ニューロンの腕に隠された計算能力

この発見は、神経系の研究において、個々のニューロンが広範な情報処理装置としてどのような意味を持つかを検討する必要性が高まっていることを示しています。ペンシルバニア大学の計算神経科学者であるコンラッド・コーディング氏は、「脳は私たちが考えているよりもはるかに複雑かもしれません」と述べています。彼は最近の研究には参加していません。また、一部のコンピューター科学者は、人工ニューラル ネットワークの戦略を再評価するよう促される可能性もあります。人工ニューラル ネットワークは、従来、単純でインテリジェントでないスイッチとしてのニューロンのビューに基づいて構築されてきました。

ダムニューロンの限界

1940 年代と 50 年代には、神経科学を支配し始めた絵がありました。「愚かな」ニューロン、単純な積分器、入力を単に合計したネットワーク内のポイントの絵です。樹状突起と呼ばれる細胞の枝分かれした延長部分は、隣接するニューロンから何千ものシグナルを受け取ります。一部は興奮性で、一部は抑制性です。ニューロンの本体では、これらすべての信号が重み付けされて集計され、合計がしきい値を超えると、ニューロンは一連の電気パルス (活動電位) を発生させ、隣接するニューロンを刺激しました。

ほぼ同時に、研究者は、単一のニューロンがデジタル回路のニューロンと同様に論理ゲートとしても機能する可能性があることに気付きました (ただし、脳が情報を処理するときに実際にこのように計算する量はまだ明らかではありません)。たとえば、十分な数の入力を受け取った後にのみニューロンが発火する場合、ニューロンは事実上 AND ゲートでした。

したがって、ニューロンのネットワークは、理論的にはあらゆる計算を実行できます。それでも、このニューロンのモデルには限界がありました。その指針となる計算の比喩が単純だっただけでなく、何十年もの間、科学者は単一の神経細胞のさまざまな構成要素から記録するための実験ツールを欠いていました。南カリフォルニア大学の計算神経科学者 Bartlett Mel は次のように述べています。 「活動の内部的な明確化はありませんでした。」モデルは、特定のニューロンに流れ込む何千もの入力が、そのさまざまな樹状突起に沿ったさまざまな場所に到達するという事実を無視しました。個々の樹状突起が互いに異なる機能を果たしている可能性があるという考え (最終的に確認された) は無視されました。また、他の内部構造によって計算が実行される可能性を無視しました。

しかし、それは 1980 年代に変わり始めました。神経科学者のクリストフ・コッホらによるモデリング作業は、後にベンチトップ実験によってサポートされ、単一のニューロンが単一または均一の電圧信号を発現しないことが示されました。代わりに、電圧信号は樹状突起に沿ってニューロンの本体に移動するにつれて減少し、多くの場合、細胞の最終的な出力には何も寄与しませんでした.

この信号の区画化は、別々の樹状突起が互いに独立して情報を処理できることを意味していました。 「これは、ニューロンが場所に関係なく単純にすべてを加算するという点ニューロン仮説と矛盾していました」と Mel は言いました。

これにより、コッホとイェール医科大学のゴードン・シェパードを含む他の神経科学者は、樹状突起の構造が原理的にどのようにニューロンを単純な論理ゲートとしてではなく、複雑なマルチユニット処理システムとして機能させるかをモデル化するようになった.彼らは、一連の複雑な仮説メカニズムを通じて、樹状ツリーが多数の論理操作をホストする方法をシミュレートしました。

その後、メルと数人の同僚は、細胞が個々の樹状突起内で複数の入力をどのように管理しているかを詳しく調べました。彼らが発見したことは彼らを驚かせました.樹状突起は局所的なスパイクを生成し、独自の非線形入出力曲線を持ち、ニューロン全体のものとは異なる独自の活性化閾値を持っていました.樹状突起自体が AND ゲートとして、または他のコンピューティング デバイスのホストとして機能する可能性があります。

Mel は、元大学院生の Yoota Poirazi (現在はギリシャの分子生物学およびバイオテクノロジー研究所の計算神経科学者) と共に、これが 1 つのニューロンを 2 層ネットワークとして考えられることを意味することに気付きました。樹状突起は非線形計算サブユニットとして機能し、入力を収集して中間出力を吐き出します。これらの信号は細胞体で結合され、ニューロン全体がどのように反応するかが決まります.

