Get best of the week

Die Prozesse menschlicher Neuronen zeigten eine unerwartete Rechenfähigkeit

Dendriten, Prozesse einiger Neuronen im menschlichen Gehirn, können logische Berechnungen durchführen, die, wie bisher angenommen, nur ganze neuronale Netze können



Dünne Dendriten, die den Wurzeln einer Pflanze ähneln, weichen in alle Richtungen vom Zellkörper dieses kortikalen Neurons ab. Einzelne Dendriten können unabhängig voneinander Signale verarbeiten, die von benachbarten Neuronen empfangen werden, bevor sie an den Eingang der Zelle übertragen werden.

Oft wird uns gesagt, dass die Fähigkeit des Gehirns, Informationen zu verarbeiten, in den Billionen von Verbindungen liegt, die seine Neuronen mit dem Netzwerk verbinden. In den letzten Jahrzehnten hat die Forschung jedoch zunehmend die Aufmerksamkeit auf einzelne Neuronen gelenkt, die eine viel größere Verantwortung für das Rechnen übernehmen als bisher angenommen.

Das neueste dieser vielen Zeugnisse ist mit der Entdeckung eines neuen elektrischen Signals durch Wissenschaftler verbunden, das durch die oberen Ebenen der menschlichen Hirnrinde gelangt. In Laborstudien und an Modellen wurde bereits gezeigt, dass winzige Dendritenkompartimente, Prozesse von Neuronen der Großhirnrinde, selbst komplexe Operationen aus dem Bereich der mathematischen Logik ausführen können. Es scheint jedoch, dass einzelne dendritische Kompartimente auch eine spezielle Operation ausführen können - ein „ exklusives ODER “ (XOR) -, das, wie zuvor angenommen, einzelnen Neuronen nicht zur Verfügung stand.

"Ich denke, wir sind im Bereich der Neuronen ziemlich flach", sagte Albert Gideon , Postdoc an der Universität Humboldt in Berlin, Hauptautor der Zeitschrift Science, veröffentlichte Arbeiten , die diese Entdeckung beschreiben.

Diese Entdeckung zeigt, dass einzelne Neuronen in Studien des Nervensystems immer häufiger als komplexe Informationsprozessoren betrachtet werden müssen. "Das Gehirn kann weitaus komplexer sein als wir dachten", sagte Conrad Cording ., ein Computational Neuroscientist von der University of Pennsylvania, der an dieser Arbeit nicht beteiligt war. Vielleicht veranlasst die Entdeckung auch Informatiker, die Arbeitsstrategien künstlicher neuronaler Netze zu ändern, bei denen Neuronen immer als einfache Schalter betrachtet wurden.

Einschränkungen des dummen Neuronenmodells


In den 1940er und 50er Jahren begann eine bestimmte Idee in der Neurobiologie zu dominieren: die "dumme" Rolle eines Neurons als einfacher Integrator, ein Netzwerkpunkt, der alle Eingaben zusammenfasst. Verzweigungsprozesse der Zelle, Dendriten, empfangen Tausende von Signalen von benachbarten Neuronen - von denen einige aufregend sind, andere - hemmend. Im Körper eines Neurons werden alle diese Signale gewogen und summiert, und wenn die Summe einen bestimmten Schwellenwert überschreitet, erzeugt das Neuron eine Folge von elektrischen Impulsen (tatsächlich elektrischen Potentialen), die die Stimulation benachbarter Neuronen steuern.

Etwa zur gleichen Zeit erkannten die Forscher, dass ein einzelnes Neuron auch als logisches Tor fungieren kann - wie diejenigen, aus denen digitale Schaltkreise bestehen (obwohl noch nicht klar ist, wie genau das Gehirn diese Berechnungen bei der Verarbeitung von Informationen durchführt). Das Neuron war in der Tat das „UND-Gatter“, da es erst nach Empfang der erforderlichen Menge an Eingabedaten aktiviert wurde.

