Voordat u dit artikel gaat lezen, zal uw brein(u) zich wel eens afvragen: waarom moeten we dit lezen? Wat kunnen we hiervan leren? Of zal deze inhoud mij laten weten, hoe de hersenen reageren en problemen oplossen in verschillende situaties? Ja! Het is allemaal wiskunde, permutaties, chemische vergelijkingen die in onze eigen hersenen gebeuren. Dit artikel is verdeeld in drie delen. In het eerste deel van het artikel introduceren we in het kort de computationele neurowetenschappen, met inbegrip van de rol die neuronen spelen, de anatomie van de neuronen en de modellen die kunnen worden uitgelegd voor de functionaliteiten van de hersenen, de zogenaamde hersenmodellen.
Nu, laten we eens kijken wat we allemaal kunnen uitvoeren door de hersenen te begrijpen of erover te leren. In de afgelopen jaren hebben we vooruitgang gezien in Neurale Netwerken die volledig zijn geïnspireerd door deze “Computationele neurowetenschap”. De algoritmen of modellen die worden gebruikt op verschillende gebieden van Neurale Netwerken/Computer Vision zijn afgeleid van een theoretisch begrip van de neurowetenschappen. Alles wat we weten over onze hersenen is dat ze snel en intelligent zijn, dat ze input uit de omgeving opnemen, dat er chemische reacties/fusies plaatsvinden en dat ze ons uiteindelijk de oplossing of de output geven. Door dit te lezen, leer je de uitvoering van programma’s in onze hersenen kennen. Laten we beginnen!
Dit is de recente tweet die is geplaatst door Lex Friedman. Hij werkt als onderzoekswetenschapper bij MIT.
Het menselijk brein is ongelooflijk. Hier zijn 3% van de neuronen en 0,0001% van de synapsen in de hersenen gevisualiseerd, die deel uitmaken van het thalamocorticale systeem van de hersenen. Visualisatie via DigiCortex Engine.
2.0 Neurowetenschappen
De term ‘Computationele neurowetenschappen’ werd bedacht door Eric L. Schwartz, op een conferentie om een overzicht te geven van een gebied, dat tot dat moment werd aangeduid met verschillende namen, zoals Neurale modellering, Hersentheorie en Neurale netwerken. Later ontdekte Hubel & Wiesel de werking van neuronen over het netvlies, in de primaire visuele cortex (het eerste corticale gebied). Dit wordt uitgelegd in hoofdstuk 3. Verder werken de meeste computationele neurowetenschappers, met de toename van computationele kracht, nauw samen met experimentalisten bij het analyseren van verschillende gegevens en het synthetiseren van nieuwe modellen van biologische verschijnselen.
Theoretische neurowetenschap
Neurowetenschap omvat benaderingen die variëren van moleculaire en cellulaire studies tot menselijke psychofysica en psychologie. Het doel van de computationele neurowetenschappen is te beschrijven hoe elektrische en chemische signalen in de hersenen worden gebruikt om informatie te interpreteren en te verwerken. Deze opzet is niet nieuw, maar er is veel veranderd in het laatste decennium. Er is nu meer bekend over de hersenen door de vooruitgang in de neurowetenschappen, er is meer rekenkracht beschikbaar voor het uitvoeren van realistische simulaties van neurale systemen, en er worden nieuwe inzichten ontleend aan de bestudering van vereenvoudigde modellen van grote netwerken van neuronen.
Het begrijpen van de hersenen is een uitdaging die een groeiend aantal wetenschappers, uit vele disciplines, aantrekt. Hoewel er de laatste decennia een explosie van ontdekkingen is gedaan over de structuur van de hersenen op cellulair en moleculair niveau, begrijpen we nog niet hoe het zenuwstelsel ons in staat stelt te zien, te horen, te leren, te onthouden en bepaalde handelingen te plannen. Maar er zijn tal van gebieden die afhankelijk zijn van computationele neurowetenschappen, een paar zijn hieronder opgesomd,
- Deep Learning, Artificial Intelligence en Machine Learning
- Menselijke psychologie
- Medische wetenschappen
- Menselijke modellen
- Computationele anatomie
- Informatietheorie
3.0 Hubel en Wiesel Experiment
Dit experiment lijkt een voorbode te zijn voor de neuronale inzichten die zijn ontdekt. Het heeft de basis gelegd voor een diepgaand onderzoek van de computationele neurowetenschappen. Laten we eens kijken wat hier allemaal in zit.
