Get best of the week

Proses neuron manusia menunjukkan kemampuan yang tak terduga untuk menghitung

Dendrit, proses dari beberapa neuron di otak manusia, dapat melakukan perhitungan logis, yang, seperti yang diperkirakan sebelumnya, hanya dapat seluruh jaringan saraf



Dendrit tipis yang menyerupai akar tanaman menyimpang ke segala arah dari sel tubuh neuron kortikal ini. Dendrit individu dapat secara mandiri memproses sinyal yang diterima dari neuron tetangga sebelum mentransfernya ke input sel

Kita sering diberitahu bahwa kemampuan otak untuk memproses informasi terletak pada triliunan koneksi yang menghubungkan neuronnya ke jaringan. Tetapi selama beberapa dekade terakhir, semakin banyak penelitian yang secara bertahap mengalihkan perhatian pada neuron individu, yang mengambil tanggung jawab yang jauh lebih besar untuk komputasi daripada yang dibayangkan sebelumnya.

Kesaksian terbaru dari banyak kesaksian ini dikaitkan dengan penemuan oleh para ilmuwan tentang jenis baru sinyal listrik yang melewati tingkat atas korteks serebral manusia. Dalam studi laboratorium dan model, telah ditunjukkan bahwa kompartemen kecil dendrit, proses neuron dari korteks serebral, mampu melakukan operasi kompleks dari bidang logika matematika. Namun, sekarang tampaknya kompartemen dendritik individual juga dapat melakukan operasi khusus - " OR eksklusif " (XOR) - yang, seperti yang diperkirakan sebelumnya, tidak tersedia untuk neuron individu.

"Saya pikir kita cukup dangkal menggali di bidang apa yang sebenarnya terlibat dalam neuron," - kata Albert Gideon , seorang postdoc di Universitas Humboldt di Berlin, penulis utama jurnal Science menerbitkan karya , yang menggambarkan penemuan ini.

Penemuan ini menunjukkan kebutuhan yang semakin meningkat untuk neuron individu untuk dipertimbangkan sebagai pengolah informasi yang kompleks dalam studi sistem saraf. "Otak bisa jauh lebih kompleks dari yang kita duga," kata Conrad Cording ., seorang ahli ilmu saraf komputasi dari University of Pennsylvania yang tidak terlibat dalam pekerjaan ini. Mungkin penemuan ini juga dapat mendorong para ilmuwan komputer untuk mengubah strategi kerja jaringan saraf tiruan, di mana neuron selalu dianggap sebagai saklar sederhana.

Keterbatasan model neuron bodoh


Pada 1940-an dan 50-an, ide tertentu mulai mendominasi dalam neurobiologi: peran "bodoh" neuron sebagai integrator sederhana, titik jaringan yang merangkum semua input. Proses percabangan sel, dendrit, menerima ribuan sinyal dari neuron tetangga - beberapa di antaranya menarik, lainnya - penghambatan. Di dalam tubuh neuron, semua sinyal ini ditimbang dan dijumlahkan, dan jika jumlahnya melebihi ambang tertentu, neuron menghasilkan serangkaian impuls listrik (pada kenyataannya, potensi listrik) yang mengendalikan stimulasi neuron tetangga.

Pada waktu yang hampir bersamaan, para peneliti menyadari bahwa satu neuron dapat berfungsi sebagai gerbang logis, seperti yang membentuk sirkuit digital (walaupun belum jelas bagaimana otak melakukan perhitungan ini ketika memproses informasi). Sebenarnya, neuron adalah "gerbang AND", karena hanya diaktifkan setelah menerima jumlah input data yang diperlukan.

