Antes de começar a ler este artigo, haverá algumas percepções que seu(s) cérebro(s) poderá(ão) estar considerando, por que precisamos ler isto? O que podemos aprender com isto? Ou será que este conteúdo me vai dizer, como o cérebro reage e resolve problemas em várias situações? Sim! São todas as matemáticas, permutações, equações químicas que acontecem dentro do nosso próprio cérebro. Este artigo está dividido em três partes. Na primeira parte do artigo, introduzimos brevemente a neurociência computacional que inclui, o papel que os neurônios desempenham, a anatomia dos neurônios e os modelos que poderiam ser explicados para as funcionalidades do cérebro, os chamados modelos cerebrais.
Agora, vejamos o que tudo o que podemos carregar por compreender ou por aprender sobre um cérebro. Nos últimos anos, temos visto avanços nas Redes Neurais que são completamente inspirados por esta “Neurociência Computacional”. Os algoritmos ou modelos que são usados em diversas áreas das Redes Neurais/ Visão Computacional são derivados de uma compreensão teórica da neurociência. Tudo o que sabemos sobre nossos cérebros é que eles são rápidos, inteligentes, recebem a entrada dos ambientes e algumas reações/fusões químicas acontecem e finalmente, eles nos dão a solução ou a saída. Ao ler isto, você conhecerá a execução de programas dentro do nosso cérebro. Vamos começar!
Este é o tweet recente que foi postado por Lex Friedman. Ele trabalha como pesquisador no MIT.
O cérebro humano é incrível. Aqui são visualizados 3% dos neurônios e 0,0001% das sinapses no cérebro, constituindo parte do sistema Thalamocortical do cérebro. Visualização via Motor DigiCortex.
2.0 Neurociência
O termo ‘Neurociência Computacional’ foi cunhado por Eric L. Schwartz, em uma conferência para fornecer uma revisão de um campo, que até aquele momento era referido por uma variedade de nomes, tais como Modelagem Neural, Teoria do Cérebro e Redes Neurais. Mais tarde, Hubel & Wiesel descobriu o trabalho de neurônios através da retina, no córtex visual primário (a primeira área cortical). Isto é explicado na secção 3. Além disso, com o aumento da potência computacional, a maioria dos neurocientistas computacionais colabora estreitamente com os experimentalistas na análise de diferentes dados e na síntese de novos modelos de fenômenos biológicos.
Neurociência teórica
Neurociência engloba abordagens que vão desde estudos moleculares e celulares até psicofísica e psicologia humana. O objetivo da neurociência computacional é descrever como os sinais elétricos e químicos são usados no cérebro para interpretar e processar informações. Esta intenção não é nova, mas muito mudou na última década. Sabe-se mais agora sobre o cérebro devido aos avanços em neurociência, mais poder computacional está disponível para realizar simulações realistas de sistemas neurais, e novos insights estão sendo extraídos do estudo de modelos simplificados de grandes redes de neurônios.
O entendimento do cérebro é um desafio que está atraindo um número crescente de cientistas, de muitas disciplinas. Embora tenha havido uma explosão de descobertas nas últimas décadas sobre a estrutura do cérebro a nível celular e molecular, ainda não entendemos como o sistema nervoso nos permite ver, ouvir, aprender, lembrar e planejar certas ações. Mas existem numerosos campos que dependem da neurociência computacional, alguns estão listados abaixo,
- Deep Learning, Artificial Intelligence and Machine Learning
- Psicologia humana
- Ciências médicas
- Modelos mentais
- Anatomia computacional
- Teoria da informação
3.0 Experiência Hubel e Wiesel
Esta experiência parece ser um prenúncio para os insights neuronais que foram descobertos. Ela lançou as bases para explorar em profundidade a neurociência computacional. Vamos ver o que há dentro disto.
Professores David Hubel e Torsten Wiesel experimentaram nos anos 50 onde eles registraram as atividades neuronais do gato através da retina, enquanto eles moviam uma luz brilhante. Eles registraram algumas observações emocionantes enquanto a experiência estava acontecendo, eles são
- Neurons disparados apenas em alguns casos, mas nem sempre.
- A atividade dos neurônios mudou dependendo da orientação e localização da linha de luz.
(Não se preocupe com o jargão neuronal, estaríamos explorando todos os termos nos tópicos seguintes). Os sinais eléctricos e químicos gravados nas células que ligam a retina ao cérebro foram convertidos em sinais sonoros. Estes sinais sonoros foram então reproduzidos, o que resultou em ‘Snap! Pop!’ sons crepitantes. Estes não eram contínuos, mas apenas quando o neurónio disparava. Daí em diante, estabeleceu um entendimento fundamental de como os neurônios extraem a informação lançada pela retina, e então explicou claramente como os neurônios corticais visuais (presentes no córtex visual primário, V1, no cérebro) podem formular uma imagem.
