👾 🙌🏻 🚴🏻 ¿Cómo funciona nuestro cerebro o cómo modelar el alma? 👥 🛌🏾 🏹

Hola geektimes! En un artículo publicado anteriormente , se presentó un modelo del sistema nervioso, describiré la teoría y los principios que formaron su base.

La teoría se basa en el análisis de la información disponible sobre la neurona biológica y el sistema nervioso de la neurobiología y fisiología moderna del cerebro.

Primero, daré una breve información sobre el objeto de modelado, toda la información se describe a continuación, se tiene en cuenta y se usa en el modelo.

NEURONA

Una neurona es el principal elemento funcional del sistema nervioso, consiste en el cuerpo de una célula nerviosa y sus procesos. Hay dos tipos de procesos: axones y dendritas. Axon es un proceso largo cubierto con vaina de mielina, diseñado para transmitir un impulso nervioso a largas distancias. La dendrita es un proceso corto de ramificación, debido al cual existe una relación con muchas células vecinas.

TRES TIPOS DE NEURONAS

Las neuronas pueden variar mucho en forma, tamaño y configuración, a pesar de esto, existe una similitud fundamental de tejido nervioso en diferentes partes del sistema nervioso, y no hay diferencias evolutivas serias. La célula nerviosa del molusco Aplisia puede secretar los mismos neurotransmisores y proteínas que la célula humana.

Se distinguen tres tipos de neuronas según la configuración:

a) neuronas receptoras, centrípetas o aferentes, estas neuronas tienen un axón centrípeto, al final del cual hay receptores, receptores o terminaciones aferentes. Estas neuronas se pueden definir como elementos que transmiten señales externas al sistema.

b) neuronas interneuronas (intercalares, de contacto o intermedias) que no tienen procesos largos, pero solo tienen dendritas. Hay más neuronas en el cerebro humano que otras. Este tipo de neurona es el elemento principal del arco reflejo.

c) motores, centrífugos o eferentes, tienen un axón centrípeto, que tiene terminaciones eferentes que transmiten excitación a las células musculares o glandulares. Las neuronas eferentes se utilizan para transmitir señales del entorno nervioso al entorno externo.

Por lo general, los artículos sobre redes neuronales artificiales estipulan la presencia de solo neuronas motoras (con un axón centrífugo), que están conectadas en capas de una estructura jerárquica. Una descripción similar es aplicable al sistema nervioso biológico, pero es un tipo de caso especial, estamos hablando de estructuras, reflejos condicionados básicos. Cuanto mayor es la evolución del sistema nervioso, menos prevalecen en él estructuras como "capas" o una jerarquía estricta.

TRANSFERENCIA DE EXCITACIÓN NERVIOSA

La transmisión de la excitación ocurre de neurona a neurona, a través de espesamientos especiales en los extremos de las dendritas, llamadas sinapsis. Según el tipo de transmisión, las sinapsis se dividen en dos tipos: químicas y eléctricas. Las sinapsis eléctricas transmiten un impulso nervioso directamente a través del punto de contacto. Hay muy pocas sinapsis de este tipo en los sistemas nerviosos; no se tendrán en cuenta en los modelos. Las sinapsis químicas transmiten un impulso nervioso a través de una sustancia mediadora especial (neurotransmisor, neurotransmisor), este tipo de sinapsis está muy extendido e implica variabilidad en el trabajo.
Es importante tener en cuenta que constantemente se están produciendo cambios en una neurona biológica, están creciendo nuevas dendritas y sinapsis, y es posible la migración de neuronas. Las neoplasias se forman en los puntos de contacto con otras neuronas, para la neurona transmisora es una sinapsis, para el receptor es una membrana postsináptica equipada con receptores especiales que responden al mediador, es decir, podemos decir que la membrana de la neurona es un receptor, y las sinapsis en las dendritas son transmisores señal.

SINAPSE

Cuando se activa la sinapsis, expulsa porciones del mediador, estas porciones pueden variar, cuanto más se secreta el mediador, más probable es que la señal nerviosa sea activada por la célula nerviosa. El mediador, rompiendo la hendidura sinóptica, ingresa a la membrana postsináptica, en la que se encuentran los receptores que responden al mediador. Además, el mediador puede ser destruido por una enzima destructiva especial, o absorbido por la sinapsis, esto reduce el tiempo del efecto del mediador en los receptores.
Además del estímulo, hay sinapsis que inhiben la neurona. Típicamente, tales sinapsis pertenecen a ciertas neuronas, que se designan como neuronas inhibidoras.
Puede haber muchas sinapsis que conectan una neurona con la misma célula objetivo. Para simplificar, aceptamos el conjunto completo de efectos de una neurona sobre otra neurona objetivo para la sinapsis con una cierta fuerza de impacto. La característica principal de una sinapsis será su fuerza.

