뇌의 정보 처리 능력은 종종 뉴런을 함께 연결하는 수조 개의 연결에 존재하는 것으로보고됩니다. 그러나 지난 수십 년 동안 연구 연구는 조용히 개별 뉴런에 대한 관심을 조용히 바꾸 었으며, 이는 상상할 수있는 것처럼 보이는 것보다 훨씬 더 많은 계산 책임이있는 것처럼 보였습니다.
.최신의 긴 증거는 인간 피질의 상부 층에서 새로운 유형의 전기 신호에 대한 과학자들의 발견에서 비롯됩니다. 실험실 및 모델링 연구에 따르면 피질 뉴런의 수지상 팔에있는 작은 구획은 각각 수학 논리에서 복잡한 작업을 수행 할 수 있습니다. 그러나 이제 개별 수지상 구획은 수학적 이론가들이 이전에 단일 뉴런 시스템에 의해 해결할 수없는 것으로 분류 한 특정 계산 (“독점 또는”)을 수행 할 수있는 것으로 보인다.
.베를린 훔볼트 대학교 (Humboldt University of Berlin)의 박사후 연구원 인 앨버트 기돈 (Albert Gidon)은 Science 에서 이러한 발견을 제시 한 논문의 첫 번째 저자 인 앨버트 기돈 (Albert Gidon)은“우리는이 뉴런이 실제로하고있는 일의 표면을 긁고 있다고 믿는다. 이달 초.
이 발견은 신경계에 대한 연구가 개별 뉴런의 영향을 광범위한 정보 프로세서로 고려해야 할 필요성이 커지고 있습니다. 펜실베이니아 대학교 (University of Pennsylvania)의 전산 신경 과학자 인 코드 쿠드 딩 (Konrad Kording)은“뇌는 우리가 생각하는 것보다 훨씬 더 복잡 할 수있다”고 말했다. 또한 일부 컴퓨터 과학자들은 인공 신경 네트워크에 대한 전략을 다시 시작하도록 유도 할 수 있으며, 전통적으로 뉴런의 단순하고 비 지능적 인 스위치로서의 견해를 바탕으로 구축되었습니다.
.멍청한 뉴런의 한계
1940 년대와 50 년대에 그림은 신경 과학을 지배하기 시작했습니다. 단순한 통합자인“멍청한”뉴런, 입력을 요약 한 네트워크의 지점입니다. 수상 돌기라고 불리는 세포의 분지 연장은 인접한 뉴런으로부터 수천 개의 신호를받을 것입니다. 뉴런의 본체에서, 모든 신호가 가중치가 높아지고 계산되며, 총계가 임계 값을 초과하면 뉴런은 인접한 뉴런의 자극을 지시하는 일련의 전기 펄스 (동작 전위)를 발사했습니다.
동시에, 연구자들은 단일 뉴런이 디지털 회로에있는 것과 유사한 논리 게이트 역할을 할 수 있음을 깨달았습니다 (정보를 처리 할 때 뇌가 실제로 얼마나 많이 계산되는지는 여전히 명확하지 않지만). 예를 들어, 충분한 수의 입력을 수신 한 후에 만 발사 된 경우 뉴런은 효과적으로 및 게이트였습니다.
따라서 뉴런의 네트워크는 이론적으로 어떤 계산을 수행 할 수 있습니다. 그럼에도 불구하고,이 뉴런 의이 모델은 제한적이었다. 안내 계산 은유가 단순했을뿐만 아니라 수십 년 동안 과학자들은 단일 신경 세포의 다양한 성분으로부터 기록 할 수있는 실험 도구가 부족했습니다. 남부 캘리포니아 대학교의 계산 신경 과학자 인 바틀렛 멜 (Bartlett Mel)은“이것은 본질적으로 우주의 한 지점으로 무너지는 신경이다. "내부 활동에 대한 조음이 없었습니다." 이 모델은 주어진 뉴런으로 흐르는 수천 개의 입력이 다양한 수상 돌기를 따라 다른 위치에 착륙했다는 사실을 무시했습니다. 개별 수상 돌기가 서로 다르게 기능 할 수 있다는 아이디어 (결국 확인). 그리고 다른 내부 구조에 의해 계산이 수행 될 가능성을 무시했습니다.
