Mielőtt elkezdenéd olvasni ezt a cikket, az agyadban (benned) felmerülhet néhány felismerés, hogy miért is kell ezt elolvasni? Mit tanulhatunk ebből? Illetve ebből a tartalomból megtudhatom, hogyan reagál és old meg problémákat az agyunk különböző helyzetekben? Igen! Ez az egész matematika, permutációk, kémiai egyenletek, amelyek a saját agyunkban történnek. Ez a cikk három részre oszlik. A cikk első részében röviden bemutatjuk a számítógépes idegtudományt, amely magában foglalja, a neuronok szerepét, a neuronok anatómiáját és az agy működésére magyarázható modelleket, az úgynevezett agymodelleket.
Most lássuk, mi mindent vihetünk véghez az agy megértésével vagy megismerésével. Az elmúlt néhány évben a neurális hálózatok terén olyan előrelépéseket láthattunk, amelyeket teljes mértékben ez a “számítási idegtudomány” ihletett. A neurális hálózatok/számítógépes látás számos területén használt algoritmusok vagy modellek az idegtudomány elméleti megértéséből származnak. Az agyunkról csak annyit tudunk, hogy gyors, intelligens, a környezetből bevitelre kerül, majd kémiai reakciók/együttműködések történnek, és végül megoldást vagy kimenetet adnak nekünk. Ha ezt elolvassa, megismerheti a programok végrehajtását az agyunkban. Kezdjük el!
Ez a legutóbbi tweet, amelyet Lex Friedman posztolt. Az MIT kutatójaként dolgozik.
Az emberi agy hihetetlen. Itt látható az agyban található neuronok 3%-a és a szinapszisok 0,0001%-a, amelyek az agy thalamocorticalis rendszerének egy részét alkotják. Vizualizáció a DigiCortex Engine segítségével.
2.0 Idegtudomány
A “Számítógépes idegtudomány” kifejezést Eric L. Schwartz alkotta meg egy konferencián, hogy áttekintést adjon egy olyan területről, amelyet addig többféle néven is emlegettek, például neurális modellezés, agyelmélet és neurális hálózatok. Később Hubel & Wiesel felfedezte a neuronok működését a retinán keresztül, az elsődleges látókéregben (az első agykérgi területen). Ezt a 3. fejezetben ismertetjük. Továbbá, a számítási teljesítmény növekedésével a legtöbb számítógépes idegtudós szorosan együttműködik a kísérletezőkkel a különböző adatok elemzésében és a biológiai jelenségek új modelljeinek szintézisében.
Az elméleti idegtudomány
Az idegtudomány a molekuláris és sejtes vizsgálatoktól az emberi pszichofizikáig és pszichológiáig terjedő megközelítéseket foglalja magában. A számítógépes idegtudomány célja annak leírása, hogy az agyban hogyan használják az elektromos és kémiai jeleket az információ értelmezésére és feldolgozására. Ez a szándék nem új, de az elmúlt évtizedben sokat változott. Az idegtudományok fejlődésének köszönhetően ma már többet tudunk az agyról, több számítási teljesítmény áll rendelkezésre az idegrendszerek valósághű szimulációinak elvégzéséhez, és a nagy neuronhálózatok egyszerűsített modelljeinek vizsgálatából új felismerések születnek.
Az agy megértése olyan kihívás, amely egyre több tudóst vonz, számos tudományágból. Bár az elmúlt évtizedekben robbanásszerűen sok felfedezés történt az agy sejtszintű és molekuláris felépítésével kapcsolatban, még mindig nem értjük, hogyan teszi lehetővé az idegrendszer, hogy lássunk, halljunk, tanuljunk, emlékezzünk és bizonyos cselekvéseket tervezzünk. De számos terület függ a számítógépes idegtudománytól, néhányat az alábbiakban felsorolunk,
- mélytanulás, mesterséges intelligencia és gépi tanulás
- humánpszichológia
- orvostudományok
- mentális modellek
- számítógépes anatómia
- információelmélet
3.0 Hubel és Wiesel kísérlet
Ez a kísérlet a felfedezett neuronális felismerések előhírnökeinek tűnik. Megalapozta a számítógépes idegtudományok mélyreható feltárását. Lássuk, mi van benne.