Professoren David Hubel en Torsten Wiesel hebben in de jaren vijftig een experiment uitgevoerd waarbij zij de neuronale activiteiten van de kat over het netvlies registreerden, terwijl zij een fel licht bewogen. Ze hebben een paar opwindende observaties ingediend terwijl het experiment aan de gang was, ze zijn
- Neuronen vuurden alleen in sommige gevallen, maar niet altijd.
- De activiteit van neuronen veranderde afhankelijk van de oriëntatie en de locatie van de lijn van licht.
(Maak je geen zorgen over het neuronale jargon, we zouden alle termen in de volgende onderwerpen onderzoeken). De elektrische en chemische signalen die werden geregistreerd in de cellen die het netvlies met de hersenen verbonden, werden omgezet in geluidssignalen. Deze geluidssignalen werden vervolgens afgespeeld, wat resulteerde in ‘Snap! Pop!’ krakende geluiden. Deze waren niet continu, maar werden alleen afgespeeld wanneer het neuron vuurde. Hiermee is een fundamenteel begrip ontstaan van de wijze waarop neuronen de door het netvlies geworpen informatie extraheren, en vervolgens is duidelijk verklaard hoe de visuele corticale neuronen (aanwezig in de primaire visuele cortex, V1, in de hersenen) een beeld kunnen formuleren.
4.0 Neurale cellen, anatomie en elektrische persoonlijkheid van neuronen
Om dus een duidelijk inzicht te krijgen in hoe de hersenen werken en hoe wij in staat zijn de wereld om ons heen waar te nemen, laten we eens kijken naar het primaire deel van de hersenen, namelijk de neuronen. Dit zijn de rekeneenheden van de menselijke hersenen.
De hersenen kunnen worden opgesplitst in afzonderlijke afzonderlijke delen, neuronen genaamd. Er zijn vele neuronale vormen mogelijk, zeg, in de visuele cortex is het neuron piramidaal, en in het cerebellum heten ze de Purkinje-cellen.
Structuur van neuronen
Een neuron bestaat uit drie hoofddelen, namelijk Soma, Dendrieten, en Axon. Soma is het cellichaam. Dendrieten zijn de ingangsuiteinden van de neuronen, terwijl de axon de uitgangsuiteinden zijn. De input wordt dus door de dendrieten ontvangen van de axonen van het aangrenzende neuron. Deze inputs geven aanleiding tot een exciterend post-synaptisch potentiaal (EPSP), en wanneer deze gecombineerd wordt door verschillende andere neuronen, levert dit een actiepotentiaal of een spike op. Deze spiking vindt alleen plaats wanneer de input een bepaalde drempel bereikt.
Binnenkijken
Intrigerend is dat neuronen kunnen worden gedefinieerd als een “lekkende zak met geladen vloeistof.” Dus, hoe zijn chemicaliën plotseling opgedoken? Het is een cruciaal iets waar velen van ons zich niet bewust van zijn. Neuronen werken volledig met chemicaliën, en chemische reacties drijven alle spikes en synapsen aan. We hebben inderdaad Na+, Cl-, K+, enzovoort, in onze hersenen. Fascinerend, nietwaar?
De inhoud van een neuron is ingesloten in een lipide bilaag, en de lipide is “vet” in eenvoudige termen. Deze bilaag is ondoordringbaar voor geladen ionen, zoals Na+, K+, Cl- e.d. Dus, hoe verplaatsen deze chemicaliën zich tussen de neuronen? Om dit te beantwoorden, duiken we diep in de Ionische Kanalen.
Ionische Kanalen
De “Ionische Kanalen” maken de transmissie van deze ionen mogelijk, d.w.z., om in en uit de neuronen te gaan. Dit resulteert in een potentiaalverschil dat bestaat tussen het binnenste en het buitenste deel van het neuron, het binnenpotentiaal is -70mv ten opzichte van het buitenpotentiaal.