Dengan demikian, jaringan neuron secara teoritis dapat melakukan perhitungan apa pun. Namun model neuron semacam itu terbatas. Metafora komputasinya terlalu sederhana, dan selama beberapa dekade, unit eksperimental tidak memiliki kemampuan untuk merekam aktivitas berbagai komponen dari satu neuron. "Ini pada dasarnya menekan neuron ke titik di luar angkasa," kata Barlett Mel ., Ilmuwan Saraf Komputasi di University of Southern California. "Dia tidak memiliki manifestasi aktivitas internal." Model tersebut mengabaikan fakta bahwa ribuan sinyal yang masuk ke neuron berada pada titik yang berbeda dari berbagai dendritnya. Dia mengabaikan gagasan (kemudian dikonfirmasi) bahwa dendrit individu dapat bekerja dengan cara yang berbeda. Dan dia mengabaikan kemungkinan bahwa berbagai struktur internal neuron dapat melakukan berbagai perhitungan.

Namun, pada 1980-an, segalanya mulai berubah. Model ilmuwan saraf Christoph Koch dan lainnya, yang kemudian dikonfirmasi dalam percobaan, menunjukkanbahwa satu neuron tidak menghasilkan sinyal tegangan tunggal atau seragam. Alih-alih, sinyal menurun, melewati dendrit ke dalam neuron, dan sering tidak berkontribusi pada keluaran sel akhir.

Isolasi sinyal seperti itu berarti bahwa masing-masing dendrit dapat memproses informasi secara independen satu sama lain. "Ini bertentangan dengan hipotesis neuron titik, di mana neuron hanya menumpuk semuanya terlepas dari lokasi," kata Mel.

Ini mendorong Koch dan ahli biologi lainnya, termasuk Gordon Shepherddari Yale School of Medicine, untuk memodelkan bagaimana struktur dendrit pada prinsipnya memungkinkan neuron bekerja bukan sebagai gerbang logika sederhana, tetapi sebagai sistem pemrosesan sinyal multikomponen yang kompleks. Mereka mensimulasikan pohon dendritik, di mana terdapat banyak operasi logis yang bekerja melalui mekanisme hipotetis.

Belakangan, Mel dan rekannya mempelajari lebih detail bagaimana sebuah sel dapat dikontrol dengan beberapa sinyal masuk pada dendrit yang terpisah. Apa yang mereka temukan mengejutkan mereka: dendrit menghasilkan puncak lokal, mereka memiliki kurva input / output non-linear sendiri, dan ambang aktivasi mereka sendiri yang berbeda dari neuron secara keseluruhan. Dendrit itu sendiri dapat berfungsi sebagai gerbang "I", atau menempatkan perangkat komputasi lain di atasnya.

Kapur dengan mantan mahasiswa pascasarjanaYota Poiratsi (saat ini bekerja sebagai ahli saraf komputasi di Institut Biologi Molekuler dan Bioteknologi di Yunani), menyadari bahwa ini berarti bahwa satu neuron dapat dianggap sebagai jaringan dua lapis . Dendrit berfungsi sebagai modul komputasi nonlinier tambahan yang mengumpulkan data input dan menyediakan data output menengah. Kemudian sinyal-sinyal ini digabungkan dalam tubuh sel, yang menentukan bagaimana neuron secara keseluruhan akan menanggapinya.


Yota Poiratsi, seorang ilmuwan saraf komputasi di Institute of Molecular Biology and Biotechnology in Greece

Apakah aktivitas pada tingkat dendrit mempengaruhi aktivasi neuron dan aktivitas neuron tetangga tidak jelas. Namun dalam hal apa pun, pemrosesan lokal tersebut dapat menyiapkan atau mengatur sistem sehingga merespons sinyal masuk di masa mendatang secara berbeda, seperti kata Shepherd.

Bagaimanapun, "trennya begini: oke, hati-hati, neuron mungkin lebih cakap, kami pikir," kata Mel.

