Zanim zaczniesz czytać ten artykuł, pojawi się kilka spostrzeżeń, które twój mózg (ty) może rozważać, dlaczego musimy to czytać? Czego możemy się z tego nauczyć? Albo czy ta treść pozwoli mi dowiedzieć się, jak mózg reaguje i rozwiązuje problemy w różnych sytuacjach? Tak! To wszystko to matematyka, permutacje, równania chemiczne zachodzące wewnątrz naszych własnych mózgów. Ten artykuł jest podzielony na trzy części. W pierwszej części artykułu, wprowadzamy neurobiologii obliczeniowej w skrócie, które obejmują, rolę, że neurony odgrywają, anatomii neuronów i modeli, które mogą być wyjaśnione dla funkcjonalności mózgu, tak zwane, modele brain.
Teraz, zobaczmy, co wszystko możemy przeprowadzić przez zrozumienie lub przez naukę o mózgu. W ciągu ostatnich kilku lat, widzimy postępy w Neural Networks, które są całkowicie inspirowane przez ten „Computational neuroscience”. Algorytmy lub modele, które są używane w kilku obszarach Sieci Neuronowych / Widzenia Komputerowego są wyprowadzane przez teoretyczne zrozumienie neuronauki. Wszystko, co wiemy o naszych mózgach jest, są szybkie, inteligentne, biorą w wejściu z otoczenia i niektóre reakcje chemiczne / fuzje się zdarzyć i wreszcie, dają nam rozwiązanie lub wyjście. Czytając to, dowiesz się, jak przebiega wykonywanie programów wewnątrz naszego mózgu. Zaczynajmy!
To jest ostatni tweet, który jest umieszczony przez Lex Friedman. Pracuje on jako Research Scientist w MIT.
Ludzki mózg jest niesamowity. Tutaj zwizualizowano 3% neuronów i 0,0001% synaps w mózgu, stanowiących część systemu Thalamocortical mózgu. Wizualizacja za pomocą DigiCortex Engine.
2.0 Neuronauka
Termin „Computational neuroscience” został stworzony przez Erica L. Schwartza na konferencji w celu zapewnienia przeglądu dziedziny, która do tego momentu była określana różnymi nazwami, takimi jak modelowanie neuronowe, teoria mózgu i sieci neuronowe. Później Hubel & Wiesel odkrył działanie neuronów w poprzek siatkówki, w pierwotnej korze wzrokowej (pierwszy obszar korowy). Jest to wyjaśnione w sekcji 3. Ponadto, wraz ze wzrostem mocy obliczeniowej, większość neuronaukowców obliczeniowych ściśle współpracuje z eksperymentatorami w analizie różnych danych i syntezie nowych modeli zjawisk biologicznych.
Nauka teoretyczna
Neurobiologia obejmuje podejścia od badań molekularnych i komórkowych do psychofizyki i psychologii człowieka. Celem neurobiologii obliczeniowej jest opisanie, w jaki sposób sygnały elektryczne i chemiczne są wykorzystywane w mózgu do interpretowania i przetwarzania informacji. Ten zamiar nie jest nowy, ale wiele się zmieniło w ciągu ostatniej dekady. Więcej wiadomo teraz o mózgu dzięki postępom w neuronauce, większa moc obliczeniowa jest dostępna do przeprowadzania realistycznych symulacji systemów neuronowych, a nowe spostrzeżenia czerpie się z badania uproszczonych modeli dużych sieci neuronów.
Zrozumienie mózgu jest wyzwaniem, które przyciąga coraz większą liczbę naukowców, z wielu dyscyplin. Chociaż w ciągu ostatnich kilku dekad nastąpiła eksplozja odkryć dotyczących struktury mózgu na poziomie komórkowym i molekularnym, nie rozumiemy jeszcze, w jaki sposób układ nerwowy umożliwia nam widzenie, słyszenie, uczenie się, zapamiętywanie i planowanie pewnych działań. Istnieje jednak wiele dziedzin, które zależą od neurobiologii obliczeniowej, kilka z nich wymieniono poniżej,
- Deep Learning, Artificial Intelligence and Machine Learning
- Human psychology
- Medical sciences
- Mental models
- Computational anatomy
- Information theory
3.0 Eksperyment Hubela i Wiesela
Ten eksperyment wydaje się być zwiastunem odkrytych spostrzeżeń na temat neuronów. Położył on podwaliny pod dogłębne zbadanie neurobiologii obliczeniowej. Zobaczmy, co jest w środku tego.