Somit könnte ein Netzwerk von Neuronen theoretisch alle Berechnungen durchführen. Ein solches Neuronenmodell war jedoch begrenzt. Die rechnerischen Metaphern waren zu simpel, und experimentellen Einheiten fehlte jahrzehntelang die Fähigkeit, die Aktivität verschiedener Komponenten eines Neurons aufzuzeichnen. "Es drückte im Wesentlichen ein Neuron bis zu einem Punkt im Raum", sagte Barlett Mel ., Computational Neuroscientist an der University of Southern California. "Er hatte keine inneren Manifestationen von Aktivität." Das Modell ignorierte die Tatsache, dass sich Tausende von Signalen, die in das Neuron eintraten, an verschiedenen Punkten seiner verschiedenen Dendriten befanden. Sie ignorierte die Idee (später bestätigt), dass einzelne Dendriten auf unterschiedliche Weise funktionieren können. Und sie ignorierte die Möglichkeit, dass verschiedene interne Strukturen des Neurons verschiedene Berechnungen durchführen könnten.

In den 1980er Jahren begannen sich die Dinge jedoch zu ändern. Modelle des Neurowissenschaftlers Christoph Koch und anderer, die später in Experimenten bestätigt wurden, zeigtendass ein Neuron kein einzelnes oder gleichmäßiges Spannungssignal erzeugt. Stattdessen nahmen die Signale ab, gingen entlang des Dendriten in das Neuron und trugen oft nicht zur endgültigen Zellausgabe bei.

Eine solche Isolierung von Signalen bedeutet, dass einzelne Dendriten Informationen unabhängig voneinander verarbeiten können. "Dies stand im Widerspruch zu der Punktneuronenhypothese, bei der das Neuron einfach alles unabhängig vom Ort gestapelt hat", sagte Mel.

Dies veranlasste Koch und andere Biologen, darunter Gordon Shepherdvon der Yale School of Medicine, um zu modellieren, wie die Struktur von Dendriten es einem Neuron im Prinzip ermöglichen könnte, nicht als einfaches Logikgatter, sondern als komplexes Mehrkomponentensignalverarbeitungssystem zu arbeiten. Sie simulierten dendritische Bäume, auf denen sich viele logische Operationen befinden, die über hypothetische Mechanismen funktionieren.

Später untersuchten Mel und Kollegen genauer, wie eine Zelle mit mehreren eingehenden Signalen auf separaten Dendriten gesteuert werden kann. Was sie fanden, überraschte sie: Dendriten erzeugten lokale Peaks, sie hatten ihre eigenen nichtlinearen Eingabe- / Ausgabekurven und ihre eigenen Aktivierungsschwellen, die sich vom gesamten Neuron unterschieden. Die Dendriten selbst könnten als "Ich" -Tore fungieren oder andere Computergeräte auf sich selbst stellen.

Kreide mit einem ehemaligen DoktorandenYota Poiratsi (heute Neurowissenschaftlerin am Institut für Molekularbiologie und Biotechnologie in Griechenland) erkannte, dass ein einzelnes Neuron als zweischichtiges Netzwerk betrachtet werden kann . Dendriten dienen als nichtlineare Hilfscomputermodule, die Eingabedaten sammeln und Zwischenausgabedaten bereitstellen. Dann werden diese Signale im Körper der Zelle kombiniert, was bestimmt, wie das Neuron als Ganzes darauf reagiert.


Yota Poiratsi, Computational Neuroscientist am Institut für Molekularbiologie und Biotechnologie in Griechenland

Ob die Aktivität auf der Ebene der Dendriten die Aktivierung eines Neurons und die Aktivität benachbarter Neuronen beeinflusste, war nicht klar. In jedem Fall kann eine solche lokale Verarbeitung das System so vorbereiten oder einrichten, dass es auf zukünftige eingehende Signale anders reagiert, wie Shepherd sagt.

Wie dem auch sei, "der Trend war folgender: Okay, seien Sie vorsichtig, das Neuron ist möglicherweise leistungsfähiger, dachten wir", sagte Mel.

