم» است.
بر اساس این دیدگاه، تعادل نهایی مرگ است و بنابراین بقای جاندارن به دور ماندن از تعادل بستگی دارد.
شرودینگر در درجه اول یک فیزیکدان بود که عمدتاً به خاطر کارش در فیزیک کوانتومی شناخته شده است. بسیاری از افراد او را به واسطه‌ی آزمایش فکری مشهور به «گربه شرودینگر» می‌شناسند که در این آزمایش به‌طور متناقض، ممکن است گربه به‌طور هم‌زمان هم زنده و هم مرده در نظر گرفته شود. این از بحث با آلبرت انیشتین در سال ۱۹۳۵ در مورد مشکلات تفسیر کپنهاگی از مکانیک کوانتومی ناشی شد.
با این‌حال، شرودینگر خود را به کوانتوم محدود نکرد. شرودینگر بعد‌ها در زندگی به سوالات بزرگ و مهم کشف نیرو‌های اساسی حیات و درک این‌که چگونه حوزه ترمودینامیک می‌تواند به یافتن پاسخ این سوالات کمک کند، روی آورد.
در آن روز‌ها، مطالعه علمی مغز انسان هنوز در مراحل ابتدایی بود و به همین دلیل بخشی از تمرکز شرودینگر نبود. از آن زمان تا به امروز، علوم اعصاب پیشرفت‌های زیادی داشته است. کاملاً مشخص شده است که مغز باید محرک اصلی این باشد که چگونه موجودات زنده می‌توانند از تعادل و مرگ جلوگیری کنند. در واقع، اکتشافات اخیر، در مورد چگونگی رشد مغز‌ها در فضای عدم تعادل کمک بسیاری به ما کرده‌اند و موضوعات بسیاری را روشن ساخته‌اند. همچنین اکتشافات به این پرسش که چگونه دینامیک مغز متلاطم و غیرخطی به نظم در محیط‌های عمدتاً بی‌نظم کمک می‌کند تا شانس بقا را افزایش دهد، پاسخ داده‌اند.
در چند دهه گذشته، دانشمندان مغز بر این تمرکز کرده‌اند که چگونه در درجه اول به نظر می‌رسد مغز توسط تحریکات لحظه‌ای از محیط (زمانی که ما درگیر وظایف خاصی هستیم) هدایت می‌شود. با این‌حال، بر اساس پژوهش پیشگامانه‌ای که توسط مارکوس ریچل، متخصص مغز و اعصاب آمریکایی انجام شده است، به‌طور فزاینده‌ای مشخص شده است که مغز صرفاً به‌طور بیرونی توسط اطلاعاتی که از محیط می‌آیند هدایت نمی‌شود. درعوض، چهارچوب کلی کار مغز عمدتاً با فعالیت درونی حالت استراحت، جابه‌جایی بین حالات در حین تفسیر، پاسخ به نیازهای محیطی و حتی پیش‌بینی نیازهای محیطی شکل می‌گیرد.
این دیدگاه با این حقیقت پشتیبانی می‌شود که مصرف انرژی متابولیک برای حفظ فعالیت درونی حالت استراحت مغز بسیار بیشتر از مصرف انرژی توسط خواسته‌های وظیفه محور بیرونی، مانند تماشای محرک‌های بصری یا حل وظایف شناختی است. بر اساس برخی برآورد‌ها، بیش از ۲۰ درصد از کل انرژی مصرفی بدن توسط مغز مصرف می‌شود و این در حالی است که مغز تنها ۲ درصد وزن بدن را تشکیل می‌دهد. این همه انرژی کجا مصرف می‌شود؟ به کجا می‌رود؟ دکتر ریچل از اصطلاح «انرژی تاریک مغز» برای ما صحبت می‌کند.
