Get best of the week

Os processos dos neurônios humanos mostraram capacidade inesperada de calcular

Os dendritos, processos de alguns neurônios no cérebro humano, podem realizar cálculos lógicos que, como se pensava anteriormente, podem apenas redes neurais inteiras



Os dendritos finos, semelhantes às raízes de uma planta, divergem em todas as direções do corpo celular desse neurônio cortical. Os dendritos individuais podem processar independentemente os sinais recebidos dos neurônios vizinhos antes de transferi-los para a entrada da célula.Fomos

informados com frequência de que a capacidade do cérebro de processar informações está nos trilhões de conexões que conectam seus neurônios à rede. Mas nas últimas décadas, mais e mais pesquisas gradualmente mudaram a atenção para os neurônios individuais, que assumem uma responsabilidade muito maior pela computação do que se imaginava anteriormente.

O mais novo desses muitos testemunhos está associado à descoberta pelos cientistas de um novo tipo de sinal elétrico que passa pelos níveis superiores do córtex cerebral humano. Em estudos de laboratório e em modelos, já foi demonstrado que minúsculos compartimentos de dendritos, processos de neurônios do córtex cerebral, são capazes de realizar operações complexas no campo da lógica matemática. No entanto, agora parece que os compartimentos dendríticos individuais também podem realizar uma operação especial - um " OR exclusivo " (XOR) - que, como se pensava anteriormente, não estava disponível para neurônios individuais.

"Acho que estamos cavado bastante superficial na área do que está realmente envolvido nos neurônios", - disse Albert Gideon , um pós-doc na Universidade de Humboldt em Berlim, principal autor da revista Science publicou obras , que descreve essa descoberta.

Essa descoberta demonstra a necessidade cada vez maior de neurônios individuais serem considerados processadores de informações complexos em estudos do sistema nervoso. "O cérebro pode ser muito mais complexo do que pensávamos", disse Conrad Cording ., um neurocientista computacional da Universidade da Pensilvânia que não estava envolvido neste trabalho. Talvez a descoberta também possa levar os cientistas da computação a mudar as estratégias de trabalho das redes neurais artificiais, nas quais os neurônios sempre foram considerados como simples interruptores.

Limitações do modelo estúpido de neurônios


Nas décadas de 1940 e 50, uma certa idéia começou a dominar a neurobiologia: o papel "burro" de um neurônio como um integrador simples, um ponto de rede que resume todas as informações. Os processos de ramificação da célula, os dendritos, recebem milhares de sinais dos neurônios vizinhos - alguns emocionantes, outros - inibidores. No corpo de um neurônio, todos esses sinais são pesados ​​e somados e, se a soma exceder um certo limite, o neurônio produz uma sequência de impulsos elétricos (de fato, potenciais elétricos) que controlam a estimulação dos neurônios vizinhos.

Na mesma época, os pesquisadores perceberam que um único neurônio poderia funcionar como um portão lógico, como os que compõem os circuitos digitais (embora ainda não esteja claro como o cérebro realiza esses cálculos ao processar informações). O neurônio era, de fato, o “portão AND”, pois só era ativado após o recebimento da quantidade necessária de dados de entrada.

Assim, uma rede de neurônios poderia teoricamente realizar quaisquer cálculos. No entanto, esse modelo de neurônio era limitado. Suas metáforas computacionais eram muito simplistas e, por décadas, as unidades experimentais careciam da capacidade de registrar a atividade de vários componentes de um neurônio. "Essencialmente, espremeu um neurônio a um ponto no espaço", disse Barlett Mel ., Neurocientista Computacional da Universidade do Sul da Califórnia. "Ele não tinha manifestações internas de atividade." O modelo ignorou o fato de que milhares de sinais entrando no neurônio estavam em pontos diferentes de seus vários dendritos. Ela ignorou a ideia (confirmada posteriormente) de que os dendritos individuais podem trabalhar de maneiras diferentes. E ela ignorou a possibilidade de que várias estruturas internas do neurônio pudessem realizar vários cálculos.

No entanto, na década de 1980, as coisas começaram a mudar. Modelos do neurocientista Christoph Koch e outros, que posteriormente confirmaram em experimentos, demonstraramque um neurônio não produz um sinal de voltagem único ou uniforme. Em vez disso, os sinais diminuíram, passando o dendrito para o neurônio, e muitas vezes não contribuíram para a saída final da célula.

