Badanie obala odwieczną teorię uczenia się mózgu

Przez dziesięciolecia naukowcy uważali, że uczenie się zachodzi w synapsach, czyli licznych połączeniach między komórkami mózgowymi. Ale teraz nowe badanie sugeruje, że uczenie się zachodzi w kilku dendrytach, gałęziach, które zasilają bodźce do komórki mózgowej lub neuronu.

Wyniki nowego badania oferują zupełnie nowy wgląd w uczenie się mózgu.

W artykule opublikowanym obecnie w czasopiśmie Raporty naukowe, autorzy opisują, jak doszli do tego wniosku po przestudiowaniu komputerowych modeli neuronów i kultur komórkowych.

W rozległej sieci neuronowej mózgu neurony zachowują się jak maleńkie mikroczipy, które pobierają dane wejściowe przez dendryty i - gdy zostaną osiągnięte określone warunki - tworzą sygnały wyjściowe za pomocą swoich aksonów.

Z kolei aksony są połączone z dendrytami innych neuronów poprzez połączenia zwane synapsami. Na jeden neuron przypada o wiele więcej synaps niż dendrytów.

Istotnym wynikiem nowych badań jest to, że ponieważ sugerują, że uczenie się odbywa się w dendrytach, a nie w synapsach, parametry uczenia się dla każdego neuronu są znacznie mniejsze niż wcześniej sądzono.

„W tym nowym procesie uczenia się dendrytycznego”, zauważa starszy autor badania, prof. Ido Kanter z Gonda Interdisciplinary Brain Research Center na Uniwersytecie Bar-Ilan w Izraelu, „istnieje kilka parametrów adaptacyjnych na neuron w porównaniu z tysiącami małych i wrażliwych w scenariuszu uczenia się synaptycznego ”.

Nauka odbywa się szybciej, niż myśleliśmy

Innym ważnym wynikiem nowego badania jest to, że proces uczenia się przebiega znacznie szybciej w nowym modelu dendrytycznym niż w tradycyjnym modelu synaptycznym.

Wyniki mogą mieć ważne implikacje dla leczenia zaburzeń mózgu i projektowania aplikacji komputerowych - takich jak „algorytmy głębokiego uczenia” i sztuczna inteligencja - które są oparte na naśladowaniu sposobu działania mózgu.

Naukowcy przewidują, że w przypadku tego ostatniego ich badanie otwiera drzwi do projektowania bardziej zaawansowanych funkcji i znacznie szybszych prędkości przetwarzania.

Tradycyjny, synaptyczny model uczenia się jest zakorzeniony w pionierskiej pracy Donalda Hebba, opublikowanej w 1949 r. W książce Organizacja zachowań.

Model ten, który prof. Kanter i jego koledzy nazywają „uczeniem się przez łącza”, proponuje, aby „parametry uczenia się”, które zmieniają się w trakcie procesu uczenia się, odzwierciedlały liczbę synaps lub połączeń na neuron, które są jednostkami obliczeniowymi. w sieci neuronowej.

„Nauka według węzłów”

W swoim nowym modelu - który określają jako „uczenie się przez węzły” - badacze proponują, aby parametry uczenia się nie odzwierciedlały liczby synaps, których jest wiele na neuron, ale liczbę dendrytów lub węzłów, których to tylko kilka na neuron.

Dlatego wyjaśniają, że „w sieci połączonych neuronów” liczba parametrów uczenia się przypadająca na neuron w modelu synaptycznym jest „znacznie większa” niż liczba w modelu dendrytycznym.

Głównym celem ich badań było porównanie „kooperatywnych właściwości dynamicznych między synaptycznymi (łącznikami) i dendrytycznymi (węzłowymi) scenariuszami uczenia się”.

Autorzy badania konkludują, że ich wyniki „silnie wskazują, że szybszy i wzmocniony proces uczenia się zachodzi w dendrytach neuronalnych, podobnie jak to, co jest obecnie przypisywane synapsom”.

Słabe synapsy odgrywają kluczową rolę w uczeniu się

Innym znaczącym odkryciem badania jest to, że wydaje się, że słabe synapsy, które stanowią większość mózgu i uważano, że odgrywają niewielką rolę w uczeniu się, są w rzeczywistości bardzo ważne.

Autorzy zauważają, że „dynamika jest w sprzeczności z intuicją regulowana głównie przez słabe ogniwa”.

Wydaje się, że w modelu dendrytycznym słabe synapsy powodują, że parametry uczenia się oscylują, a nie przesuwają się do „nierealistycznych stałych ekstremów”, jak w modelu synaptycznym.

Prof. Kanter podsumowuje wyniki, porównując sposób, w jaki powinniśmy mierzyć jakość powietrza.

„Czy ma sens”, pyta, „mierzenie jakości powietrza, którym oddychamy, za pomocą wielu małych, odległych czujników satelitarnych na wysokości drapacza chmur, czy też przy użyciu jednego lub kilku czujników w pobliżu nosa?”

„Podobnie, dla neuronu bardziej wydajne jest oszacowanie przychodzących sygnałów w pobliżu jednostki obliczeniowej, neuronu”.

Prof. Ido Kanter

none:  biologia - biochemia zaparcie płodność