آگاهی و مغز؛ مغز چگونه افکار را رمزگذاری می‌کند؛ استانیسلاس دهانه؛ نظریه پردازی درباره آگاهی

شکل‌دهی به یک اندیشه آگاهانه

Sculpting a Conscious Thought

اکنون تلاش کنید تا تعداد دقیق افکار آگاهانه (conscious thoughts) که می‌توانید در ذهن خود پرورش دهید را ارزیابی کنید: تمامی چهره‌ها، اشیاء، و صحنه‌هایی که می‌شناسید؛ هر گونه سایه‌ای از احساسات (emotions) که تجربه کرده‌اید، از خشم شدید (brutish anger) تا لذت پنهان از بدبختی دیگران (subtle schadenfreude)؛ هر قطعه‌ای از اطلاعات جغرافیایی (geographical)، اطلاعات تاریخی (historical)، دانش ریاضی (mathematical knowledge)، یا حتی گفت‌وگوهای روزمره و شایعات، چه درست و چه نادرست، که تا کنون شنیده‌اید یا خواهید شنید؛ و تلفظ و معنی تمام واژه‌هایی که می‌دانید یا می‌توانید در هر زبان دنیا بیاموزید… آیا این فهرست بی‌پایان نیست؟ با این حال، هر یک از این موارد می‌تواند در دقیقه‌ای بعدی به موضوع افکار آگاهانه (conscious thoughts) شما بدل شود. این همه تنوع و ثروت از حالات چگونه می‌تواند در شبکه فضای کاری نورونی (neuronal workspace) رمزگذاری شود؟ رمز نورونی (neural code) آگاهی چیست و چگونه می‌تواند این مجموعه تقریباً بی‌نهایت از ایده‌ها را پشتیبانی کند؟

گیولیو تونونی (Giulio Tononi)، عصب‌شناس (neuroscientist)، تاکید می‌کند که همین وسعت بی‌پایان مجموعه ایده‌ها (repertoire of ideas) است که رمز نورونی (neural code) افکار آگاهانه (conscious thoughts) را تعیین می‌کند. مشخصه اصلی این رمز نورونی (neural code)، درجه فوق‌العاده‌ای از تفاوت‌پذیری (differentiation) است: ترکیب‌های مختلف نورون‌های فعال و غیر فعال در فضای کاری سراسری نورونی (global neuronal workspace) باید قادر باشند میلیاردها الگوی فعالیت متفاوت را شکل دهند. هر یک از حالات بالقوه آگاهانه (potential conscious mental states) باید به یک وضعیت متمایز از فعالیت نورونی (neuronal activity) نسبت داده شود، به‌طوری که از همه دیگر حالات به‌روشنی جدا باشد. در نتیجه، حالات آگاهانه (conscious states) باید مرزهای کاملاً مشخص و دقیق داشته باشند؛ یعنی یک حالت یا پرنده است، یا هواپیما، یا سوپرمن، اما نمی‌تواند همزمان همه اینها باشد. ذهنی روشن، مملو از افکار بالقوه (potential thoughts)، نیازمند مغزی مملو از حالات بالقوه نورونی (potential neuronal states) بی‌شمار است.

پیش از این، دونالد هب (Donald Hebb) در کتاب خود «ساختمان رفتار (The Organization of Behavior)» در سال ۱۹۴۹، نظریه‌ای آرمانی و آینده‌نگر (visionary theory) درباره چگونگی رمزگذاری افکار (encoding thoughts) توسط مغز ارائه کرده بود. او مفهوم «انجمن‌های سلولی (cell assemblies)» را معرفی کرد؛ یعنی مجموعه‌ای از نورون‌ها (neurons) که توسط سیناپس‌های تحریکی (excitatory synapses) به یکدیگر متصل شده‌اند و بنابراین تمایل دارند حتی پس از پایان هر محرک خارجی، برای مدت طولانی فعال باقی بمانند. او حدس می‌زد: «هر محرک خاص و مکرر (frequently repeated, particular stimulation) به تدریج منجر به شکل‌گیری یک انجمن سلولی (cell assembly) می‌شود؛ ساختاری پراکنده و مرکب از سلول‌ها در قشر مخ (cortex) و دیانسفالون (diencephalon) و احتمالاً در هسته‌های قاعده‌ای مغز (basal ganglia of the cerebrum)، که قادر است برای مدت کوتاهی به‌مثابه یک سیستم بسته (closed system) عمل کند.»

تمامی نورون‌ها (neurons) در یک انجمن سلولی (cell assembly) با ارسال پالس‌های تحریکی (excitatory pulses) یکدیگر را حمایت می‌کنند و در نتیجه، یک «تپه» محدود از فعالیت نورونی (activity) در فضای نورونی (neural space) شکل می‌دهند. از آنجایی که بسیاری از این انجمن‌های محلی (local assemblies) می‌توانند به‌صورت مستقل در نقاط مختلف مغز فعال شوند، حاصل یک رمز ترکیبی (combinatorial code) است که قادر به بازنمایی میلیاردها حالت نورونی (neuronal states) می‌باشد. به‌عنوان مثال، هر شیء دیداری (visual object) می‌تواند از طریق ترکیبی از رنگ (color)، اندازه (size) و قطعات شکل‌ها (fragments of shapes) بازنمایی شود. ثبت فعالیت‌ها در قشر بینایی (visual cortex) از این ایده حمایت می‌کند: به‌طور نمونه، تصویر یک کپسول آتش‌نشانی (fire extinguisher) به‌نظر می‌رسد که توسط ترکیبی از «بسته‌های نورونی (patches of neurons)» فعال رمزگذاری می‌شود، که هر بسته شامل چند صد نورون فعال است و هر یک بخشی خاص از شیء را بازنمایی می‌کند، مانند دسته (handle)، بدنه (body) و شلنگ (hose).

در سال ۱۹۵۹، جان سلفریج (John Selfridge)، پیشگام هوش مصنوعی (artificial intelligence)، استعاره‌ای مفید دیگر با نام «دیوسرا (pandemonium)» را معرفی کرد. او مغز را به‌مثابه یک سلسله‌مراتب (hierarchy) از دیوها (daemons) تصور کرد که هر یک تفسیر احتمالی (tentative interpretation) از تصویر ورودی ارائه می‌دهند. سی سال پژوهش نوروفیزیولوژیک (neurophysiological research)، از جمله کشف ارزشمند سلول‌های بینایی (visual cells) ویژه خطوط، رنگ‌ها، چشم‌ها، چهره‌ها و حتی رئیس‌جمهورهای ایالات متحده و ستارگان هالیوود، حمایت قوی‌ای از این ایده فراهم کرده است. در مدل سلفریج، دیوها تفسیر دلخواه خود (preferred interpretation) را به دیگر دیوها فریاد می‌زنند، متناسب با اینکه تصویر ورودی تا چه حد تفسیر آنها را تأیید می‌کند. این امواج فریاد (waves of shouting) از طریق سلسله‌مراتبی از واحدهای فزاینده انتزاعی (increasingly abstract units) منتقل می‌شوند و به نورون‌ها (neurons) اجازه می‌دهند ویژگی‌های انتزاعی‌تر تصویر را بازنمایی کنند. برای مثال، اگر سه دیو برای حضور چشم، بینی و مو فریاد بزنند، دیوی چهارم که این فریادها را می‌شنود، تحریک شده و رمزگذاری (coding) حضور یک چهره را انجام می‌دهد. یک سامانه تصمیم‌گیری (decision system) با شنیدن پرغوغاترین دیوها، می‌تواند دیدگاهی درباره تصویر ورودی شکل دهد و این فرآیند منجر به ادراک آگاهانه (conscious percept) می‌شود.

