UvećajMiguel Navarro / Getty Images
“Žao mi je, ali tvoj mozak pati od lavina” je dijagnoza koja bi trebala biti stvar. Lijek treba uključivati St. Bernard je kopao neurone ispod gomile neurotransmitera. Nažalost, mozak svakog pati od lavina. Doista, ja može sa sigurnošću dijagnosticirati svakoga tko ne pati od lavina kao mrtav. (A vi ste mislili da su prepreke za postdiplomske škole intelektualna?)
Lavina u mozgu je u osnovi mala, uglavnom neprimjetan događaj koji pokreće masivnu kaskadu neurona aktivnost. Promatra se kako se događaju bez ikakvih vanjskih aktivira.
Pa zašto se javljaju? Smatralo se da su ove lavine trebao bi pružiti neku vrstu koristi, ali nova istraživanja to sugeriraju to bi mogla biti samo bučna nesreća.
Zašto neuroni kaskadno?
Na jednoj je razini objašnjenje moždanih lavina prilično jednostavno i vrlo nerazumljivo. Mozak nije linearan – ako je pravi neuron puca u pravom trenutku, može pokrenuti a nesrazmjerni odgovor neurona s kojima su povezani. I oni mogu izazvati velik odgovor, s kaskadom koja se širi brzo, daleko i široko. Ali, to objašnjenje, iako ima korist od ispravnosti, zapravo nam ne govori mnogo.
Na primjer, to nam ne govori zašto su ti događaji dopušteni dogoditi se. Ako je to učinilo vaše računalo, srušilo bi se. I je moguće da se dijelovi mozga sruše tijekom kaskade. Da zvuči loše, tako da možete očekivati lavine pružiti određenu prednost. Možda ih je potrebno poboljšati proračun? Možda su one nepoželjne posljedice operirati mozak na mjestu gdje je učenje jednako brzo moguće?
Za otkrivanje su uzeta dva opća pristupa što stoji iza ovog fenomena. Postoje ljudi koji zapravo znaju kako izgleda neuron i može uspješno razlikovati mozak tkiva iz spaljenog tosta dva puta od tri. Oni istražuju kaskade neurona istražujući kako mozak zapravo funkcionira. Fizičari to ne mogu i ne mogu, pa prave matematičke modele umjesto toga. Ovi su modeli opsežno testirani pod svim vrstama Uvjeti. (Ovakva vrsta istrage predstavlja veliku uštedu u spaljenom tostu.)
Ovi modeli imaju jednaku sličnost s mozgom i mozgom neurona kao što to moj bicikl čini albatrosu. Svi, uključujući i one fizičari, to znaju – pa zašto misle da će modeliranje raditi? Pa, oni pokušavaju razumjeti široka pitanja o tome opće ponašanje mozga kao mreže. A ta se pitanja mogu odgovoriti pomoću modela koji su stvarno sjene stvarnog stvar.
Zašto ovi modeli rade
Naše pouzdanje u ove relativno jednostavne modele seže sve više fizika čvrstog stanja i ideja faznog prijelaza. Faza prijelazi su stvari poput leda koji se topi u tekuću vodu ili magnet gubi svoj magnetizam dok se zagrijava. Fazni prijelazi su, fizički, svi vrlo različiti jedni od drugih. Ipak matematika koji opisuje način na koji se fazni prijelaz dogodi jedinstven sličnost s tim primjerima. U to je ugrađena ideja o kritična točka. S jedne strane kritične točke, materijal ponaša se jednosmjerno; s druge strane, materijal se ponaša još.
Pokazalo se da je ta ideja mnogo šira od ove prijelaz: sve vrste stvari, poput slavina za kapljanje, životinja populacije, kemijske reakcije, ponašanje na tržištima i mnogi više, činilo se da podliježu istoj analizi. I, da mozak je uključen u to. Epilepsija, na primjer, izgleda dobro opisani ovim modelima.
Stoga se vratimo na neuronske lavine. Ova vrsta ponašanje je vrlo slično ponašanju npr orijentacija magnetskih vrtnji tijekom paramagnetske faze tranzicija. Ali neuronske lavine se javljaju relativno često, što bi značilo da mozak djeluje u blizini kritične točke. Istraživači sugeriraju da je računska učinkovitost mozak se pojačava radom blizu kritične točke, što bi znači da je to prilagodljiva značajka.
Ali postoji ideja u evolucijskoj teoriji koja nam to govori ne postoje sve osobine jer pružaju korist. Neki osobine završavaju na mjestu zbog odrona i druge, jer su a nuspojava nečeg korisnog. Ispada da ovaj koncept može oba opisuju korisnost neuronskih lavina kao i kako ih čine završili kao obilježje mozga u prvom redu.