در اینجا پیشنهاد می‌شود که ایده‌های شرودینگر و ریچل را با هم ترکیب کنیم تا این ایده را پیشنهاد کنیم که جریان انرژی بین مغز و محیط باعث عدم تعادل لازم برای حفظ زندگی می‌شود. این منجر به نظریه جدیدی از ترمودینامیک ذهن می‌شود، نظریه‌ای که از ایده‌هایی از فیزیک استفاده می‌کند و به پژوهش‌گران اجازه می‌دهد تا پردازش مغزی که منجر به عدم تعادل می‌شود را با درجه بالایی از دقت و کمیت مشخص کنند.
بر اساس قانون دوم ترمودینامیک که توسط رودلف کلازیوس و نیکلا سادی کارنو در قرن نوزدهم ارائه شد، با گذشت زمان، یک سیستم از نظم به سمت بی‌نظمی می‌رود. در زبان ترمودینامیک، این افزایش در سطح بی‌نظمی را می‌توان با عنوان «آنتروپی» بیان کرد. به این ترتیب، قانون دوم ترمودینامیک بیان می‌کند که وقتی تولید آنتروپی بزرگ‌تر از صفر است، این مربوط به سیستمی است که در حالت تعادل نیست و در زمان برگشت ناپذیر است. این برای همه سیستم‌های زنده صادق است. در مقابل، اگر تولید آنتروپی در سیستم وجود نداشته باشد، این یک سیستم در تعادل و در زمان برگشت‌پذیر است. این یک پیوند محکم بین تولید آنتروپی، عدم تعادل و برگشت ناپذیری ایجاد می‌کند که توسط فیزیکدان انگلیسی آرتور ادینگتون در سال ۱۹۲۷ به عنوان «پیکان زمان» بیان شد.
یک مثال عالی از یک سیستم غیرتعادلی همراه با آنتروپی و پیکان زمان، هنگام تماشای فیلمی از شکستن یک لیوان رخ می‌دهد. با رفتن سیستم از نظم به بی‌نظمی، آنتروپی افزایش می‌یابد و توالی علّی رویداد‌ها و در نتیجه پیکان زمان بسیار واضح است. در مقابل، وقتی همان سکانس فیلم را به صورت معکوس تماشا می‌کنیم، بلافاصله متوجه می‌شویم که امکان بازگشت شیشه به هم وجود ندارد و از بی‌نظمی به نظم نمی‌رود. محال بودن وقایع کاملاً روشن است و پیکان زمان باید معکوس شود.
کریستوفر نولان کارگردان، در جدیدترین فیلمش Tenet، بخش‌های بصری را با هم ترکیب می‌کند که در زمان هم به جلو و هم به عقب می‌روند. این در ابتدا سردرگمی ایجاد می‌کند؛ اما ما به سرعت یاد می‌گیریم که بین عناصر بصری مختلف (مانند اتومبیل‌هایی که در یک بزرگراه به طرز عجیبی از خرابی به عقب می‌گردند و سالم می‌شود) فوراً چنین موارد نقض پیکان رو به جلو را تشخیص دهیم.
زیبایی ترمودینامیک در این است که پیکان زمان را می‌توان به صورت ریاضی به زیبایی بر حسب تولید آنتروپی توصیف کرد. وقتی یک سیستم از نظم به بی‌نظمی می‌رود، مانند زمانی که یک شیشه خرد می‌شود، پیکان زمان نیز حرکت روبه جلو دارد و این یعنی افزایش می‌یابد. تولید کل آنتروپی را می‌توان محاسبه کرد و اگر عدد این آنتروپی بزرگ‌تر از صفر باشد، سیستمی غیرقابل برگشت و در تعادل نامیده می‌شود. به عبارت دیگر، شکسته شدن شیشه نمونه‌ای بارز از عدم تعادل و یک سیستم غیرقابل برگشت است.
