आपके मस्तिष्क के प्रांतस्था में 17 बिलियन कंप्यूटर हैं

तंत्रिका नेटवर्क


CC BY-NC 2.0 के तहत लाइसेंस प्राप्त ब्रेंटव्यू की छवि

मस्तिष्क बाहरी दुनिया से जानकारी प्राप्त करता है, इसके न्यूरॉन्स इनपुट पर डेटा प्राप्त करते हैं, प्रक्रिया करते हैं और एक निश्चित परिणाम उत्पन्न करते हैं। यह एक विचार हो सकता है (मैं रात के खाने के लिए करी चाहता हूं), एक्शन (करी बनाना), मूड में बदलाव (हुर्रे, करी!)। आउटपुट पर जो कुछ भी होता है, यह "कुछ" इनपुट (मेनू) से डेटा के आउटपुट परिणाम ("चिकन dhansak, कृपया") में रूपांतरण है। और यदि आप आउटपुट के इनपुट के साथ एक कनवर्टर के रूप में मस्तिष्क की कल्पना करते हैं, तो कंप्यूटर के साथ एक समानता अनिवार्य है।

कुछ के लिए, यह सिर्फ एक उपयोगी बयानबाजी उपकरण है, दूसरों के लिए यह एक गंभीर विचार है। लेकिन दिमाग कंप्यूटर नहीं है। एक कंप्यूटर हर न्यूरॉन होता है। सेरेब्रल कॉर्टेक्स में 17 बिलियन कंप्यूटर हैं।

इस पर एक नज़र डालें:


पिरामिड न्यूरॉन 2 डी में अनुमानित है। बीच में काला धब्बा न्यूरॉन का शरीर है, और बाकी तार इसके डेंड्राइट हैं। चित्र: Alain Dextes

यह एक पिरामिड न्यूरॉन की एक छवि है। ऐसी कोशिकाएँ आपके मस्तिष्क के अधिकांश प्रांतस्था बनाती हैं। केंद्र में स्पॉट न्यूरॉन का शरीर है, और डेंड्राइट्स, घुमावदार तारों जो अन्य निकट और दूर के न्यूरॉन्स, खिंचाव और शाखा से सभी दिशाओं में इनपुट एकत्र करते हैं। इनपुट डेटा प्रत्येक डेंड्राइट की पूरी लंबाई के साथ आता है, जो शरीर के ठीक बगल में है, और अन्य युक्तियों में दूर है। यह महत्वपूर्ण है कि वास्तव में सिग्नल कहां आएगा।

कई लोग यह नहीं समझते कि इनपुट का स्थान कितना महत्वपूर्ण है। आमतौर पर न्यूरॉन्स का काम एक साधारण योजक के विचार में कम हो जाता है। इस विचार में, डेंड्राइट बस इनपुट डेटा एकत्र करने के लिए उपकरण हैं। प्रत्येक इनपुट को व्यक्तिगत रूप से सक्रिय करने से विद्युत तंत्रिका नेटवर्क में वोल्टेज में थोड़ा बदलाव होता है। यदि हम सभी डेन्ड्राइट्स से करंट को सारांशित करते हैं, तो एक डेंड्राइटिक एक्शन पोटेंशिअल (स्पाइक) उत्पन्न होता है, जो अक्षतंतु के साथ उतरता है और अन्य न्यूरॉन्स के लिए इनपुट बन जाता है।


यदि इनपुट का योग एक सीमा (ग्रे सर्कल) से अधिक है, तो इनपुट सिग्नल और जनन क्षमता की क्षमता के सृजन के साथ एक न्यूरॉन मॉडल

यह एक सुविधाजनक मानसिक मॉडल है, यह सभी कृत्रिम तंत्रिका नेटवर्क को रेखांकित करता है। लेकिन वह गलत है।

डेंड्राइट सिर्फ तार के टुकड़े नहीं हैं। स्पाइक्स बनाने के लिए उनके पास अपना एक उपकरण भी है। यदि डेंड्राइट के एक छोटे से क्षेत्र में पर्याप्त संख्या में इनपुट सक्रिय हैं, तो उन्हें मजबूत किया जाएगा:


दो रंगीन थक्के एक डेन्ड्राइट साइट पर दो प्रवेश द्वार हैं। जब वे खुद को सक्रिय करते हैं, तो प्रत्येक प्रतिक्रिया उत्पन्न करता है। आकृति में ग्रे तीर इस इनपुट की सक्रियता को इंगित करता है (यहां प्रतिक्रिया का मतलब "वोल्टेज परिवर्तन" है)। संयुक्त सक्रियण के साथ, व्यक्तिगत इनपुट (धराशायी लाइन) के योग से प्रतिक्रिया अधिक (ठोस रेखा) होती है

सक्रिय आदानों की संख्या और डेन्ड्राइट के एक छोटे से क्षेत्र में प्रतिक्रिया आकार के बीच का अनुपात इस प्रकार है:


सक्रिय आदानों की संख्या में वृद्धि के जवाब में डेन्ड्राइट की एक शाखा में प्रतिक्रिया का आकार। एक स्थानीय "स्पाइक" न्यूनतम से बड़ी प्रतिक्रियाओं के लिए एक तेज छलांग है

हम एक स्थानीय उछाल देखते हैं: लगभग शून्य प्रतिक्रिया से कई इनपुट के लिए एक बहुत बड़ी प्रतिक्रिया के साथ एक बहुत बड़ी प्रतिक्रिया के साथ अचानक कूद। डेन्ड्राइट का यह खंड "सुपरलाइनली" काम करता है, यहां 2 + 2 = 6 है।

कई वर्षों से हमने डेंड्राइट के व्यक्तिगत क्षेत्रों में इन स्थानीय विस्फोटों के बारे में जाना है। हमने मस्तिष्क के वर्गों पर न्यूरॉन्स में स्पाइक्स देखा। हमने उन्हें संज्ञाहरण के तहत जानवरों में देखा, जो उनके पंजे को गुदगुदी करते थे (हां, मस्तिष्क अभी भी बेहोश महसूस कर रहा है; यह सिर्फ जवाब से परेशान नहीं करता है)। अभी हाल ही में, हमने उन्हें एनिमल न्यूरॉन डेंड्राइट्स इन मोशन में देखा (हाँ, मूर और सहकर्मियों ने ईएम फील्ड को एक रनिंग माउस के मस्तिष्क से कुछ माइक्रोमीटर रिकॉर्ड किया था; पागल, सही?)। पिरामिड न्यूरॉन के डेंड्राइट वास्तव में कमिसार उत्पन्न करते हैं।

---

लेकिन यह स्थानीय प्रकोप मस्तिष्क की हमारी समझ को कंप्यूटर के रूप में क्यों बदलता है? क्योंकि पिरामिड न्यूरॉन के डेंड्राइट की कई अलग-अलग शाखाएँ होती हैं। और प्रत्येक परिणाम की गणना करने और छप देने में सक्षम है। इसका मतलब यह है कि डेंड्राइट की प्रत्येक शाखा एक छोटे से नॉनलाइनियर आउटपुट डिवाइस के रूप में कार्य करती है, अगर यह शाखा एक ही समय में पर्याप्त संख्या में इनपुट प्राप्त करती है, तो एक स्थानीय फट को जोड़ना और आउटपुट करना है:


देजा वु। एक dendritic शाखा इनपुट के लिए एक छोटे से उपकरण के रूप में कार्य करती है और यदि एक ही समय में पर्याप्त इनपुट आए हैं तो एक फट जारी करता है। और इनपुट से आउटपुट में परिवर्तन (ग्रे सर्कल) वही ग्राफ है जो हमने पहले ही ऊपर देखा था, जो स्पाइक की ताकत को निर्धारित करता है

एक पल रुकिए। हमारे न्यूरॉन मॉडल नहीं है? हाँ, वह उसकी है। अब, यदि हम अपने छोटे "न्यूरल" उपकरणों में से किसी एक के साथ डेंड्राइट की प्रत्येक छोटी शाखा को प्रतिस्थापित करते हैं, तो पिरामिड न्यूरॉन कुछ इस तरह दिखता है:


वाम: एक न्यूरॉन की कई डेंड्रिटिक शाखाएं (शरीर के ऊपर और नीचे)। सही: यह पता चलता है कि यह गैर-रैखिक समरूप उपकरणों (गैर-रेखीय आउटपुट के साथ पीले बक्से) का एक सेट है जो न्यूरॉन (ग्रे बॉक्स) के शरीर के लिए आउटपुट होते हैं और वहां अभिव्यक्त होते हैं। कुछ परिचित?