در نسخه پیشرفته‌تر مدل دیوسرا (pandemonium model) سلفریج، اصلاحات مهمی اعمال شد. در نسخه اولیه، مدل به‌صورت سلسله‌مراتب یک‌طرفه (strict feed-forward hierarchy) سازماندهی شده بود: دیوها تنها به مافوق‌های سلسله‌مراتبی (hierarchical superiors) خود فریاد می‌زدند و دیوی با مرتبه بالاتر (high-ranking daemon) هیچگاه به دیوهای پایین‌تر یا حتی هم‌رده‌های خود پاسخ نمی‌داد. در واقعیت، سامانه‌های نورونی (neural systems) صرفاً به مافوق‌های خود گزارش نمی‌دهند؛ بلکه گفت‌وگوهای دوطرفه (bidirectional dialogues) نیز دارند. قشر مخ (cortex) سرشار از حلقه‌ها و برون‌افکنش‌های دوطرفه (loops and bidirectional projections) است. حتی نورون‌های منفرد (individual neurons) نیز با یکدیگر گفت‌وگوی دوطرفه دارند: اگر نورون آلفا (neuron α) به نورون بتا (neuron β) پروژه دهد، احتمالاً نورون بتا نیز پاسخی به آلفا بازمی‌فرستد. در هر سطح، نورون‌های هم‌پیوند (interconnected neurons) یکدیگر را حمایت می‌کنند و نورون‌های راس سلسله‌مراتب (top of the hierarchy) می‌توانند با زیردستان (subordinates) خود ارتباط برقرار کنند، بنابراین پیام‌ها هم به سمت پایین و هم به سمت بالا منتقل می‌شوند.

مدل‌سازی ریاضی (mathematical modeling) و شبیه‌سازی عملی (simulation) مدل‌های واقع‌گرایانه پیوندگرا (connectionist models) با تعداد زیادی حلقه (loops) نشان می‌دهد که این سامانه‌ها دارای ویژگی بسیار مفیدی هستند. وقتی یک زیرمجموعه نورونی (subset of neurons) تحریک می‌شود، کل گروه به حالات جذبی (attractor states) خودسازماندهی می‌شود؛ یعنی گروه‌های نورونی الگوهای فعالیت (patterns of activity) قابل بازتولید شکل می‌دهند که برای مدت طولانی پایدار (stable) باقی می‌مانند. همان‌طور که هب (Hebb) پیش‌بینی کرده بود، نورون‌های هم‌پیوند (interconnected neurons) تمایل دارند انجمن‌های سلولی (cell assemblies) پایدار ایجاد کنند.

به‌عنوان یک طرح رمزگذاری (coding scheme)، این شبکه‌های بازگشتی (recurrent networks) مزیت دیگری نیز دارند—آن‌ها اغلب به اجماع (consensus) می‌رسند. در شبکه‌های نورونی (neuronal networks) مجهز به اتصالات بازگشتی (recurrent connections)، بر خلاف دیوهای سلفریج (Selfridge’s daemons)، نورون‌ها صرفاً با هم فریاد نمی‌زنند؛ بلکه به تدریج به یک توافق هوشمندانه (intelligent agreement) و تفسیر واحد و یکپارچه (unified interpretation) از صحنه ادراکی (perceived scene) دست می‌یابند. نورون‌هایی که بیشترین فعال‌سازی (activation) را دریافت می‌کنند، یکدیگر را حمایت کرده و به تدریج هر تفسیر جایگزین (alternative interpretation) دیگر را سرکوب می‌کنند. در نتیجه، بخش‌های گم‌شده تصویر قابل بازیابی و بخش‌های نویزی حذف می‌شوند. پس از چندین تکرار، بازنمایی نورونی (neuronal representation) نسخه‌ای پالایش‌شده (cleaned-up) و تفسیرشده (interpreted) از تصویر ادراکی را رمزگذاری می‌کند. این بازنمایی همچنین به تدریج پایدارتر (more stable)، مقاوم در برابر نویز (resistant to noise)، با انسجام درونی بیشتر (internally coherent) و متمایز از سایر حالات جذبی (attractor states) می‌شود. فرانسیس کریک (Francis Crick) و کریستف کخ (Christof Koch) این شیوه بازنمایی را به‌عنوان یک «ائتلاف نورونی پیروز» (winning neural coalition) توصیف کرده و معتقدند که این بهترین وسیله برای ایجاد بازنمایی‌های آگاهانه (conscious representation) است.

واژه «ائتلاف (coalition)» به جنبه‌ای مهم از کد نورونی آگاهانه (conscious neuronal code) اشاره دارد: این کد می‌بایست به شدت یکپارچه (tightly integrated) باشد. هر یک از لحظات آگاهانه (conscious moments) ما به‌صورت یک قطعه منسجم (single coherent piece) درک می‌شوند. زمانی که به مونالیزای لئوناردو داوینچی (Leonardo da Vinci’s Mona Lisa) می‌اندیشیم، هرگز تصویری تکه‌تکه و نامنسجم، مانند یک اثر پیکاسو (Picasso) با دست‌های جدا، لبخند گربه چشِرشایر و چشم‌های شناور، به ذهن ما خطور نمی‌کند. ما همه این عناصر حسی (sensory elements) و بسیاری دیگر، مانند نام (a name)، معنا (a meaning) و ارتباط با خاطرات نبوغ لئوناردو (connection to memories of Leonardo’s genius) را بازیابی می‌کنیم و به‌گونه‌ای آن‌ها را در یک کل منسجم (coherent whole) می‌بینیم. با این حال، هر یک از این عناصر ابتدا توسط گروه نورونی مستقلی (distinct group of neurons) پردازش می‌شوند که چندین سانتی‌متر از سطح قشر بینایی شکمی (ventral visual cortex) فاصله دارند. سؤال این است که این گروه‌های نورونی چگونه با یکدیگر متصل (attached) می‌شوند و تجربه‌ای یکپارچه ایجاد می‌کنند؟

