Red neuronal
Imagen de brentsview bajo licencia CC BY-NC 2.0El cerebro recibe información del mundo exterior, sus neuronas reciben datos en la entrada, procesan y producen un cierto resultado. Puede ser un pensamiento (quiero curry para la cena), acción (hacer curry), cambio de humor (¡hurra, curry!). Pase lo que pase en la salida, este "algo" es la conversión de datos de la entrada (menú) al resultado de salida ("pollo dhansak, por favor"). Y si imagina el cerebro como un convertidor con entrada a salida, entonces es inevitable una analogía con una computadora.
Para algunos, esto es solo un dispositivo retórico útil, para otros es una idea seria. Pero el cerebro no es una computadora. Una computadora es cada neurona. Hay 17 mil millones de computadoras en la corteza cerebral.
Mira esto:
Neurona piramidal proyectada en 2D. El punto negro en el medio es el cuerpo de la neurona, y el resto de los cables son sus dendritas. Imagen: Alain DextesEsta es una imagen de una neurona piramidal. Dichas células forman la mayor parte de la corteza cerebral. El punto en el centro es el cuerpo de la neurona y las dendritas, cables sinuosos que recogen información de otras neuronas cercanas y lejanas, se estiran y se ramifican en todas las direcciones. Los datos de entrada vienen a lo largo de toda la dendrita, algunos justo al lado del cuerpo y otros lejos en las puntas. Es importante adónde llegará exactamente la señal.
Muchos no entienden lo importante que es la ubicación de la entrada. Por lo general, el trabajo de las neuronas se reduce a la idea de un sumador simple. En esta idea, las dendritas son simplemente dispositivos para recopilar datos de entrada. La activación de cada entrada individualmente cambia ligeramente el voltaje en la red neural eléctrica. Si resumimos la corriente de todas las dendritas, se genera un potencial de acción dendrítica (espiga), que desciende a lo largo del axón y se convierte en la entrada de otras neuronas.
Un modelo de neurona con suma de señales de entrada y generación de un potencial de acción dendrítica si la suma de las entradas supera un umbral (círculo gris)Este es un modelo mental conveniente; subyace a todas las redes neuronales artificiales. Pero ella está equivocada.
Las dendritas no son solo pedazos de alambre. También tienen su propio dispositivo para generar picos. Si se activa un número suficiente de entradas en un área pequeña de la dendrita, entonces se fortalecerán:
Dos coágulos de colores son dos entradas a un sitio dendrítico. Cuando se activan, cada uno produce una respuesta. La flecha gris en la figura indica la activación de esta entrada (la respuesta aquí significa "cambio de voltaje"). Con la activación conjunta, la respuesta es mayor (línea continua) que la suma de las entradas individuales (línea discontinua)La relación entre el número de entradas activas y el tamaño de respuesta en un área pequeña de la dendrita es la siguiente:
El tamaño de la respuesta en una rama de la dendrita en respuesta a un aumento en el número de entradas activas. Un "pico" local es un salto brusco de reacciones mínimas a grandes.Vemos un aumento local: un salto repentino de una reacción casi nula a varias entradas a una reacción muy grande con la adición de una más. Esta sección de la dendrita funciona "superlinealmente", aquí 2 + 2 = 6.
Durante
muchos años hemos sabido acerca de estas explosiones locales en áreas individuales de la dendrita. Vimos picos en las neuronas
en secciones del cerebro . Los vimos
en animales bajo anestesia , que les hizo cosquillas en las patas (sí, el cerebro todavía se siente inconsciente; simplemente no se molesta con la respuesta). Más recientemente, los vimos en dendritas de neuronas
animales en movimiento (sí, Moore y sus colegas grabaron un campo EM a unos pocos micrómetros del cerebro de un ratón corriendo; loco, ¿verdad?). Las dendritas de la neurona piramidal realmente generan comisuras.