Profesorowie David Hubel i Torsten Wiesel eksperymentowali w latach pięćdziesiątych, gdzie nagrywali aktywność neuronalną kota w poprzek siatkówki, jak przenieśli jasne światło. Złożyli kilka ekscytujących obserwacji, gdy eksperyment trwał, są one
- Neurony strzelał tylko w niektórych przypadkach, ale nie zawsze.
- Aktywność neuronów zmienił się w zależności od orientacji i lokalizacji linii światła.
(Nie martw się o żargonie neuronów, będziemy badać wszystkie terminy w następujących tematów). Sygnały elektryczne i chemiczne rejestrowane w komórkach łączących siatkówkę z mózgiem były przekształcane na sygnały dźwiękowe. Te sygnały dźwiękowe były następnie odtwarzane, co powodowało powstawanie trzeszczących dźwięków „Snap! Pop!” trzaskające dźwięki. Nie były one ciągłe, lecz odtwarzane tylko wtedy, gdy neuron wystrzelił. W ten sposób ustalono fundamentalne rozumienie tego, jak neurony wydobywają informacje rzucane przez siatkówkę, a następnie jasno wyjaśniono, jak wizualne neurony korowe (obecne w pierwotnej korze wzrokowej, V1, w mózgu) mogą formułować obraz.
4.0 Komórki nerwowe, Anatomia i Osobowość elektryczna neuronów
Więc, aby uzyskać jasne zrozumienie tego, jak działa mózg i jak jesteśmy w stanie postrzegać świat wokół nas, spójrzmy na podstawową część mózgu, a mianowicie neurony. Są one jednostkami obliczeniowymi ludzkiego mózgu.
Mózg można podzielić na poszczególne dyskretne części zwane neuronami. Istnieje wiele kształtów neuronów możliwe, powiedzmy, w korze wzrokowej, neuron jest piramidalny, a w móżdżku, są one nazywane komórek Purkinjego.
Struktura neuronów
Neuron składa się z trzech głównych części, a mianowicie Soma, Dendryty i Akson. Soma jest ciałem komórki. Dendryty są końcówkami wejściowymi neuronów, podczas gdy akson jest końcówką wyjściową. Tak więc, wejście jest odbierane przez dendryty z aksonów sąsiedniego neuronu. Te dane wejściowe dają początek ekscytującemu potencjałowi postsynaptycznemu (EPSP), a gdy zostaną połączone z kilkoma innymi neuronami, dają potencjał czynnościowy lub pik. To pikanie ma miejsce tylko wtedy, gdy wejście osiąga pewien próg.
Patrząc do środka
Co ciekawe, neurony można zdefiniować jako „nieszczelny worek naładowanego płynu”. Skąd więc nagle wzięły się w nich substancje chemiczne? Jest to kluczowa rzecz, z której wielu z nas nie zdaje sobie sprawy. Neurony mają do czynienia wyłącznie z chemikaliami, a reakcje chemiczne napędzają wszystkie kolce i synapsy. W naszych mózgach rzeczywiście mamy Na+, Cl-, K+ i inne. Fascynujące, nieprawdaż?
Zawartość neuronu jest zamknięta w dwuwarstwie lipidowej, a lipid jest „tłuszczem” w prostych słowach. Warstwa ta jest nieprzepuszczalna dla jonów naładowanych, takich jak Na+, K+, Cl- i in. Jak więc te związki chemiczne przemieszczają się między neuronami? Aby odpowiedzieć na to pytanie, zagłębmy się w kanały jonowe.
Kanały jonowe
„Kanały jonowe” umożliwiają transmisję tych jonów, tj. przechodzenie do i z neuronów. Powoduje to różnicę potencjałów, która istnieje między wewnętrzną a zewnętrzną częścią neuronu, potencjał wewnętrzny wynosi -70mv w stosunku do zewnętrznego.
