Интуиция и моделирование человеческого мозга

1.0 Введение

Вычислительная нейробиология - единственная область, которая может помочь вам понять, как вы можете мыслить и обрабатывать информацию в своем мозгу. Даже к тому времени, когда вы закончите это предложение, в вашем мозгу будет происходить множество действий, которые можно будет расшифровать с помощью изучения нейронов. Конечная цель вычислительной нейробиологии - объяснить, как электрические и химические сигналы используются в мозге для представления и обработки информации. Она объясняет биофизические механизмы вычислений в нейронах, компьютерное моделирование нейронных цепей и модели обучения.

Прежде чем вы начнете читать эту статью, ваш мозг (вы) может подумать о некоторых представлениях, зачем нам это читать? Что мы можем извлечь из этого? Или этот контент сообщит мне, как мозг реагирует и решает проблемы в различных ситуациях? Да! Это вся математика, перестановки, химические уравнения, происходящие в нашем собственном мозгу. Эта статья разделена на три части. В первой части статьи мы кратко представляем вычислительную нейробиологию, которая включает в себя роль, которую играют нейроны, анатомию нейронов и модели, которые могут быть объяснены для функций мозга, так называемые модели мозга.

А теперь давайте посмотрим, что мы можем сделать, постигнув или узнав о мозге. За последние несколько лет мы наблюдаем достижения в области нейронных сетей, которые полностью вдохновлены этой «вычислительной нейробиологией». Алгоритмы или модели, которые используются в нескольких областях нейронных сетей / компьютерного зрения, основаны на теоретическом понимании нейробиологии. Все, что мы знаем о нашем мозге, это то, что он быстр, умен, он принимает входные данные от окружающей среды, и происходят некоторые химические реакции / слияния, и, наконец, они дают нам решение или результат. Прочитав это, вы узнаете, как выполняются программы в нашем мозгу. Давайте начнем!

Это недавний твит, опубликованный Лексом Фридманом. Он работает научным сотрудником в Массачусетском технологическом институте.

Человеческий мозг невероятен. Здесь визуализируются 3% нейронов и 0,0001% синапсов в головном мозге, составляющих часть таламокортикальной системы мозга. Визуализация с помощью DigiCortex Engine.

2.0 Неврология

Фон

Термин «вычислительная нейробиология» был введен Эриком Л. Шварцем на конференции, чтобы дать обзор области, которая до этого момента использовалась под разными именами, такими как нейронное моделирование, теория мозга и нейронные сети. Позже Hubel & Wiesel обнаружили работу нейронов сетчатки в первичной зрительной коре (первая кортикальная область). Это объясняется в разделе 3. Кроме того, с ростом вычислительной мощности большинство компьютерных нейробиологов тесно сотрудничают с экспериментаторами при анализе различных данных и синтезе новых моделей биологических явлений.

Теоретическая нейробиология

Неврология охватывает самые разные подходы, от молекулярных и клеточных исследований до психофизики и психологии человека. Цель вычислительной нейробиологии - описать, как электрические и химические сигналы используются в мозге для интерпретации и обработки информации. Это намерение не ново, но за последнее десятилетие многое изменилось. Сейчас о мозге известно больше благодаря достижениям нейробиологии, больше вычислительных мощностей доступно для выполнения реалистичного моделирования нейронных систем, и новые идеи делаются из изучения упрощенных моделей больших сетей нейронов.

Понимание мозга - это вызов, который привлекает все большее количество ученых из многих дисциплин. Хотя за последние несколько десятилетий произошел взрыв открытий, касающихся структуры мозга на клеточном и молекулярном уровнях, мы еще не понимаем, как нервная система позволяет нам видеть, слышать, учиться, запоминать и планировать определенные действия. Но существует множество областей, которые зависят от вычислительной нейробиологии, некоторые из них перечислены ниже.

  • Глубокое обучение, искусственный интеллект и машинное обучение
  • Психология человека
  • Медицинские науки
  • Ментальные модели
  • Вычислительная анатомия
  • Теория информации

Эксперимент 3.0 Хьюбела и Визеля

Этот эксперимент, кажется, является предвестником обнаруженных нейронов. Он заложил основу для глубокого изучения вычислительной нейробиологии. Посмотрим, что внутри.

Профессора Дэвид Хьюбел и Торстен Визель в 1950-х годах провели эксперимент, в котором они регистрировали нейронную активность кошки по сетчатке, когда они перемещали яркий свет. Они подали несколько захватывающих наблюдений во время эксперимента. продолжается, они

  • Нейроны срабатывали только в некоторых случаях, но не всегда.
  • Активность нейронов менялась в зависимости от ориентации и расположения световой линии.

