👨‍🚀 🧜🏾 🕎 मानव न्यूरॉन्स की प्रक्रियाओं ने गणना करने की अप्रत्याशित क्षमता दिखाई 🎒 🍦 🤜🏽

डेंड्राइट, मानव मस्तिष्क में कुछ न्यूरॉन्स की प्रक्रियाएं, तार्किक गणना कर सकती हैं, जो पहले सोचा था, केवल तंत्रिका नेटवर्क कर सकते हैं

इस कॉर्टिकल न्यूरॉन के सेल बॉडी से सभी दिशाओं में पौधे के जड़ों की तरह पतले डेंड्राइट्स। व्यक्तिगत डेंड्राइट स्वतंत्र रूप से पड़ोसी न्यूरॉन्स से प्राप्त संकेतों को सेल के इनपुट में स्थानांतरित करने से पहले संसाधित कर सकते हैं।

हमें अक्सर बताया जाता है कि मस्तिष्क की जानकारी को संसाधित करने की क्षमता कनेक्शन के खरबों में निहित है जो इसके न्यूरॉन्स को नेटवर्क से जोड़ते हैं। लेकिन पिछले कुछ दशकों में, अधिक से अधिक शोध ने धीरे-धीरे व्यक्तिगत न्यूरॉन्स पर ध्यान केंद्रित किया है, जो पहले से कल्पना की तुलना में कंप्यूटिंग के लिए बहुत अधिक जिम्मेदारी लेते हैं।

इन कई प्रशंसापत्रों में से नवीनतम मानव सेरेब्रल कॉर्टेक्स के ऊपरी स्तरों से गुजरने वाले एक नए प्रकार के विद्युत सिग्नल के वैज्ञानिकों द्वारा की गई खोज से जुड़ा है। प्रयोगशाला अध्ययनों और मॉडलों पर, यह पहले ही दिखाया गया है कि डेंड्राइट्स के छोटे डिब्बों, सेरेब्रल कॉर्टेक्स के न्यूरॉन्स की प्रक्रियाएं, खुद गणितीय तर्क के क्षेत्र से जटिल संचालन करने में सक्षम हैं। हालाँकि, अब ऐसा प्रतीत होता है कि व्यक्तिगत डेन्ड्रिटिक डिब्बे एक विशेष ऑपरेशन भी कर सकते हैं - एक " एक्सक्लूसिव ओआर " (एक्सओआर) - जो पहले सोचा गया था, व्यक्तिगत न्यूरॉन्स के लिए उपलब्ध नहीं था।

"मुझे लगता है कि हम वास्तव में न्यूरॉन्स में शामिल होने के क्षेत्र में काफी उथले हैं," - बर्लिन में हम्बोल्ट विश्वविद्यालय में एक पोस्टडॉक अल्बर्ट गिदोन ने कहा , पत्रिका प्रकाशित विज्ञान के प्रमुख लेखक प्रकाशित काम करता है , जो इस खोज का वर्णन करता है ।

यह खोज तंत्रिका तंत्र के अध्ययन में व्यक्तिगत न्यूरॉन्स के लिए जटिल सूचना प्रोसेसर माना जाने की बढ़ती आवश्यकता को प्रदर्शित करती है। कॉनराड कोडिंग ने कहा, "मस्तिष्क हमारे विचार से कहीं अधिक जटिल हो सकता है।", पेंसिल्वेनिया विश्वविद्यालय के एक कम्प्यूटेशनल न्यूरोसाइंटिस्ट जो इस काम में शामिल नहीं थे। शायद यह खोज कंप्यूटर वैज्ञानिकों को कृत्रिम तंत्रिका नेटवर्क की कामकाजी रणनीतियों को बदलने के लिए भी प्रेरित कर सकती है, जिसमें न्यूरॉन्स को हमेशा सरल स्विच माना जाता है।

बेवकूफ न्यूरॉन मॉडल की सीमाएं

1940 और 50 के दशक में, न्यूरोबायोलॉजी में एक निश्चित विचार हावी होना शुरू हुआ: एक साधारण इंटीग्रेटर के रूप में न्यूरॉन की "गूंगा" भूमिका, एक नेटवर्क बिंदु सभी इनपुट को समेटता है। सेल की शाखाएं, डेन्ड्राइट्स, पड़ोसी न्यूरॉन्स से हजारों सिग्नल प्राप्त करते हैं - जिनमें से कुछ रोमांचक हैं, अन्य - निरोधात्मक। एक न्यूरॉन के शरीर में, इन सभी संकेतों को तौला और सुन्न किया जाता है, और यदि राशि एक निश्चित सीमा से अधिक हो जाती है, तो न्यूरॉन विद्युत आवेगों (वास्तव में, विद्युत क्षमता) का एक क्रम उत्पन्न करता है जो पड़ोसी न्यूरॉन्स की उत्तेजना को नियंत्रित करता है।