हां, प्रत्येक पिरामिड न्यूरॉन एक दो-परत तंत्रिका नेटवर्क है। अपने आप से।

2003 में पोइराज़ी और मेल बैक के उत्कृष्ट काम ने इसे स्पष्ट रूप से दिखाया। उन्होंने एक न्यूरॉन के एक जटिल कंप्यूटर मॉडल का निर्माण किया, डेंड्राइट के हर छोटे टुकड़े का अनुकरण करते हुए, उनके अंदर स्थानीय विस्फोट, और वे शरीर में कैसे उतरते हैं। फिर उन्होंने दो-परत तंत्रिका नेटवर्क के उत्पादन के साथ सीधे न्यूरॉन के आउटपुट की तुलना की - और वे एक ही निकले।

इन स्थानीय विस्फोटों का असाधारण महत्व यह है कि प्रत्येक न्यूरॉन एक कंप्यूटर है। न्यूरॉन स्वयं तथाकथित गैर-रेखीय कार्यों की एक विशाल श्रृंखला की गणना करने में सक्षम है, जो इसे बस बोता है और स्पाइक का उत्पादन करता है। उदाहरण के लिए, चार इनपुट (नीला, समुद्र, पीला और सूरज) और दो शाखाओं के साथ छोटे अरेखीय उपकरण के रूप में कार्य करने वाला, पिरामिडल न्यूरॉन "लिंकिंग संकेतों" के कार्य की गणना कर सकता है: नीले और समुद्र के संयोजन या पीले और सूरज के संयोजन का जवाब देने के लिए, लेकिन जवाब देने के लिए नहीं अन्यथा, उदाहरण के लिए, नीला और सूरज या पीला और समुद्र। बेशक, न्यूरॉन्स में चार से अधिक इनपुट और दो से अधिक शाखाएं हैं: इस प्रकार, वे तार्किक कार्यों की खगोलीय श्रेणी की गणना करने में सक्षम हैं।

हाल ही में, दोस्तों के साथ रोमेन केस (मैं अपने दोस्तों में से एक हूं) ने दिखाया कि एक एकल न्यूरॉन कार्यों की एक अद्भुत श्रृंखला की गणना करता है, भले ही वह स्थानीय डेंड्राइट फट उत्पन्न करने में सक्षम न हो। क्योंकि डेंड्राइट, निश्चित रूप से रैखिक नहीं हैं: अपनी सामान्य स्थिति में, वे वास्तव में इनपुट डेटा को संक्षिप्त करते हैं, जिसके परिणामस्वरूप व्यक्तिगत मूल्यों के योग से कम परिणाम प्राप्त होता है। इस मोड में, वे सबलाइनियरली काम करते हैं, अर्थात 2 + 2 = 3.5। और सबलाइन समरेशन के साथ कई डेन्ड्रिटिक शाखाओं की उपस्थिति भी न्यूरॉन को दो-परत तंत्रिका नेटवर्क के रूप में कार्य करने की अनुमति देती है। एक दो-परत तंत्रिका नेटवर्क जो सुपारीलाइन डेंड्राइट्स के साथ न्यूरॉन्स से निर्मित गैर-रैखिक कार्यों के एक अलग सेट की गणना करता है। और लगभग हर न्यूरॉन में डेंड्राइट होते हैं। इस प्रकार, सिद्धांत में लगभग सभी न्यूरॉन्स एक दो-परत तंत्रिका नेटवर्क हो सकते हैं।

---

स्थानीय स्पाइक का एक और आश्चर्यजनक परिणाम यह है कि न्यूरॉन्स दुनिया के बारे में बहुत कुछ जानते हैं, जितना कि वे हमें बताते हैं - या अन्य न्यूरॉन्स, इस मामले के लिए।

मैंने हाल ही में एक सरल प्रश्न पूछा : मस्तिष्क जानकारी कैसे वितरित करता है? जब हम मस्तिष्क में न्यूरॉन्स के बीच तारों को देखते हैं, तो हम किसी भी न्यूरॉन से किसी अन्य के लिए मार्ग का पता लगा सकते हैं। फिर, मस्तिष्क के एक हिस्से में स्पष्ट रूप से उपलब्ध जानकारी (जैसे, करी की गंध) मस्तिष्क के अन्य सभी हिस्सों में नहीं दिखाई देती है (उदाहरण के लिए, दृश्य प्रांतस्था में)?