در مقابل، به عنوان نمونه‌ای از یک سیستم در حالت تعادل، تماشای فیلمی از برخورد توپ‌های بیلیارد را تصور کنید. هنگام تماشای این فیلم هم به جلو و هم به عقب، تشخیص پیکان زمان برای هر فیلم سخت می‌شود. از نظر ترمودینامیکی، این به این دلیل است که فرآیند برخورد توپ‌های بیلیارد، آنتروپی تولید نمی‌کند و یک فرآیند ذاتاً برگشت‌پذیر ایجاد می‌کند.
به‌طور کلی هنگام تماشای یک رویداد یا فیلم، اگر متوجه چیزی شدید که با برعکس کردن پیکان زمان قابل تشخیص است، با سیستمی برگشت ناپذیر و در عدم تعادل مواجه هستید. به‌طور عکس، اگر هنگام تماشای یک رویداد یا فیلم متوجه چیزی شدید که حرکت رو به جلو و عقب آن را نمی‌توان به سادگی تشخیص داد (مانند حرکت ابرها، برخورد توپ‌های بیلیارد و…)، شما با یک سیستم برگشت‌پذیر و در تعادل مواجه هستید.
این مفاهیم ترمودینامیکی ابزار‌های قدرتمندی هستند که اصولاً می‌توانند برای هر چیزی اعمال شوند. بنابراین دانشمندان علوم اعصاب و سایر پژوهش‌گران از آن‌ها برای سیگنال‌های مغزی استفاده می‌کنند. این به دانشمندان اجازه می‌دهد تا با اندازه‌گیری سطح برگشت ناپذیری سیگنال‌های مغزی، نحوه هدایت مغز را اندازه‌گیری کنند. در پژوهش‌های در حال انجام، دانشمندان در حال مطالعه این هستند که چگونه این ابزار‌ها می‌توانند پیکان زمان و تولید آنتروپی را در مغز ضبط کنند و امکان ارزیابی دقیقی از نحوه هدایت مغز و جهان بیرونی و بدن ما به عدم تعادل در موقعیت‌های مختلف را فراهم می‌کنند. به‌طور بالقوه، این حتی می‌تواند برای مشخص کردن تغییرات در تعادل در مغز بیمار قبل از شروع علائم آشکار استفاده شود.
به تازگی، دانشمندان قانون ترمودینامیک را با قدرت تکنیک یادگیری ماشینی به نام «یادگیری عمیق» ترکیب کرده‌اند تا پیکان زمان را در سیگنال‌های مغز مشخص کنند. رویکرد یادگیری عمیق در ایجاد ابزار‌های مفیدی مانند ترجمه ماشینی خودکار از یک زبان به زبان دیگر بسیار موفق بوده است. ایده اصلی این است که الگوریتم یادگیری عمیق الگو‌ها را در مجموعه داده‌های بزرگ یاد بگیرد و سپس این یادگیری را به موارد جدید تعمیم دهد.
به عنوان مثال، یادگیری زبان را در نظر بگیرید. در زمینه یادگیری زبان، ابزار یادگیری عمیق با متنی به دو یا چند زبان تغذیه می‌شود و سپس یاد می‌گیرد که وقتی یک کلمه در یک زمینه خاص ظاهر می‌شود، آن را تعمیم دهد. این به الگوریتم اجازه می‌دهد تا ترجمه‌های ماشینی را تولید کند که بسیار بهتر از فناوری قبلی هستند.
دانشمندان از یادگیری عمیق به عنوان ابزاری برای یادگیری تمایز بین نسخه‌های رو به جلو و عقب سیگنال‌های مغز استفاده کردند. در ابتدا در مرحله یادگیری، هر سیگنال مغزی با نسخه رو به جلو یا به‌طور مصنوعی تولید شده به عقب نشانه‌‌گذاری می‌شود و الگوریتم یادگیری عمیق یاد می‌گیرد که بین آن‌ها با دقت بالا تمایز قائل شود. در مرحله آزمایش، سیگنال‌های مغزی جدید به این الگوریتم یادگیری عمیق داده می‌شوند و طبق قوانین طبقه‌بندی می‌شوند.