یک راهکار (solution)، شکل‌گیری یک انجمن عمومی (global assembly) است که به لطف هاب‌های نورونی (hubs) موجود در سکتورهای بالاتر قشر (higher sectors of cortex) ایجاد می‌شود. این هاب‌ها، که آنتونیو داماسیو (Antonio Damasio) آن‌ها را «مناطق همگرایی (convergence zones)» می‌نامد، به‌ویژه در قشر پیش‌پیشانی (prefrontal cortex) و همچنین در بخش‌هایی از لوب گیجگاهی قدامی (anterior temporal lobe)، لوب آهیانه‌ای تحتانی (inferior parietal lobe) و منطقه میانی به نام پیش‌گوه یا پرکونئوس (precuneus) پراکنده‌اند. تمام این هاب‌ها برون‌افکنش‌های متعدد (projections) به نقاط مختلف مغز ارسال و دریافت می‌کنند و به نورون‌ها اجازه می‌دهند اطلاعات را در زمان و فضا (space and time) یکپارچه کنند. از این رو، ماژول‌های حسی متعدد (multiple sensory modules) می‌توانند به یک تفسیر منسجم و واحد (single coherent interpretation) همگرا شوند، مانند «یک زن ایتالیایی جذاب (a seductive Italian woman)». این تفسیر جهانی (global interpretation) می‌تواند به نواحی‌ای بازگردد که سیگنال‌های حسی اولیه از آن‌ها آمده‌اند. خروجی این فرآیند یک کل یکپارچه (integrated whole) است. به‌طور خلاصه، نورون‌هایی با آکسون‌های بلند‌فاصله و نزولی (long-distance top-down axons)، اطلاعات را از قشر پیش‌پیشانی (prefrontal cortex) و شبکه‌های سطح بالای آن به نواحی حسی مرتبه پایین (lower-level sensory areas) بازمی‌فرستند. این انتشار سراسری اطلاعات (global broadcasting) شرایط لازم برای ظهور یک حالت آگاهانه (state of consciousness) را فراهم می‌کند که هم متمایز (differentiated) و هم یکپارچه (integrated) است.

این ارتباط دوطرفه و پایدار (permanent back-and-forth communication) توسط جرالد ادلمن (Gerald Edelman)، برنده جایزه نوبل (Nobel Prize)، «ارتباط بازگشتی (reentry)» نامیده شده است. بر اساس مدل‌های شبکه‌های نورونی (neuronal networks)، این خاصیت بازگشتی، شرایط لازم برای انجام محاسبات پیچیده (sophisticated computation) و استخراج بهترین تفسیر آماری (best possible statistical interpretation) از صحنه دیداری (visual scene) را فراهم می‌کند. هر گروه نورونی مانند یک آماردان خبره (expert statistician) عمل می‌کند و چندین گروه با هم همکاری می‌کنند تا ویژگی‌های ورودی را توضیح دهند. برای مثال، یک کارشناس سایه (shadow expert) تنها در صورتی می‌تواند نواحی تاریک تصویر (dark zone of the image) را توضیح دهد که نور از سمت بالا و چپ بتابد. یک کارشناس نور (lighting expert) با این فرضیه موافقت می‌کند و با استفاده از آن، توضیح می‌دهد چرا بخش‌های بالایی اشیاء روشن هستند. سپس یک کارشناس سوم تصمیم می‌گیرد که وقتی این دو اثر لحاظ شد، باقی‌مانده تصویر شبیه یک چهره (face) است. این تبادلات (exchanges) ادامه می‌یابند تا هر بخش از تصویر یک تفسیر احتمالی (tentative interpretation) دریافت کند و نهایتاً یک بازنمایی یکپارچه و معنادار از تصویر شکل گیرد.

شمایل یک ایده

The Shape of an Idea

انجمن‌های سلولی (Cell Assemblies)، دیوسرا (Pandemonium)، ائتلاف‌های رقیب (Competing Coalitions)، جاذب‌ها (Attractors)، مناطق همگرایی (Convergence Zones) و شبکه‌های بازگشتی (Reentry Circuits) ـ همگی فرضیه‌هایی‌اند که هر یک بخشی از حقیقت را در خود نهفته دارند. نظریه‌ی من درباره‌ی فضای کار سراسری عصبی (Global Neuronal Workspace) نیز به‌طور چشمگیری بر پایه‌ی این دیدگاه‌ها شکل گرفته است. این نظریه بیان می‌کند که یک حالت آگاهانه (Conscious State) به‌وسیله‌ی فعالیت پایدار (Stable Activation) گروهی از نورون‌های فضای کاری، و تنها برای چند دهم ثانیه، رمزگذاری می‌شود. این نورون‌ها در بخش‌های گوناگون مغز پراکنده‌اند و هر یک جنبه‌ای متفاوت از یک بازنمایی ذهنی (Mental Representation) واحد را کدگذاری می‌کنند. برای مثال، آگاهی یافتن از نقاشی مونالیزا یعنی هم‌زمانی و هم‌افزایی فعالیت میلیون‌ها نورون که هر کدام در رمزگذاری اشیاء، قطعه‌های معنایی و حافظه نقش ویژه‌ای بر عهده دارند.

در جریان دسترسی آگاهانه (Conscious Access)، نورون‌های فضای کاری (Workspace Neurons) به لطف آکسون‌های طویل (Long Axons) خود، پیام‌های متقابل را به شکلی گسترده و موازی ردوبدل می‌کنند تا به یک تفسیر منسجم و همزمان (Coherent and Synchronous Interpretation) دست یابند. تکامل کامل ادراک آگاهانه (Conscious Perception) زمانی رخ می‌دهد که این نورون‌ها به همگرایی برسند. در این فرآیند، انجمن سلولی (Cell Assembly) که مسئول رمزگذاری این محتوای آگاهانه است، در سراسر مغز پراکنده می‌شود؛ به‌گونه‌ای که هر قطعه از اطلاعات مرتبط، که عصاره‌اش در یک ناحیه‌ی مشخص از مغز پردازش شده، در نهایت به‌صورت هماهنگ و یکپارچه درمی‌آید. این انسجام به‌شیوه‌ای بالا به پایین (Top-Down) و به‌واسطه‌ی نقش نورون‌هایی با آکسون‌های دوربرد تضمین می‌شود، چرا که آنها تمامی این اجزای پراکنده را در یک ضرب‌آهنگ مشترک نگه می‌دارند.