लगभग उसी समय, शोधकर्ताओं ने महसूस किया कि डिजिटल सर्किट बनाने वाले लोगों की तरह एक एकल न्यूरॉन एक तार्किक द्वार के रूप में काम कर सकता है (हालांकि यह अभी तक स्पष्ट नहीं है कि प्रसंस्करण की जानकारी के दौरान मस्तिष्क इन गणनाओं को कैसे करता है)। वास्तव में, न्यूरॉन, "एंड गेट" था, क्योंकि यह आवश्यक मात्रा में इनपुट डेटा प्राप्त करने के बाद ही सक्रिय किया गया था।

इस प्रकार, न्यूरॉन्स का एक नेटवर्क सैद्धांतिक रूप से किसी भी गणना को अंजाम दे सकता है। फिर भी ऐसा न्यूरॉन मॉडल सीमित था। इसके कम्प्यूटेशनल रूपक बहुत सरल थे, और दशकों तक, प्रयोगात्मक इकाइयों में एक न्यूरॉन के विभिन्न घटकों की गतिविधि को रिकॉर्ड करने की क्षमता का अभाव था। "यह अनिवार्य रूप से अंतरिक्ष में एक बिंदु पर न्यूरॉन को निचोड़ता है ," बार्लेट मेल ने कहा।, दक्षिणी कैलिफोर्निया विश्वविद्यालय में कम्प्यूटेशनल न्यूरोसाइंटिस्ट। "उनके पास गतिविधि की कोई आंतरिक अभिव्यक्ति नहीं थी।" मॉडल ने इस तथ्य को नजरअंदाज कर दिया कि न्यूरॉन में प्रवेश करने वाले हजारों संकेत इसके विभिन्न डेन्ड्राइट के विभिन्न बिंदुओं पर थे। उसने इस विचार (बाद में पुष्टि की) को नजरअंदाज कर दिया कि अलग-अलग डेंड्राइट अलग-अलग तरीकों से काम कर सकते हैं। और उसने इस संभावना को नज़रअंदाज़ कर दिया कि न्यूरॉन की विभिन्न आंतरिक संरचनाएँ विभिन्न गणनाएँ कर सकती हैं।

हालांकि, 1980 के दशक में, चीजें बदलने लगीं। न्यूरोसाइंटिस्ट क्रिस्टोफ कोच और अन्य के मॉडल , जिन्होंने बाद में प्रयोगों में पुष्टि की, ने प्रदर्शन कियाएक न्यूरॉन एक एकल या एकसमान वोल्टेज संकेत का उत्पादन नहीं करता है। इसके बजाय, संकेतों में कमी आई, डेंड्राइट के साथ न्यूरॉन में गुजर रहा है, और अक्सर अंतिम सेल आउटपुट में योगदान नहीं किया।

संकेतों के इस तरह के अलगाव का मतलब है कि व्यक्तिगत डेन्ड्राइट एक दूसरे से स्वतंत्र रूप से जानकारी संसाधित कर सकते हैं। "यह बिंदु न्यूरॉन परिकल्पना के विपरीत था, जिसमें न्यूरॉन बस स्थान की परवाह किए बिना सब कुछ ढेर हो गया," मेल ने कहा।

इससे कोच और गॉर्डन शेफर्ड सहित अन्य जीवविज्ञानी प्रेरित हुएयेल स्कूल ऑफ मेडिसिन से, यह जानने के लिए कि सिद्धांत में डेन्ड्राइट्स की संरचना कैसे एक न्यूरॉन को एक साधारण लॉजिक गेट के रूप में काम करने की अनुमति नहीं दे सकती है, लेकिन एक जटिल मल्टी-घटक सिग्नल प्रोसेसिंग सिस्टम के रूप में। उन्होंने वृक्ष के वृक्षों की नकल की, जिस पर कई तार्किक ऑपरेशन स्थित हैं जो काल्पनिक तंत्रों के माध्यम से काम करते हैं।

बाद में, मेल और सहकर्मियों ने अधिक विस्तार से अध्ययन किया कि एक सेल को अलग-अलग डेंड्राइट पर आने वाले संकेतों से कैसे नियंत्रित किया जा सकता है। उन्होंने जो पाया उन्हें आश्चर्यचकित कर दिया: डेन्ड्राइट ने स्थानीय चोटियों को उत्पन्न किया, उनके पास अपने गैर-रेखीय इनपुट / आउटपुट घटता था, और उनकी अपनी सक्रियता थ्रेसहोल्ड थी जो न्यूरॉन से अलग थी। डेंड्राइट स्वयं "I" द्वार के रूप में काम कर सकते हैं, या अन्य कंप्यूटिंग डिवाइस को खुद पर रख सकते हैं।

