تحقیقات جدید نشان می دهد درک انسان از زیبایی ممکن است ریشه ای در نوعی صرفه جویی زیستی داشته باشد. مطالعه ای که در نشریه PNAS Nexus منتشر شده، نشان می دهد تصاویری که پردازش آن ها انرژی کمتری از مغز می گیرد، در نگاه ما زیباتر و دلپسندتر به نظر می رسند. این یافته ها حاکی از آن است که ترجیحات بصری ما شاید به عنوان سازوکاری تکاملی برای حفظ منابع متابولیک عمل می کنند.

مغز انسان یکی از پرهزینه ترین اندام های بدن است. با وجود اینکه تنها بخش کوچکی از وزن کل بدن را تشکیل می دهد، حدود 20 درصد انرژی روزانه بدن را مصرف می کند. این مصرف سنگین انرژی، فشار مداومی بر سیستم زیستی وارد می کند تا منابع خود را با بیشترین کارایی مدیریت کند.

جالب اینکه سهم عمده این انرژی صرف تنها یک حس می شود: بینایی. سیستم بینایی مسئول حدود 44 درصد مصرف انرژی مغز است. این بدان معناست که حتی تماشای جهان عملی بسیار پرهزینه برای بدن محسوب می شود. هر صحنه ای که می بینیم موجی از فعالیت های الکتریکی و شیمیایی در مغز ایجاد می کند که برای استمرار خود به گلوکز و اکسیژن نیاز دارد.

نظریه های تکاملی بر این فرض بنا شده اند که موجودات زنده برای جلوگیری از اتلاف انرژی سازگار می شوند. بنابراین منطقی است که سیستم های زیستی راهکارهایی برای تشویق کارآمدی ایجاد کنند. یکی از این راهکارها میان بُرهای عاطفی یا affective heuristics است؛ یعنی فرآیندهایی که احساسات مثبتی مانند لذت را به پاداش رفتارهای کم هزینه تبدیل می کنند.

این نظریه می گوید اگر یک رفتار انرژی را ذخیره کند، مغز با ایجاد حس خوب، فرد را به تکرار آن رفتار تشویق می کند. پژوهشگران مدت ها حدس می زدند شاید این اصل درباره بینایی هم صدق کند: یعنی اینکه زیبایی شاید چیزی جز سهولت پردازش نباشد.

ییکای تانگ، ویلیام کانینگهام و دیرک والتر از دانشگاه تورنتو تلاش کردند این فرض را آزمایش کنند. آن ها این پرسش را مطرح کردند که آیا اصطلاح رایج دیدنش راحت است ریشه ای فیزیولوژیک دارد؟ فرضیه اصلی آن ها این بود که میزان دوست داشتن یک تصویر با هزینه انرژی مورد نیاز مغز برای پردازش آن نسبت معکوس دارد. به عبارت ساده تر: هرچه تصویر ارزان تر پردازش شود، احتمال اینکه زیباتر به نظر برسد بیشتر است.

برای آزمون این فرضیه، پژوهشگران از دو روش استفاده کردند. ابتدا از یک مدل محاسباتی برای شبیه سازی عملکرد سیستم بینایی بهره بردند. استفاده از مدل های رایانه ای امکان بررسی فرآیندهای خاص را بدون عوامل مزاحم روان شناختی فراهم می کند.

آن ها از شبکه عمیق عصبی VGG-19 استفاده کردند؛ مدلی که برای دسته بندی اشیا و مناظر آموزش دیده و ساختارش از سازمان دهی لایه ای قشر بینایی انسان الهام گرفته است.

محققان حدود پنج هزار تصویر مختلف شامل اشیا و صحنه های واقعی را به این شبکه ارائه کردند. سپس برای هر تصویر، هزینه متابولیک مدل را محاسبه کردند؛ این هزینه بر اساس تعداد نورون های مصنوعی فعال و شدت فعالیت آن ها تعیین شد.

تصاویری که نورون های بیشتری را فعال می کردند، پر هزینه تلقی شدند و تصاویری که نورون های کمتری را درگیر می کردند کارآمد محسوب شدند. پس از محاسبه این هزینه ها، پژوهشگران آن ها را با رتبه بندی زیبایی شناختی هزار شرکت کننده انسانی مقایسه کردند؛ رتبه بندی هایی که درباره همین تصاویر جمع آوری شده بود.

مغز انسان مجهز به سیستم تخلیه مواد زاید است

نتیجه، الگویی روشن و تکرارشونده بود: هرچه تصویر برای شبکه مصنوعی کم هزینه تر بود، انسان ها آن را دلپذیرتر ارزیابی کرده بودند. یعنی کاهش هزینه پردازش با افزایش لذت بصری همراه بود.