(Не беспокойтесь о нейронном жаргоне, мы будем изучать все термины в следующих темах.) Электрические и химические сигналы, записанные в клетках, соединяющих сетчатку с мозгом, преобразовывались в звуковые сигналы. Затем воспроизводились эти звуковые сигналы, что приводило к появлению ‘Snap! Поп! потрескивающий звук. Они не были непрерывными, вместо этого воспроизводились только при срабатывании нейрона. Отныне он установил фундаментальное понимание того, как нейроны извлекают информацию, передаваемую сетчаткой, а затем четко объяснил, как зрительные корковые нейроны (присутствующие в первичной зрительной коре, V1, в головном мозге) могут формировать изображение.

4.0 Нейронные клетки, анатомия и электрические характеристики нейронов

Итак, чтобы получить четкое представление о том, как работает мозг и как мы можем воспринимать окружающий мир, давайте посмотрим на основную часть мозга, а именно на нейроны. Это вычислительные единицы человеческого мозга.

Мозг можно разбить на отдельные дискретные части, называемые нейронами. Существует множество форм нейронов, например, в зрительной коре, нейрон пирамидальной формы, а в мозжечке они называются клетками Пуркинье.

Структура нейронов

Нейрон состоит из трех основных частей: сомы, дендритов и аксона. Сома - это тело клетки. Дендриты являются входными концами нейронов, а аксон - выходными. Итак, входные данные принимаются дендритами от аксонов соседнего нейрона. Эти входные данные вызывают возбуждающий постсинаптический потенциал (ВПСП), и, когда он взят как комбинация от нескольких других нейронов, он обеспечивает потенциал действия или всплеск. Этот всплеск происходит только тогда, когда входной сигнал достигает определенного порога.

Заглядывать внутрь

Интересно, что нейроны можно определить как «негерметичный мешок с заряженной жидкостью». Итак, как вдруг появились химические вещества? Это очень важная вещь, о которой многие из нас не знают. Нейроны полностью связаны с химическими веществами, а химические реакции приводят в движение все шипы и синапсы. У нас действительно есть Na +, Cl-, K + и др. в нашем мозгу. Очаровательно, не правда ли?

Содержимое нейрона заключено в липидный бислой, и, говоря простым языком, липид является «жирным». Этот бислой непроницаем для заряженных ионов, таких как Na +, K +, Cl- и др. Итак, как эти химические вещества перемещаются между нейронами? Чтобы ответить на этот вопрос, давайте углубимся в ионные каналы.

Ионные каналы

«Ионные каналы» позволяют передавать эти ионы, то есть проходить внутрь и из нейронов. Это приводит к потенциальной разнице, которая существует между внутренней и внешней частью нейрона, внутренний потенциал составляет -70 мВ относительно внешнего.

У нас есть Na +, Cl- снаружи, тогда как K +, органический анион- присутствует внутри нейрона. Возможно и обратное, но концентрация ионов в этом случае ниже, как показано на рисунке ниже.

Итак, каков потенциал всегда -70 мВ? Это поддерживается путем закачки ионов внутрь и из нейронов, то есть путем вытеснения Na + и допуска K + внутрь. Ионные каналы пропускают только определенные нейроны и могут быть классифицированы на три закрытых канала,

  • Voltage-Gated - вероятность открытия канала зависит от напряжения на мембране.
  • Химически закрытый - связывание с химическим веществом приводит к открытию канала.
  • Механически закрытый - давление или растяжение влияет на открытие / закрытие канала.

Передача нейронных сигналов

Передача сигналов нейронами - это взаимодействие, которое происходит между нейронами при передаче сигналов. Стробированные каналы, описанные выше, позволяют передавать нейронные сигналы, давайте посмотрим, как,

  • Во-первых, входы от других нейронов активируют химически закрытые каналы, то есть открывают каналы, что приводит к изменениям локального мембранного потенциала.
  • Затем это приводит к открытию / закрытию каналов, управляемых по напряжению, что приводит к деполяризации (положительное изменение напряжения) и гиперполяризации (отрицательное изменение напряжения). Реполяризация - это когда клетка возвращается к фактическому потенциалу.
  • Достаточно сильная деполяризация приведет к всплеску потенциала действия.
  • Это действительно открывает каналы Na + (управляемые напряжением), за которым следует быстрый приток Na + (выход во внутрь), который заставляет открываться больше каналов, пока они не деактивируются.
  • Когда каналы Na + начинают медленно инактивироваться, отток K + (от входа к выходу) восстанавливает мембранный потенциал или каналы K + открываются, уменьшая спайк. Это реполяризация.
  • После этого клетка становится более отрицательной, поскольку каналы K + остаются открытыми и продолжают позволять положительным ионам выходить из нейрона. Это называется гиперполяризацией.
  • Когда калиевые каналы закрываются, натрий-калиевый насос снова восстанавливает состояние покоя.
  • После того, как спайк сформирован, он распространяется по аксону.
  • Вдоль аксона сначала открываются каналы Na +, вызывая повышение потенциала действия, за которым следует закрытие каналов Na + и открытие каналов K +, что приводит к падению потенциала действия.