همزمانی نورونی (Neuronal Synchrony) احتمالاً یکی از مؤلفه‌های کلیدی آگاهی است. شواهد فزاینده نشان می‌دهد که نورون‌های دوردست با اسپایک‌های همزمان (Synchronized Spikes) خود، و از طریق هماهنگی با نوسانات الکتریکی پس‌زمینه (Background Electrical Oscillations)، قادرند انجمن‌های سلولی غول‌پیکر (Giant Cell Assemblies) تشکیل دهند. اگر این چشم‌انداز درست باشد، شبکه عصبی مغز (Brain Web) که هر یک از افکار ما را رمزگذاری می‌کند، همانند گروهی از کرم‌های شب‌تاب (Fireflies) خواهد بود که تخلیه‌های نورانی‌شان را بر اساس ریتم کلی (Overall Rhythm) الگوی جمعی هماهنگ می‌کنند. در غیاب آگاهی نیز ممکن است برخی انجمن‌های سلولی (Cell Assemblies) با اندازه‌ای متوسط، به صورت محلی همگام شوند؛ برای نمونه هنگامی که ما به‌طور ناخودآگاه معنای یک واژه را در شبکه‌های زبانی (Language Networks) واقع در لوب گیجگاهی چپ (Left Temporal Lobe) رمزگذاری می‌کنیم. با این حال، چون قشر پیش‌پیشانی (Prefrontal Cortex) در این وضعیت به پیام مربوطه دسترسی نمی‌یابد، آن معنا نمی‌تواند در سطح گسترده به اشتراک گذاشته شود و بنابراین همچنان در سطح ناخودآگاه (Unconscious) باقی می‌ماند.

اجازه دهید بار دیگر تصویری ذهنی از کُد نورونی آگاهی (Neuronal Code for Consciousness) ترسیم کنیم. شانزده میلیارد نورون‌های قشری (Cortical Neurons) در قشر مخ (Cortex) خود را تصور کنید؛ هر یک از آنها به دامنه‌ای محدود از محرک‌ها پاسخ‌گوست. تنوع عملکردی این نورون‌ها شگفت‌انگیز است. تنها در قشر بینایی (Visual Cortex) می‌توان نورون‌هایی یافت که به چهره‌ها، دست‌ها، اشیاء، پرسپکتیو، شکل‌ها، خطوط، منحنی‌ها، رنگ‌ها و حتی عمق سه‌بعدی حساس‌اند. هر سلول تنها چند بیت اطلاعاتی (Bits of Information) از صحنه ادراکی را منتقل می‌کند، اما در کنار هم توانایی بازنمایی طیف وسیعی از افکار را به دست می‌آورند. بر اساس مدل فضای کار سراسری (Global Workspace Model)، در هر لحظه از این مجموعه‌ی عظیم و بالقوه، تنها یک ابژه‌ی تفکر (Object of Thought) برگزیده می‌شود و در کانون آگاهی (Consciousness) قرار می‌گیرد. در این لحظه، تمامی نورون‌های مرتبط به شکلی نیمه‌همزمان (Partial Synchrony) فعال می‌شوند و این همزمانی تحت هدایت بخشی از نورون‌های قشر پیش‌پیشانی (Prefrontal Cortex) سازمان‌دهی و هدایت می‌شود.

شایان ذکر است که در این نوع طرح رمزگذاری نورونی (Neuronal Coding Scheme)، نورون‌های ساکت (Silent Neurons) که شلیک نمی‌کنند نیز حامل اطلاعات‌اند. این سکوت آنها به‌صورت ضمنی (Implicitly) به دیگر نورون‌ها پیام می‌دهد که ویژگی مورد علاقه‌شان در محرک فعلی حضور ندارد یا برای صحنه ذهنی (Mental Scene) کنونی اهمیت ندارد. بنابراین، یک محتوای آگاهانه (Conscious Content) نه تنها توسط نورون‌های فعال، بلکه به همان اندازه توسط نورون‌های ساکت نیز تعریف و شکل می‌گیرد.

در تحلیل نهایی، ادراک آگاهانه (Conscious Perception) را می‌توان به پیکرتراشی یک مجسمه (Sculpting of a Statue) تشبیه کرد. هنرمند کار خود را با یک بلوک خام سنگ مرمر (Raw Block of Marble) آغاز می‌کند و با تراشیدن بخش عمده‌ای از آن، به تدریج دیدگاه و تصور ذهنی خود (Vision) را آشکار می‌سازد. به همان ترتیب، مغز ما با صدها میلیون نورون فضای کاری (Workspace Neurons) سروکار دارد که در ابتدا غیرمتعهد (Uncommitted) و با نرخ پایه‌ای شلیک (Baseline Firing Rate) فعالیت می‌کنند. ادراک جهان برای ما تنها زمانی ممکن می‌شود که اکثر این نورون‌ها ساکت (Silenced) شوند و تنها کسری کوچک (Small Fraction) از آنها فعال بمانند. این مجموعه نورون‌های فعال به‌طور واقعی مرزهای یک تفکر آگاهانه (Contours of a Conscious Thought) را شکل می‌دهد.

منظره نورون‌های فعال و غیرفعال (Landscape of Active and Inactive Neurons) می‌تواند دومین نشانه آگاهی (Signature of Consciousness) را توضیح دهد: همان موج P3 (P3 Wave) که در فصل ۴ به آن اشاره شد، یک ولتاژ مثبت بزرگ که در بالای پوست سر (Scalp) به اوج می‌رسد. در جریان ادراک آگاهانه (Conscious Perception)، یک زیرمجموعه کوچک (Small Subset) از نورون‌های فضای کاری (Workspace Neurons) فعال می‌شوند و محتوای فعلی افکار ما را تعیین می‌کنند، در حالی که بقیه مهار (Inhibited) می‌شوند. نورون‌های فعال پیام خود را با ارسال اسپایک‌ها (Spikes) از طریق آکسون‌های طویل (Long Axons) به سراسر قشر مخ (Cortex) منتشر می‌کنند. با این حال، در بیشتر نواحی، این سیگنال‌ها به نورون‌های مهاری (Inhibitory Neurons) برخورد می‌کنند که مانند یک خفه‌کننده (Silencer) عمل می‌کنند و گروه‌های بزرگی از نورون‌ها را ساکت نگاه می‌دارند: «لطفاً سکوتتان را حفظ کنید؛ ویژگی‌های شما در حال حاضر نامرتبط است. بنابراین، یک ایده آگاهانه (Conscious Idea) توسط بسته‌های کوچک نورونی فعال و همزمان (Small Patches of Active and Synchronized Cells) و همچنین یک تاج عظیم نورون‌های مهاری (Massive Crown of Inhibited Neurons) رمزگذاری می‌شود.

طرح هندسی نورون‌ها (Geometrical Layout of the Cells) چنین است که در نورون‌های فعال (Active Neurons)، جریان سیناپسی (Synaptic Currents) از دندریت‌های سطحی (Superficial Dendrites) به سوی جسم سلولی (Cell Body) حرکت می‌کند. از آنجا که این نورون‌ها با یکدیگر موازی (Parallel) هستند، جریان‌های الکتریکی‌شان جمع می‌شود و در سطح سر، در نواحی مرتبط با ادراک آگاهانه (Conscious Stimulus) یک موج منفی آهسته (Slow Negative Wave) ایجاد می‌کند. با این حال، نورون‌های مهاری (Inhibited Neurons) در این منظره غالب هستند و فعالیت جمعی آنها موجب شکل‌گیری پتانسیل الکتریکی مثبت (Positive Electrical Potential) می‌شود. از آنجایی که تعداد نورون‌های مهاری از نورون‌های فعال بیشتر است، این ولتاژهای مثبت در نهایت موج بزرگی روی سر ایجاد می‌کنند—همان موج P3 (P3 Wave) که هر بار دسترسی آگاهانه (Conscious Access) رخ می‌دهد، به‌راحتی قابل شناسایی است. به این ترتیب، دومین نشانه آگاهی (Signature of Consciousness) را توضیح داده‌ایم.