We hebben Na+, Cl- aan de buitenkant, terwijl K+, Organisch Anion- aanwezig zijn in het inwendige van een neuron. Omgekeerd is ook mogelijk, maar in dit geval zijn de ionenconcentraties lager, zoals in de onderstaande figuur is weergegeven.
Dus, hoe komt het dat de potentiaal altijd -70mv is? Dit wordt in stand gehouden door de ionen in en uit de neuronen te pompen, d.w.z, door Na+ uit te drijven en K+ binnen te laten. Ionische kanalen laten alleen specifieke neuronen door en kunnen worden ingedeeld in drie gated kanalen,
- Voltage-Gated – De waarschijnlijkheid van het openen van het kanaal hangt af van de spanning van het membraan.
- Chemically Gated – Binding aan een chemische stof zorgt ervoor dat het kanaal open gaat.
- Mechanically Gated – Druk of rek beïnvloedt het kanaal om te openen/sluiten.
Neuronale signalering
Neuronale signalering is de interactie die tussen de neuronen plaatsvindt door de overdracht van de signalen. De hierboven besproken gated kanalen maken neuronale signalering mogelijk, laten we eens kijken hoe,
- Eerst activeren de inputs van andere neuronen de chemisch gated kanalen, d.w.z. openen de kanalen, wat leidt tot veranderingen in de lokale membraanpotentiaal.
- Volgende, dit leidt tot het openen/sluiten van voltage-gated kanalen wat resulteert in Depolarisatie (een positieve verandering in spanning) en Hyperpolarisatie (een negatieve verandering in spanning). Repolarisatie is het terugbrengen van de cel naar de eigenlijke potentiaal.
- Een voldoende sterke depolarisatie leidt tot de spike of de actiepotentiaal.
- Dit opent inderdaad de Na+ kanalen(voltage-gated), gevolgd door een snelle Na+ influx(out to in) die meer kanalen aanzet tot openen totdat ze inactiveren.
- Wanneer langzaam de Na+ kanalen beginnen te inactiveren, herstelt K+ outflux(in to out) de membraanpotentiaal of openen de K+ kanalen zich, waardoor de spike wordt gereduceerd. Dit is Repolarisatie.
- Daarna wordt de cel negatiever omdat de K+ kanalen open blijven en de positieve ionen uit het neuron blijven laten gaan. Dit wordt hyperpolarisatie genoemd.
- Als de kaliumkanalen zich sluiten, werkt de natrium-kaliumpomp om de rusttoestand weer te herstellen.
- Nadat de piek is opgewekt, wordt deze langs het axon voortgeplant.
- Langs het axon gaan eerst de Na+-kanalen open, waardoor het actiepotentiaal stijgt, gevolgd door het sluiten van de Na+-kanalen en het openen van de K+-kanalen, die leiden tot het dalen van het actiepotentiaal.
Grafisch is dit hoe de membraanpotentiaal wordt geregistreerd als de tijd varieert,
Snelheid
Signalen reizen heel snel langs het axon, voornamelijk door 2 redenen; de grootte en de myelineschede. Dit is een isolerende stof die geen ionen doorlaat.
De knoop van Ranvier, zoals afgebeeld in bovenstaand neuron, zijn de ruimten die aanwezig zijn tussen de myelineschede die om het axon zit. In het perifere zenuwstelsel wordt myeline aangetroffen in de membranen van Schwann-cellen. In het centrale zenuwstelsel zijn de oligodendrocyten verantwoordelijk voor de isolatie.
Perifeer zenuwstelsel bestaat uit zenuwen en ganglia buiten de hersenen en het ruggenmerg. Het centrale zenuwstelsel bestaat uit de hersenen en het ruggenmerg.
Wanneer een actiepotentiaal door het axon gaat, bestaat de kans dat het verloren gaat; daarom wordt het door de aanwezigheid van myeline beschermd.