Na zewnątrz mamy Na+, Cl-, natomiast we wnętrzu neuronu obecne są K+, Anion- organiczny. Możliwa jest też sytuacja odwrotna, ale w tym przypadku stężenia jonów są niższe, co obrazuje poniższy rysunek.
Więc, jak to się dzieje, że potencjał zawsze wynosi -70mv? Jest on utrzymywany przez pompowanie jonów do i z neuronów, czyli, przez wydalanie Na+ na zewnątrz i wpuszczanie K+. Kanały jonowe przepuszczają tylko określone neurony i można je podzielić na trzy kanały bramkowane,
- Voltage-Gated – prawdopodobieństwo otwarcia kanału zależy od napięcia błony.
- Chemically Gated – wiązanie z substancją chemiczną powoduje otwarcie kanału.
- Mechanically Gated – ciśnienie lub rozciąganie wpływa na otwarcie/zamknięcie kanału.
Sygnalizacja neuronalna
Sygnalizacja neuronalna to interakcje, które zachodzą między neuronami poprzez przekazywanie sygnałów. Omówione powyżej kanały bramkowane umożliwiają sygnalizację neuronalną, zobaczmy jak,
- Po pierwsze, wejścia z innych neuronów aktywują chemicznie kanały bramkowane, czyli otwierają kanały, co prowadzi do zmian w lokalnym potencjale błonowym.
- Następnie, prowadzi to do otwarcia/zamknięcia kanałów bramkowanych napięciem, co skutkuje Depolaryzacją(dodatnia zmiana napięcia) i Hiperpolaryzacją(ujemna zmiana napięcia). Repolaryzacja to miejsce, w którym komórka jest przywracana do rzeczywistego potencjału.
- Dostatecznie silna depolaryzacja doprowadzi do powstania kolca lub potencjału czynnościowego.
- To rzeczywiście otwiera kanały Na+(voltage-gated), po czym następuje szybki napływ Na+(out to in), który napędza więcej kanałów do otwarcia, aż do ich dezaktywacji.
- Gdy powoli kanały Na+ zaczynają się dezaktywować, odpływ K+(in to out) przywraca potencjał błony lub kanały K+ otwierają się, redukując spike. Jest to repolaryzacja.
- Potem komórka staje się bardziej ujemna, ponieważ kanały K+ pozostają otwarte i nadal pozwalają jonom dodatnim opuścić neuron. Określa się to mianem hiperpolaryzacji.
- Gdy kanały potasowe zamykają się, pompa sodowo-potasowa działa, aby przywrócić stan spoczynku.
- Po wygenerowaniu spajka jest on propagowany wzdłuż aksonu.
- Wzdłuż aksonu najpierw otwierają się kanały Na+, powodując wzrost potencjału czynnościowego, po czym następuje zamknięcie kanałów Na+ i otwarcie kanałów K+, co prowadzi do spadku potencjału czynnościowego.
Graficznie, w ten sposób rejestrowany jest potencjał membranowy w miarę upływu czasu,
Prędkość
Sygnały podróżują naprawdę szybko wzdłuż aksonu głównie z 2 powodów; rozmiar i otoczka mielinowa. Jest to substancja izolująca, która nie przepuszcza jonów.
Węzły Ranviera, jak pokazano na powyższym neuronie, to przestrzenie, które są obecne pomiędzy osłonkami mielinowymi otaczającymi akson. W obwodowym układzie nerwowym, mielina znajduje się w błonach komórek Schwanna. W ośrodkowym układzie nerwowym za izolację odpowiedzialne są oligodendrocyty.
Obwodowy Układ Nerwowy składa się z nerwów i zwojów znajdujących się poza mózgiem i rdzeniem kręgowym. Centralny Układ Nerwowy składa się z mózgu i rdzenia kręgowego.
Gdy potencjał czynnościowy przemieszcza się przez akson, istnieją szanse, że może on zostać utracony, dlatego obecność mieliny pozwala go zachować.
