
انبوهی از پژوهشهای روانشناسی و علوم اعصاب حقیقتی ژرف را آشکار میسازند: ذهن و بدن ما جهان را نه بر اساس مقادیر مطلق، بلکه از طریق نسبتها (ratios) تفسیر میکنند. این ادراک مبتنی بر نسبت (ratio-based perception) چنان عمیق در شناخت ما ریشه دارد که نهتنها بر دیدن و شنیدن و چشیدن، بلکه حتی چارچوب شیوه ی اندیشیدن ما نیز شکل می دهد.
ریشهٔ لاتین واژه ی logos که به معنای عقل، کلمه، یا نسبت (ratio) است، در قلب این ایده قرار دارد. این واژه بنیانگذار کلماتی چون rationality (خردورزی یا توانایی درک نسبتها و روابط) و logarithm (که معنای تحتاللفظی آن «عددِ نسبت» است) محسوب میشود.
این جهتگیری بنیادین بهسوی نسبتها، شالوده ی بافتمندی (contextuality) را شکل میدهد؛ ویژگیای تعیینکننده در شناخت انسان. ما بهندرت چیزها را در انزوا قضاوت میکنیم؛ بلکه معمولا آنها را با عناصر پیرامونشان مقایسه میکنیم. یک مطالعه ی نشان داد که مشتریان یک میکده وقتی موسیقی آلمانی در پسزمینه پخش میشد، با احتمال بسیار بیشتری آبجو آلمانی سفارش میدادند. انتخاب آنها تنها بر اساس ترجیح شخصی نبود، بلکه تحتتأثیر یک نشانه بافتی قرار گرفت؛ یک نسبت بین محیط و انتخاب.
همین اصل توضیح میدهد که چرا یک ساندویچ ۱۰ دلاری در یک غذافروشی سر کوچه گران بهنظر میرسد اما در یک سالن فرودگاهی لوکس ارزان جلوه میکند. یا چرا یک لیوان شراب در صورتیکه به شما بگویند قیمت آن ۱۰۰ دلار است، خوشطعمتر از همان لیوان بهنظر میرسد وقتی بگویند فقط ۱۰ دلار میارزد. در همهٔ این موارد، ارزش در انزوا درک نمیشود، بلکه از جایگاه نسبی آن در یک بافت حسی یا اجتماعی نتیجهگیری میشود.
در سطح عصبی، این گرایش در حافظهٔ تداعیگر (associative memory) تجلی مییابد. مغز، حقایق را بهصورت جداگانه ذخیره نمیکند؛ بلکه روابط و الگوهای همراهی را بهخاطر میسپارد. این «نسبتهای» درونیشده میان محرکها، اعمال و پیامدها، به ما کمک میکنند تا بهطور مؤثر در جهان حرکت کنیم، شکافها را پر کنیم و بهگونهای انعطافپذیر به موقعیتهای جدید پاسخ دهیم. ما جهان را صرفا آنگونه که هست نمیبینیم، بلکه آن را در نسبت با سایر چیزها درک میکنیم.
مطالعات اخیر مغز بینشهای ارزشمندی در اینباره ارائه میدهند که چرا هم مغز و هم بدن غالبا بر اساس اصول لگاریتمی عمل میکنند. یکی از نخستین مشاهدات در علوم اعصاب این است که فعالیتهای عصبی از توزیع نرمال (normal distribution یا Gaussian) پیروی نمیکنند. بلکه از توزیع لگاریتمی-نرمال (log-normal distribution) پیروی میکنند: یعنی اکثریت نورونها با فرکانسهای پایین شلیک میکنند، در حالیکه اقلیتی کوچک با نرخهای بسیار بالاتر فعال هستند.
این گروه کوچک از نورونهای با فرکانس بالا که به آنها «انفجارگرهای سریع» (fast burster) گفته میشود، موقعیتی ویژه دارند. آنها نه تنها همواره فعالتر هستند بلکه ارتباطات بیشتری با سایر نورونها برقرار میکنند. این نورونها بهعنوان گرههای مرکزی (hubs) عمل کرده و فعالیت مغز را در قالب یک ساختار شبکهای سلسلهمراتبی (hierarchical network structure) سازمان میدهند که ارتباطات موثر و یکپارچه بین نواحی مختلف مغز را تسهیل میکند.
گیورگی بوشاکی (György Buzsáki) عصب شناس مجارستانی و همکارانش نشان دادهاند که وزنهای سیناپسی (synaptic weights)، اندازهٔ دکمههای آکسونی (axonal bouton sizes)، و نرخ شلیک قشر مغز همگی از توزیعهای سنگیندُم (heavy tail) لگاریتمی-نرمال (log-normal) پیروی میکنند. این موضوع بیانگر فرآیندهای رشد ضربپایهای در مقیاسهای مختلف است. این معماری «پویای لگاریتمی» (log-dynamic) بدین معناست که تعداد کمی گرهٔ بسیار قوی کنترل اصلی شبکه را در دست دارند، در حالیکه بسیاری از ارتباطات ضعیف، انعطافپذیری را فراهم میکنند.
چنین آمارهایی بهطور طبیعی منجر به منحنیهای تقویت (gain curves) مطابق با قانون وبر–فنچر (Weber–Fechner) میشوند: افزایشی متناسب در ورودی پیشسیناپسی، پس از تبدیل به واحدهای لگاریتمی، منجر به تغییری افزایشی در پتانسیل پسسیناپسی میشود. مدلهای محاسباتی نیز تأیید میکنند که وزنهای متمایل و لگاریتمی-نرمال، انتقال اطلاعات را در شرایط محدودیت متابولیکی بهینه میکنند. در بخش بعدی، ریاضیوار نشان خواهیم داد که چرا این انتخاب، «بهینه» است.
محرکهایی که ما را احاطه کردهاند، در بسیاری موارد از قانون توانی (power law) پیروی میکنند، و سامانهٔ شناختی ما برای فشردهسازی دامنهٔ دینامیکی (dynamic-range compression) تطبیق یافتهاست تا انتقال اطلاعات را به شکل بهینه انجام دهد.