دانشمندان این الگوریتم را Temporal Evolution NET یا به اختصار TENET نامیده‌اند. زیبایی این الگوریتم این است که سطح دقت استفاده از TENET روی سیگنال‌های مغزی به‌طور مستقیم سطح برگشت ناپذیری و عدم تعادل را برای یک حالت مغزی مشخص فراهم می‌کند. به این ترتیب، دانشمندان می‌توانند بفهمند که مغز انسان در لحظه‌ای خاص توسط محیط کنترل می‌شود یا در حالت استراحت است یا وظیفه خاصی را انجام می‌دهد.
ممکن است دانشمندان بتوانند به کمک این فناوری، خطر نزدیک‌تر شدن مغز به تعادل و در نتیجه خطر کاهش توانایی درگیر شدن در جهان را به‌طور بالقوه کاهش دهند.
نتایج پژوهش‌های دانشمندان تأیید کرد که به‌طور کلی، مغز توسط محیط هدایت می‌شود و مهم‌تر از همه، مغز انسان در هنگام انجام وظایف مختلف به حالت غیرتعادلی نزدیک‌تر و برگشت‌ناپذیرتر از زمان استراحت است. در مقابل، دانشمندان هنگام استفاده از TENET برای مشخص کردن فعالیت مغز در حالت استراحت در بیماران عصبی روان‌پزشکی مبتلا به اختلالات دوقطبی، ADHD و اسکیزوفرنی، متوجه شدند که مغز این بیماران نسبت به افراد سالم به تعادل نزدیک‌تر است.
این نشان می‌دهد که مغز بیماران عصبی روان‌پزشکی بیشتر از محیط منزوی است و بیشتر به‌طور ذاتی هدایت می‌شود. این با این مسئله که چگونه نشخوار فکری در بیماران افسرده می‌تواند منجر به انزوای بدخیم از دنیای بیرونی شود (که می‌تواند منجر به افسردگی شدید شود) مطابقت دارد.
به‌طور کلی، استفاده از روش‌های ترمودینامیکی برای مشخص کردن فعالیت مغز می‌تواند به‌طور بالقوه در ارائه نشانگر‌های زیستی جدید بسیار مفید باشد که می‌تواند به شناسایی افرادی که در معرض خطر بیماری هستند، خیلی قبل از بروز اولین علائم جدی کمک کند. در واقع، برداشتن یک گام برای ساختن مدل کل مغز با استفاده از فعالیت مغز در هنگام بیماری‌ها، ممکن است به شناسایی استراتژی‌هایی برای مداخلاتی کمک کند که خطر نزدیک‌تر شدن مغز به تعادل و در نتیجه توانایی کم‌تر درگیر شدن در جهان را کاهش دهد.
این یافته‌ها امیدوارکننده هستند؛ اما هنوز چالش‌هایی وجود دارد که باید بر آن‌ها غلبه کرد. یکی از انتقادات اصلی به یادگیری عمیق، به ماهیت «جعبه سیاه» بودن این فناوری مربوط می‌شود؛ زیرا داده‌ها از طریق چندین لایه شبکه تجزیه و تحلیل می‌شوند که نمی‌توان فرآیند آن‌ها را مشاهده کرد. این می‌تواند درک نتایج را در یادگیری ماشین کلاسیک دشوارتر کند. تعداد دقیق لایه‌ها یا مراحل تصمیم گیری به نوع و پیچیدگی مدل انتخابی بستگی دارد.