4.0 Células neurais, Anatomia e Personalidade Elétrica dos neurônios
Então, para ter uma compreensão clara de como o cérebro funciona e como somos capazes de perceber o mundo ao nosso redor, vamos olhar para a parte primária do cérebro, ou seja, os neurônios. Estas são as unidades computacionais do cérebro humano.
O cérebro pode ser dividido em partes individuais discretas chamadas neurônios. Há muitas formas neuronais possíveis, digamos, no córtex visual, o neurônio é piramidal, e no cerebelo, eles são chamados de células Purkinje.
Estrutura dos neurônios
Um neurônio consiste de três partes principais, a saber: Soma, Dendritos, e Axon. Soma é o corpo celular. Os dendritos são as extremidades de entrada dos neurônios, enquanto o axônio é a extremidade de saída. Portanto, a entrada é recebida pelos dendritos dos axônios do neurônio adjacente. Esses inputs dão origem a um Potencial Excitatório Pós-Sináptico (EPSP), e quando tomados como uma combinação de vários outros neurônios, ele fornece um Potencial de Ação ou um Espigão. Este pico só acontece quando o input atinge um determinado limite.
>
>
Peeking Inside
Interessantemente, os neurônios podem ser definidos como um “saco de líquido carregado com vazamento”. Então, de repente, como é que os produtos químicos se desenvolveram? É uma coisa crucial da qual muitos de nós não temos conhecimento. Os neurónios lidam inteiramente com químicos, e as reacções químicas conduzem a todos os picos e sinapses. De facto temos Na+, Cl-, K+, et al. no cérebro. Fascinante, não é?
Os conteúdos de um neurônio estão contidos dentro de uma camada lipídica, e o lipídio é “gordo” em termos simples. Este bico é impermeável a íons carregados, como Na+, K+, Cl- et al. Então, como esses produtos químicos se movimentam entre os neurônios? Para responder a isto, vamos mergulhar profundamente nos canais iônicos.
Canais iônicos
Os “Canais Iônicos” permitem a transmissão destes íons, ou seja, passar para dentro e para fora dos neurônios. Isto resulta em uma Diferença de Potencial que existe entre o interior e a parte externa do neurônio, o potencial interno é de -70mv em relação ao exterior.
Temos Na+, Cl- no exterior, enquanto K+, Anion Orgânico- estão presentes no interior de um neurônio. O Vice-versa também é possível, mas as concentrações iônicas são menores neste caso, como mostra a figura abaixo.
Então, como é o potencial sempre -70mv? Isto é mantido bombeando os íons para dentro e para fora dos neurônios, ou seja expulsando Na+ para fora e permitindo a entrada de K+. Os canais iônicos permitem apenas a passagem de neurônios específicos e podem ser classificados em três canais fechados,
- Comportados por tensão – A probabilidade de abertura do canal depende da tensão da membrana.
- Comportados quimicamente – A ligação a um químico faz com que o canal abra.
- Comportados mecanicamente – A pressão ou estiramento influencia o canal a abrir/fechar.
Sinalização neuronal
A sinalização neuronal é a interacção que acontece entre os neurónios através da transmissão dos sinais. Os canais fechados discutidos acima permitem a sinalização neuronal, vejamos como,
- Primeiro, as entradas de outros neurônios ativam os canais fechados quimicamente, ou seja, abrem os canais, o que leva a mudanças no potencial local da membrana.
- Próximo, isto leva à abertura/fechamento dos canais de tensão, resultando em Despolarização (uma mudança positiva na tensão) e Hiperpolarização (uma mudança negativa na tensão). Repolarização é onde a célula é trazida de volta ao potencial real.
- Uma despolarização forte o suficiente levará ao pico ou ao potencial de ação.
- Esta abertura dos canais de Na+(tensão-agregada), seguida da rápida entrada de Na+(de fora para dentro) que leva mais canais a se abrirem até que eles se inativem.
- Quando lentamente os canais de Na+ começam a se desativar, a saída de K+(de dentro para fora) restaura o potencial da membrana ou os canais de K+ se abrem, reduzindo o pico. Isto é Repolarização.
- A partir daí, a célula se torna mais negativa à medida que os canais de K+ permanecem abertos e continuam deixando os íons positivos saírem do neurônio. Isto é chamado de Hiperpolarização.
- Como os canais de potássio fecham, a bomba de sódio-potássio trabalha para restabelecer o estado de repouso novamente.
- Após a geração do pico, ele é propagado ao longo do axônio.