این نظریه به‌راحتی توضیح می‌دهد که چرا موج P3 (P3 Wave) این‌قدر قوی (Strong)، عمومی (Generic) و قابل تکرار (Reproducible) است: در واقع، این موج عمدتاً نشان می‌دهد که تفکر آگاهانه (Conscious Thought) در حال حاضر درباره چه چیزهایی نیست. محتویات آگاهی نه توسط مثبت‌گرایی پراکنده (Diffuse Positivity)، بلکه توسط منفی‌های متمرکز (Focal Negativities) تعریف می‌شوند. در تأیید این ایده، ادوارد وگل (Edward Vogel) و همکارانش در دانشگاه اورگان (University of Oregon) شواهد زیبایی از ولتاژهای منفی (Negative Voltages) در قشر آهیانه‌ای (Parietal Cortex) ارائه کرده‌اند که بازنمایی محتوای حافظه کاری (Working Memory) ما برای الگوهای فضایی را دنبال می‌کند. هرگاه یک آرایه از اشیاء (Array of Objects) را در حافظه نگه می‌داریم، ولتاژهای منفی دقیقاً تعداد و مکان آن اشیاء را نشان می‌دهند. این ولتاژها تا زمانی که اشیاء در ذهن باقی می‌مانند پایدارند؛ با افزودن اشیاء به حافظه قوی‌تر می‌شوند، هنگام رسیدن به ظرفیت حافظه اشباع می‌شوند، با فراموشی فرو می‌ریزند و در نهایت به‌طور دقیق تعداد آیتم‌های موجود در حافظه را بازنمایی می‌کنند. مطالعات ادوارد وگل نشان می‌دهد که ولتاژهای منفی مستقیماً بازنمایی آگاهانه (Conscious Representation) را ترسیم می‌کنند—دقیقا همان‌گونه که نظریه ما (Our Theory) پیش‌بینی کرده است.

شبیه سازی اشتعال آگاهانه

Simulating a Conscious Ignition

علمی که در جستجوی حقیقت (Reality) است، دیگر تنها به روش پدیدارشناسانه (Phenomenological How) قانع نیست؛ آنچه اکنون می‌جوید، روش ریاضی (Mathematical How) است که بتواند واقعیت را با دقت و انسجام تحلیل کند. 

گاستون باشلار (Gaston Bachelard)، شکل‌گیری ذهن علمی (The Formation of the Scientific Mind) (۱۹۳۸)

دسترسی آگاهانه (Conscious Access) با پیکرتراشی (Sculpting) الگوهایی از نورون‌های فعال و غیر فعال (Active and Inactive Neurons) در شبکه فضای کاری جهانی (Global Workspace Network)، افکار را در ذهن ما حک می‌کند. هرچند این تصویر استعاری می‌تواند درک شهودی (Intuitive Understanding) ما از چیستی آگاهی (Consciousness) را تقویت کند، اما در نهایت باید با نظریه ریاضی پیشرفته (Sophisticated Mathematical Theory) از چگونگی عملکرد شبکه‌های نورونی (Neural Networks) و چرایی تولید نشانه‌های نوروفیزیولوژیک (Neurophysiological Signatures) قابل مشاهده در ثبت‌های ماکروسکوپی (Macroscopic Recordings) جایگزین شود. در راستای این تلاش، ژان پیر شانژو (Jean-Pierre Changeux) و من شروع به توسعه شبیه‌سازی‌های کامپیوتری (Computer Simulations) از شبکه‌های نورونی (Neural Networks) کرده‌ایم تا برخی از ویژگی‌های بنیادی دسترسی آگاهانه (Conscious Access) را بازتاب دهند.

هدف اولیه ما بررسی این بود که نورون‌ها (Neurons) چگونه رفتار می‌کنند زمانی که بر اساس اصول نظریه فضای کار سراسری (Global Workspace Theory) به یکدیگر متصل شوند (شکل ۲۷). برای بازسازی پویایی‌ها (Dynamics) یک ائتلاف کوچک از نورون‌ها (Small Coalition of Neurons) در کامپیوتر، کار را با نورون‌های یکپارچه و شلیک‌کننده (Integrate-and-Fire Neurons) آغاز کردیم؛ معادلات ساده‌ای که شلیک (Spiking) سلول‌های عصبی (Nerve Cells) را تقلید می‌کردند. هر نورون دارای سیناپس‌های واقعی (Realistic Synapses) بود و پارامترهایی داشت که چندین نوع اصلی گیرنده‌ها (Receptors) برای نوروترانسمیترها (Neurotransmitters) در مغز زنده (Living Brain) را شبیه‌سازی می‌کرد.

شکل ۲۷. یک شبیه‌سازی کامپیوتری (Computer Simulation)، نشانه‌های ادراک ناخودآگاه و آگاهانه (Signatures of Unconscious and Conscious Perception) را تقلید می‌کند. ژان پیر شانژو (Jean-Pierre Changeux) و من در کامپیوتر بخشی از مناطق بصری، پاریتال و پیش‌پیشانی (Visual, Parietal, and Prefrontal Areas) را شبیه‌سازی کردیم که در پردازش زیرآستانه‌ای و آگاهانه (Subliminal and Conscious Processing) نقش دارند (بالا). چهار منطقه سلسله‌مراتبی (Hierarchical Regions) از طریق ارتباطات پیش‌خوران و پس‌خوران راه دور (Feed-Forward and Long-Distance Feedback Connections) به یکدیگر متصل شدند (وسط). هر منطقه شبیه‌سازی‌شده (Simulated Area) شامل سلول‌های قشری (Cortical Cells) بود که در لایه‌هایی (Layers) سازماندهی شده و به نورون‌های تالاموس (Neurons in the Thalamus) متصل بودند. زمانی که شبکه با یک ورودی کوتاه (Brief Input) تحریک شد، فعال‌سازی (Activation) از پایین به بالا گسترش یافت و سپس خاموش شد، که فعال‌سازی کوتاه مسیرهای قشری (Brief Activation of Cortical Pathways) در ادراک زیرآستانه‌ای (Subliminal Perception) را بازتاب می‌داد. یک محرک کمی طولانی‌تر (Slightly Longer Stimulus) منجر به اشتعال سراسری (Global Ignition) شد: ارتباطات بالا به پایین (Top-Down Connections) ورودی را تقویت کرده و موج دوم فعال‌سازی پایدار (Long-Lasting Activation) ایجاد کرد، که فعال‌سازی‌های مشاهده‌شده در ادراک آگاهانه (Activations Observed During Conscious Perception) را به تصویر می‌کشید.