ESTADO DE EXCITACIÓN DE UNA NEURONA

En reposo, la membrana de la neurona está polarizada. Esto significa que las partículas que llevan cargas opuestas están ubicadas en ambos lados de la membrana. En reposo, la superficie externa de la membrana está cargada positivamente, la interna es negativa. Los principales portadores de cargas en el cuerpo son iones de sodio (Na +), potasio (K +) y cloro (Cl-).
La diferencia entre las cargas en la superficie de la membrana y dentro del cuerpo celular es el potencial de membrana. El mediador causa una violación de la polarización: despolarización. Los iones positivos fuera de la membrana atraviesan canales abiertos hacia el cuerpo celular, cambiando la relación de cargas entre la superficie de la membrana y el cuerpo celular.

Cambio en el potencial de membrana tras la excitación de una neurona

La naturaleza de los cambios en el potencial de membrana durante la activación del tejido nervioso no cambia. Independientemente de la cantidad de fuerza ejercida sobre la neurona, si la fuerza excede un cierto valor umbral, la respuesta será la misma.
Mirando hacia el futuro, quiero señalar que incluso los potenciales de rastreo son importantes en el trabajo del sistema nervioso (ver el gráfico anterior). No aparecen, debido a algunas oscilaciones armónicas que equilibran las cargas, son una manifestación estricta de una cierta fase del estado del tejido nervioso tras la excitación.

TEORÍA DE LA INTERACCIÓN ELECTROMAGNÉTICA

Entonces, daré más suposiciones teóricas que nos permitirán crear modelos matemáticos. La idea principal es la interacción entre las cargas formadas dentro del cuerpo celular, durante su actividad, y las cargas de las superficies de las membranas de otras células activas. Estas cargas son opuestas, a este respecto se puede suponer cómo se ubicarán las cargas en el cuerpo celular bajo la influencia de las cargas de otras células activas.

Podemos decir que la neurona detecta la actividad de otras neuronas a distancia, busca dirigir la propagación de la excitación en la dirección de otros sitios activos.
En el momento de la actividad neuronal, se puede calcular un cierto punto en el espacio, que se definiría como la suma de las masas de cargas ubicadas en las superficies de otras neuronas. Llamaremos a este punto un punto de patrón; su campo depende de una combinación de las fases de actividad de todas las neuronas del sistema nervioso. Una combinación única de células activas se denomina patrón en la fisiología del sistema nervioso, es decir, podemos hablar sobre el efecto de las partes excitadas del cerebro en el funcionamiento de una neurona individual.
Es necesario imaginar el trabajo de la neurona no solo como una computadora, sino como una especie de repetidor de excitación que selecciona las direcciones de propagación de la excitación, de modo que se forman complejos circuitos eléctricos. Inicialmente, se suponía que una neurona simplemente se desconecta / enciende selectivamente sus sinapsis para la transmisión, dependiendo de la dirección de excitación preferida. Pero un estudio más detallado de la naturaleza de la neurona llevó a la conclusión de que la neurona puede cambiar el grado de influencia en la célula objetivo a través de la fuerza de sus sinapsis, lo que hace que la neurona sea un elemento informático más flexible y variable del sistema nervioso.

¿Qué dirección de transmisión de excitación se prefiere? En varios experimentos relacionados con la formación de reflejos incondicionados, se puede determinar que se forman vías o arcos reflejos en el sistema nervioso que conectan las regiones cerebrales activadas durante la formación de reflejos incondicionados, y se crean conexiones asociativas. Esto significa que la neurona debe transmitir excitaciones a otras partes activas del cerebro, recordar la dirección y usarla en el futuro.
Imagine el vector de inicio, que se encuentra en el centro del soporte activo, y el final se dirige al punto de patrón definido para una neurona dada. Denote como el vector de la dirección preferida de propagación de la excitación (T, tendencia). En una neurona biológica, el vector T puede manifestarse en la estructura de la neuroplasma misma, quizás estos son canales para el movimiento de iones en el cuerpo de la célula u otros cambios en la estructura de la neurona.
Una neurona tiene la propiedad de la memoria, puede memorizar el vector T, la dirección de este vector, puede cambiar y sobrescribir dependiendo de factores externos. El grado en que el vector T puede sufrir cambios se llama neuroplasticidad.
Este vector, a su vez, afecta el funcionamiento de las sinapsis neuronales. Para cada sinapsis, definimos el comienzo del vector S, que se encuentra en el centro de la célula, y el final se dirige al centro de la neurona objetivo con la que está conectada la sinapsis. Ahora, el grado de influencia para cada sinapsis se puede determinar de la siguiente manera: cuanto menor sea el ángulo entre el vector T y S, mayor será la sinapsis; cuanto más pequeño sea el ángulo, más fuerte se debilitará la sinapsis y posiblemente pueda detener la transmisión de la excitación. Cada sinapsis tiene una propiedad de memoria independiente; recuerda el significado de su fuerza. Los valores indicados cambian con cada activación de la neurona, bajo la influencia del vector T, aumentan o disminuyen en un cierto valor.

