Než začnete číst tento článek, možná vás napadne několik myšlenek, které váš mozek(vy) zvažuje: Proč to musíme číst? Co se z toho můžeme dozvědět? Nebo mi tento obsah prozradí, jak mozek reaguje a řeší problémy v různých situacích? Ano! Je to všechno matematika, permutace, chemické rovnice, které se odehrávají uvnitř našeho vlastního mozku. Tento článek je rozdělen do tří částí. V první části článku si ve stručnosti představíme počítačovou neurovědu, která zahrnuje, roli, kterou hrají neurony, anatomii neuronů a modely, které by mohly být vysvětleny pro funkce mozku, tzv. modely mozku.
Nyní se podíváme, co všechno můžeme odnést pochopením nebo poznáním mozku. V posledních několika letech jsme svědky pokroku v neuronových sítích, které jsou zcela inspirovány touto „výpočetní neurovědou“. Algoritmy nebo modely, které se používají v několika oblastech neuronových sítí/počítačového vidění, jsou odvozeny na základě teoretického pochopení neurovědy. O našem mozku víme jen to, že je rychlý, inteligentní, přijímá vstupní informace z prostředí, probíhají v něm určité chemické reakce/fúze a nakonec nám poskytne řešení nebo výstup. Při čtení této knihy byste se seznámili s prováděním programů uvnitř našeho mozku. Začněme!
Toto je nedávný tweet, který zveřejnil Lex Friedman. Pracuje jako vědecký pracovník na MIT.
Lidský mozek je neuvěřitelný. Zde jsou vizualizována 3 % neuronů a 0,0001 % synapsí v mozku, které tvoří část mozkového talamokortikálního systému. Vizualizace prostřednictvím DigiCortex Engine.
2.0 Neurověda
Termín „počítačová neurověda“ zavedl Eric L. Schwartz na konferenci, aby poskytl přehled o oboru, který byl do té doby označován různými názvy, například neuromodelování, teorie mozku a neuronové sítě. Později Hubel & Wiesel objevil fungování neuronů napříč sítnicí, v primární zrakové kůře (první korové oblasti). To je vysvětleno v části 3. Dále s nárůstem výpočetního výkonu většina počítačových neurovědců úzce spolupracuje s experimentátory při analýze různých dat a syntéze nových modelů biologických jevů.
Teoretická neurověda
Neurověda zahrnuje přístupy od molekulárních a buněčných studií až po lidskou psychofyziku a psychologii. Cílem výpočetní neurovědy je popsat, jak jsou elektrické a chemické signály v mozku využívány k interpretaci a zpracování informací. Tento záměr není nový, ale v posledním desetiletí se hodně změnil. Díky pokroku v neurovědách se nyní o mozku ví více, je k dispozici větší výpočetní výkon pro provádění realistických simulací neuronových systémů a ze studia zjednodušených modelů velkých sítí neuronů se získávají nové poznatky.
Poznání mozku je výzvou, která přitahuje stále větší počet vědců z mnoha oborů. Přestože v posledních několika desetiletích došlo k explozi objevů týkajících se struktury mozku na buněčné a molekulární úrovni, dosud nerozumíme tomu, jak nám nervový systém umožňuje vidět, slyšet, učit se, pamatovat si a plánovat určité činnosti. Existuje však řada oborů, které jsou závislé na počítačové neurovědě, některé z nich jsou uvedeny níže,
- Hluboké učení, umělá inteligence a strojové učení
- lidská psychologie
- Medicínské vědy
- Mentální modely
- Počítačová anatomie
- Teorie informací
3. Jaké jsou možnosti počítačové neurovědy?0 Hubelův a Wieselův experiment
Tento experiment se zdá být předzvěstí objevených neuronálních poznatků. Položil základy pro hlubší zkoumání výpočetní neurovědy. Podívejme se, co se v něm skrývá.
Profesoři David Hubel a Torsten Wiesel provedli v 50. letech 20. století experiment, při kterém zaznamenávali neuronální aktivity kočky přes sítnici, když pohybovali jasným světlem. Během experimentu zaznamenali několik zajímavých pozorování:
- Neurony se aktivovaly jen v některých případech, ale ne vždy.
- Aktivita neuronů se měnila v závislosti na orientaci a umístění světelné čáry.
(Nebojte se neuronálního žargonu, všechny termíny bychom prozkoumali v následujících tématech). Elektrické a chemické signály zaznamenané v buňkách spojujících sítnici s mozkem byly převedeny na zvukové signály. Tyto zvukové signály byly následně přehrávány, což mělo za následek „Prásk! Praskání!“. Ty nebyly kontinuální, místo toho se přehrávaly pouze tehdy, když neuron vystřelil. Od té doby se podařilo vytvořit základní představu o tom, jak neurony získávají informace vržené sítnicí, a poté jasně vysvětlit, jak mohou zrakové korové neurony (přítomné v primární zrakové kůře, V1, v mozku) formulovat obraz.