ما سپس این نورون‌های مجازی (Virtual Neurons) را به ستون‌های قشری (Cortical Columns) متصل کردیم تا تقسیم‌بندی قشر به لایه‌های سلولی متصل به هم (Subdivision of the Cortex into Interconnected Layers of Cells) را شبیه‌سازی کنیم. مفهوم «ستون نورونی» (Neuronal Column) از این واقعیت ناشی می‌شود که نورون‌هایی که روی یکدیگر و عمود بر سطح قشر (Cortex) قرار دارند، معمولاً به شدت به یکدیگر پیوند دارند (Tightly Interconnected)، پاسخ‌های مشابهی ارائه می‌دهند و از تقسیمات یک سلول بنیان‌گذار واحد (Divisions of the Same Founder Cell) در طول توسعه منشأ می‌گیرند. مدل ما این چیدمان زیستی (Biological Arrangement) را رعایت کرده است: نورون‌های موجود در ستون‌های شبیه‌سازی‌شده (Simulated Columns) تمایل دارند از یکدیگر حمایت کنند و به ورودی‌های مشابه (Similar Inputs) پاسخ دهند.

ما همچنین یک تالاموس کوچک (Small Thalamus) در مدل تعبیه کردیم؛ ساختاری شامل هسته‌های متعدد (Multiple Nuclei) که هر کدام به شدت با بخشی از قشر (Cortex) یا با آرایه وسیعی از مکان‌های قشری (Broad Array of Cortical Locations) مرتبط بودند. این شبکه را با قدرت‌های اتصال واقعی (Realistic Connection Strengths) و تأخیرهای زمانی (Timing Delays) پیکربندی کردیم، به‌گونه‌ای که فاصله‌ای که اسپایک‌ها باید در طول آکسون‌ها طی کنند (Distances that the Spikes Had to Travel along the Axons) نیز لحاظ شده بود. نتیجه این کار، مدلی تقریبی از اصلی‌ترین واحد محاسباتی مغز پستانداران عالی (Basic Computational Unit in the Primate Brain) شد: ستون تالامو-کورتیکال (Thalamocortical Column). ما اطمینان حاصل کردیم که این مدل به شیوه‌ای واقع‌گرایانه (Realistic Manner) عمل کند؛ حتی در غیاب ورودی‌ها (Inputs)، نورون‌های مجازی (Virtual Neurons) به طور خودبه‌خود شلیک می‌کردند و الکتروانسفالوگرام (Electroencephalogram) تولید می‌کردند که شباهت قابل توجهی با آنچه در قشر انسانی (Human Cortex) مشاهده می‌شود داشت.

سرانجام، زمانی که مدل مناسبی از ستون تالامو-کورتیکال (Thalamocortical Column) به دست آوردیم، چند نمونه از آنها را به شبکه‌های عملکردی دوردست مغز (Functional Long-Distance Brain Networks) متصل کردیم. در واقع، سلسله‌مراتبی از چهار ناحیه مغز (Hierarchy of Four Brain Areas) را شبیه‌سازی کردیم و فرض کردیم که هر ناحیه شامل دو ستون (Columns) است که یکی برای رمزگذاری یک صدا (Coding for a Sound) و دیگری برای رمزگذاری یک نور (Coding for a Light) اختصاص دارد. شبکه مجازی ما تنها قادر بود بین دو ادراک (Perceptions) تمایز قائل شود؛ ساده‌سازی قابل توجهی که متأسفانه برای قابل مدیریت کردن شبیه‌سازی (Simulation Tractable) لازم بود. ما به سادگی فرض کردیم که اگر مجموعه بزرگ‌تری از حالات (States) لحاظ شود، ویژگی‌های فیزیولوژیک (Physiological Properties) تغییر عمده‌ای نخواهند کرد.

در محیط پیرامونی (Periphery)، ادراکات (Perception) به‌صورت موازی (In Parallel) عمل می‌کردند؛ نورون‌هایی که برای صدا (Sound) و نور (Light) کدگذاری شده بودند، می‌توانستند هم‌زمان و بدون تداخل (Interference) فعال شوند. با این حال، در سطوح بالاتر سلسله‌مراتب قشری (Higher Levels of the Cortical Hierarchy)، این نورون‌ها به‌طور فعال یکدیگر را مهار (Inhibit) می‌کردند، به‌طوری که این مناطق تنها قادر بودند یک حالت شلیک نورونی یکپارچه (Single Integrated State of Neural Firing) را تجربه کنند—یک تفکر واحد (Single Thought).

همانند آنچه در مغز واقعی رخ می‌دهد، ناحیه‌های قشری (Cortical Areas) به‌صورت سریالی (Serial) و در یک الگوی پیش‌خوران (Feed-Forward) بر یکدیگر پیش‌افکنی (Projection) داشتند. در این فرایند، ناحیه اولیه ابتدا ورودی‌های حسی (Sensory Inputs) را دریافت کرده و سپس پتانسیل‌های عمل یا اسپایک‌های خود (Spikes) را به ناحیه ثانویه ارسال می‌کرد. این ناحیه ثانویه نیز به‌نوبه خود به ناحیه سوم و پس از آن به ناحیه چهارم پیش‌افکنی می‌نمود. نکته اساسی این بود که بازخوردهای دوربرد (Long-Distance Feedback Projections) شبکه را دوباره به‌سوی خودش بازمی‌گرداندند؛ بدین معنا که نواحی سطح بالاتر قادر بودند سیگنال‌های تحریکی (Excitatory Support) را به همان نواحی حسی اولیه‌ای بفرستند که در آغاز آن‌ها را تحریک کرده بودند. برآیند این سازمان‌دهی، شکل‌گیری یک فضای کاری سراسری ساده‌شده (Simplified Global Workspace) بود؛ سامانه‌ای پیچیده که از درهم‌تنیدگی اتصالات پیش‌خوران و پس‌خوران تشکیل می‌شد و چندین مقیاس تودرتو شامل نورون‌ها (Neurons)، ستون‌های قشری (Columns)، ناحیه‌ها (Areas) و ارتباطات دوربرد میان آن‌ها (Long-Distance Connections) را در بر می‌گرفت.

