Forskere afkoder fuglesang

En af de store udfordringer inden for neurovidenskab er at forklare, hvordan samlinger af neurale kredsløb producerer de komplekse sekvenser af signaler, der resulterer i adfærd som dyrekommunikation, fuglesang og menneskelig tale.

Blandt de bedst undersøgte modeller i dette område er fugle såsom zebrafinker. Disse entusiastiske sangere producerer sange, der består af lange, men relativt simple sekvenser af stavelser. Disse sekvenser er blevet grundigt undersøgt og deres statistiske egenskaber beregnet.

Det viser sig, at disse statistiske egenskaber kan gengives nøjagtigt ved hjælp af en type simulering kaldet en Markov-model, hvor hver stavelse er tænkt som en tilstand af systemet, og hvis udseende i en sang kun afhænger af de statistiske egenskaber af den forrige stavelse. En sådan model indebærer, at der er en en-til-en kortlægning mellem hver stavelse og det neurale kredsløb, der genererer den.

Men andre fugle producerer mere komplekse sange, og disse er sværere at forklare. En af disse er den bengalesiske finke, hvis sange varierer på tilsyneladende uforudsigelige måder og ikke kan forklares en simpel Markov-model. Hvordan den bengalesiske fink genererer sin sang er et mysterium.

Indtil nu. Ved et mærkeligt tilfælde dukker der to papirer op på arXiv i denne uge, der fremlægger lignende forklaringer på den bengalesiske finks evner. Det ene hold ledes af Kentaro Katahira ved University of Tokyo og det andet af Dezhe Jin ved Pennsylvania State University. Begge grupper siger, at de har afkodet de statistiske hemmeligheder i bengalesisk finkesang og har udviklet modeller, der kan gengive den.

Den første del af deres arbejde involverede at låse bengalesiske finker i lydisolerede rum og indspille deres sange i et par dage.

Dernæst låste de en stakkels postdoc inde i et værelse, indtil han eller hun manuelt annoterede hver optaget stavelse. Derefter blev de statistiske egenskaber for fuglesangen udarbejdet - hvordan hver stavelse afhænger ikke kun af den foregående stavelse, men også af de forskellige toner før det.

Med statistikken afsløret, var den sidste opgave at finde en måde at gengive dem på.

Begge hold er kommet med modeller, der har en afgørende forskel fra standard Markov-modeller. I stedet for den simple en-til-en-kortlægning mellem stavelse og kredsløb, der forklarer zebrafinkesang, siger de, at der i bengalesiske finker er en mange-til-en-kortlægning, hvilket betyder, at en given stavelse kan produceres af flere neurale kredsløb. Derfor er statistikken så meget mere kompleks, siger de.

Denne type model kaldes en skjult Markov-model, fordi de ting, der driver den observerbare del af systemet – sangen – forbliver skjult. Og den kan gengive alle slags tidligere mystiske træk ved bengalesisk finkesang såsom mønsteret af gentagne sekvenser, sandsynligheden for at observere en given stavelse på et givet trin fra starten og fordelingen af ​​N-gram eller sekvenser af n stavelser.

Det er et markant resultat. Det betyder, at videnskabsmænd endelig har afkodet kompleks fuglesang for første gang.

Spørgsmålet er nu, hvordan man kan udvide resultatet til at beskrive de statistiske egenskaber af andre mere komplekse dyreadfærd. Oplagte kandidater inkluderer hvalsang og delfinvokalisering. Ud over det repræsenterer statistikken over menneskelig tale en fristende udfordring.

Refs:

arxiv.org/abs/1011.2998 : En kompakt statistisk model af sangsyntaksen i bengalesisk fifinch

arxiv.org/abs/1011.2575 : Komplekse sekventeringsregler for fuglesang kan forklares ved simple skjulte Markov-processer

skjule