Oxford ve Cambridge'deki laboratuvarlarda araştırmacılar, gözleri kapalı bir şekilde hiçbir görev yapmadan yatan gönüllülerin beyin elektriksel aktivitesini kaydediyor. Geleneksel uyaran-tepki deneyleri yerine, bilim insanları bu "serbest" sinyallere makine öğrenmesi algoritmaları uyguluyor. Elde edilen örüntüler, yalnızca beyin aktivitesini kaydetmekle kalmayıp, aynı zamanda kişinin o anda ne düşündüğünü de tahmin etmeye olanak tanıyor - ister yaklaşan bir toplantı, ister geçmişte yaşanmış bir konuşma olsun.
15 Temmuz 2026'da Nature Reviews Neuroscience'da yayınlanan derleme makalesi, Andrea Luppi ve Oxford, Cambridge, Montreal ve Dublin'den meslektaşları tarafından kaleme alındı. St John's College Cambridge'de Wellcome Erken Kariyer Bursiyeri olan Luppi, çalışmanın ilk ve sorumlu yazarıdır.
Makale, beynin spontan aktivitesinin bilinci anlamak için bir engel olmaktan çıktığını savunuyor. Yazarlar, veri odaklı yaklaşımların, araştırmacıların daha önce yalnızca gürültü olarak kenara attığı sinyallerden anlamlı bilgileri nasıl çıkardığını gösteriyor. Çalışma, EEG, fMRI verilerini ve insanların, farelerin ve maymunların beyin aktivitesinin karşılaştırmalı analizini entegre ediyor, ancak yeni deneyler içermiyor; bunun yerine, daha önce yayınlanmış çalışmaları özetleyen sistematik bir derlemedir. Yazarlar herhangi bir çıkar çatışması olmadığını bildiriyor; finansman standart üniversite hibeleri aracılığıyla sağlandı.
Global Workspace Theory (Global Çalışma Alanı Teorisi) gibi geleneksel bilinç teorileri, kişinin dikkatinin çevre dünyaya odaklandığı dış uyaranlara dayanan araştırmalar üzerine kurulmuştur. Spontan aktivite, yerleşik senaryoyu sorguluyor: "iç" düşünce modu için gerçekten ayrı bir mekanizmaya mı ihtiyaç var? Alternatif bir teori olan Predictive Processing (Tahmine Dayalı İşleme), beynin sürekli olarak çevre dünya hakkında tahminler ürettiğini öne sürüyor.
Luppi ve meslektaşlarının verileri, bir kişi harici girdi almadığında bile bu tahminlerin yapılandırılmış ve bilişsel olarak anlamlı kaldığını gösteriyor; beyin modellemeye, analiz etmeye ve tahmin etmeye devam ediyor. Ancak derlemenin kendisi, bu yapılandırılmış spontan aktivitenin fenomenal bilincin (öznel deneyimin) ortaya çıkması için yeterli olup olmadığı veya sadece eşlik eden bir farkındalık olmadan işlevsel bilgi işlemeyi yansıtıp yansıtmadığı konusundaki temel soruyu kesin olarak yanıtlamıyor.
Metodolojik sınırlamalar açıktır: çoğu çalışma küçük katılımcı örneklemleriyle yürütülmüştür ve makine öğrenmesi algoritmaları, gönüllülerin düşünceleri ve dikkatleri üzerindeki kontrolün minimum olduğu tam dinlenme koşullarında toplanan veriler üzerinde eğitilmiştir. Yazarlar, bu bilimsel bulguların klinik uygulamalara (ameliyatlar sırasında anestezi yönetimi, bilinç bozukluklarının teşhisi gibi) tercümesinin, daha büyük hasta örneklemleri üzerinde ek titiz doğrulama ve geçerlilik gerektirdiğini dürüstçe kabul ediyor.
Yaklaşımın özünü daha iyi anlamak için, sabit bir tarifesi olmayan raylarda hareket eden bir tren hayal edin. Eskiden mühendisler yalnızca istasyonlardaki durakları incelerdi; trenin durduğu veya hareket etmeye başladığı anlar. Şimdi ise trenin istasyonlar arasındaki hareketini analiz ediyorlar: hızı, salınımları, sistemlerin etkileşimi. Benzer şekilde, veri odaklı yöntemler yalnızca düşüncedeki duraklamaları değil, aynı zamanda spontan beyin aktivitesinin sonraki tepkileri nasıl "yönettiğini" ve yeni görevlere hazırlığını nasıl şekillendirdiğini görmeyi sağlıyor.
Bu yaklaşım nörobilimde yer edinirse, yalnızca araştırmacıların deneysel pratiği değil, aynı zamanda sağlıklı bir beyin için "norm" olarak kabul edilen şey hakkındaki temel anlayışımız da değişecektir. Araştırmalar, anestezi altında ve erken doğan bebeklerde fonksiyonel bağlantının benzersizliğinin ve karmaşıklığının azaldığını zaten gösteriyor; bilinç durumunun biyobelirteçleri olabilecek örüntüler.