एक पूर्व स्नातक छात्र के साथ चाकYota Poiratsi (वर्तमान में ग्रीस में इंस्टीट्यूट ऑफ मॉलिक्यूलर बायोलॉजी एंड बायोटेक्नोलॉजी में एक कम्प्यूटेशनल न्यूरोसाइंटिस्ट के रूप में काम कर रहे हैं) ने महसूस किया कि इसका मतलब है कि एक एकल न्यूरॉन को दो-परत नेटवर्क माना जा सकता है । डेंड्राइट सहायक नॉनलाइनियर कंप्यूटिंग मॉड्यूल के रूप में काम करते हैं जो इनपुट डेटा एकत्र करते हैं और मध्यवर्ती आउटपुट डेटा प्रदान करते हैं। फिर इन संकेतों को सेल के शरीर में संयोजित किया जाता है, जो यह निर्धारित करता है कि एक पूरे के रूप में न्यूरॉन इसका जवाब कैसे देगा।

Yota Poiratsi, ग्रीस में आणविक जीवविज्ञान और जैव प्रौद्योगिकी संस्थान में एक कम्प्यूटेशनल न्यूरोसाइंटिस्ट

क्या डेंड्राइट के स्तर पर गतिविधि ने एक न्यूरॉन की सक्रियता को प्रभावित किया और पड़ोसी न्यूरॉन्स की गतिविधि स्पष्ट नहीं थी। लेकिन किसी भी मामले में, इस तरह के स्थानीय प्रसंस्करण प्रणाली को तैयार कर सकते हैं या सेट कर सकते हैं ताकि यह भविष्य के आने वाले संकेतों का अलग-अलग जवाब दे, जैसा कि शेफर्ड कहते हैं।

जैसा कि हो सकता है, "प्रवृत्ति यह थी: ठीक है, सावधान रहें, न्यूरॉन अधिक सक्षम हो सकता है, हमने सोचा," मेल ने कहा।

शेफर्ड सहमत हैं। उन्होंने कहा, "कॉर्टेक्स की एक महत्वपूर्ण मात्रा कॉर्टेक्स में होती है जो कि सीमा तक नहीं पहुंचती है," उन्होंने कहा। "एकल न्यूरॉन से एक प्रणाली केवल एकमात्र इंटीग्रेटर से अधिक हो सकती है।" दो परतें, या इससे भी अधिक हो सकती हैं। ” सिद्धांत रूप में, लगभग सभी कम्प्यूटेशनल ऑपरेशन एक न्यूरॉन द्वारा पर्याप्त संख्या में डेंड्राइट के साथ किए जा सकते हैं, जिनमें से प्रत्येक अपने स्वयं के गैर-रैखिक ऑपरेशन करने में सक्षम है।

साइंस जर्नल में हाल ही में एक काम में, शोधकर्ताओं ने इस विचार को और भी आगे ले गए। उन्होंने सुझाव दिया कि एक एकल डेंड्राइट कम्पार्टमेंट अपने दम पर ये जटिल ऑपरेशन कर सकता है।

अप्रत्याशित फटने और पुरानी बाधाएं

मैथ्यू लारकुम , हम्बोल्ट के एक न्यूरोसाइंटिस्ट और उनकी टीम ने विभिन्न दृष्टिकोणों से डेंड्राइट का अध्ययन करना शुरू किया। डेंड्राइट्स की गतिविधि का मुख्य रूप से उदाहरण के रूप में कृन्तकों का उपयोग करके अध्ययन किया गया था, और शोधकर्ता इस बात में रुचि रखते थे कि मानव न्यूरॉन्स में सिग्नल प्रसार कैसे भिन्न हो सकता है, जिनके डेंड्राइट बहुत लंबे होते हैं। उन्हें कॉर्टेक्स की दूसरी और तीसरी परत के मस्तिष्क के ऊतक के निपटान अनुभागों में मिला, जिसमें बड़ी संख्या में डेन्ड्राइट के साथ विशेष रूप से बड़े न्यूरॉन्स होते हैं। और जब उन्होंने विद्युत प्रवाह की मदद से इन डेन्ड्राइट को उत्तेजित करना शुरू किया, तो उन्हें कुछ अजीब लगा।