Gembala setuju. "Sejumlah besar perhitungan yang terjadi di korteks berada pada level yang tidak mencapai ambang batas," katanya. "Suatu sistem dari satu neuron dapat lebih dari sekedar integrator saja." Mungkin ada dua lapisan, atau bahkan lebih. " Secara teori, hampir semua operasi komputasi dapat dilakukan oleh satu neuron dengan jumlah dendrit yang cukup, yang masing-masing mampu melakukan operasi non-liniernya sendiri.

Dalam sebuah karya terbaru di jurnal Science, para peneliti mengambil ide ini lebih jauh. Mereka menyarankan bahwa kompartemen dendrit tunggal dapat melakukan operasi kompleks ini sendiri.

Semburan tak terduga dan rintangan lama


Matthew Larkum , seorang ilmuwan saraf dari Humboldt, dan timnya, mulai mempelajari dendrit dari berbagai perspektif. Aktivitas dendrit terutama dipelajari menggunakan tikus sebagai contoh, dan para peneliti tertarik pada bagaimana propagasi sinyal dapat berbeda dalam neuron manusia, yang dendritnya jauh lebih lama. Mereka sampai di bagian pembuangan jaringan otak lapisan ke-2 dan ke-3 dari korteks, yang mengandung neuron besar terutama dengan sejumlah besar dendrit. Dan ketika mereka mulai merangsang dendrit-dendrit ini dengan bantuan arus listrik, mereka memperhatikan sesuatu yang aneh.

Mereka melihat semburan yang tak terduga dan berulang - yang sama sekali tidak seperti sinyal saraf yang dikenal lainnya. Mereka sangat cepat dan pendek, seperti potensi aksi., dan muncul karena ion kalsium. Ini menarik karena potensi aksi yang biasa dihasilkan oleh ion natrium dan kalium. Meskipun sinyal yang dihasilkan oleh kalsium sudah diamati dalam dendrit hewan pengerat, semburan ini bertahan lebih lama.

Lebih aneh lagi, peningkatan intensitas stimulasi listrik mengurangi tingkat respons neuron. "Tiba-tiba, kami, yang lebih merangsang, mulai menerima lebih sedikit," kata Gidon. "Itu menarik perhatian kita."

Untuk memahami apa yang bisa dilakukan oleh jenis ledakan baru ini, para ilmuwan bekerja sama dengan Poiratsi dan peneliti lab Yunani-nya Atanasia Paputzi untuk membuat model yang mencerminkan perilaku neuron.

Model menunjukkan bahwa dendrit menghasilkan semburan sebagai respons terhadap dua sinyal input secara terpisah, tetapi tidak menghasilkan jika sinyal-sinyal ini digabungkan. Ini setara dengan perhitungan non-linear, yang dikenal sebagai OR eksklusif, atau XOR, memberikan 1 hanya jika satu, dan hanya salah satu dari inputnya adalah 1.

Penemuan ini segera beresonansi di antara para ilmuwan komputer. Selama bertahun-tahun, diyakini bahwa satu neuron tidak dapat menghitung fungsi XOR. Dalam buku 1969, Perceptrons, ilmuwan komputer Marvin Minsky dan Seymour Papert memberikan bukti bahwa jaringan saraf tiruan satu lapis tidak dapat menghitung XOR. Kesimpulan ini merupakan pukulan telak sehingga banyak ilmuwan komputer menjelaskan fakta ini tentang stagnasi jaringan saraf sampai tahun 1980-an.

Para peneliti jaringan saraf akhirnya menemukan cara untuk mengatasi hambatan yang ditemukan oleh Minsky dan Papert, dan ilmuwan saraf menemukan contoh solusi ini di alam. Sebagai contoh, Poiratsi sudah tahu bahwa satu neuron dapat menghitung XOR: hanya dua dendrit yang mampu melakukan ini. Tetapi dalam percobaan baru, ia dan rekan-rekannya mengusulkan mekanisme biofisik yang masuk akal untuk melakukan perhitungan seperti itu dalam dendrit tunggal.