그러나 그것은 1980 년대에 바뀌기 시작했습니다. 신경 과학자 인 Christof Koch와 다른 사람들의 모델링 작업은 나중에 Benchtop 실험에 의해 뒷받침 된 단일 뉴런이 단일 또는 균일 한 전압 신호를 발현하지 않았다는 것을 보여주었습니다. 대신, 수상 돌기를 따라 뉴런의 몸체로 이동함에 따라 전압 신호가 감소했으며 종종 세포의 궁극적 인 출력에 아무런 영향을 미치지 않았습니다.
이러한 신호의 구획화는 별도의 수상 돌기가 서로 독립적으로 정보를 처리 할 수 있음을 의미했습니다. Mel은“이것은 포인트 뉴런 가설과 상충되었으며, 뉴런은 위치에 관계없이 모든 것을 추가했습니다.
이로 인해 Yale School of Medicine의 Gordon Shepherd를 포함한 Koch와 다른 신경 과학자들은 수상 돌기의 구조가 원칙적으로 신경이 단순한 논리 게이트가 아니라 복잡한 다중 단위 처리 시스템으로 작용할 수있는 방법을 모델링했습니다. 그들은 일련의 복잡한 가상 메커니즘을 통해 수지상 나무가 어떻게 수많은 논리 작업을 호스팅 할 수 있는지 시뮬레이션했습니다.
나중에 Mel과 몇몇 동료들은 셀이 개별 수상 돌기 내에서 여러 입력을 관리하는 방법을 더 자세히 살펴 보았습니다. 그들이 발견 한 것은 그들을 놀라게했다 :수상 돌기는 국소 스파이크를 생성하고, 자체 비선형 입력-출력 곡선을 가지고 있었고, 자신의 활성화 임계 값이 있었으며, 전체적으로 뉴런의 전체와는 다릅니다. 수상 돌기 자체는 다른 컴퓨팅 장치로 작용할 수 있습니다.
Mel은 그의 전 대학원생 Yiota Poirazi (현재 그리스의 분자 생물학 및 생명 공학 연구소의 계산 신경 과학자)와 함께, 이것이 단일 뉴런을 2 계층 네트워크로 생각할 수 있음을 깨달았습니다. 수상 돌기는 비선형 컴퓨팅 서브 유닛, 입력을 수집하고 중간 출력을 뱉어냅니다. 그러면 이러한 신호는 세포체에 결합되어 뉴런 전체가 어떻게 반응하는지 결정할 것입니다.
수지상 수준에서의 활성이 실제로 뉴런의 발사에 영향을 미쳤으며 이웃 뉴런의 활동이 여전히 불분명했습니다. 그러나 Shepherd에 따르면 로컬 처리는 미래의 투입량에 다르게 응답하거나 새로운 방식으로이를 도와 줄 수 있도록 시스템을 준비하거나 조절할 수 있습니다.
.멜이 말했다.“좋아요
목자가 동의했다. "피질에서 발생하는 처리의 많은 힘은 실제로 하위 임계 값입니다." “단일 뉴런 시스템은 하나의 통합 시스템 이상일 수 있습니다. 두 층이 될 수 있습니다.” 이론적으로, 거의 모든 상상할 수있는 계산은 충분한 수상 돌기를 갖는 하나의 뉴런에 의해 수행 될 수 있으며, 각각은 자체 비선형 작동을 수행 할 수 있습니다.
최근 Science 논문, 연구원들은이 아이디어를 한 단계 더 발전시켰다. 그들은 단일 수지상 구획이 이러한 복잡한 계산을 자체적으로 수행 할 수 있다고 제안했다.