4.0 Nervové buňky, anatomie a elektrická osobnost neuronů
Abychom tedy jasně pochopili, jak mozek funguje a jak jsme schopni vnímat svět kolem nás, podívejme se na primární část mozku, tedy na neurony. Ty jsou výpočetními jednotkami lidského mozku.
Mozek lze rozdělit na jednotlivé samostatné části zvané neurony. Existuje mnoho možných tvarů neuronů, řekněme, že ve zrakové kůře je neuron pyramidový a v mozečku se nazývají Purkyňovy buňky.
Struktura neuronů
Nuron se skládá ze tří hlavních částí, a to somy, dendritů a axonu. Soma je tělo buňky. Dendrity jsou vstupní konce neuronů, zatímco axon je výstupní konec. Vstupní informace tedy dendrity přijímají z axonů sousedního neuronu. Tyto vstupy dávají vzniknout excitačnímu postsynaptickému potenciálu (EPSP), a pokud jsou přijaty jako kombinace z několika dalších neuronů, poskytují akční potenciál nebo hrot. K tomuto spiku dochází pouze tehdy, když vstup dosáhne určitého prahu.
Pohled dovnitř
Zajímavé je, že neurony lze definovat jako „děravý vak s nabitou tekutinou“. Jak se tedy najednou objevily chemické látky? Je to zásadní věc, kterou si mnozí z nás neuvědomují. Neurony pracují výhradně s chemickými látkami a chemické reakce pohánějí všechny hroty a synapse. V mozku skutečně máme Na+, Cl-, K+ a další. Fascinující, že?“
Obsah neuronu je uzavřen v lipidové dvojvrstvě a lipid je zjednodušeně řečeno „tuk“. Tato dvojvrstva je nepropustná pro nabité ionty, jako jsou Na+, K+, Cl- a další. Jak se tedy tyto chemické látky pohybují mezi neurony? Abychom na to odpověděli, ponořme se hlouběji do iontových kanálů.
Iontové kanály
„Iontové kanály“ umožňují přenos těchto iontů, tj. průchod dovnitř a ven z neuronů. Výsledkem je potenciálový rozdíl, který existuje mezi vnitřní a vnější částí neuronu, vnitřní potenciál je -70mv vzhledem k vnějšímu.
Na vnější straně máme Na+, Cl-, zatímco uvnitř neuronu jsou přítomny K+, organické anionty-. Je to možné i naopak, ale koncentrace iontů jsou v tomto případě nižší, jak je znázorněno na následujícím obrázku.
Jak je tedy možné, že je potenciál vždy -70mv? Ten je udržován pumpováním iontů dovnitř a ven z neuronů, tj, vypuzováním Na+ ven a vpouštěním K+ dovnitř. Iontové kanály propouštějí pouze určité neurony a lze je rozdělit na tři bráněné kanály,
- Napěťově bráněné – pravděpodobnost otevření kanálu závisí na napětí membrány.
- Chemicky bráněné – vazba na chemickou látku způsobí otevření kanálu.
- Mechanicky bráněné – tlak nebo tah ovlivňuje otevření/zavření kanálu.
Neuronální signalizace
Neuronální signalizace je interakce, která probíhá mezi neurony přenosem signálů. Výše zmíněné bráněné kanály umožňují neuronální signalizaci, podívejme se, jak,
- Nejprve vstupy z jiných neuronů aktivují chemicky bráněné kanály, tj. otevírají kanály, což vede ke změnám místního membránového potenciálu.
- Dále to vede k otevření/zavření napěťově bráněných kanálů, což má za následek depolarizaci (kladná změna napětí) a hyperpolarizaci (záporná změna napětí). Repolarizací se buňka vrátí na skutečný potenciál.
- Dostatečně silná depolarizace vede ke vzniku hrotu neboli akčního potenciálu.
- Tím se skutečně otevřou Na+ kanály (napěťově řízené), následuje rychlý influx Na+ (z out do in), který vede k otevření dalších kanálů, dokud se neaktivují.
- Když se pomalu začnou Na+ kanály deaktivovat, outflux K+ (z in do out) obnoví membránový potenciál nebo se otevřou K+ kanály, což sníží hrot. To je repolarizace.
- Poté se buňka stává negativnější, protože K+ kanály zůstávají otevřené a nadále propouštějí kladné ionty ven z neuronu. To se označuje jako hyperpolarizace.
- Když se draslíkové kanály uzavřou, sodíko-draslíková pumpa pracuje na opětovném nastolení klidového stavu.
- Po vzniku hrotu se tento šíří podél axonu.