پس از ساعت‌ها برنامه‌نویسی رایانه‌ای (Computer Programming)، لذت‌بخش بود که سرانجام شبیه‌سازی را فعال کنیم و ببینیم چگونه نورون‌های مجازی (Virtual Neurons) روشن می‌شوند. برای بازآفرینی فرایند ادراک (Perception)، ما جریان ضعیفی از الکتریسیته را به نورون‌های تالاموسی بینایی (Visual Thalamic Neurons) تزریق کردیم؛ بدین‌وسیله، به شکلی ساده و تقریبی شبیه‌سازی شد که چگونه گیرنده‌های نوری شبکیه (Retinal Light Receptors) با تحریک فعال می‌شوند و پس از پردازش اولیه شبکیه‌ای (Retinal Preprocessing)، نورون‌های رله‌کننده (Relay Neurons) را در بخشی از تالاموس به نام جسم زانویی جانبی (Lateral Geniculate Body, LGN) فعال می‌سازند. سپس اجازه دادیم شبیه‌سازی بر اساس معادلات خود ادامه یابد. همان‌طور که انتظار می‌رفت، اگرچه این مدل به‌طور چشمگیری ساده‌سازی شده بود، اما توانست بسیاری از ویژگی‌های فیزیولوژیک (Physiological Properties) مشاهده‌شده در آزمایش‌های واقعی (Real Experiments) را بازنمایی کند؛ ویژگی‌هایی که منشأ آن‌ها اکنون در قالب این مدل شبیه‌سازی‌شده به‌طور مستقیم در دسترس مطالعه و بررسی قرار گرفته بود.

نخستین ویژگی از این دست، پدیده اشتعال سراسری (Global Ignition) بود. زمانی که یک پالس تحریکی (Stimulation Pulse) ارائه می‌کردیم، فعالیت عصبی به‌آرامی در یک نظم ثابت در طول سلسله‌مراتب قشری (Cortical Hierarchy) صعود می‌کرد؛ ابتدا در ناحیه اولیه (Primary Area) آغاز می‌شد، سپس به ناحیه دوم و پس از آن به ناحیه سوم و چهارم می‌رسید. این موج پیش‌خوران (Feed-Forward Wave) تقلیدی از انتقال شناخته‌شده‌ی فعالیت نورونی (Neural Activity) در سراسر سلسله‌مراتب ناحیه‌های بینایی (Visual Areas) بود. پس از مدتی کوتاه، کل مجموعه ستون‌های قشری (Cortical Columns) که وظیفه رمزگذاری شیء ادراکی (Coding for the Perceived Object) را بر عهده داشتند، شروع به اشتعال کردند. در نتیجه‌ی وجود اتصالات بازخوردی گسترده (Massive Feedback Connections)، نورون‌های رمزگذار همان ورودی ادراکی (Neurons Coding for the Same Perceptual Input) سیگنال‌های تحریکی متقابلاً تقویت‌کننده (Mutually Reinforcing Excitatory Signals) را با یکدیگر مبادله کرده و این امر به انفجار ناگهانی فعالیت (Sudden Ignition of Activity) منجر می‌شد. به موازات این فرایند، ادراک جایگزین (Alternate Percept) به‌طور فعالانه مهار (Inhibited) می‌شد. این فعال‌سازی پایدار (Sustained Activation) صدها میلی‌ثانیه (Milliseconds) به طول می‌انجامید، و مدت آن اساساً وابسته به طول محرک اولیه نبود؛ به‌طوری‌که حتی یک پالس بسیار کوتاه خارجی می‌توانست منجر به شکل‌گیری یک حالت بازتابی ماندگار (Sustained Reverberating State) شود. این آزمایش‌ها جوهره‌ی آنچه را که در مغز هنگام بازنمایی پایدار یک تصویر لحظه‌ای (Long-Lasting Representation of a Flashed Picture) و حفظ برخط آن (Maintaining it Online) رخ می‌دهد، به‌خوبی آشکار ساختند.

پویایی‌های مدل (Model’s Dynamics) ویژگی‌هایی را بازتولید کردند که پیش‌تر در ثبت‌های الکتروانسفالوگرافی (Electroencephalographic Recordings, EEG) و ثبت‌های درون‌جمجمه‌ای (Intracranial Recordings) مشاهده کرده بودیم. بیشتر نورون‌های شبیه‌سازی‌شده (Simulated Neurons) افزایش ناگهانی و تأخیری در مجموع جریان‌های سیناپسی دریافتی (Synaptic Currents) را نشان دادند. تحریک عصبی (Excitation) در مسیر پیش‌خوران پیش می‌رفت، اما هم‌زمان به ناحیه‌های حسی اولیه (Original Sensory Areas) که در آغاز فعال شده بودند نیز بازمی‌گشت؛ فرآیندی که بازتابی از تقویت دیرهنگام نواحی حسی (Late Amplification in Sensory Areas) در جریان دستیابی آگاهانه (Conscious Access) بود. در شبیه‌سازی، حالت اشتعال عصبی (Ignited State) به شکل‌گیری پژواک فعالیت نورونی (Reverberation of Neuronal Activity) در میان حلقه‌های تودرتوی مدل منجر شد: هم درون یک ستون قشری (Cortical Column)، هم میان قشر مغز و تالاموس (Cortex–Thalamus Loops) و هم در فواصل دوردست در سراسر قشر مخ (Cortex). برآیند شبکه، افزایش نوسان‌های نوسانی (Oscillatory Fluctuations) در یک طیف گسترده‌ی فرکانسی بود که در آن، یک قله برجسته در باند گاما (Gamma Range, 30 Hz and Above) به چشم می‌خورد. در لحظه اشتعال سراسری (Global Ignition)، اسپایک‌های نورونی (Neuronal Spikes) در میان نورون‌هایی که بازنمایی آگاهانه را رمزگذاری می‌کردند، به‌طور چشمگیری همبسته و همزمان (Coupled and Synchronized) شدند. به‌طور خلاصه، این شبیه‌سازی رایانه‌ای (Computer Simulation) چهار نشانگر تجربی دسترسی آگاهانه (Empirical Signatures of Conscious Access) را با دقت و شفافیت بازآفرینی کرد.

با شبیه‌سازی این فرایند، ما به بینش‌های ریاضی تازه‌ای (Novel Mathematical Insights) دست یافتیم. مشخص شد که دسترسی آگاهانه (Conscious Access) همانند چیزی است که فیزیکدانان نظری (Theoretical Physicists) آن را انتقال فازی (Phase Transition) می‌نامند؛ یعنی دگرگونی ناگهانی یک سامانه فیزیکی (Physical System) از یک حالت به حالت دیگر. چنان‌که در فصل چهارم (Chapter 4) توضیح داده بودم، نمونه‌ای از انتقال فازی هنگامی رخ می‌دهد که آب (Water) به یخ (Ice) تبدیل می‌شود: مولکول‌های H₂O ناگهان در یک ساختار سخت و منسجم آرایش می‌یابند و ویژگی‌های نوخاسته (Emergent Features) تازه‌ای ظاهر می‌شوند. در چنین انتقالی، ویژگی‌های فیزیکی سامانه (Physical Properties of the System) اغلب به‌طور ناگهانی و ناپیوسته تغییر می‌کنند. به همین قیاس، در شبیه‌سازی‌های رایانه‌ای (Computer Simulations) ما نیز، فعالیت اسپایکی نورون‌ها (Neuronal Spiking Activity) ناگهان از یک حالت پایدار با فعالیت خودبخودی اندک (Low Spontaneous Activity) به یک بازه‌ی موقتی از فعالیت اسپایکی بالا (Elevated Spiking) و مبادلات همزمان و هماهنگ‌شده (Synchronized Exchanges) جهش می‌کرد.