Pero, ¿por qué esta explosión local cambia nuestra comprensión del cerebro como computadora? Porque las dendritas de la neurona piramidal
tienen muchas ramas
separadas . Y cada uno puede calcular el resultado y dar un toque. Esto significa que cada rama de la dendrita actúa como un pequeño dispositivo de salida no lineal, sumando y generando una ráfaga local si esta rama recibe un número suficiente de entradas aproximadamente al mismo tiempo:
Deja vu. Una rama dendrítica actúa como un pequeño dispositivo para sumar las entradas y emitir una ráfaga si han llegado suficientes entradas al mismo tiempo. Y la transformación de entrada a salida (círculo gris) es el mismo gráfico que ya vimos arriba, que determina la fuerza de la espigaEspera un momento ¿No es ese nuestro modelo neuronal? Sí, esa es ella. Ahora, si reemplazamos cada pequeña rama de la dendrita con uno de nuestros pequeños dispositivos "neuronales", la neurona piramidal se ve así:
Izquierda: muchas ramas dendríticas de una neurona (arriba y abajo del cuerpo). Derecha: resulta que este es un conjunto de dispositivos sumadores no lineales (recuadros amarillos con salidas no lineales) que se envían al cuerpo de una neurona (recuadro gris) y se suman allí. Algo familiar?Sí, cada neurona piramidal es una red neuronal de dos capas. Por si mismo
El excelente trabajo de Poirazi y Mel en 2003 lo demostró claramente. Construyeron un modelo informático complejo de una neurona, simulando cada pequeño trozo de dendrita, explosiones locales dentro de ellas y cómo descienden al cuerpo. Luego compararon directamente la salida de una neurona con la salida de una red neuronal de dos capas, y resultaron ser lo mismo.
La importancia extraordinaria de estas explosiones locales es que cada neurona es una computadora. La neurona misma es capaz de calcular un amplio rango de funciones llamadas no lineales, que simplemente resume y produce un pico. Por ejemplo, con cuatro entradas (azul, mar, amarillo y sol) y dos ramas que actúan como pequeños dispositivos no lineales, la neurona piramidal puede calcular la función de "signos de enlace": responder a una combinación de azul y mar o a una combinación de amarillo y sol, pero no responder de lo contrario, por ejemplo, azul y el sol o amarillo y el mar. Por supuesto, las neuronas tienen mucho más de cuatro entradas y mucho más de dos ramas: por lo tanto, pueden calcular el rango astronómico de funciones lógicas.
Más recientemente,
Romain Case con amigos (yo soy uno de mis amigos) demostró que una sola neurona calcula una sorprendente gama de funciones, incluso si no es capaz de generar un estallido dendrítico local. Debido a que las dendritas, por supuesto, no son lineales: en su estado normal, en realidad resumen los datos de entrada, obteniendo un resultado menor que la suma de los valores individuales. En este modo, funcionan de manera sublineal, es decir, 2 + 2 = 3.5. Y la presencia de muchas ramas dendríticas con sumación sublineal también permite que la neurona actúe como una red neuronal de dos capas. Una red neuronal de dos capas que calcula un conjunto diferente de funciones no lineales construidas a partir de neuronas con dendritas supralineales. Y casi todas las neuronas tienen dendritas. Por lo tanto, casi todas las neuronas en principio pueden ser una red neuronal de dos capas.
Otra consecuencia sorprendente del aumento local es que las neuronas saben mucho más sobre el mundo de lo que nos dicen, o sobre otras neuronas.
Hace poco
hice una pregunta simple : ¿cómo distribuye el cerebro la información? Cuando observamos el cableado entre las neuronas en el cerebro, podemos rastrear el camino desde cualquier neurona a cualquier otra. ¿Cómo, entonces, la información obviamente disponible en una parte del cerebro (por ejemplo, el olor a curry) no aparece en todas las otras partes del cerebro (por ejemplo, en la corteza visual)?