Esse isolamento de sinais significa que os dendritos individuais podem processar informações independentemente um do outro. "Isso foi contrário à hipótese do neurônio pontual, na qual o neurônio simplesmente empilhou tudo, independentemente da localização", disse Mel.

Isso levou Koch e outros biólogos, incluindo Gordon Shepherdda Faculdade de Medicina de Yale, para modelar como a estrutura dos dendritos, em princípio, poderia permitir que um neurônio funcionasse não como um simples portão lógico, mas como um complexo sistema de processamento de sinais de múltiplos componentes. Eles simularam árvores dendríticas, nas quais estão localizadas muitas operações lógicas que funcionam através de mecanismos hipotéticos.

Mais tarde, Mel e colegas estudaram mais detalhadamente como uma célula poderia ser controlada com vários sinais recebidos em dendritos separados. O que eles descobriram os surpreendeu: os dendritos geravam picos locais, tinham suas próprias curvas de entrada / saída não lineares e seus próprios limiares de ativação que diferiam do neurônio como um todo. Os dendritos podem funcionar como portões "I" ou colocar outros dispositivos de computação em si mesmos.

Giz com um ex-aluno de pós-graduaçãoYota Poiratsi (agora neurocientista que trabalha no Instituto de Biologia Molecular e Biotecnologia da Grécia) percebeu que isso significa que um único neurônio pode ser considerado uma rede de duas camadas . Os dendritos servem como módulos de computação não lineares auxiliares que coletam dados de entrada e fornecem dados de saída intermediários. Então esses sinais são combinados no corpo da célula, o que determina como o neurônio como um todo responderá a ele.


Yota Poiratsi, neurocientista computacional do Instituto de Biologia Molecular e Biotecnologia da Grécia

Se a atividade no nível dos dendritos influenciou a ativação de um neurônio e a atividade dos neurônios vizinhos não estava claro. Mas, em qualquer caso, esse processamento local pode preparar ou configurar o sistema para responder de maneira diferente a futuros sinais de entrada, como diz Shepherd.

Seja como for, "a tendência era essa: ok, tenha cuidado, o neurônio pode ser mais capaz, pensamos", disse Mel.

Shepherd concorda. "Uma quantidade significativa de computação que ocorre no córtex está em um nível que não atinge o limite", disse ele. "Um sistema de um único neurônio pode ser mais do que apenas o único integrador." Pode haver duas camadas, ou até mais. Em teoria, quase todas as operações computacionais podem ser realizadas por um neurônio com um número suficiente de dendritos, cada um dos quais é capaz de executar sua própria operação não linear.

Em um trabalho recente na revista Science, os pesquisadores levaram essa idéia ainda mais longe. Eles sugeriram que um único compartimento de dendrito poderia realizar essas operações complexas por conta própria.

Explosões inesperadas e obstáculos antigos


Matthew Larkum , um neurocientista de Humboldt, e sua equipe, começaram a estudar dendritos de diferentes perspectivas. A atividade dos dendritos foi estudada principalmente usando roedores como exemplo, e os pesquisadores estavam interessados ​​em saber como a propagação do sinal pode diferir nos neurônios humanos, cujos dendritos são muito mais longos. Eles obtiveram as seções de disposição do tecido cerebral da 2ª e 3ª camada do córtex, que contém neurônios especialmente grandes com um grande número de dendritos. E quando eles começaram a estimular esses dendritos com a ajuda da corrente elétrica, eles perceberam algo estranho.

Eles viram explosões inesperadas e repetitivas - que eram completamente diferentes de outros sinais neurais conhecidos. Eles eram especialmente rápidos e curtos, como potenciais de ação., e surgiu devido a íons cálcio. Isso foi interessante porque os potenciais de ação usuais são gerados por íons sódio e potássio. Embora os sinais gerados pelo cálcio já tenham sido observados nos dendritos de roedores, essas explosões duraram muito mais tempo.

Ainda mais estranho, um aumento na intensidade da estimulação elétrica reduziu a taxa de resposta dos neurônios. "De repente, nós, estimulando mais, começamos a receber menos", disse Gidon. "Ele chamou nossa atenção."

Para entender o que esses novos tipos de explosões podem fazer, os cientistas se uniram a Poiratsi e sua pesquisadora grega de laboratório Atanasia Paputzi para criar um modelo que reflete o comportamento dos neurônios.