David Hubel és Torsten Wiesel professzorok az 1950-es években végeztek egy kísérletet, amelyben a macska neuronális aktivitását rögzítették a retinán keresztül, miközben egy erős fényt mozgattak. A kísérlet során néhány izgalmas megfigyelést iktattak, ezek a következők
- A neuronok csak bizonyos esetekben tüzelnek, de nem mindig.
- A neuronok aktivitása a fénysor irányultságától és helyétől függően változott.
(A neuronális szakzsargon miatt ne aggódjunk, a következő témakörökben minden fogalmat feltárnánk.) A retinát az aggyal összekötő sejtekben rögzített elektromos és kémiai jeleket hangjelekké alakították át. Ezeket a hangjeleket aztán lejátszották, ami a ‘Snap! Pop!’ recsegő hangokat eredményezett. Ezek nem voltak folyamatosak, ehelyett csak akkor szólaltak meg, amikor az idegsejt elsült. Ezentúl megalapozta annak alapvető megértését, hogy a neuronok hogyan nyerik ki a retina által vetett információt, majd egyértelműen megmagyarázta, hogy a látókéreg neuronjai (amelyek az agyban az elsődleges látókéregben, a V1-ben vannak jelen) hogyan tudnak képet alkotni.
4.0 Idegi sejtek, a neuronok anatómiája és elektromos személyisége
Azért, hogy tisztán megértsük, hogyan működik az agy, és hogyan vagyunk képesek érzékelni a minket körülvevő világot, nézzük meg az agy elsődleges részét, nevezetesen a neuronokat. Ezek az emberi agy számítási egységei.
Az agy egyes különálló részekre, úgynevezett neuronokra bontható. Sokféle neuronforma lehetséges, mondjuk a látókéregben a neuron piramis alakú, a kisagyban pedig Purkinje-sejteknek hívják őket.
A neuronok szerkezete
A neuron három fő részből áll, nevezetesen a szómából, a dendritekből és az axonból. A szoma a sejttest. A dendritek a neuronok bemeneti végei, míg az axon a kimeneti vége. A bemenetet tehát a dendritek a szomszédos neuron axonjaitól kapják. Ezek a bemenetek gerjesztő posztszinaptikus potenciált (EPSP) eredményeznek, és amikor több más neuronból kombinációként veszik, akkor akciós potenciált vagy spike-ot eredményeznek. Ez a spicc csak akkor következik be, ha a bemenet elér egy bizonyos küszöbértéket.
Kukkantsunk be
A neuronokat érdekes módon úgy lehet definiálni, mint egy “töltött folyadékkal teli lyukas zsákot”. Szóval, hirtelen hogyan kerültek elő a vegyi anyagok? Ez egy döntő fontosságú dolog, amivel sokan közülünk nincsenek tisztában. A neuronok teljes egészében vegyi anyagokkal foglalkoznak, és kémiai reakciók hajtják az összes tüskét és szinapszist. Valóban van Na+, Cl-, K+, stb. az agyunkban. Lenyűgöző, nem igaz?
A neuronok tartalmát egy lipid kettősréteg zárja körül, a lipid pedig egyszerűbben fogalmazva “zsír”. Ez a kettősréteg áthatolhatatlan a töltött ionok számára, mint például a Na+, K+, Cl- stb. Tehát, hogyan mozognak ezek a vegyi anyagok az idegsejtek között? Hogy erre választ kapjunk, merüljünk el mélyebben az ioncsatornákban.
Ioncsatornák
A “ioncsatornák” lehetővé teszik ezen ionok továbbítását, azaz az idegsejtekbe való be- és kijutást. Ez egy potenciálkülönbséget eredményez, amely a neuron belső és külső része között létezik, a belső potenciál -70mv a külsőhöz képest.