Okładka mielinowa zmniejsza pojemność neuronu w obszarze, który obejmuje. Czyli neurony dostają dużo wzburzonych jonów ujemnych, które muszą być zrównoważone. Stąd rozprzestrzeniają się one do końca membrany, w nadziei na znalezienie jonów dodatnich. Jony dodatnie następnie zbliżają się do nich, aby je uspokoić. To z kolei prowadzi do tworzenia się cienkich warstw jonów dodatnich na zewnątrz i jonów ujemnych wewnątrz. Kiedy mielina jest owinięta wokół aksonu, mniej jonów ujemnych gromadzi się w częściach aksonu owiniętych mieliną, ponieważ wtedy nie będą one miały łatwego dostępu do jonów dodatnich. To oznacza, że jak potencjał czynnościowy przychodzi pędząc przez, to jest łatwiejsze do depolaryzacji (pozytywna zmiana w napięciu) obszary, które są pokryte, ponieważ jest mniej jonów ujemnych do counteract.
Węzły ranvier mają te pozytywne bramkowane kanały napięcia, gdzie jony dodatnie tworzą rój, ponieważ są one odkrytymi obszarami. Tak więc, jony ujemne w aksonach chcą dotrzeć do węzłów ranviera, aby się zrównoważyć. Ta propagacja potencjału czynnościowego wygląda jak przeskakiwanie sygnału z węzła do węzła, określane jako „przewodzenie saltacyjne”.
To również wyjaśnia kształt spajka, gdzie wzrasta on do pewnego stopnia, a następnie maleje.
5.0 Zrozumienie mózgu
Teraz, gdy zobaczyliśmy, jak neurony są zbudowane i jak obliczają poprzez wysyłanie sygnałów i generowanie substancji chemicznych, nadszedł czas, aby pogrupować zestaw neuronów w celu zrozumienia mózgu. Zrozumienie mózgu jest zawsze trudnym pytaniem, czasami nie możemy przewidzieć, jak ludzie/mózgi reagują w kilku scenariuszach, mimo że oddają się rutynowym czynnościom. Przechowują one wiele informacji wewnątrz neuronów na podstawie działań, które ciągle wywołują. Pytanie brzmi więc: jak mamy interpretować te informacje? Istnieją trzy modele obliczeniowe pozwalające zrozumieć mózgi, które wyjaśniają trzy pytania: „Co, Jak i Dlaczego”. Modele te nazywane są odpowiednio modelami opisowymi, mechanistycznymi i interpretacyjnymi. Teraz porozmawiajmy w skrócie o tych,
Modele opisowe: Model ten odpowiada na pytanie „Jakie są odpowiedzi neuronów na bodźce zewnętrzne?”. Dokonują one przeglądu dużej ilości danych eksperymentalnych, charakteryzując w ten sposób to, co robią neurony i obwody neuronalne. Modele te mogą być luźno oparte na odkryciach biofizycznych, anatomicznych i fizjologicznych, ale ich głównym celem jest opisywanie zjawisk, a nie ich wyjaśnianie.
Dwie główne właściwości modeli opisowych to,
- Zdefiniują one jakościowo jak opisać scenę lub dane przez Neural Encoding.
- Zdefiniują one również jak możemy wydobyć informacje z neuronów przez techniki Neural Decoding.
Modele Mechanistyczne: Modele mechanistyczne, z drugiej strony, zajmują się pytaniem „Jak systemy nerwowe działają przez znaną anatomię, fizjologię i obwody”. Takie modele często stanowią pomost pomiędzy modelami opisowymi na różnych poziomach.
Dwie główne własności modeli mechanistycznych to,
- Jak możemy symulować zachowanie pojedynczego neuronu na komputerze?
- Jak symulujemy sieć neuronów?
Modele interpretacyjne: Wykorzystują one zasady obliczeniowe i informacyjno-teoretyczne do badania behawioralnego i poznawczego znaczenia różnych aspektów funkcjonalności układu nerwowego, odpowiadając na pytanie „Dlaczego układy nerwowe działają tak, jak działają”.
Dwie główne właściwości modeli interpretacyjnych to,
- Dlaczego mózgi działają tak, jak działają?
- Jakie zasady obliczeniowe leżą u ich podstaw?
.