توضیح علت ناپیوستگی تقریبی انتقال فازی (Nearly Discontinuous Phase Transition) کار دشواری نیست. از آنجا که نورون‌های مرتبه بالاتر (Higher-Level Neurons) همان واحدهایی (Units) را که در ابتدا فعال‌شان کرده بودند دوباره تحریک می‌کردند، سامانه دارای دو حالت پایدار (Two Stable States) بود که توسط یک مرز یا خط‌الرّج ناپایدار (Unstable Ridge) از یکدیگر جدا می‌شدند. در شبیه‌سازی، یا سیستم در سطحی از فعالیت اندک (Low-Level Activity) باقی می‌ماند، و یا به‌محض اینکه ورودی (Input) از یک مقدار آستانه‌ای بحرانی (Critical Threshold) فراتر می‌رفت، به یک بهمن خودتقویت‌شونده (Avalanche of Self-Amplification) بدل می‌شد و ناگهان یک زیرمجموعه از نورون‌ها (Subset of Neurons) به شلیک‌های شدید و مکرر (Frantic Firing) فرو می‌رفتند. از این‌رو، سرنوشت یک محرک با شدت متوسط (Stimulus of Intermediate Intensity) اساساً غیرقابل پیش‌بینی بود: یا فعالیت به‌سرعت خاموش می‌شد، یا به‌طور ناگهانی به سطوح بالای شلیک نورونی (High-Level Neural Firing) جهش می‌کرد.

این جنبه از شبیه‌سازی (Simulation) ما به‌خوبی با مفهومی دیرینه در روان‌شناسی همخوان است؛ مفهومی که بیش از ۱۵۰ سال پیش مطرح شد و بیان می‌کند که آگاهی (Consciousness) دارای یک آستانه مشخص (Threshold) است که به‌طور روشن فرآیندهای ناآگاهانه (Unconscious / Subliminal) را از فرآیندهای آگاهانه (Conscious / Supraliminal) متمایز می‌سازد. در واقع، پردازش ناآگاهانه (Unconscious Processing) با فعالیت نورونی (Neuronal Activation)‌ای متناظر است که از یک ناحیه به ناحیه دیگر گسترش می‌یابد، اما هرگز به یک اشتعال سراسری (Global Ignition) منجر نمی‌شود. در مقابل، دسترسی آگاهانه (Conscious Access) با انتقال ناگهانی (Sudden Transition) به سوی یک حالت بالاتر از فعالیت همزمان و هماهنگ‌شده مغزی (Synchronized Brain Activity) مطابقت دارد.

با این حال، مغز (Brain) بسیار پیچیده‌تر از یک گلوله برفی (Snowball) عمل می‌کند. دستیابی به یک نظریه کامل درباره‌ی انتقال‌های فازی (Phase Transitions) که واقعاً در دینامیک شبکه‌های واقعی نورونی (Neural Networks) رخ می‌دهند، هنوز به سال‌ها پژوهش نیاز دارد. در حقیقت، شبیه‌سازی‌های (Simulations) ما از پیش شامل دو انتقال فازی تو در تو (Nested Phase Transitions) بودند. یکی از آنها همان بود که پیش‌تر توضیح دادم و به اشتعال سراسری (Global Ignition) مربوط می‌شد. اما خودِ آستانه این اشتعال تحت کنترل انتقال فازی دیگری بود که با نوعی «بیدار شدن» کل شبکه (Network Awakening) مطابقت داشت. در مدل ما، هر نورون هرمی (Pyramidal Neuron) در قشر (Cortex) شبیه‌سازی‌شده، یک سیگنال هشیاری (Vigilance Signal) را دریافت می‌کرد؛ این سیگنال به صورت مقدار اندکی جریان تعریف شده بود که در شکل بسیار ساده‌شده، اثرات فعال‌کننده‌ی شناخته‌شده‌ی استیل‌کولین (Acetylcholine)، نورآدرنالین (Noradrenaline) و سروتونین (Serotonin) را بازنمایی می‌کرد؛ انتقال‌دهنده‌های عصبی‌ای که از هسته‌های ساقه مغز (Brainstem Nuclei)، پیش‌مغز قاعده‌ای (Basal Forebrain) و هیپوتالاموس (Hypothalamus) به قشر صعود کرده و آن را به‌اصطلاح «روشن می‌سازند». بدین ترتیب، مدل ما توانست تغییرات در حالت‌های آگاهی (States of Consciousness) ــ یعنی گذار از حالت ناآگاه به آگاه ــ را به‌خوبی بازسازی کند.

وقتی سیگنال هشیاری (Vigilance Signal) در سطح پایینی قرار داشت، فعالیت خودانگیخته نورونی (Spontaneous Neuronal Activity) به شدت کاهش می‌یافت و ویژگی اشتعال (Ignition Property) تقریباً از میان می‌رفت. در چنین شرایطی، حتی یک ورودی حسی قوی (Strong Sensory Input)، هرچند موجب فعال‌سازی نورون‌های تالاموسی (Thalamic Neurons) و نورون‌های قشری (Cortical Neurons) در نواحی اولیه و ثانویه می‌شد، به‌سرعت خاموش شده و از عبور از آستانه برای اشتعال سراسری (Global Ignition Threshold) بازمی‌ماند. در این وضعیت، شبکه ما رفتاری مشابه یک مغز خواب‌آلود یا بیهوش (Sleepy or Anesthetized Brain) از خود نشان می‌داد. به این معنا که گرچه نسبت به محرک‌ها واکنش نشان می‌داد، این واکنش محدود به نواحی حسی محیطی (Peripheral Sensory Areas) باقی می‌ماند و فعال‌سازی معمولاً نمی‌توانست تا نواحی فضای کار (Workspace Areas) پیشروی کند تا یک انجمن سلولی کامل (Full-blown Cell Assembly) را به‌وجود آورد. با این حال، هرچه پارامتر هشیاری (Vigilance Parameter) افزایش می‌یافت، یک الکتروانسفالوگرام (Electroencephalogram; EEG) ساخت‌یافته در مدل پدیدار می‌شد و توانایی اشتعال توسط محرک خارجی (External Stimulus Ignition) ناگهان بازیابی می‌گردید. آستانه این اشتعال بسته به میزان خواب‌آلودگی (Drowsiness) مدل تغییر می‌کرد و به‌روشنی نشان می‌داد که افزایش سطح هشیاری احتمال تشخیص ورودی‌های حسی ضعیف (Detection of Faint Sensory Inputs) را نیز بالا می‌برد.