樹状突起レベルでの活動が実際にニューロンの発火や隣接するニューロンの活動に影響を与えるかどうかはまだ不明でした。しかしそれにもかかわらず、Shepherd 氏によると、そのローカル処理は、システムが将来の入力に対して異なる応答をしたり、新しい方法で配線するのに役立つように、システムを準備または調整する可能性があります。

いずれにせよ、「当時の傾向は、『OK、気をつけてください。ニューロンはあなたが思っていたよりも強力かもしれません』というものでした」と Mel は言いました。

羊飼いは同意しました。 「大脳皮質で行われる処理のパワーの多くは、実際にはサブスレッショルドです」と彼は言いました。 「単一ニューロンシステムは、単なる統合システムではありません。 2 層、またはそれ以上になることもあります。」理論的には、考えられるほぼすべての計算は、それぞれが独自の非線形演算を実行できる十分な数の樹状突起を持つ 1 つのニューロンによって実行される可能性があります。

最近の 科学 論文では、研究者はこのアイデアをさらに一歩進めました。彼らは、単一の樹状コンパートメントがこれらの複雑な計算をすべて単独で実行できる可能性があることを示唆しました.

予期しないスパイクと古い障害物

Humboldt の神経科学者である Matthew Larkum と彼のチームは、別の疑問を念頭に置いて樹状突起を調べ始めました。樹状突起活動は主にげっ歯類で研究されていたため、研究者は、はるかに長い樹状突起を持つヒトニューロンで電気信号がどのように異なるかを調査したいと考えました。彼らは、多くの樹状突起を持つ特に大きなニューロンを含む、ヒト皮質の第 2 層と第 3 層から脳組織のスライスを取得しました。それらの樹状突起を電流で刺激したとき、奇妙なことに気づきました。

彼らは予想外のスパイクを繰り返し見た — そしてそれらのスパイクは、他の既知の種類の神経シグナル伝達とは完全に異なっているように見えた.それらは、活動電位のように特に急速で短時間であり、カルシウムイオンの流れから生じました。従来の活動電位は通常ナトリウムイオンとカリウムイオンによって引き起こされるため、これは注目に値します。また、以前にげっ歯類の樹状突起でカルシウム誘導シグナル伝達が観察されていましたが、それらのスパイクははるかに長く続く傾向がありました.

さらに奇妙なことに、樹状突起により多くの電気刺激を与えると、ニューロンの発火の強度は増加するのではなく低下しました。 「突然、私たちはより多くの刺激を受け、より少なくなります」とギドンは言いました. 「それは私たちの目を引きました。」

新しい種類のスパイクが何をしているのかを解明するために、科学者たちはポイラジと、ギリシャにある彼女の研究室の研究者である Athanasia Papoutsi と協力して、ニューロンの動作を反映するモデルを共同で作成しました。

このモデルは、樹状突起が 2 つの別々の入力に応答してスパイクすることを発見しましたが、それらの入力が組み合わされた場合はそうではありませんでした。これは、入力の 1 つ (ただし 1 つだけ) が 1 の場合に 1 のバイナリ出力を生成する、排他的 OR (または XOR) として知られる非線形計算と同等でした。

この発見は、すぐにコンピューター サイエンス コミュニティの共感を呼びました。 XOR 関数は、単一のニューロンでは不可能であると長年考えられていました:1969 年の本 Perceptrons 、コンピューター科学者のマービン・ミンスキーとシーモア・パパートは、単層の人工ネットワークがXORを実行できないことを証明しました.その結論は非常に壊滅的だったので、多くのコンピューター科学者は、1980 年代までニューラル ネットワーク研究が低迷していた原因をこれのせいだと非難しました.