Een myelineschede verlaagt de capaciteit van het neuron in het gebied dat het bedekt. De neuronen krijgen dus veel geagiteerde negatieve ionen die moeten worden gecompenseerd. Daarom verspreiden zij zich naar het uiteinde van het membraan, in de hoop daar de positieve ionen te vinden. De positieve ionen komen dan naar hen toe om hen te kalmeren. Dit leidt op zijn beurt tot de vorming van dunne laagjes positieve ionen aan de buitenkant en de negatieve ionen aan de binnenkant. Wanneer myeline om het axon gewikkeld is, hopen zich minder negatieve ionen op bij de met myeline omwikkelde delen van het axon, omdat zij dan niet gemakkelijk bij de positieve ionen kunnen komen. Dit betekent dat, als de actiepotentiaal voorbij komt razen, het gemakkelijker is om de gebieden die omhuld zijn te depolariseren (een positieve verandering in spanning) omdat er minder negatieve ionen zijn om tegen te gaan.
De knooppunten van ranvier hebben deze positieve gated spanningskanalen, waar de positieve ionen een zwerm vormen omdat zij de onbedekte gebieden zijn. Dus de negatieve ionen in de axonen willen de knopen van ranvier bereiken om zichzelf in evenwicht te brengen. Deze voortplanting van de actiepotentiaal lijkt op een signaal dat van knoop naar knoop springt, “Saltatory Conduction” genoemd.
Dit verklaart ook de vorm van de spike, waarbij deze tot op zekere hoogte toeneemt en dan weer afneemt.
5.0 Hersenen begrijpen
Nu we gezien hebben hoe neuronen gestructureerd zijn en hoe ze rekenen door signalen te zenden en chemicaliën te genereren, is het nu tijd om een groep neuronen te groeperen om de hersenen te begrijpen. Het begrijpen van de hersenen is altijd een lastige kwestie, soms kunnen we niet voorspellen hoe mensen/hersenen reageren in een paar scenario’s, ondanks dat ze zich bezighouden met routineactiviteiten. Ze slaan veel informatie op in neuronen, gebaseerd op de acties die ze steeds weer opwekken. De vraag is dus, hoe moeten we die informatie interpreteren? Er zijn drie computermodellen om de hersenen te begrijpen, die de drie vragen “Wat, Hoe en Waarom” verklaren. Deze modellen worden respectievelijk beschrijvend, mechanistisch en interpreterend genoemd. Laten we deze nu in het kort bespreken,
Descriptieve modellen: Dit model beantwoordt de vraag “Wat zijn de neuronale reacties op externe stimuli?” Zij beoordelen grote hoeveelheden experimentele gegevens en karakteriseren zo wat neuronen en neurale circuits doen. Deze modellen kunnen losjes gebaseerd zijn op biofysische, anatomische en fysiologische bevindingen, maar hun voornaamste doel is verschijnselen te beschrijven, niet ze te verklaren.
De twee belangrijkste eigenschappen van beschrijvende modellen zijn,
- Zij definiëren kwalitatief hoe een scène of gegevens kunnen worden beschreven door Neurale Codering.
- Zij definiëren ook hoe wij informatie uit neuronen kunnen halen door Neurale Decoderingstechnieken.
Mechanistische Modellen: Mechanistische modellen, anderzijds, behandelen de vraag “Hoe zenuwstelsels werken door bekende anatomie, fysiologie, en schakelschema”. Dergelijke modellen vormen vaak een brug tussen beschrijvende modellen op verschillende niveaus.
De twee belangrijkste eigenschappen van mechanistische modellen zijn,
- Hoe kunnen we het gedrag van een enkel neuron op een computer simuleren?
- Hoe kunnen we een netwerk van neuronen simuleren?
Interpretatieve modellen: Deze maken gebruik van computationele en informatietheoretische principes om de gedragsmatige en cognitieve betekenis van verschillende aspecten van de functionaliteit van het zenuwstelsel te onderzoeken, waarbij de vraag wordt beantwoord “Waarom zenuwstelsels werken zoals ze doen”.
De twee belangrijkste eigenschappen van interpretatieve modellen zijn,
- Waarom werken hersenen zoals ze doen?
- Wat zijn de computationele principes die eraan ten grondslag liggen?