उन्होंने अप्रत्याशित और दोहराव वाले विस्फोटों को देखा - जो कि अन्य ज्ञात तंत्रिका संकेतों के बिल्कुल विपरीत थे। वे एक्शन पोटेंशिअल की तरह विशेष रूप से तेज और छोटे थे ।, और कैल्शियम आयनों के कारण उत्पन्न हुआ। यह दिलचस्प था क्योंकि सोडियम और पोटेशियम आयनों द्वारा सामान्य क्रिया क्षमता उत्पन्न की जाती है। यद्यपि कैल्शियम द्वारा उत्पन्न संकेतों को पहले से ही कृंतक डेंड्राइट्स में देखा गया था, ये फटने बहुत लंबे समय तक चले।

यहां तक कि अजनबी, विद्युत उत्तेजना की तीव्रता में वृद्धि ने न्यूरॉन्स की प्रतिक्रिया दर को कम कर दिया। "अचानक, हम, अधिक उत्तेजक, कम प्राप्त करने लगे," गिदोन ने कहा। "यह हमारा ध्यान गया।"

यह समझने के लिए फटने इन नए प्रकार क्या कर सकते हैं, वैज्ञानिकों Poiratsi और उसके ग्रीक प्रयोगशाला, से एक शोधकर्ता के साथ मिलकर Atanasia Paputzi , एक मॉडल है कि न्यूरॉन्स के व्यवहार को प्रतिबिंबित करता हो।

मॉडल ने दिखाया कि डेन्ड्राइट दो इनपुट सिग्नलों की प्रतिक्रिया में अलग-अलग फटने का उत्पादन करते हैं, लेकिन ये सिग्नल संयुक्त होने पर उत्पादन नहीं करते हैं। यह एक गैर-रेखीय गणना के बराबर है, जिसे एक्सक्लूसिव OR या XOR के रूप में जाना जाता है, केवल 1 यदि एक है, और केवल एक इनपुट दे रहा है। 1.

यह खोज कंप्यूटर वैज्ञानिकों के बीच तुरंत गूंजती है। कई वर्षों से, यह माना जाता था कि एक न्यूरॉन XOR फ़ंक्शन को गिनने में सक्षम नहीं था। 1969 की पुस्तक में, परसेप्ट्रोन, कंप्यूटर वैज्ञानिक मार्विन मिंस्की और सीमोर पैपर्ट ने सबूत दिए कि एकल-परत कृत्रिम तंत्रिका नेटवर्क XOR की गणना नहीं कर सकते। यह निष्कर्ष एक ऐसा झटका था जिसे कई कंप्यूटर वैज्ञानिकों ने इस तथ्य से समझाया था जिसमें तंत्रिका नेटवर्क 1980 के दशक तक स्थित थे।

तंत्रिका नेटवर्क के शोधकर्ताओं ने अंततः मिन्स्की और पैपर्ट द्वारा पाई गई बाधा को दूर करने के तरीके खोजे, और न्यूरोसाइंटिस्ट ने प्रकृति में इन समाधानों के उदाहरण पाए। उदाहरण के लिए, पोइरात्सी को पहले से ही पता था कि एक एकल न्यूरॉन एक्सओआर की गणना कर सकता है: केवल दो डेन्ड्राइट इसके लिए सक्षम हैं। लेकिन नए प्रयोगों में, उन्होंने और उनके सहयोगियों ने एक एकल डेन्ड्राइट में इस तरह की गणना करने के लिए एक प्रशंसनीय बायोफिज़िकल तंत्र का प्रस्ताव रखा।

"मेरे लिए, यह सिस्टम लचीलेपन का एक और डिग्री है," पोइरात्सी ने कहा। "यह दिखाता है कि सिस्टम के पास गणना करने के कई तरीके हैं।" हालांकि, वह बताती हैं कि यदि कोई एकल न्यूरॉन पहले से ही इस समस्या को हल करने में सक्षम है, "तो न्यूरॉन के अंदर अधिक जटिल मॉड्यूल बनाकर सिस्टम को क्यों जाना चाहिए?"