.예기치 않은 스파이크와 오래된 장애물
Humboldt의 신경 과학자 인 Matthew Larkum과 그의 팀은 다른 질문을 염두에두고 수상 돌기를보기 시작했습니다. 수지상 활성은 주로 설치류에서 연구 되었기 때문에 연구자들은 수상 돌기가 훨씬 더 긴 인간 뉴런에서 전기 신호 전달이 어떻게 다른지 조사하고 싶었습니다. 그들은 인간 피질의 층 2 및 3으로부터 뇌 조직 조각을 얻었으며, 이는 특히 많은 수상 돌기를 가진 큰 뉴런을 함유한다. 그들이 전류로 그 수상 돌기를 자극했을 때, 그들은 이상한 것을 발견했습니다.
그들은 예상치 못한 반복 스파이 킹을 보았습니다.이 스파이크는 알려진 다른 종류의 신경 신호와 완전히 다른 것처럼 보였습니다. 그들은 특히 행동 전위와 같이 특히 빠르고 짧았으며 칼슘 이온 플럭스에서 발생했습니다. 기존의 행동 전위는 일반적으로 나트륨과 칼륨 이온에 의해 야기되기 때문에 이것은 주목할 만하다. 그리고 칼슘에 의한 신호 전달은 설치류 수상 돌기에서 이전에 관찰되었지만, 그 스파이크는 훨씬 더 오래 지속되는 경향이있었습니다.
낯선 사람은 여전히 수상 돌기에 더 많은 전기 자극을 공급하면 뉴런 발사의 강도가 증가하는 대신 강도를 낮췄습니다. Gidon은“갑자기 우리는 더 자극을 받고 더 적게 얻는다”고 말했다. "그것은 우리의 눈을 사로 잡았습니다."
새로운 종류의 스파이크가 무엇을하고 있는지 알아 내기 위해 과학자들은 Poirazi와 그리스의 실험실 연구원과 협력하여 뉴런의 행동을 반영하는 모델을 공동으로 만들었습니다.
이 모델은 두 개의 개별 입력에 대한 응답으로 수상 돌기가 급증했지만 이러한 입력이 결합 될 때 그렇게하지 못했습니다. 이것은 독점 또는 (또는 XOR)으로 알려진 비선형 계산과 동일하며, 입력의 1 개 (그러나 하나만)가 1 인 경우 1의 이진 출력을 생성합니다.
.이 발견은 즉시 컴퓨터 과학 커뮤니티와 화음을 쳤다. XOR 기능은 단일 뉴런에서 불가능한 것으로 여겨지는 수년 동안 이루어졌습니다. 컴퓨터 과학자 인 Marvin Minsky와 Seymour Papert는 단일 계층 인공 네트워크가 XOR을 수행 할 수 없다는 증거를 제시했습니다. 그 결론은 너무나 파괴적이어서 많은 컴퓨터 과학자들이 신경망 연구가 1980 년대까지 떨어 졌을 정도로 그것을 비난했다.
신경망 연구원들은 결국 민스키와 페이퍼가 식별 한 장애물을 피하는 방법을 찾았으며 신경 과학자들은 본질적으로 그 해결책의 예를 발견했습니다. 예를 들어, Poirazi는 이미 단일 뉴런에서 Xor가 가능하다는 것을 알고있었습니다. 두 개의 수상 돌기만이 그것을 달성 할 수있었습니다. 그러나이 새로운 실험에서 그녀와 그녀의 동료들은 단일 수상 돌기에서 그것을 촉진하기 위해 그럴듯한 생물 물리학 적 메커니즘을 제공하고있었습니다.
Poirazi는“저에게는 시스템의 또 다른 유연성입니다. "이 시스템에는 여러 가지 컴퓨팅 방법이 있음을 보여줍니다." 그럼에도 불구하고, 그녀는 단일 뉴런이 이미 이런 종류의 문제를 해결할 수 있다면,“시스템이 왜 뉴런 내부에 더 복잡한 단위를 제시하기 위해 모든 어려움을 겪을까요?”