O modelo mostrou que os dendritos produzem rajadas em resposta a dois sinais de entrada separadamente, mas não produzem se esses sinais forem combinados. Isso é equivalente a um cálculo não linear, conhecido como OR exclusivo ou XOR, fornecendo 1 apenas se um e apenas uma das entradas for 1.

Essa descoberta ressoou imediatamente entre os cientistas da computação. Por muitos anos, acreditava-se que um neurônio não era capaz de contar a função XOR. No livro de 1969, Perceptrons, os cientistas da computação Marvin Minsky e Seymour Papert forneceram evidências de que as redes neurais artificiais de camada única não podiam calcular o XOR. Essa conclusão foi um golpe tão grande que muitos cientistas da computação explicaram por esse fato a estagnação em que as redes neurais estavam localizadas até a década de 1980.

Pesquisadores de redes neurais finalmente encontraram maneiras de superar o obstáculo encontrado por Minsky e Papert, e os neurocientistas encontraram exemplos dessas soluções na natureza. Por exemplo, Poiratsi já sabia que um único neurônio pode calcular o XOR: apenas dois dendritos são capazes disso. Mas em novos experimentos, ele e seus colegas propuseram um mecanismo biofísico plausível para realizar esse cálculo em um único dendrito.

"Para mim, esse é outro grau de flexibilidade do sistema", disse Poiratsi. "Isso mostra que o sistema tem muitas maneiras de fazer os cálculos." No entanto, ela ressalta que, se um único neurônio já é capaz de resolver esse problema, "por que então o sistema deve usar truques criando módulos mais complexos dentro do neurônio?"

Processadores dentro de processadores


Claro, nem todos os neurônios são assim. Gidon diz que em outras partes do cérebro existem alguns neurônios menores e pontudos. Provavelmente, essa complexidade de neurônios existe por uma razão. Então, por que partes dos neurônios precisam da capacidade de fazer o que um neurônio é capaz, ou de uma pequena rede de neurônios? A opção óbvia é um neurônio que se comporta como uma rede multicamada, pode processar mais informações e, consequentemente, é melhor aprender e armazenar mais. "Talvez tenhamos toda uma rede profunda em um neurônio separado", disse Poiratsi. "E este é um aparelho muito mais poderoso para o ensino de tarefas complexas."

Talvez Cording acrescente: “O único neurônio capaz de calcular funções verdadeiramente complexas. Por exemplo, ele poderia reconhecer independentemente o objeto ". A presença de neurônios individuais tão poderosos pode ajudar o cérebro a economizar energia, de acordo com Poiratsi.

O grupo Larkum planeja procurar sinais semelhantes nos dendritos de roedores e outros animais para determinar se essas habilidades computacionais são únicas para os seres humanos. Eles também querem ir além do modelo para relacionar a atividade observada dos neurônios com o comportamento real. Poiratsi espera comparar os cálculos de dendritos com o que está acontecendo nas redes de neurônios, a fim de entender quais vantagens podem surgir no primeiro caso. Isso incluirá a verificação de outras operações lógicas e a exploração de como elas podem contribuir para aprender ou lembrar. "Até marcarmos tudo, não podemos apreciar a importância da descoberta", disse Poiratsi.

Embora ainda haja muito trabalho a ser feito, os pesquisadores acreditam que essas descobertas demonstram a necessidade de repensar a abordagem da modelagem cerebral. Talvez não seja suficiente se concentrar apenas na conexão de vários neurônios e regiões do cérebro.

Novos resultados também devem suscitar novas questões nas áreas de aprendizado de máquina e inteligência artificial. As redes neurais artificiais trabalham com neurônios pontuais, considerando-os como nós que somam a entrada e transmitem a soma através da função de ativação. "Pouquíssimas pessoas levaram a sério a idéia de que um único neurônio poderia ser um complexo dispositivo de computação", disse Gary Marcus , cientista cognitivo da Universidade de Nova York que tem sido muito cético em relação a algumas das afirmações de aprendizado profundo.

Embora o trabalho da revista Science seja apenas uma descoberta na rica história dos trabalhos que demonstram essa idéia, os cientistas da computação podem reagir mais ativamente a ela porque trabalha com o problema XOR, que há tanto tempo atormenta as pesquisas em redes neurais. "Ela parece estar dizendo que precisamos pensar seriamente sobre isso", disse Marcus. "Todo esse jogo - obter raciocínio inteligente de neurônios estúpidos - pode estar errado."

"E isso demonstra claramente esse ponto de vista", acrescentou. "Esta performance abafará todo o ruído de fundo".

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

More articles:


All Articles