MODELO MATEMÁTICO

Las señales de entrada (x1, x2, ... xn) de la neurona son números reales que caracterizan la fuerza de las sinapsis de las neuronas que afectan a la neurona.
Un valor positivo de la entrada significa un efecto estimulante en la neurona, y un valor negativo significa un efecto inhibidor.
Para una neurona biológica, no importa de dónde provenga la señal excitante, el resultado de su actividad será idéntico. Una neurona se activará cuando la suma de los efectos sobre ella supere un cierto valor umbral. Por lo tanto, todas las señales pasan a través del sumador (a), y dado que las neuronas y el sistema nervioso funcionan en tiempo real, por lo tanto, el efecto de las entradas debe evaluarse en un corto período de tiempo, es decir, el efecto de la sinapsis es temporal.
El resultado del sumador pasa la función umbral (b), si la suma excede el valor umbral, esto conduce a la actividad neuronal.
Cuando se activa, una neurona señala su actividad al sistema, información avanzada sobre su posición en el espacio del sistema nervioso y la carga, que cambia en el tiempo (in).
Después de cierto tiempo, después de la activación, la neurona transmite la excitación a lo largo de todas las sinapsis disponibles, contando previamente su fuerza. Todo el período de activación de la neurona deja de responder a estímulos externos, es decir, se ignoran todos los efectos de las sinapsis de otras neuronas. El período de activación también incluye el período de recuperación de la neurona.
El vector T (g) se corrige teniendo en cuenta el valor del punto de patrón Pp y el nivel de neuroplasticidad. A continuación, hay una reevaluación de los valores de todas las fuerzas de sinapsis en la neurona (d).
Tenga en cuenta que los bloques (g) y (e) se ejecutan en paralelo con el bloque (c).

EFECTO DE ONDA

Si analiza cuidadosamente el modelo propuesto, puede ver que la fuente de excitación debería tener un mayor efecto en la neurona que otra parte remota y activa del cerebro. Por lo tanto, surge la pregunta: ¿por qué todavía hay una transferencia en la dirección de otro sitio activo?
Pude identificar este problema solo creando un modelo de computadora. La solución sugirió un gráfico de cambios en el potencial de membrana durante la actividad neuronal.

La repolarización mejorada de la neurona, como se mencionó anteriormente, es importante para el sistema nervioso, gracias a esto se crea el efecto de la onda, el deseo de que la excitación nerviosa se propague desde la fuente de excitación.
Al trabajar con el modelo, observé dos efectos: si descuidamos el potencial de rastreo o lo hicimos no lo suficientemente grande, entonces la excitación no se propaga desde las fuentes, sino que tiende a la localización. Si hace que el potencial de rastreo sea muy grande, la emoción tiende a "dispersarse" en diferentes direcciones, no solo desde su fuente, sino también desde otras.

MAPA COGNITIVO

Usando la teoría de la interacción electromagnética, se pueden explicar muchos fenómenos y procesos complejos que ocurren en el sistema nervioso. Por ejemplo, uno de los últimos descubrimientos, que se discute ampliamente en las ciencias del cerebro, es el descubrimiento de mapas cognitivos en el hipocampo.
El hipocampo es la parte del cerebro responsable de la memoria a corto plazo. Los experimentos en ratas revelaron que cierto lugar en el laberinto corresponde a su propio grupo de células localizado en el hipocampo, y no importa cómo llegue el animal a este lugar, la sección correspondiente de tejido nervioso se activará de todos modos. Naturalmente, el animal debe recordar este laberinto, no contar con la correspondencia topológica del espacio del laberinto y el mapa cognitivo.