این انتقاد جعبه سیاه در مورد استفاده دانشمندان از یادگیری عمیق برای یادگیری پیکان زمان در سیگنال‌های مغز اعمال نمی‌شود، زیرا دانشمندان از آن صرفاً به عنوان یک ابزار بسیار کارآمد برای کشف سطح برگشت‌پذیری سیگنال‌های مغزی استفاده کرده‌اند نه چیز دیگر. در واقع، دانشمندان از آن زمان از تکنیک‌های غیرمرتبط دیگری برای تخمین تولید آنتروپی و برگشت‌پذیری سیگنال‌های مغز استفاده کرده‌اند که به آن‌ها کمک کرده است تا درک عمیق‌تری از ترمودینامیک ذهن به دست‌آورند.
دانشمندان برای تکمیل این یافته‌های ترمودینامیک و برای درک واقعی تولید غیرخطی حالت‌های مغز غیرتعادلی، از اصول آشفتگی نیز استفاده کرده‌اند. این تحقیق به آن‌ها این امکان را داد که از ایجاد پیکان زمان در سیستم‌های غیرتعادلی فراتر بروند.
تلاطم چیزی است که بیشتر مردم عمدتاً آن را با گرداب‌های آب یا تجربه‌های اغلب ترسناک در هواپیما می‌شناسند؛ اما تلاطم قبل از هر چیز یک اصل اساسی و بسیار مفید در طبیعت است که خواص اختلاط بهینه را فراهم می‌کند و امکان انتقال کارآمد انرژی/اطلاعات را در فضا و زمان فراهم می‌کند.
در واقع، پژوهش‌ها در قرن گذشته نشان داده‌اند که آشفتگی روشی بهینه برای آبشار انرژی در طول فضازمان در مقیاس‌های مختلف است که یک اصل سازمان‌دهی اساسی سیستم‌های فیزیکی است. در سطح بسیار عملی، نشان داده شده است که این کار کاربرد‌های مهم و مرتبط زیادی دارد: از هم زدن متلاطم در حین پخت و پز که به ترکیب مواد کمک می‌کند تا یافتن راه‌های کارآمدتر انرژی برای بهبود کارخانه‌های شیمیایی، هواپیما‌ها و آسیاب‌های بادی.
از لحاظ تاریخی، تلاطم در سال‌های ۱۵۰۸ تا ۱۵۱۴ توسط لئوناردو داوینچی ابداع شد. در آن زمان داوینچی با یکی از دشوارترین چالش‌های خود در هنگام تلاش برای به دست آوردن نظم اساسی در حرکات به‌ظاهر تصادفی آب (ایجاد گرداب‌ها) مواجه شد. با وجود این، او از تلاش برای درک و به تصویر کشیدن اصول مولد زیربنایی چنین بی‌نظمی‌هایی هیچ ابایی نداشت.
او برای توصیف وضعیت آشفتگی‌ها، عبارت turbolenza را در زبان ایتالیایی بومی ارائه کرد که از turba، کلمه لاتین برای «جمعیت» گرفته شده است. این توصیف از گرداب‌ها در مقیاس‌های مختلف به‌طور قابل توجهی پیش از مشاهدات اصلی توسط لوئیس فرای ریچاردسون بود. ریچاردسون که پیشگام پیش‌بینی آب و هوا ریاضی است، اصل مهم آبشار انرژی متلاطم را توصیف کرد.
ریچاردسون بر اساس مشاهدات لئوناردو داوینچی عمل کرد. مشاهدات لئوناردو داوینچی مبنی بر وجود گرداب‌ها یا گرداب‌هایی با اندازه‌های متفاوت در سیال است که هر گردابی با یک حرکت چرخشی مطابقت دارد. برهم‌کنش‌های بین گرداب‌های بزرگ و کوچک‌تر، انرژی را به شکل سرعت یا انرژی جنبشی مبادله می‌کنند. این آبشار انرژی نامیده می‌شود و انرژی را به مقیاس‌های مختلفی منتقل می‌کند که تقریباً با اندازه گرداب‌های مختلف مطابقت دارد.