- Ao longo do axônio, os canais de Na+ abrem primeiro, provocando o aumento do Potencial de Ação, seguido pelo fechamento dos canais de Na+ e a abertura dos canais de K+, que levam à queda do Potencial de Ação.
Gráficamente, é assim que o potencial de membrana é registado à medida que o tempo varia,
Velocidade
Sinais viajam muito rápido ao longo do axônio principalmente por 2 razões; tamanho e bainha de mielina. É uma substância isolante que não permite a passagem de íons.
O Nó de Ranvier, tal como descrito no neurónio acima, são os espaços que estão presentes entre os envoltórios da bainha de mielina ao redor do axónio. No sistema nervoso periférico, a mielina é encontrada nas membranas celulares de Schwann. No sistema nervoso central, os oligodendrócitos são responsáveis pelo isolamento.
Sistema nervoso periférico é composto por nervos e gânglios fora do cérebro e da medula espinhal. O Sistema Nervoso Central consiste do cérebro e da medula espinhal.
Quando o potencial de ação atravessa o axônio, há chances de que ele se perca, portanto, a presença de mielina o preserva.
Uma bainha de mielina diminui a capacitância do neurônio na área que ele cobre. Assim, os neurônios recebem muitos íons negativos agitados que precisam ser balanceados. Assim, eles se espalham até o fim da membrana, na esperança de encontrar os íons positivos. Os iões positivos aproximam-se deles para os acalmar. Isto, por sua vez, leva à formação de camadas finas de iões positivos no exterior e os iões negativos no interior. Quando a mielina é enrolada ao redor do axônio, menos íons negativos se acumulam nas partes do axônio envolvidas na mielina, desde então, eles não serão capazes de acessar os íons positivos com facilidade. Isto significa que, à medida que o potencial de acção passa a correr, é mais fácil despolarizar (uma mudança positiva de voltagem) as áreas que são embainhadas porque há menos iões negativos para contrariar.
Os nós do ranvier têm estes canais de voltagem fechados positivos, onde os iões positivos formam um enxame, uma vez que são as áreas não cobertas. Assim, os íons negativos nos axônios querem alcançar os nós do ranvier para se equilibrar. Esta propagação do potencial de ação parece um salto de sinal de nó para nó, denominado “Condução Salina”.
Isso também explica a forma do pico, onde ele aumenta até certo ponto e depois diminui.
5.0 Entendendo o Cérebro
Agora que vimos como os neurônios são estruturados e como eles computam enviando sinais e gerando produtos químicos, agora é hora de agrupar um conjunto de neurônios para entender o cérebro. Entender o cérebro é sempre uma questão complicada, às vezes não podemos prever como as pessoas/cérebros reagem em alguns cenários, apesar de eles se entregarem a atividades rotineiras. Eles armazenam muitas informações dentro dos neurônios com base nas ações que eles continuam desencadeando. Então a questão aqui é, como precisamos interpretar a informação? Existem três modelos computacionais para entender os cérebros que explicam as três perguntas: “O quê, como e por quê”. Esses modelos são chamados de modelos descritivos, mecanicistas e interpretativos, respectivamente. Agora vamos discutir em resumo sobre estes,
Modelos Descritivos: Este modelo responde à pergunta “Quais são as respostas neuronais aos estímulos externos?” Eles revisam grandes quantidades de dados experimentais, caracterizando assim o que os neurônios e circuitos neurais fazem. Esses modelos podem ser baseados livremente em achados biofísicos, anatômicos e fisiológicos, mas seu propósito principal é descrever fenômenos, não explicá-los.
As duas principais propriedades dos modelos descritivos são,
- Definem qualitativamente como descrever uma cena ou dados por Codificação Neural.
- Definem também como podemos extrair informações dos neurônios por técnicas de Decodificação Neural.
Modelos Mecanicistas: Modelos mecanicistas, por outro lado, abordam a questão de “Como os sistemas nervosos operam por anatomia, fisiologia e circuitos conhecidos”. Tais modelos frequentemente formam uma ponte entre modelos descritivos em diferentes níveis.
As duas principais propriedades dos modelos mecanicistas são,
- Como podemos simular o comportamento de um único neurônio em um computador?
- Como podemos simular uma rede de neurônios?
Modelos Interpretivos: Estes usam princípios teóricos computacionais e de informação para explorar o significado comportamental e cognitivo de vários aspectos da funcionalidade do sistema nervoso, abordando a questão “Por que os sistemas nervosos operam como funcionam”.
As duas principais propriedades dos modelos interpretativos são,
- Por que os cérebros operam como funcionam?
- Quais são os princípios computacionais subjacentes a eles?