برای اطمینان از اینکه این نتیجه تصادفی نیست، آزمایش با شبکه های عصبی آموزش ندیده نیز تکرار شد. شبکه هایی که آموزش ندیده بودند چنین الگویی نشان ندادند. این تفاوت نشان می دهد که ترجیح کارایی از نحوه ساختاردهی اطلاعات بصری در طول یادگیری ناشی می شود.

اما مدل رایانه ای تنها شبیه سازی بود؛ بنابراین پژوهشگران باید بررسی می کردند که آیا مغز انسان نیز چنین رفتاری نشان می دهد یا نه. برای این منظور داده های تصویربرداری مغزی چهار مشارکت کننده که در دستگاه MRI به تماشای همین تصاویر پرداخته بودند، مورد تحلیل قرار گرفت.

در این پژوهش از fMRI استفاده شد؛ فناوری ای که تغییرات اکسیژن خون در مغز را اندازه گیری می کند. وقتی نورون های یک ناحیه فعال می شوند، اکسیژن محل را مصرف کرده و خون اکسیژن دار تازه به آنجا جریان می یابد. این تغییرات سیگنالی به نام BOLD ایجاد می کنند که شاخصی برای میزان مصرف انرژی مغز است.

پژوهشگران فعالیت این سیگنال را در نواحی مختلف قشر بینایی بررسی کردند: از بخش های اولیه مسئول تشخیص خطوط و کنتراست گرفته تا نواحی سطح بالاتر که مسئول درک چهره ها، مناظر و اشیاست.

نتایج انسانی نیز یافته های هوش مصنوعی را تأیید کرد: در اغلب نواحی بینایی، هرچه فعالیت متابولیک بیشتر بود، رتبه زیبایی کمتر گزارش شد. یعنی تصاویر پرهزینه کمتر خوشایند بودند. این ارتباط در نواحی سطح بالاتر که پردازش اطلاعات پیچیده تر را برعهده دارند، قوی تر بود.

پژوهشگران این نتایج را نشانه ای از میان بر انرژی در سیستم بینایی تفسیر می کنند. مغز به دنبال نوعی تعادل طلایی است: تصویری که به اندازه کافی اطلاعات ارائه کند، اما نه آن قدر پیچیده باشد که هزینه پردازش آن زیاد شود. بنابراین زیباترین تصاویر همان هایی هستند که محتوای غنی را با کمترین انرژی پردازش ارائه می دهند.

این یافته با نظریه سهولت پردازش در روان شناسی سازگار است؛ نظریه ای که می گوید هرچه اطلاعات سریع تر و آسان تر پردازش شوند، پاسخ عاطفی مثبت تری ایجاد می کنند. اکنون این پژوهش نشان می دهد این سهولت نه فقط روان شناختی، بلکه واقعیتی فیزیکی و متابولیک است.

پژوهش همچنین نشان داد همه بخش های مغز این الگو را دنبال نمی کنند. برای مثال، شبکه حالت پیش فرض (DMN)، که با خیال پردازی و تأمل مرتبط است، گاهی با فعالیت بیشتر، لذت بیشتر را نشان می داد. این موضوع نشان می دهد که شاید بخش های شناختی مغز از درگیری ذهنی لذت می برند، در حالی که سیستم بینایی بیشتر به دنبال کارآمدی است.

با این حال مطالعه نیز محدودیت هایی دارد. این پژوهش روی پردازش سریع و شهودی تمرکز داشت، نه بر تأمل طولانی بر آثار هنری پیچیده. نگاه کردن به دیوار سفید بسیار کم هزینه است، اما اغلب افراد آن را زیبا نمی دانند. بنابراین محرک باید حداقل سطحی از جذابیت را داشته باشد تا اصل کارآمدی فعال شود.

جهت های آینده پژوهش شامل آزمودن رابطه علت و معلولی است: اگر تصاویر به طور مصنوعی پرهزینه تر یا کم هزینه تر شوند، آیا زیبایی آن ها تغییر می کند؟ همچنین بررسی حواس دیگر مانند شنوایی می تواند نشان دهد که آسان شنوایی نیز معادلی برای کارآمدی شنیداری باشد.

در مجموع، این پژوهش شواهد جدیدی ارائه می دهد که زیبایی نه فقط ساخته فرهنگ یا سلیقه، بلکه ریشه در سازوکارهای مدیریت انرژی مغز دارد. ما به طور طبیعی به سمت تصاویری جذب می شویم که برای بودجه متابولیک مغزمان مهربان تر هستند.