Chociaż dużo już dowiedzieliśmy się o metodach nawigacji zwierząt (więcej na ten temat w mojej książce Algorytmy zwierząt1), to nadal niewiele wiemy o tym, w jaki sposób zwierzęta określają swoją lokalizację oraz jak wykorzystują tę informację do nawigacji. Od jakiegoś czasu wiemy jednak, że mózgi ssaków zawierają podstawowe mechanizmy umożliwiające samolokalizację. Za funkcjonowanie tych mechanizmów odpowiadają neurony, które w zależności od pełnionej funkcji zwane są komórkami miejsca, komórkami siatki lub komórkami kierunku głowy2.
Przede wszystkim hipokamp
Sieci neuronowe odpowiadające za samolokalizację u ssaków znajdują się głównie w hipokampie. Zakładamy, że te sieci wspierają zdolność zwierząt do tworzenia map poznawczych. Pierwsze badania ssaków, głównie szczurów i myszy, doprowadziły do zidentyfikowania „statycznych” dwuwymiarowych mechanizmów samolokalizacji. Nowsze badania, przeprowadzone na nietoperzach w trakcie lotu, wykazały, że w tym przypadku samolokalizacja odbywa się w przestrzeni trójwymiarowej. Jeszcze bardziej intrygujące jest to, że w przypadku nietoperzy mechanizm ten można odnieść do kontinuum czasowego, reprezentującego przeszłość, teraźniejszość i przyszłość. Autorzy jednego z badań doszli do wniosku, że „wyniki wskazują na samolokalizację latających nietoperzy, która dotyczy nie tylko kontinuum przestrzeni, ale także czasu, dzięki czemu może ułatwiać odzwierciedlenie zapamiętanych ścieżek”3. Mechanizm ten może być również źródłem map predykcyjnych, używanych w nawigowaniu po trasach lotów.
Otwartą kwestią pozostaje, czy za takie mechanizmy odpowiadają bardziej wiekowe obszary mózgu u różnych zwierząt. W jednym z nowszych badań odkryto mechanizm samolokalizacji u ryb z gatunku danio pręgowany4. Badanie wykazało, że mechanizm ten znajduje się w tyłomózgowiu, czyli w regionie odpowiadającym za skoordynowane ruchy fizyczne (wzorce działania) związane z mechanizmami orientacji, karmienia i ucieczki. Ponadto u danio pręgowanego wykryto specyficzną funkcję, a mianowicie umiejętność zachowania homeostazy pozycyjnej, co jest o tyle trudne, że aby utrzymać stałą pozycję, organizm musi radzić sobie z prądami. Ryby (podobnie jak niektóre inne zwierzęta) są w stanie oszacować prędkość na podstawie przepływu optycznego, czyli szybkości, z jaką widziane obiekty wydają się poruszać. Z matematycznego punktu widzenia położenie można określić, całkując prędkość po czasie.
Analogia do obwodu elektronicznego
Jeden z wniosków z przeprowadzonych badań mówi, że „ryby »całkują« przepływ obrazu w wyobrażenie zmiany jego lokalizacji, uwzględniając niezamierzone zmiany pozycji”5. Badania Ena Yanga zawierają wiele innych znaczących odkryć. Jedno z nich wykazuje na istnienie złożonej, rozproszonej w mózgu sieci neuronowej, co oznacza, że nie ogranicza się ona do niewielkiej liczby najbliższych neuronów. Autorzy opisują ją również jako „obwód” – analogicznie do obwodu elektronicznego. Sieć reprezentuje klasyczny system sterowania inżynieryjnego w zamkniętej pętli, w którym sprzężenie zwrotne wykorzystuje się do regulacji i utrzymywania pozycji. Wykryto także, że ryby mają zdolność zapamiętywania lokalizacji przez 15 do 20 sekund.
Oceniając z perspektywy czasu znaczenie ostatnich odkryć, możemy stwierdzić, że dostarczają one coraz więcej świadectw empirycznych na to, że przemieszczanie się zwierząt i zachowania nawigacyjne wymagają złożonych algorytmów. Niektóre z tych algorytmów obejmują metody wykonywania lub naśladowania obliczeń matematycznych i wydają się obejmować złożone sieci lub obwody neuronowe. Wszystkie te obserwacje wyraźnie świadczą o inżynierskim zaprojektowaniu omawianych zachowań.
Eric Cassell
Oryginał: Intelligent Design in Animal Self-Location and Navigation, „Evolution News & Science Today” 2023, January 18 [dostęp 22 III 2023].
Przekład z języka angielskiego: Marcin Greszata
Źródło zdjęcia: Pixabay
Ostatnia aktualizacja strony: 22.3.2023
Przypisy
- Por. E. Cassell, Algorytmy zwierząt. Ewolucja a tajemnica zadziwiających instynktów, tłum. W. Kokot, „Seria Inteligentny Projekt”, Fundacja En Arche, Warszawa 2023.
- E. Moser, M.B. Moser, B.L. McNaughton, Spatial Representation in the Hippocampal Formation: A History, „Nature Neuroscience” 2017, Vol. 20, s. 1448–1464, https://doi.org/10.1038/nn.4653.
- N.M. Dotson, M.M. Yartsev, Nonlocal Spatiotemporal Representation in the Hippocampus of Freely Flying Bats, „Science” 2021, Vol. 373, No. 6551, s. 242–247, https://doi.org/10.1126/science.abg1278.
- E. Yang et al., A Brainstem Integrator for Self-positional Homeostasis in Zebrafish, „Cell” 2022, Vol. 185, No. 26, s. 5011–5027, https://doi.org/10.1016/j.cell.2022.11.022.
- Tamże, s. 5012.
Literatura:
- Cassell E., Algorytmy zwierząt. Ewolucja a tajemnica zadziwiających instynktów, tłum. Kokot, „Seria Inteligentny Projekt”, Fundacja En Arche, Warszawa 2023.
- Dotson N.M., Yartsev M.M., Nonlocal Spatiotemporal Representation in the Hippocampus of Freely Flying Bats, „Science” 2021, Vol. 373, No. 6551, s. 242–247, https://doi.org/10.1126/science.abg1278.
- Moser E., Moser M.B., McNaughton B.L., Spatial Representation in the Hippocampal Formation: A History, „Nature Neuroscience” 2017, Vol. 20, s. 1448–1464, https://doi.org/10.1038/nn.4653.
- Yang E. et al., A Brainstem Integrator for Self-positional Homeostasis in Zebrafish, „Cell” 2022, Vol. 185, No. 26, s. 5011–5027, https://doi.org/10.1016/j.cell.2022.11.022.