Shepherd stimmt zu. "Ein erheblicher Rechenaufwand im Kortex befindet sich auf einem Niveau, das die Schwelle nicht erreicht", sagte er. "Ein System aus einem einzelnen Neuron kann mehr als nur der einzige Integrator sein." Es kann zwei Schichten oder sogar mehr geben. “ Theoretisch können fast alle Rechenoperationen von einem Neuron mit einer ausreichenden Anzahl von Dendriten ausgeführt werden, von denen jedes seine eigene nichtlineare Operation ausführen kann.

In einer kürzlich in der Zeitschrift Science veröffentlichten Arbeit haben Forscher diese Idee noch weiter vorangetrieben. Sie schlugen vor, dass ein einzelnes Dendritenfach diese komplexen Operationen alleine ausführen könnte.

Unerwartete Ausbrüche und alte Hindernisse


Matthew Larkum , ein Neurowissenschaftler aus Humboldt, und sein Team begannen, Dendriten aus verschiedenen Perspektiven zu untersuchen. Die Aktivität von Dendriten wurde hauptsächlich am Beispiel von Nagetieren untersucht, und die Forscher waren daran interessiert, wie sich die Signalausbreitung in menschlichen Neuronen unterscheiden kann, deren Dendriten viel länger sind. Sie verfügten über Abschnitte des Gehirngewebes der 2. und 3. Schicht des Kortex, die besonders große Neuronen mit einer großen Anzahl von Dendriten enthalten. Und als sie begannen, diese Dendriten mit Hilfe von elektrischem Strom zu stimulieren, bemerkten sie etwas Seltsames.

Sie sahen unerwartete und sich wiederholende Ausbrüche - die sich von anderen bekannten neuronalen Signalen völlig unterschieden. Sie waren besonders schnell und kurz, wie Aktionspotentiale.und entstand aufgrund von Calciumionen. Dies war interessant, da die üblichen Aktionspotentiale durch Natrium- und Kaliumionen erzeugt werden. Obwohl die durch Kalzium erzeugten Signale bereits bei Nagetierdendriten beobachtet wurden, dauerten diese Ausbrüche viel länger.

Noch seltsamer war, dass eine Zunahme der Intensität der elektrischen Stimulation die Antwortrate von Neuronen verringerte. "Plötzlich erhielten wir, mehr stimulierend, weniger", sagte Gidon. "Es hat unsere Aufmerksamkeit erregt."

Um zu verstehen, was diese neuen Arten von Bursts bewirken können, haben Wissenschaftler gemeinsam mit Poiratsi und einer Forscherin aus ihrem griechischen Labor, Atanasia Paputzi , ein Modell erstellt, das das Verhalten von Neuronen widerspiegelt.

Das Modell zeigte, dass Dendriten als Reaktion auf zwei Eingangssignale getrennt Bursts erzeugen, jedoch nicht, wenn diese Signale kombiniert werden. Dies ist das Äquivalent einer nichtlinearen Berechnung, die als exklusives ODER oder XOR bezeichnet wird und nur dann 1 ergibt, wenn eine und nur eine der Eingaben 1 ist.

Diese Entdeckung fand bei Informatikern sofort Resonanz. Viele Jahre lang glaubte man, dass ein Neuron die XOR-Funktion nicht zählen konnte. In dem Buch von 1969 lieferten Perceptrons, die Informatiker Marvin Minsky und Seymour Papert Beweise dafür, dass einschichtige künstliche neuronale Netze XOR nicht berechnen konnten. Diese Schlussfolgerung war ein solcher Schlag, dass viele Informatiker durch diese Tatsache die Stagnation erklärten, in der sich die neuronalen Netze bis in die 1980er Jahre befanden.

Forscher neuronaler Netze fanden schließlich Wege, um das von Minsky und Papert gefundene Hindernis zu überwinden, und Neurowissenschaftler fanden Beispiele für diese Lösungen in der Natur. Zum Beispiel wusste Poiratsi bereits, dass ein einzelnes Neuron XOR berechnen kann: Nur zwei Dendriten sind dazu in der Lage. In neuen Experimenten schlugen er und seine Kollegen einen plausiblen biophysikalischen Mechanismus vor, um eine solche Berechnung in einem einzigen Dendriten durchzuführen.