Sada slijedi fizičar koji govori o evoluciji; oni s odbojnošću prema zlouporabi biologije sada bi trebao skrenuti pogled. Bilo je prilično šokantno za mene kad saznam da nisu odabrane mnoge osobine za ili protiv prirodnim odabirom, ali mogu se pojaviti nenamjerno. Iako su neke mutacije povoljne, a neke i obične loše ne uzrokuju dovoljno veliku promjenu da se primijete – neutralni su. Neutralne promjene mogu se širiti u populaciji jer jesu slučajno povezan s nečim za što je odabran. Neutralan osobina se također može završiti širenjem na isti način kao i lavina događa se: događa se da se nalazite na pravom mjestu u pravo vrijeme. poanta je da neutralne osobine genetike pokazuju populaciju dinamika je svako malo složeno kao i kritični događaji bez ikakvih kritičnih točaka.
Ako možemo dobiti takvo ponašanje u populacijskoj genetici a da nismo blizu kritične točke, možda je vidimo potpuno ista stvar u mozgu s neuronskim kaskadama?
Korištenjem dobro prihvaćenog modela neurona, povezanog kao dio neurološku mrežu, istraživači su pokušali utvrditi je li neuronal lavine bi se mogle opisati neutralnim ponašanjem. I ovo je gdje snaga modela dolazi na svoje. Parametri modela su dobro poznate, a kritične točke se mogu otkriti i točno okarakterizirana. Tada je moguće katalogizirati različite vrste ponašanja koje se vide, ovisno o neuronu povezane su i prag do kada će neuroni upaliti odgovor na druge neurone. To je točno vrsta eksperimenta to je pored nemogućeg kad se igra s pravim neuronima.
Nije sve u redu s modelima
Posebno su istraživači birali postavke za koje je to bila poznato da je neuronska mreža imala nekontinuirani prijelaz između vrlo aktivnog stanja (puno neurona koji pucaju često) i stanje slabe aktivnosti (puno neurona puca rijetko). U drugi su primijetili aktivno stanje, kaskade ili lavine istraživačima, a aktivnost mreže u skladu je s ponašanjem promatrano u stvarnim mozgovima.
Ova analiza koristi trik koji se ne može koristiti u stvarnosti zapažanja. Istraživači su pretražili računske podatke prepoznati neuron koji je pokrenuo lavinu i odatle pratio lanac aktivnosti kako bi odredio stvari poput trajanja i veličina lavine. U stvarnom mjerenju, nikad se ne zna koji je neuron izazvao lavinu – umjesto toga, morate to vrsta grupno pucanje neurona po vremenu i koristiti vremensku blizinu za utvrđivanje koji su neuroni uzrokovali da pucaju.
Ako to učinite s računarskim podacima, pa je lavine neurona modela ne nalikuju onima stvarnih mozak. To se čini nekako loše ako želite predvidjeti. Tako nije jasno hoće li se iz ostalih podataka izvući računski model je relevantan.
Da bi nadmašili to, istraživači su razvili pojednostavljeni model koje su imale nekoliko poželjnih karakteristika. Ovisno o parametrima, imao je prekidan fazni prijelaz (tako nagli skok s an aktivno stanje do stanja u mirovanju) i kontinuiranu fazu prijelaz (stopa aktivnosti se glatko mijenja iz jednog stanja u stanje drugi, ali brzina promjene pokazuje nagli skok).
I, naravno, blizu faznih prijelaza, neuralnih mreža je prikazivala kaskade. Ali, što je najvažnije, mreža ih ima kaskade čak i kad u blizini nema fazni prijelaz.
S obzirom na prednosti koje su pripisane mozgu djeluje u blizini kritične točke, djeluje u neutralnom položaju teritorija ima li prednosti? Istraživači nude neke nagađanja u skladu s tim linijama. Na primjer, red i intenzitet paljenja neurona u mreži može kodirati informacija. Istraživači nagađaju da su neutralne lavine, jer su uzročni (npr. svaki neuron aktivira druge da pucaju nakon što su pucali), mogli bi pružiti izvor za početni aktivnost ispaljivanja koja se može povezati i kodirati, informacija.
Ali, iskreno, ovdje sve polazi po zlu. Model, zajedno s drugima poput njega nudi izvrstan uvid u statistiku mrežno ponašanje. Nažalost, povezujući to sa stvarnim-činjeničnim aktivnosti, poput prepoznavanja lica ili dodavanja dva broja, jest prilično tenu. Snaga je u tome što bi istraživanje moglo predlažu neke nove načine razumijevanja kako mozak uči. Ali čak i ako se dogodi, bit će teško povezati istraživanje sa stvarnim neurona natrag na modele.
Fizički pregled X, 2017, DOI: 10.1103 / PhysRevX.7.041071