Hay dos respuestas opuestas a esto. En primer lugar, en algunos casos el cerebro no está dividido: la información realmente aparece en lugares extraños, por ejemplo, los sonidos llegan al área del cerebro que es responsable de orientarse en el suelo. Y otra respuesta: las dendritas comparten el cerebro.
Como acabamos de ver, una ráfaga local es un evento no lineal: es mayor que la suma de las entradas. Y el cuerpo de una neurona básicamente no puede detectar nada que no sea una explosión local. Esto significa que ignora la mayor parte de la entrada: el área que genera el impulso para el resto del cerebro está aislada de la mayor parte de la información que recibe la neurona. Una neurona reacciona solo cuando muchas entradas están activas simultáneamente en el tiempo y el espacio (en el mismo sitio de dendrita).
En este caso, resulta que las dendritas responden a lo que la neurona no responde. Esto es exactamente lo que está sucediendo. Vimos cómo en la corteza visual muchas neuronas reaccionan solo a objetos que se mueven en cierto ángulo. En algunas neuronas se generan picos cuando el objeto se mueve en un ángulo de 60 °, en otras 90 ° o 120 °. Pero las dendritas
responden a todos los ángulos sin excepción . Las dendritas saben mucho más sobre el mundo que el cuerpo de una neurona.
También ven mucho más. Las neuronas corticales visuales solo reaccionan a cosas en un lugar determinado: una neurona puede responder a objetos en la esquina superior izquierda y la otra a objetos en la esquina inferior derecha. Más recientemente,
Sonia Hofer y sus colegas han demostrado que las explosiones de neuronas ocurren solo en respuesta a objetos que aparecen en una posición particular, pero las dendritas responden a muchas posiciones diferentes, a menudo lejos de la especialización de la neurona. Por lo tanto, las neuronas responden solo a una pequeña parte de la información recibida, y el resto de la información está oculta en sus dendritas.
¿Por qué es todo esto importante? Esto significa que cada neurona puede cambiar radicalmente su función, cambiando solo unas pocas entradas. Algunas entradas se debilitan, y de repente una rama entera de la dendrita queda en silencio. Una neurona que solía estar feliz de ver gatos porque esta rama amaba a los gatos, ya no responde cuando su gato saltó al teclado de una computadora en funcionamiento, y como resultado, se convirtió en una persona mucho más tranquila y serena. Se amplifican varias entradas, y de repente toda la rama comienza a reaccionar: una neurona que antes no respondía al sabor de las aceitunas ahora genera explosiones con alegría cuando captura una boca llena de aceitunas verdes maduras, en mi experiencia, esta neurona se activa en humanos solo después de 20 años. Si las entradas simplemente se sumaran, las nuevas entradas lucharían contra las antiguas por la función de la neurona; pero cada sección de la dendrita actúa de forma independiente y realiza fácilmente nuevos cálculos.
Esto significa que el cerebro puede hacer muchos cálculos. Es imposible considerar una neurona simplemente como un sumador de datos de entrada y un generador de ráfagas. Pero así es exactamente cómo se organizan las unidades en redes neuronales artificiales. Esto sugiere que el aprendizaje profundo y otros sistemas de IA ni siquiera se han acercado a la potencia informática del cerebro real.
Hay 17 mil millones de neuronas en la corteza cerebral. Para entender lo que están haciendo, a menudo hacemos analogías con una computadora. Algunos argumentos están completamente basados en esta analogía. Otros lo consideran una ilusión. Las redes neuronales artificiales a menudo se citan como un ejemplo: hacen cálculos y consisten en cosas similares a las neuronas, razón por la cual el cerebro debe calcular. Pero si pensamos que el cerebro es una computadora, porque es como una red neuronal, ahora debemos admitir que las neuronas individuales también son computadoras. Todos los 17 mil millones en la corteza. Quizás los 86 mil millones en el cerebro.
Esto significa que la corteza cerebral no es una red neuronal. Esta es una red neuronal de redes neuronales.