Графически так записывается мембранный потенциал при изменении времени:

Скорость

Сигналы проходят по аксону очень быстро, главным образом по двум причинам; размер и миелиновая оболочка. Это изолирующее вещество, не пропускающее ионы.

Узел Ранвье, изображенный в вышеупомянутом нейроне, - это промежутки, которые присутствуют между оболочками миелиновой оболочки вокруг аксона. В периферической нервной системе миелин находится в мембранах шванновских клеток. В центральной нервной системе за изоляцию отвечают олигодендроциты.

Периферическая нервная система состоит из нервов и ганглиев за пределами головного и спинного мозга. Центральная нервная система состоит из головного и спинного мозга.

Когда потенциал действия проходит через аксон, есть вероятность, что он может потеряться, поэтому присутствие миелина сохраняет его.

Миелиновая оболочка снижает емкость нейрона в области, которую он покрывает. Итак, нейроны получают много возбужденных отрицательных ионов, которые необходимо уравновесить. Следовательно, они распространяются до конца мембраны в надежде найти положительные ионы. Затем положительные ионы приближаются к ним, чтобы успокоить их. Это, в свою очередь, приводит к образованию тонких слоев положительных ионов снаружи и отрицательных ионов внутри. Когда миелин оборачивается вокруг аксона, меньше отрицательных ионов накапливается в покрытых миелином частях аксона, с тех пор они не смогут легко получить доступ к положительным ионам. Это означает, что по мере прохождения потенциала действия легче деполяризовать (положительное изменение напряжения) области, которые защищены оболочкой, потому что меньше отрицательных ионов, которым нужно противодействовать.

Узлы Ранвье имеют эти каналы положительного стробированного напряжения, где положительные ионы образуют рой, поскольку они являются открытыми областями. Итак, отрицательные ионы в аксонах хотят достичь узлов ранвье, чтобы сбалансировать себя. Это распространение потенциала действия выглядит как сигнал, перескакивающий от узла к узлу, называемый «солевой проводимостью».

Это также объясняет форму шипа, где она в определенной степени увеличивается, а затем уменьшается.

5.0 Что такое мозг

Теперь, когда мы увидели, как устроены нейроны и как они выполняют вычисления, посылая сигналы и генерируя химические вещества, пришло время сгруппировать набор нейронов, чтобы понять работу мозга. Понимание мозга - всегда непростой вопрос, иногда мы не можем предсказать, как люди / мозг реагируют в нескольких сценариях, несмотря на то, что они заняты рутинной деятельностью. Они хранят много информации внутри нейронов в зависимости от действий, которые они продолжают запускать. Итак, вопрос здесь в том, как нам нужно интерпретировать информацию? Существуют три вычислительные модели для понимания мозга, которые объясняют три вопроса: «Что, как и почему». Эти модели называются описательными, механистическими и интерпретирующими моделями соответственно. Теперь давайте вкратце обсудим эти,

Описательные модели. Эта модель отвечает на вопрос «Как реагируют нейроны на внешние раздражители?» Они рассматривают большие объемы экспериментальных данных, тем самым описывая то, что делают нейроны и нейронные цепи. Эти модели могут быть основаны на биофизических, анатомических и физиологических открытиях, но их основная цель - описывать явления, а не объяснять их.

Двумя основными свойствами описательных моделей являются:

  • Они качественно определяют, как описать сцену или данные с помощью нейронного кодирования.
  • Они также определяют, как мы можем извлекать информацию из нейронов с помощью методов нейронного декодирования.

Механистические модели. Механистические модели, с другой стороны, обращаются к вопросу «Как нервные системы работают в соответствии с известной анатомией, физиологией и схемами». Такие модели часто образуют мост между описательными моделями на разных уровнях.

Двумя основными свойствами механистических моделей являются:

  • Как мы можем смоделировать поведение отдельного нейрона на компьютере?
  • Как смоделировать сеть нейронов?

Интерпретирующие модели: в них используются вычислительные и теоретико-информационные принципы для изучения поведенческого и когнитивного значения различных аспектов функциональности нервной системы, отвечая на вопрос «Почему нервная система работает как они делают".

Двумя основными свойствами интерпретационных моделей являются:

  • Почему мозг работает именно так?
  • Какие вычислительные принципы лежат в их основе?

Спасибо за прочтение. Авторы этой статьи: Самхита Алла и Вихар Курама.

Следите за обновлениями и следите за нами в следующей части, «Кодирование и декодирование мозга». ✨

Ссылки: HubelAndWeisel, Learn Computational Neuroscience, KhanAcademy.