ニューラル ネットワークの研究者は、最終的に Minsky と Papert が特定した障害を回避する方法を発見し、神経科学者は自然界でそれらの解決策の例を発見しました。たとえば、ポイラジは、単一のニューロンで XOR が可能であることをすでに知っていました。2 つの樹状突起を組み合わせるだけで XOR を実現できます。しかし、これらの新しい実験で、彼女と彼女の同僚は、単一の樹状突起でそれを促進するもっともらしい生物物理学的メカニズムを提供していました.

「私にとって、それはシステムが持つ別の柔軟性です」とポイラジは言いました。 「これは、このシステムにさまざまな計算方法があることを示しています。」それでも彼女は、単一のニューロンがすでにこの種の問題を解決できるのであれば、「なぜシステムはニューロン内により複雑なユニットを考え出すためにわざわざ苦労するのでしょうか?」と指摘します。

プロセッサ内のプロセッサ

確かに、すべてのニューロンがそのようなわけではありません。ギドンによれば、脳の他の部分には、より小さな点のようなニューロンがたくさんあります。おそらく、この神経の複雑さには理由があります。では、ニューロン内の単一のコンパートメントが、ニューロン全体またはニューロンの小さなネットワークが正常に実行できる能力を必要とするのはなぜでしょうか?明らかな可能性は、多層ネットワークのように振る舞うニューロンがはるかに処理能力が高く、したがってより多くの学習や保存ができるということです。 「単一のニューロン内に深いネットワークがあるのか​​もしれません」とポイラジは言いました。 「そして、それは難しい問題を学習するという点で、そして認知という点で、はるかに強力です。」

おそらく、Kording 氏は次のように付け加えています。たとえば、それ自体でオブジェクトを認識できる可能性があります。」ポイラジによれば、そのような強力な個々のニューロンを持つことは、脳がエネルギーを節約するのにも役立つかもしれません.

Larkum のグループは、げっ歯類や他の動物の樹状突起で同様の信号を検索し、この計算能力が人間に固有のものであるかどうかを判断することを計画しています。また、モデルの範囲を超えて、観察した神経活動を実際の行動に関連付けたいと考えています。一方、ポイラジは現在、これらの樹状突起での計算をニューロンのネットワークで起こっていることと比較して、前者の利点を調べたいと考えています。これには、他の種類の論理演算のテストと、それらの演算が学習または記憶にどのように寄与するかを調べることが含まれます。 「これを詳細に説明するまで、この発見がどれほど強力かはわかりません」とポイラジは言いました。

やるべきことはまだたくさんありますが、研究者たちは、これらの発見は、脳とその広範な機能をモデル化する方法を再考する必要があることを示していると考えています.さまざまなニューロンと脳領域の接続性に注目するだけでは不十分です。

新しい結果は、機械学習と人工知能の分野の問題にも影響を与える態勢が整っているようです。人工ニューラル ネットワークは点モデルに依存しており、ニューロンをノードとして扱い、入力を集計して合計をアクティビティ関数に渡します。 「単一のニューロンが複雑な計算デバイスになる可能性があるという考えを真剣に受け止めている人はほとんどいません」と、ニューヨーク大学の認知科学者であり、深層学習に関するいくつかの主張に対して率直な懐疑論者である Gary Marcus は述べています。

科学 この論文は、このアイデアを実証する広範な研究の歴史の 1 つの発見にすぎないと彼は付け加えた。この論文は、ニューラル ネットワーク研究を長い間悩ませてきた XOR 問題の観点から問題を組み立てているため、コンピューター科学者はそれに反応する可能性があると付け加えた。 「これについて本当に考える必要があると言っているのです」とマーカスは言いました。 「愚かなニューロンからスマートな認知を引き出す方法を考え出すというゲーム全体が間違っている可能性があります。」

「これはその非常に明確なデモンストレーションです」と彼は付け加えました。 「ノイズを超えて話します。」