- Podél axonu se nejprve otevřou Na+ kanály, což způsobí vzestup akčního potenciálu, následuje uzavření Na+ kanálů a otevření K+ kanálů, což vede k poklesu akčního potenciálu.
Graficky je takto zaznamenán membránový potenciál v závislosti na čase,
Rychlost
Signály se po axonu šíří opravdu rychle, a to především ze 2 důvodů; velikost a myelinová pochva. Je to izolační látka, která nepropouští ionty.
Ranvierovy uzly, jak jsou zobrazeny na výše uvedeném neuronu, jsou prostory, které se nacházejí mezi obaly myelinové pochvy kolem axonu. V periferním nervovém systému se myelin nachází v membránách Schwannových buněk. V centrálním nervovém systému jsou za izolaci zodpovědné oligodendrocyty.
Periferní nervový systém je tvořen nervy a ganglii mimo mozek a míchu. Centrální nervová soustava se skládá z mozku a míchy.
Při průchodu akčního potenciálu axonem existuje možnost, že se ztratí, a proto jej přítomnost myelinu chrání.
Myelinová pochva snižuje kapacitu neuronu v oblasti, kterou pokrývá. Do neuronů se tak dostává velké množství rozrušených záporných iontů, které je třeba vyrovnat. Proto se šíří ke konci membrány v naději, že najdou kladné ionty. K těm se pak přiblíží kladné ionty, aby je zklidnily. To následně vede k vytvoření tenkých vrstev kladných iontů na vnější straně a záporných iontů na vnitřní straně. Když je kolem axonu ovinutý myelin, v částech axonu ovinutých myelinem se hromadí méně záporných iontů, protože pak nebudou mít snadný přístup ke kladným iontům. To znamená, že když se akční potenciál řítí kolem, je snazší depolarizovat (kladná změna napětí) oblasti, které jsou obalené, protože je tam méně záporných iontů, kterým je třeba čelit.
Ranvierovy uzly mají tyto kladně bráněné napěťové kanály, kde kladné ionty tvoří roj, protože jsou to nepokryté oblasti. Záporné ionty v axonech se tedy chtějí dostat do ranvierových uzlů, aby se vyrovnaly. Toto šíření akčního potenciálu vypadá jako přeskakování signálu z uzlu do uzlu, které se označuje jako „solné vedení“.
Tím se také vysvětluje tvar hrotu, kdy se do určité míry zvyšuje a poté snižuje.
5.0 Pochopení mozku
Když jsme viděli, jak jsou neurony strukturovány a jak počítají vysíláním signálů a generováním chemických látek, je nyní čas seskupit soubor neuronů, abychom pochopili mozek. Pochopení mozku je vždy ošemetná otázka, někdy nedokážeme předpovědět, jak lidé/mozek reagují v několika scénářích, přestože se oddávají běžným činnostem. Uvnitř neuronů se ukládá spousta informací na základě činností, které neustále spouštějí. Otázkou tedy je, jak musíme tyto informace interpretovat? Existují tři výpočetní modely pro pochopení mozků, které vysvětlují tři otázky: „Co, Jak a Proč“. Tyto modely se nazývají deskriptivní, mechanistický a interpretační model. Nyní si o nich stručně povíme,
Deskriptivní modely: Tento model odpovídá na otázku „Jaké jsou reakce neuronů na vnější podněty?“. Přezkoumávají velké množství experimentálních dat, čímž charakterizují, co neurony a nervové obvody dělají. Tyto modely mohou být volně založeny na biofyzikálních, anatomických a fyziologických poznatcích, ale jejich primárním účelem je popis jevů, nikoli jejich vysvětlení.
Dvě hlavní vlastnosti popisných modelů jsou,
- Definují kvalitativně, jak popsat scénu nebo data pomocí neuronového kódování.
- Definují také, jak můžeme získat informace z neuronů pomocí technik neuronového dekódování.
Mechanistické modely: Mechanistické modely naproti tomu řeší otázku „Jak nervové systémy fungují na základě známé anatomie, fyziologie a obvodů“. Takové modely často tvoří most mezi deskriptivními modely na různých úrovních.
Dvě hlavní vlastnosti mechanistických modelů jsou,
- Jak můžeme simulovat chování jednoho neuronu na počítači?
- Jak simulujeme síť neuronů?
Interpretativní modely: Ty využívají výpočetní a informačně-teoretické principy ke zkoumání behaviorálního a kognitivního významu různých aspektů funkčnosti nervového systému a řeší otázku „Proč nervové systémy fungují tak, jak fungují“.
Dvě hlavní vlastnosti interpretačních modelů jsou,
- Proč mozky fungují tak, jak fungují?
- Jaké výpočetní principy jsou jejich základem?
.