Το ευρωπαϊκό «Πρόγραμμα Ανθρώπινος Εγκέφαλος» ή HBP (Human Brain Project), που χρηματοδοτείται γενναιόδωρα από την Ε.Ε., εδώ και αρκετά χρόνια επιχειρεί να δημιουργήσει με τη χρήση υπολογιστών μια γιγάντια προσομοίωση όλων των δομών εγκεφάλου μας που επιτρέπουν την ανάδυση του ανθρώπινου νου. Πώς ελπίζουν να το πετύχουν; Δημιουργώντας υπολογιστικά συστήματα ή «μεγαπροσομοιωτές» ικανούς να αποτυπώνουν ό,τι έχουν ανακαλύψει μέχρι σήμερα οι νευροεπιστήμες και οι γνωσιακές επιστήμες για τις δομές και τις λειτουργίες του ανθρώπινου εγκεφάλου.
Μόλις δημοσιεύτηκαν στο περιοδικό «Cerebral Cortex» τα αποτελέσματα μιας ενδιαφέρουσας έρευνας που έγινε στη Γερμανία. Μια ομάδα ερευνητών που εργάζονται στο πλαίσιο του Προγράμματος HBP στο ερευνητικό κέντρο Jülich του Πανεπιστημίου της Κολονίας φαίνεται πως κατάφερε να αποκαλύψει έναν στατιστικά έγκυρο μαθηματικό κανόνα σχετικά με το πώς οργανώνονται οι νευρώνες στον εγκέφαλό μας.
Ο αριθμός των νευρώνων σε κάθε τμήμα-περιοχή του εγκεφάλου μας δεν είναι σταθερός αλλά μεταβάλλεται από τμήμα σε τμήμα, ωστόσο η νευρωνική πυκνότητα σε κάθε εγκεφαλική περιοχή ακολουθεί κάποια σταθερά πρότυπα. Οπως γράφουν στο σχετικό άρθρο τους: «Μολονότι διαθέτουμε έναν μεγάλο αριθμό δεδομένων από τη σχετική βιβλιογραφία, η στατιστική κατανομή της νευρωνικής πυκνότητας τόσο εντός όσο και μεταξύ των διαφορετικών εγκεφαλικών περιοχών είναι σε μεγάλο βαθμό άγνωστη. Σε αυτή την ερευνητική εργασία μας, δείχνουμε ότι η πυκνότητα αυτή είναι συμβατή με τη λογαριθμική κανονική κατανομή ή “λογαριθμοκανονική” των νευρώνων, που υπάρχει σε διάφορα είδη θηλαστικών».
Σύμφωνα με τη πιθανοκρατική στατιστική, αν ο λογάριθμος μιας μεταβλητής χ κατανέμεται κανονικά, τότε η μεταβλητή χ ακολουθεί μια κανονική λογαριθμική κατανομή, δηλαδή μια λογαριθμοκανονική κατανομή. Οπότε, αν η μεταβλητή χ είναι ο αριθμός κατανομής των νευρώνων, τότε η πυκνότητα των νευρώνων ανά εγκεφαλική περιοχή φαίνεται να ακολουθεί μια κανονική λογαριθμική κατανομή.
Αυτός είναι, σύμφωνα με αυτή την έρευνα, ο μαθηματικός κανόνας της νευρωνικής πυκνότητας και της συνδεσμολογίας στη βασική αρχιτεκτονική του εγκεφάλου. Κάτι που επιβεβαίωσαν αυτοί οι ερευνητές μελετώντας συγκριτικά την κατανομή της νευρωνικής πυκνότητας στους εγκεφάλους διαφόρων ειδών θηλαστικών.
Πάντως, αν επιβεβαιωθεί αυτός ο άγνωστος, μέχρι σήμερα, μαθηματικός κανόνας της κατανομής νευρωνικής πυκνότητας, τότε θα βοηθήσει σημαντικά στην έρευνα των λειτουργιών του εγκεφάλου και επίσης ενδέχεται να χρησιμοποιηθεί ως μοντέλο για τη δημιουργία νέων υπολογιστικών δικτύων Τεχνητής Νοημοσύνης.