“Bagi saya, ini adalah tingkat fleksibilitas sistem yang lain,” kata Poiratsi. "Ini menunjukkan bahwa sistem memiliki banyak cara untuk melakukan perhitungan." Namun, dia menunjukkan bahwa jika satu neuron sudah dapat menyelesaikan masalah ini, "mengapa kemudian sistem harus melakukan trik dengan membuat modul yang lebih kompleks di dalam neuron?"

Prosesor di dalam prosesor


Tentu saja, tidak semua neuron seperti itu. Gidon mengatakan bahwa di bagian otak lain ada beberapa neuron yang lebih kecil dan lancip. Mungkin, kompleksitas neuron semacam itu ada karena suatu alasan. Jadi mengapa sebagian neuron membutuhkan kemampuan untuk melakukan apa yang mampu dilakukan oleh neuron, atau jaringan kecil neuron? Pilihan yang jelas adalah neuron yang berperilaku seperti jaringan multilayer, dapat memproses lebih banyak informasi, dan karenanya, lebih baik untuk belajar dan menyimpan lebih banyak. "Mungkin kita memiliki jaringan yang sangat dalam di neuron yang terpisah," kata Poiratsi. "Dan ini adalah alat yang jauh lebih kuat untuk mengajarkan tugas-tugas kompleks."

Mungkin Cording menambahkan, “Satu-satunya neuron yang mampu menghitung fungsi yang benar-benar kompleks. Misalnya, dia bisa mengenali objek secara independen. " Kehadiran neuron individu yang kuat seperti itu dapat membantu otak menghemat energi, menurut Poiratsi.

Kelompok Larkum berencana untuk mencari sinyal yang sama dalam dendrit hewan pengerat dan hewan lain untuk menentukan apakah kemampuan komputasi ini unik bagi manusia. Mereka juga ingin melampaui model untuk menghubungkan aktivitas neuron yang diamati dengan perilaku nyata. Poiratsi berharap untuk membandingkan perhitungan dendrit dengan apa yang terjadi dalam jaringan neuron untuk memahami keuntungan apa yang mungkin muncul pada kasus pertama. Ini akan termasuk memeriksa operasi logis lainnya dan mengeksplorasi bagaimana mereka dapat berkontribusi untuk belajar atau mengingat. "Sampai kita menandai semuanya, kita tidak bisa menghargai pentingnya penemuan ini," kata Poiratsi.

Meskipun masih banyak pekerjaan yang harus dilakukan, para peneliti percaya bahwa penemuan ini menunjukkan perlunya memikirkan kembali pendekatan pemodelan otak. Mungkin tidak cukup hanya berkonsentrasi pada keterhubungan berbagai neuron dan daerah otak.

Hasil baru juga harus menimbulkan pertanyaan baru di bidang pembelajaran mesin dan kecerdasan buatan. Jaringan saraf tiruan bekerja dengan neuron titik, menganggapnya sebagai simpul yang menjumlahkan input dan mengirimkan jumlahnya melalui fungsi aktivasi. "Sangat sedikit orang yang menganggap serius gagasan bahwa neuron tunggal dapat menjadi perangkat komputasi yang canggih," kata Gary Marcus , seorang ilmuwan kognitif di New York University yang sangat skeptis tentang beberapa klaim pembelajaran mendalam.

Meskipun karya dari majalah Science hanya satu penemuan dalam sejarah yang kaya karya yang menunjukkan ide ini, ilmuwan komputer dapat bereaksi lebih aktif karena bekerja dengan masalah XOR, yang telah begitu lama menyiksa penelitian pada jaringan saraf. "Dia sepertinya mengatakan bahwa kita perlu memikirkannya dengan serius," kata Marcus. "Seluruh permainan ini - mendapatkan penalaran cerdas dari neuron bodoh - mungkin salah."

"Dan itu sangat jelas menunjukkan sudut pandang ini," tambahnya. "Performa ini akan menghilangkan semua kebisingan latar belakang."

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

More articles:


All Articles