. 프로세서 내의프로세서
확실히 모든 뉴런이 그런 것은 아닙니다. Gidon에 따르면, 뇌의 다른 부분에는 더 작고 점과 같은 뉴런이 많이 있습니다. 아마도,이 신경 복잡성은 이유가 있기 때문에 존재합니다. 그렇다면 뉴런 내의 단일 구획이 왜 전체 뉴런 또는 작은 뉴런 네트워크가 잘할 수있는 능력이 필요합니까? 분명한 가능성은 다층 네트워크처럼 행동하는 뉴런이 훨씬 더 많은 처리 능력을 가지고 있으므로 더 많은 것을 배우거나 저장할 수 있다는 것입니다. Poirazi는“단일 뉴런 내에 깊은 네트워크가있을 수 있습니다. "그리고 그것은 인식 측면에서 어려운 문제 학습 측면에서 훨씬 강력합니다."
.아마도 Kording은 다음과 같이 덧붙였습니다.“단일 뉴런은 진정으로 복잡한 기능을 계산할 수 있습니다. 예를 들어, 그 자체로는 물체를 인식 할 수있을 수 있습니다.” Poirazi에 따르면 강력한 개별 뉴런을 갖는 것은 뇌가 에너지를 보존하는 데 도움이 될 수 있습니다.
Larkum의 그룹은 설치류 및 기타 동물의 수상 돌기에서 유사한 신호를 검색 하여이 계산 능력이 인간에게 고유한지 여부를 결정할 계획입니다. 그들은 또한 그들이 관찰 한 신경 활동을 실제 행동과 연관시키기 위해 모델의 범위를 뛰어 넘기를 원합니다. 한편, Poirazi는 이제 이러한 수상 돌기의 계산을 뉴런 네트워크에서 발생하는 일과 비교하여 전자가 가질 수있는 이점을 없애기를 희망합니다. 여기에는 다른 유형의 논리 작업에 대한 테스트와 해당 작업이 학습 또는 기억에 어떻게 기여할 수 있는지 탐구하는 것이 포함됩니다. Poirazi는“우리가 이것을 매핑 할 때까지, 우리는이 발견이 얼마나 강력한지를 실제로 알 수 없습니다.
아직해야 할 일이 여전히 많지만 연구자들은 이러한 결과가 뇌를 모델링하는 방법과 더 넓은 기능을 다시 생각할 필요가 있다고 생각합니다. 다른 뉴런과 뇌 영역의 연결에 초점을 맞추면 충분하지 않습니다.
새로운 결과는 또한 기계 학습 및 인공 지능 분야의 질문에 영향을 줄 것으로 보입니다. 인공 신경 네트워크는 포인트 모델에 의존하여 뉴런을 활동 함수를 통해 입력하고 합을 전달하는 노드로 뉴런을 취급합니다. 뉴욕 대학의인지 과학자이자 딥 러닝에 대한 일부 주장에 대한 회의론자 인 Gary Marcus는“단일 뉴런이 복잡한 계산 장치가 될 수 있다는 개념을 진지하게 받아 들인 사람은 거의 없습니다.
비록 과학 논문은이 아이디어를 보여주는 광범위한 작업 역사에서 한 가지 발견 일 뿐이라고 컴퓨터 과학자들은 신경망 연구를 오랫동안 견딜 수있는 XOR 문제로 문제를 틀었 기 때문에 더 반응 할 수 있다고 그는 덧붙였다. 마커스는“우리는 이것에 대해 정말로 생각해야한다. "멍청한 뉴런에서 똑똑한 인식을 얻는 방법을 생각해 내기 위해 전체 게임이 잘못 될 수 있습니다."
."이것은 매우 깨끗한 시연입니다."라고 그는 덧붙였습니다. "소음 위에서 말할 것입니다."