A neuron külső részén Na+, Cl-, míg a belső részén K+, szerves anion- van jelen. Fordítva is lehetséges, de ebben az esetben az ionkoncentrációk alacsonyabbak, ahogy az alábbi ábrán látható.
Hogyan van tehát a potenciál mindig -70mv? Ezt úgy tartják fenn, hogy az ionokat ki-be pumpálják a neuronokból, ill, a Na+ kiűzésével és a K+ beengedésével. Az ioncsatornák csak bizonyos neuronokat engednek át, és három kapuzott csatornába sorolhatók,
- Feszültségkapuzott – A csatorna nyitásának valószínűsége a membránfeszültségtől függ.
- Kémiailag kapuzott – Vegyszerhez kötődés hatására a csatorna megnyílik.
- Mechanikusan kapuzott – Nyomás vagy nyújtás befolyásolja a csatorna nyitását/zárását.
Neuronális jelátvitel
A neuronális jelátvitel a neuronok között a jelek továbbításával zajló kölcsönhatás. A fentebb tárgyalt kapuzott csatornák lehetővé teszik a neuronális jelátvitelt, lássuk hogyan,
- Először is, a más neuronokból érkező bemenetek aktiválják a kémiailag kapuzott csatornákat, azaz megnyitják a csatornákat, ami a helyi membránpotenciál változásához vezet.
- Ez a feszültségkapuzott csatornák nyitását/zárását eredményezi, ami Depolarizációhoz(pozitív feszültségváltozás) és Hyperpolarizációhoz(negatív feszültségváltozás) vezet. A repolarizáció az, amikor a sejtet visszavezetjük a tényleges potenciálra.
- Egy elég erős depolarizáció a spike-hoz vagy az akciós potenciálhoz vezet.
- Ez valóban megnyitja a Na+ csatornákat(feszültségkapu), amit gyors Na+ beáramlás követ(ki-be), ami további csatornák nyitására késztet, amíg azok inaktiválódnak.
- Amikor lassan a Na+ csatornák inaktiválódni kezdenek, a K+ kiáramlás(ki-be) visszaállítja a membránpotenciált vagy a K+ csatornák megnyílnak, csökkentve a spike-ot. Ez a repolarizáció.
- Ezután a sejt negatívabbá válik, mivel a K+ csatornák nyitva maradnak és továbbra is hagyják a pozitív ionokat távozni a neuronból. Ezt nevezzük hiperpolarizációnak.
- Amint a káliumcsatornák bezáródnak, a nátrium-kálium pumpa dolgozik, hogy ismét visszaállítsa a nyugalmi állapotot.
- A spike keletkezése után az axon mentén terjed.
- Az axon mentén először a Na+ csatornák nyílnak meg, ami az akciós potenciál emelkedését okozza, majd a Na+ csatornák záródása és a K+ csatornák megnyílása következik, ami az akciós potenciál csökkenéséhez vezet.
Grafikusan így rögzül a membránpotenciál, ahogy az idő változik,
Gyorsaság
A jelek nagyon gyorsan terjednek az axon mentén elsősorban 2 ok miatt; méret és a mielinhüvely. Ez egy szigetelő anyag, ami nem engedi át az ionokat.
A fenti neuronon ábrázolt Ranvier-csomópontok azok a terek, amelyek az axont körülvevő mielinhüvely burkolatok között vannak. A perifériás idegrendszerben a myelin a Schwann-sejtek membránjában található. A központi idegrendszerben az oligodendrociták felelősek a szigetelésért.
A perifériás idegrendszert az agyon és a gerincvelőn kívüli idegek és ganglionok alkotják. A központi idegrendszer az agyból és a gerincvelőből áll.
Amikor az akciós potenciál áthalad az axonon, van rá esély, hogy elveszik, ezért a mielin jelenléte megőrzi azt.
