Исследование опровергает старую теорию обучения мозга
На протяжении десятилетий ученые считали, что обучение происходит в синапсах или многочисленных соединениях между клетками мозга. Но теперь новое исследование предполагает, что обучение происходит в нескольких дендритах, ветвях, которые передают информацию в клетку мозга или нейрон.
В статье, которая сейчас публикуется в журнале Научные отчетыАвторы описывают, как они пришли к такому выводу после изучения компьютерных моделей нейронов и культур клеток.
В огромной нейронной сети мозга нейроны ведут себя как крошечные микрочипы, которые принимают входные данные через свои дендриты и - при достижении определенных условий - создают выходные сигналы, используя свои аксоны.
Аксоны, в свою очередь, связаны с дендритами других нейронов через связи, называемые синапсами. Синапсов на нейрон намного больше, чем дендритов.
Важным результатом нового исследования является то, что, поскольку оно предполагает, что обучение происходит в дендритах, а не в синапсах, параметры обучения для каждого нейрона намного меньше, чем считалось ранее.
«В этом новом дендритном процессе обучения, - отмечает старший автор исследования профессор Идо Кантер из Междисциплинарного центра исследования мозга Гонда при университете Бар-Илан в Израиле, - существует несколько адаптивных параметров на нейрон по сравнению с тысячами крошечных и чувствительные в сценарии синаптического обучения ».
Обучение происходит быстрее, чем мы думали
Еще один важный результат нового исследования заключается в том, что процесс обучения в новой дендритной модели происходит намного быстрее, чем в традиционной синаптической модели.
Результаты могут иметь важное значение для лечения заболеваний мозга и разработки компьютерных приложений, таких как «алгоритмы глубокого обучения» и искусственный интеллект, которые основаны на имитации работы мозга.
Исследователи ожидают, что в последнем случае их исследование откроет двери для разработки более продвинутых функций и гораздо более высоких скоростей обработки.
Традиционная синаптическая модель обучения уходит корнями в новаторскую работу Дональда Хебба, опубликованную в 1949 году в книге Организация поведения.
Эта модель, которую профессор Кантер и его коллеги называют «обучением по связям», предполагает, что «параметры обучения», которые изменяются в процессе обучения, отражают количество синапсов или связей на нейрон, которые являются вычислительными единицами. в нейронной сети.
«Обучение по узлам»
В своей новой модели, которую они называют «обучением по узлам», исследователи предполагают, что параметры обучения отражают не количество синапсов, которых много на нейрон, а количество дендритов или узлов, из которых есть их всего несколько на нейрон.
Поэтому они объясняют, что «в сети соединяющихся нейронов» количество параметров обучения на нейрон в синаптической модели «значительно больше», чем количество в дендритной модели.
Основная цель их исследования состояла в том, чтобы сравнить «кооперативные динамические свойства между синаптическим (связующим) и дендритным (узловым) сценариями обучения».
Авторы исследования заключают, что их результаты «убедительно указывают на то, что в дендритах нейронов происходит более быстрый и улучшенный процесс обучения, аналогично тому, что в настоящее время приписывается синапсам».
Слабые синапсы играют ключевую роль в обучении
Еще один важный вывод исследования заключается в том, что, похоже, слабые синапсы, которые составляют большую часть мозга и, как считалось, играют незначительную роль в обучении, на самом деле очень важны.
Авторы отмечают, что «динамика, как ни странно, в основном определяется слабыми звеньями».
Похоже, что в дендритной модели слабые синапсы заставляют параметры обучения колебаться, а не переходить к «нереалистичным фиксированным крайностям», как в синаптической модели.
Профессор Кантер резюмирует результаты, проводя сравнения с тем, как мы должны измерять качество воздуха.
«Есть ли смысл, - спрашивает он, - измерять качество воздуха, которым мы дышим, с помощью множества крошечных удаленных спутниковых датчиков на высоте небоскреба или с помощью одного или нескольких датчиков в непосредственной близости от носа?»
«Точно так же нейрон более эффективно оценивает свои входящие сигналы рядом с его вычислительной единицей, нейроном».
Проф. Идо Кантер