Cada lugar en el laberinto está representado en el cerebro como un conjunto de estímulos de una naturaleza diferente: olores, color de las paredes, posibles objetos notables, sonidos característicos, etc. Estos estímulos se reflejan en la corteza, diversas representaciones de los sentidos, en forma de explosiones de actividad en ciertas combinaciones. El cerebro procesa simultáneamente información en varios departamentos, a menudo los canales de información están divididos, la misma información va a diferentes partes del cerebro.

Activación de neuronas colocadas dependiendo de la posición en el laberinto (la actividad de diferentes neuronas se muestra en diferentes colores). fuente

El hipocampo se encuentra en el centro del cerebro, todo el automóvil y sus áreas se eliminan de él, a distancias iguales. Si determinamos para cada combinación única de estímulos el punto de masa de las cargas en las superficies de las neuronas, entonces podemos ver que estos puntos serán diferentes y se ubicarán aproximadamente en el centro del cerebro. La excitación en el hipocampo tenderá a estos puntos y se extenderá, formando áreas estables de excitación. Además, el cambio alternativo de combinaciones de estímulos conducirá a un cambio en el punto del patrón. Las secciones del mapa cognitivo se asociarán asociativamente entre sí de forma secuencial, lo que conducirá al hecho de que el animal, colocado al comienzo del laberinto que le es familiar, puede recordar todo el camino posterior.

Conclusión

Muchos tendrán una pregunta, ¿dónde están en este trabajo los requisitos previos para el elemento de racionalidad o la manifestación de una actividad intelectual superior?
Es importante tener en cuenta que el fenómeno del comportamiento humano es una consecuencia del funcionamiento de la estructura biológica. Por lo tanto, para imitar un comportamiento razonable, es necesario comprender bien los principios y características del funcionamiento de las estructuras biológicas. Desafortunadamente, todavía no se ha presentado un algoritmo claro en la ciencia de la biología: cómo funciona una neurona, cómo comprende dónde es necesario hacer crecer sus dendritas, cómo configurar sus sinapsis para que se pueda formar un reflejo condicionado simple en el sistema nervioso, similar a los que demostró y describió en Académico I.P. Pavlov.
Por otro lado, en la ciencia de la inteligencia artificial, en un enfoque ascendente (biológico), existe una situación paradójica, a saber: cuando los modelos utilizados en la investigación se basan en ideas obsoletas sobre la neurona biológica, el conservadurismo, que se basa en el perceptrón sin repensar sus principios básicos, sin apela a la fuente biológica, elabore algoritmos y estructuras más sofisticados que no tengan raíces biológicas.
Por supuesto, nadie reduce los méritos de las redes neuronales clásicas, que han proporcionado muchos productos de software útiles, pero jugar con ellas no es la forma de crear un sistema que funcione intelectualmente.
Además, las afirmaciones de que la neurona es como una poderosa máquina informática no son infrecuentes, se atribuyen a la propiedad de las computadoras cuánticas. Debido a esta supercomplejidad, la imposibilidad de su repetición se atribuye al sistema nervioso, ya que esto es proporcional al deseo de modelar el alma humana. Sin embargo, en realidad, la naturaleza sigue el camino de la simplicidad y la elegancia de sus decisiones, el movimiento de las cargas en la membrana celular puede servir tanto para transmitir la excitación nerviosa como para transmitir información sobre dónde ocurre esta transferencia.
A pesar de que este trabajo demuestra cómo se forman los reflejos condicionados elementales en el sistema nervioso, nos acerca a comprender qué son la inteligencia y la actividad inteligente.

Hay muchos más aspectos del sistema nervioso: mecanismos de inhibición, principios de construcción de emociones, organización de reflejos incondicionales y entrenamiento, sin los cuales es imposible construir un modelo cualitativo del sistema nervioso. Hay un entendimiento, en un nivel intuitivo, de cómo funciona el sistema nervioso, cuyos principios se pueden incorporar en los modelos.
La creación del primer modelo ayudó a refinar y corregir la idea de la interacción electromagnética de las neuronas. Para comprender cómo se produce la formación de arcos reflejos, cómo cada neurona individual comprende cómo configurar sus sinapsis para obtener conexiones asociativas.
En este momento, comencé a desarrollar una nueva versión del programa, que le permitirá simular muchos otros aspectos de la neurona y el sistema nervioso.

Le pido que participe activamente en la discusión de las hipótesis y suposiciones presentadas aquí, ya que puedo estar sesgado hacia mis ideas. Tu opinión es muy importante para mí.

Modelo (PC con Windows) + tutorial

(Windows PC)

¿Cómo funciona nuestro cerebro o cómo modelar el alma?