A myelinhüvely csökkenti az idegsejt kapacitását az általa lefedett területen. Így az idegsejtek sok felkavart negatív iont kapnak, amit ki kell egyenlíteni. Ezért szétterülnek a membrán vége felé, abban a reményben, hogy megtalálják a pozitív ionokat. A pozitív ionok ezután megközelítik ezeket, hogy megnyugtassák őket. Ez viszont a pozitív ionok vékony rétegének kialakulásához vezet a külső oldalon, a negatív ionok pedig a belső oldalon. Amikor a mielin köré tekeredik az axon, kevesebb negatív ion halmozódik fel az axon mielinnel burkolt részeinél, mivel ekkor nem tudnak majd könnyedén hozzáférni a pozitív ionokhoz. Ez azt jelenti, hogy amikor az akciós potenciál elrohan, könnyebben depolarizálódnak (pozitív feszültségváltozás) a burkolt területek, mert kevesebb negatív iont kell ellensúlyozniuk.
A Ranvier-csomópontokban vannak ezek a pozitív kapuzású feszültségcsatornák, ahol a pozitív ionok rajokat alkotnak, mivel ezek a burkolatlan területek. Tehát az axonokban lévő negatív ionok a ranvier-csomópontokat akarják elérni, hogy kiegyenlítsék magukat. Az akciós potenciálnak ez a terjedése úgy néz ki, mint egy csomópontról csomópontra ugráló jel, amit “Saltatory Conduction”-nek nevezünk.
Ez magyarázza a tüske alakját is, ahol egy bizonyos mértékig növekszik, majd csökken.
5.0 Az agy megértése
Most, hogy láttuk, hogyan épülnek fel a neuronok, és hogyan számolnak jelek küldésével és kémiai anyagok előállításával, itt az ideje, hogy csoportosítsuk a neuronok egy csoportját az agy megértéséhez. Az agy megértése mindig trükkös kérdés, néha nem tudjuk megjósolni, hogy az emberek/agyak hogyan reagálnak néhány forgatókönyvben, annak ellenére, hogy rutinszerű tevékenységeket végeznek. Rengeteg információt tárolnak az idegsejtekben az általuk folyamatosan kiváltott cselekvések alapján. A kérdés itt tehát az, hogyan kell értelmeznünk az információkat? Az agyak megértésére három számítási modell létezik, amelyek megmagyarázzák a három kérdést: “Mi, hogyan és miért”. Ezeket a modelleket leíró, mechanisztikus és értelmező modelleknek nevezzük. Most röviden beszéljünk ezekről,
Descriptive Models: Ez a modell arra a kérdésre ad választ, hogy “Milyenek a neuronális válaszok a külső ingerekre?”. Nagy mennyiségű kísérleti adatot tekintenek át, ezáltal jellemzik, hogy mit csinálnak a neuronok és az idegi áramkörök. Ezek a modellek lazán alapulhatnak biofizikai, anatómiai és élettani eredményeken, de elsődleges céljuk a jelenségek leírása, nem pedig magyarázata.
A leíró modellek két fő tulajdonsága a következő,
- Kvalitatívan meghatározzák, hogyan írhatunk le egy jelenetet vagy adatot neurális kódolással.
- Azt is meghatározzák, hogyan nyerhetünk információt a neuronokból neurális dekódolási technikákkal.
Mechanisztikus modellek: A mechanisztikus modellek ezzel szemben arra a kérdésre keresik a választ, hogy “Hogyan működnek az idegrendszerek az ismert anatómia, fiziológia és áramkörök alapján”. Az ilyen modellek gyakran hidat képeznek a különböző szintű leíró modellek között.
A mechanisztikus modellek két fő tulajdonsága a következő,
- Hogyan tudjuk szimulálni egyetlen neuron viselkedését számítógépen?
- Hogyan tudjuk szimulálni neuronok hálózatát?
Interpretatív modellek: Ezek számítási és információelméleti elveket használnak az idegrendszer működésének különböző aspektusai viselkedési és kognitív jelentőségének feltárására, és arra a kérdésre keresik a választ, hogy “miért működnek az idegrendszerek úgy, ahogyan működnek”.
Az értelmező modellek két fő tulajdonsága a következő,
- Miért működnek az agyak úgy, ahogyan működnek?
- Melyek a mögöttes számítási elvek?
.