"Für mich ist dies ein weiterer Grad an Systemflexibilität", sagte Poiratsi. "Es zeigt, dass das System viele Möglichkeiten hat, die Berechnungen durchzuführen." Sie weist jedoch darauf hin, dass, wenn ein einzelnes Neuron dieses Problem bereits lösen kann, "warum sollte das System dann Tricks anwenden, indem es komplexere Module innerhalb des Neurons erstellt?"

Prozessoren in Prozessoren


Natürlich sind nicht alle Neuronen so. Gidon sagt, dass es in anderen Teilen des Gehirns einige kleinere, spitze Neuronen gibt. Wahrscheinlich besteht eine solche Komplexität von Neuronen aus einem bestimmten Grund. Warum brauchen Teile von Neuronen die Fähigkeit, das zu tun, wozu ein Neuron fähig ist, oder ein kleines Netzwerk von Neuronen? Die offensichtliche Option ist ein Neuron, das sich wie ein mehrschichtiges Netzwerk verhält, mehr Informationen verarbeiten kann und dementsprechend besser ist, mehr zu lernen und zu speichern. "Vielleicht haben wir ein ganzes tiefes Netzwerk in einem separaten Neuron", sagte Poiratsi. "Und dies ist ein viel leistungsfähigerer Apparat zum Unterrichten komplexer Aufgaben."

Vielleicht fügt Cording hinzu: „Das einzige Neuron, das wirklich komplexe Funktionen berechnen kann. Zum Beispiel könnte er das Objekt unabhängig erkennen. " Laut Poiratsi kann das Vorhandensein derart starker einzelner Neuronen dem Gehirn helfen, Energie zu sparen.

Die Larkum-Gruppe plant, nach ähnlichen Signalen in den Dendriten von Nagetieren und anderen Tieren zu suchen, um festzustellen, ob diese Rechenfähigkeiten nur für Menschen gelten. Sie wollen auch über das Modell hinausgehen, um die beobachtete Aktivität von Neuronen mit dem realen Verhalten in Beziehung zu setzen. Poiratsi hofft, die Dendritenberechnungen mit den Vorgängen in den Neuronennetzwerken vergleichen zu können, um zu verstehen, welche Vorteile sich im ersten Fall ergeben können. Dies beinhaltet das Überprüfen anderer logischer Operationen und das Erforschen, wie sie zum Lernen oder Erinnern beitragen können. "Bis wir alles markiert haben, können wir die Bedeutung der Entdeckung nicht einschätzen", sagte Poiratsi.

Obwohl noch viel zu tun ist, glauben die Forscher, dass diese Entdeckungen die Notwendigkeit zeigen, den Ansatz zur Modellierung des Gehirns zu überdenken. Es reicht möglicherweise nicht aus, sich nur auf die Verbundenheit verschiedener Neuronen und Gehirnregionen zu konzentrieren.

Neue Ergebnisse sollten auch neue Fragen in den Bereichen maschinelles Lernen und künstliche Intelligenz aufwerfen. Künstliche neuronale Netze arbeiten mit Punktneuronen und betrachten sie als Knoten, die die Eingabe summieren und die Summe über die Aktivierungsfunktion übertragen. "Nur sehr wenige Menschen nahmen die Idee ernst, dass ein einzelnes Neuron ein hoch entwickeltes Computergerät sein könnte", sagte Gary Marcus , ein Kognitionswissenschaftler an der New York University, der einige der Behauptungen über tiefes Lernen sehr skeptisch sah.

Obwohl die Arbeit des Wissenschaftsmagazins nur eine Entdeckung in der reichen Geschichte von Werken ist, die diese Idee demonstrieren, können Informatiker aktiver darauf reagieren, weil sie mit dem XOR-Problem arbeitet, das die Forschung über neuronale Netze so lange gequält hat. "Sie scheint zu sagen, dass wir ernsthaft darüber nachdenken müssen", sagte Marcus. "Dieses ganze Spiel - kluges Denken von dummen Neuronen - kann falsch sein."

"Und es zeigt sehr deutlich diesen Standpunkt", fügte er hinzu. "Diese Leistung wird alle Hintergrundgeräusche übertönen."

Source: https://habr.com/ru/post/undefined/

More articles:


All Articles