प्रोसेसर के अंदर प्रोसेसर

बेशक, सभी न्यूरॉन्स ऐसे नहीं हैं। गिदोन का कहना है कि मस्तिष्क के अन्य हिस्सों में काफी छोटे, नुकीले न्यूरॉन्स होते हैं। शायद, न्यूरॉन्स की ऐसी जटिलता एक कारण से मौजूद है। तो न्यूरॉन्स के कुछ हिस्सों को ऐसा करने की क्षमता की आवश्यकता क्यों है जो न्यूरॉन सक्षम है, या न्यूरॉन्स का एक छोटा नेटवर्क है? स्पष्ट विकल्प एक न्यूरॉन है जो एक बहुपरत नेटवर्क की तरह व्यवहार करता है, अधिक जानकारी को संसाधित कर सकता है, और तदनुसार, सीखने और अधिक स्टोर करने के लिए बेहतर है। "शायद हमारे पास एक अलग न्यूरॉन में एक पूरा गहरा नेटवर्क है," पोइरात्सी ने कहा। "और यह जटिल कार्यों को सिखाने के लिए बहुत अधिक शक्तिशाली उपकरण है।"

शायद Cording कहती है, “वास्तव में जटिल कार्यों की गणना करने में सक्षम केवल न्यूरॉन। उदाहरण के लिए, वह स्वतंत्र रूप से वस्तु को पहचान सकता है। " पोइरात्सी के अनुसार, ऐसे शक्तिशाली व्यक्तिगत न्यूरॉन्स की उपस्थिति मस्तिष्क को ऊर्जा बचाने में मदद कर सकती है।

लारकुम समूह की योजना है कि कृन्तकों और अन्य जानवरों के डेन्ड्राइट्स में इसी तरह के संकेतों को देखने के लिए यह निर्धारित किया जाए कि क्या ये कम्प्यूटेशनल क्षमताएं मनुष्यों के लिए अद्वितीय हैं। वे वास्तविक व्यवहार के लिए न्यूरॉन्स की मनाया गतिविधि से संबंधित करने के लिए मॉडल से परे जाना चाहते हैं। पोइरात्सी को उम्मीद है कि पहले मामले में क्या फायदे हो सकते हैं, यह समझने के लिए न्यूरॉन्स के नेटवर्क में क्या हो रहा है, डेंड्राइट गणना की तुलना करें। इसमें अन्य तार्किक संचालन की जांच करना और यह जानना कि वे कैसे सीखने या याद रखने में योगदान दे सकते हैं। पोरीत्सी ने कहा, "जब तक हम इसे पूरा नहीं कर लेते, हम खोज के महत्व की सराहना नहीं कर सकते।"

हालांकि अभी भी बहुत काम किया जाना है, शोधकर्ताओं का मानना है कि इन खोजों से मस्तिष्क मॉडलिंग के दृष्टिकोण पर पुनर्विचार करने की आवश्यकता प्रदर्शित होती है। शायद यह केवल विभिन्न न्यूरॉन्स और मस्तिष्क क्षेत्रों की कनेक्टिविटी पर ध्यान केंद्रित करने के लिए पर्याप्त नहीं है।

नए परिणामों से मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस के क्षेत्रों में नए प्रश्न भी उठने चाहिए। कृत्रिम तंत्रिका नेटवर्क बिंदु न्यूरॉन्स के साथ काम करते हैं, उन्हें नोड्स मानते हैं जो इनपुट का योग करते हैं और सक्रियण फ़ंक्शन के माध्यम से राशि संचारित करते हैं। "बहुत कम लोगों ने इस विचार को गंभीरता से लिया कि एक एकल न्यूरॉन एक परिष्कृत कंप्यूटिंग डिवाइस हो सकता है," न्यूयॉर्क विश्वविद्यालय के एक संज्ञानात्मक वैज्ञानिक गैरी मार्कस ने कहा , जो कुछ गहरे सीखने के दावों के बारे में बहुत उलझन में है।

यद्यपि विज्ञान पत्रिका का काम इस विचार को प्रदर्शित करने वाले कार्यों के समृद्ध इतिहास में सिर्फ एक खोज है, कंप्यूटर वैज्ञानिक अधिक सक्रिय रूप से प्रतिक्रिया कर सकते हैं क्योंकि यह XOR समस्या के साथ काम करता है, जिसमें तंत्रिका नेटवर्क पर इतना लंबा शोध है। मार्कस ने कहा, "वह कह रही है कि हमें इस बारे में गंभीरता से सोचने की जरूरत है।" "यह पूरा खेल - बेवकूफ न्यूरॉन्स से स्मार्ट तर्क प्राप्त करना - गलत हो सकता है।"

"और यह बहुत स्पष्ट रूप से इस दृष्टिकोण को प्रदर्शित करता है," उन्होंने कहा। "यह प्रदर्शन सभी पृष्ठभूमि शोर को बाहर निकाल देगा।"

मानव न्यूरॉन्स की प्रक्रियाओं ने गणना करने की अप्रत्याशित क्षमता दिखाई

बेवकूफ न्यूरॉन मॉडल की सीमाएं

अप्रत्याशित फटने और पुरानी बाधाएं

प्रोसेसर के अंदर प्रोसेसर

More articles: