人类神经元的过程显示出意外的计算能力
树突状结构，即人脑中某些神经元的过程，可以执行逻辑计算，如先前认为的那样，它只能构成整个神经网络
类似于植物根部的细树突从该皮质神经元的细胞体向各个方向扩散。单个树突可以在将相邻神经元接收到的信号传输到细胞输入之前独立处理它们，我们经常被告知大脑处理信息的能力在于将其神经元连接到网络的数万亿个连接。但是在过去的几十年中，越来越多的研究逐渐将注意力转移到单个神经元上，单个神经元在计算方面承担的责任比以前想象的要大得多。这些证词中的最新证据与科学家发现穿过人类大脑皮层上层的新型电信号有关。在实验室研究和模型研究中，已经证明，树突的微小区室（大脑皮层神经元的过程）本身能够执行数学逻辑领域的复杂操作。但是，现在看来，单个树突状区室也可以执行特殊操作-“ 异或 ”（XOR）-如先前所认为，单个神经元无法使用。“我认为我们是很浅挖在什么是真正参与了神经元的区域，” -说阿尔贝基甸，在洪堡的柏林大学的博士后，科学杂志的主要作者出版的作品，它描述了这一发现。这一发现表明，在神经系统研究中越来越需要将单个神经元视为复杂的信息处理器。康拉德·科丁说：“大脑比我们想象的要复杂得多。”，来自宾夕法尼亚大学的计算神经科学家，未参与此项工作。也许这一发现可能还会促使计算机科学家改变人工神经网络的工作策略，在该方法中，神经元一直被视为简单的开关。愚蠢的神经元模型的局限性
在1940年代和50年代，神经生物学开始流行一种特定的观念：神经元作为简单的积分器的“愚蠢”角色，一个网络点将所有输入汇总。细胞的分支过程，树突，从邻近的神经元接收成千上万的信号，其中一些是令人兴奋的，而另一些则是抑制性的。在神经元的身体中，所有这些信号都经过加权和求和，如果总和超过某个阈值，则神经元会产生一系列电脉冲（实际上是电势），以控制相邻神经元的刺激。大约在同一时间，研究人员意识到单个神经元可以像逻辑门一样工作，就像组成数字电路的逻辑门一样（尽管目前尚不清楚大脑在处理信息时如何执行这些计算）。实际上，神经元是“与门”，因为它仅在接收到必要数量的输入数据后才被激活。因此，神经元网络理论上可以进行任何计算。然而，这样的神经元模型是有限的。它的计算隐喻太简单了，几十年来，实验单位缺乏记录一个神经元各种成分活动的能力。 “它本质上将神经元压缩到了一个空间点，” 巴列特·梅尔（Barlett Mel）说。，南加州大学计算神经科学家。 “他没有活动的内在表现。”该模型忽略了这样一个事实，即成千上万的进入神经元的信号位于其各个树突的不同点。她忽略了（随后得到确认）个体树突可以以不同方式工作的想法。她忽略了神经元的各种内部结构可以执行各种计算的可能性。但是，在1980年代，情况开始发生变化。随后在实验中证实的神经科学家克里斯托夫·科赫（Christoph Koch）等人的模型证明了一个神经元不会产生单个或统一的电压信号。取而代之的是，信号减少，沿着树突进入神经元，并且通常对最终的细胞输出没有帮助。信号的这种隔离意味着各个树突可以彼此独立地处理信息。梅尔说：“这与点神经元假说相反，在点神经元假说中，神经元简单地堆叠了所有东西，而不管位置如何。”这促使科赫和其他生物学家，包括戈登·谢泼德（Gordon Shepherd）耶鲁大学医学院的研究人员对树突状结构的原理进行了建模，以模拟神经元不是简单的逻辑门，而是复杂的多分量信号处理系统。他们模拟了树状树，树上有许多通过假设机制起作用的逻辑操作。后来，梅尔和他的同事更详细地研究了如何通过在单独的树突上的多个传入信号来控制细胞。他们的发现使他们感到惊讶：树突产生了局部峰，它们具有自己的非线性输入/输出曲线，并且它们的激活阈值与整个神经元不同。树突本身可以用作“ I”门，也可以在其自身上放置其他计算设备。与前研究生粉笔Yota Poiratsi（现为希腊分子生物学与生物技术研究所的一名现役神经科学家）意识到，这意味着单个神经元可以被视为两层网络。树突用作辅助非线性计算模块，用于收集输入数据并提供中间输出数据。然后，这些信号在细胞体内被合并，从而确定整个神经元将如何对其作出反应。
希腊分子生物学与生物技术研究所的计算神经科学家Yota Poiratsi尚不清楚树突水平的活性是否影响神经元的激活和邻近神经元的活性。但是在任何情况下，如Shepherd所说，这种本地处理可以准备或设置系统，以便它对将来的输入信号做出不同的响应。梅尔说，尽管如此，“趋势是这样的：好吧，要小心，我们认为神经元可能更有能力。”牧羊人同意。他说：“大脑皮层中发生的大量计算处于未达到阈值的水平。” “来自单个神经元的系统可能不仅仅是唯一的集成商。” 可能有两层，甚至更多。” 从理论上讲，几乎所有的计算操作都可以由具有足够数量树突的一个神经元执行，每个树突都能够执行自己的非线性运算。在《科学》杂志的最新著作中，研究人员将这一想法推向了更远。他们建议，单个树枝状晶格可以自己执行这些复杂的操作。意外的爆裂和旧障碍
洪堡的神经科学家Matthew Larkum及其团队开始从不同角度研究树突。树突的活性主要以啮齿动物为例进行研究，研究人员对树突更长的人类神经元中信号传播的差异感兴趣。它们到达了皮层第二层和第三层的大脑组织的可处置部分，其中包含特别大的神经元和大量的树突。当他们开始借助电流刺激这些树突时，他们发现了一些奇怪的东西。他们看到了意外的和重复的爆发-完全不同于其他已知的神经信号。它们特别快且短，就像动作电位一样。，并且由于钙离子而出现。这很有趣，因为通常的动作电位是由钠和钾离子产生的。尽管在啮齿动物的树突中已经观察到钙产生的信号，但这些爆发持续的时间更长。甚至更陌生的是，电刺激强度的增加会降低神经元的响应速度。吉登说：“突然之间，刺激我们的活动开始减少。” “它引起了我们的注意。”为了了解这些新型爆发的作用，科学家与Poiratsi以及她希腊实验室Atanasia Paputzi的研究人员合作，创建了一个反映神经元行为的模型。该模型显示，树枝状晶体分别响应两个输入信号产生猝发，但如果将这些信号组合在一起则不会产生猝发。这等效于称为“异或”或XOR的非线性计算，仅当一个输入且只有一个输入为1时才给出1。这一发现立即在计算机科学家中引起共鸣。许多年来，人们认为一个神经元无法计数XOR功能。在1969年的书《 Perceptrons》中，计算机科学家Marvin Minsky和Seymour Papert提供了证据，证明单层人工神经网络无法计算XOR。这个结论是一个打击，以至于许多计算机科学家通过这一事实解释了直到1980年代神经网络所处的停滞状态。神经网络的研究人员最终找到了克服Minsky和Papert发现的障碍的方法，而神经科学家在自然界中找到了这些解决方案的例子。例如，Poiratsi已经知道单个神经元可以计算XOR：只有两个树突能够做到这一点。但是在新的实验中，他和他的同事提出了一种合理的生物物理机制，可以在单个枝晶中进行这种计算。“对我来说，这是系统灵活性的另一种程度，” Poiratsi说。“它表明系统有很多方法可以进行计算。” 但是，她指出，如果单个神经元已经能够解决此问题，那么“为什么系统应该通过在神经元内部创建更复杂的模块来欺骗呢？”处理器内部的处理器
当然，并非所有的神经元都是这样。吉登说，在大脑的其他部位，有许多较小的，尖的神经元。可能由于某种原因存在如此复杂的神经元。那么为什么神经元的某些部分需要具备做神经元能做的事情的能力，或者需要一个小的神经元网络呢？一个明显的选择是神经元，其行为类似于多层网络，可以处理更多信息，因此更好地学习和存储更多信息。 “也许我们在一个单独的神经元中拥有一个完整的深度网络，” Poiratsi说。 “这是一种用于教学复杂任务的强大得多的工具。”也许Cording补充说：“唯一能够计算真正复杂功能的神经元。例如，他可以独立地识别物体。”根据Poiratsi的说法，这种强大的单个神经元的存在可以帮助大脑节省能量。Larkum研究小组计划在啮齿动物和其他动物的树突中寻找类似的信号，以确定这些计算能力是否对人类而言是独特的。他们还希望超越模型，将观察到的神经元活动与真实行为联系起来。 Poiratsi希望将树突计算与神经元网络中发生的事情进行比较，以了解在第一种情况下可能产生的优势。这将包括检查其他逻辑运算，并探索它们如何有助于学习或记忆。 Poiratsi说：“直到我们将其全部标记出来，我们才能欣赏到这一发现的重要性。”尽管仍有许多工作要做，但研究人员认为，这些发现表明有必要重新思考大脑建模的方法。仅仅仅关注神经元和大脑各个区域之间的联系也许还不够。新的结果也将在机器学习和人工智能领域提出新的问题。人工神经网络与点神经元一起工作，认为它们是对输入求和并通过激活函数传输总和的节点。纽约大学的认知科学家加里·马库斯（Gary Marcus）说：“很少有人认真地考虑到单个神经元可以成为复杂的计算设备的想法。” 他对一些深度学习的主张非常怀疑。尽管《科学》杂志的著作只是证明这一思想的丰富著作历史中的一个发现，但是计算机科学家可能会更积极地做出反应，因为它可以解决XOR问题，长期以来一直困扰着对神经网络的研究。“她似乎在说我们需要认真考虑它，”马库斯说。“整个游戏-从愚蠢的神经元获得明智的推理-可能是错误的。”他补充说：“它非常清楚地证明了这一观点。” “这种表现将淹没所有背景噪音。”Source: https://habr.com/ru/post/undefined/
All Articles