این مشاهدات توسط یک ریاضی‌دان روسی به‌نام آندری کولموگروف در نظریه پدیدارشناختی پیشگامانه‌اش درباره تلاطم رسمیت یافت. این نظریه بسیار تأثیرگذار، یک قانون اساسی مقیاس‌گذاری توان را نشان می‌دهد که مکانیسم‌های اصلی دینامیک سیالات، یعنی آبشار‌های انرژی که سینتیک و اتلاف ویسکوز را متعادل می‌کنند، آشکار می‌کند.
این قانون مقیاس بسیار مهم، مشخصه آشفتگی است و توصیفی ریاضی از مفهوم قبلی ریچاردسون از گرداب‌های آبشاری ارائه می‌دهد. این قانون به‌طور قابل توجهی با مشاهدات لئوناردو مرتبط است که بیان می‌کند انقباض محیط به سمت مرکز گرداب سریع‌تر از کاهش نیروی آب است؛ به همین دلیل است که آب با سرعت بیشتری در نزدیکی مرکز می‌چرخد.
ترمودینامیک ذهن، حکم می‌کند که مغز تا حد امکان باید با دور کردن ما از تعادل، بقای ما را تضمین کند. متأسفانه، مغز نسبتاً کند است و سیگنال‌ها در مقیاس ده‌ها میلی‌ثانیه بین نورون‌ها حرکت می‌کنند، که زمان زیادی برای واکنش به چیز‌های خطرناک در محیط باقی نمی‌گذارد. بنابراین، برای سال‌های متمادی، این‌که چگونه مغز هنوز می‌تواند اطلاعات زیادی را به این سرعت پردازش کند به شکل یک راز باقی مانده است. آشفتگی یک پاسخ کلیدی به این سؤال عمیق است؛ زیرا این اصل راهنمای تبادل انرژی/اطلاعات در تمام سطوح در طبیعت است.
اخیراً، دانشمندان نشان داده‌اند که به اشتراک‌گذاری سریع اطلاعات در کل مغز توسط آبشار‌های اطلاعاتی آشفته امکان‌پذیر می‌شود. علاوه بر این، دانشمندان توانستند نشان دهند که ارکستراسیون مورد نیاز برای بقا در یک محیط پیچیده با آبشار‌های اطلاعاتی آشفته، با استفاده از اتصالات آناتومیکی دوربرد کمیاب امکان‌پذیر است. این سرعت لازم برای انتقال اطلاعات را برای یک فضای کاری جهانی کوچک از مناطق فراهم می‌کند تا به عنوان هادی برای هماهنگ‌سازی آگاهی عمل کنند.
به‌طور کلی، سوال شرودینگر در مورد این‌که چه چیزی باعث زنده ماندن ما می‌شود، می‌تواند به همان اندازه در رابطه با این‌که چگونه مغز اجازه می‌دهد تا درجه بهینه‌ای از اختلاط بین اطلاعات درونی و بیرونی را فراهم کند، مطرح شود. همان‌طور که مشخص است، آشفتگی روش بهینه طبیعت برای اختلاط و انتقال انرژی/اطلاعات در طول زمان و مکان به کارآمدترین روش است. نتایج جدید ارائه شده نشان می‌دهند که مغز به وضوح از تلاطم برای دور ماندن از تعادل و برای بقا استفاده می‌کند.
به این ترتیب، آشفتگی و عدم تعادل ترمودینامیکی دو روی یک سکه هستند که توضیح می‌دهند چگونه مغز توسط محیط به حرکت در می‌آید. این اصول به ما این امکان را می‌دهند که نه تنها زنده بمانیم، بلکه گاهی به رشد نیز بپردازیم. یکی از اهداف اصلی فعلی دانشمندان، استفاده از این چارچوب برای کشف مکانیسم‌های مغزی زیربنایی با مطالعه حالات مغزی مانند مدیتیشن، موسیقی و دارو‌های روان‌گردان است که به عنوان برانگیختن حالت‌های eudaimonia و شکوفایی شناخته شده‌اند.