इसके दो विपरीत उत्तर हैं। सबसे पहले, कुछ मामलों में मस्तिष्क विभाजित नहीं होता है: जानकारी वास्तव में अजीब स्थानों में दिखाई देती है, उदाहरण के लिए, ध्वनियां मस्तिष्क के उस क्षेत्र तक पहुंचती हैं जो जमीन पर उन्मुख होने के लिए जिम्मेदार है। और एक अन्य जवाब: डेंड्राइट्स मस्तिष्क को साझा करते हैं।

जैसा कि हमने अभी देखा, एक स्थानीय विस्फोट एक अकाल घटना है: यह इनपुट के योग से बड़ा है। और एक न्यूरॉन का शरीर मूल रूप से किसी भी चीज का पता नहीं लगा सकता है जो कि स्थानीय फट नहीं है। इसका मतलब यह है कि यह अधिकांश इनपुट को नजरअंदाज करता है: वह क्षेत्र जो मस्तिष्क के बाकी हिस्सों के लिए आवेग उत्पन्न करता है, न्यूरॉन द्वारा प्राप्त की जाने वाली अधिकांश जानकारी से पृथक होता है। एक न्यूरॉन केवल तभी प्रतिक्रिया करता है जब कई इनपुट एक साथ समय और स्थान पर सक्रिय होते हैं (एक ही डेन्ड्राइट साइट पर)।

इस मामले में, यह पता चला है कि डेन्ड्राइट उस पर प्रतिक्रिया करते हैं जो न्यूरॉन प्रतिक्रिया नहीं देता है। ठीक ऐसा ही हो रहा है। हमने देखा कि कैसे दृश्य कॉर्टेक्स में कई न्यूरॉन्स केवल उन वस्तुओं पर प्रतिक्रिया करते हैं जो एक निश्चित कोण पर चलते हैं। कुछ न्यूरॉन्स में स्पाइक उत्पन्न होते हैं जब ऑब्जेक्ट 60 ° के कोण पर, अन्य 90 ° या 120 ° पर चलता है। लेकिन डेंड्राइट बिना किसी अपवाद के सभी कोणों पर प्रतिक्रिया करते हैं । डेंड्राइट्स एक न्यूरॉन के शरीर की तुलना में दुनिया के बारे में अधिक जानते हैं।

वे और भी बहुत कुछ देखते हैं। दृश्य कॉर्टिकल न्यूरॉन्स केवल एक निश्चित स्थान पर चीजों पर प्रतिक्रिया करते हैं: एक न्यूरॉन ऊपरी बाएं में वस्तुओं का जवाब दे सकता है, और दूसरा दाएं निचले हिस्से में वस्तुओं के लिए। अभी हाल ही में, सोनिया होफर और उनके सहयोगियों ने दिखाया है कि न्यूरॉन्स के फटने केवल एक विशेष स्थिति में दिखाई देने वाली वस्तुओं की प्रतिक्रिया में होते हैं, लेकिन डेंड्राइट कई अलग-अलग पदों पर प्रतिक्रिया करते हैं, अक्सर न्यूरॉन की विशेषज्ञता से दूर। इस प्रकार, न्यूरॉन्स केवल प्राप्त जानकारी के एक छोटे हिस्से का जवाब देते हैं, और बाकी जानकारी उनके डेंड्राइट्स में छिपी होती है।

---

यह सब क्यों महत्वपूर्ण है? इसका मतलब है कि प्रत्येक न्यूरॉन मौलिक रूप से अपने कार्य को बदल सकता है, बस कुछ इनपुट बदल सकता है। कुछ इनपुट कमजोर हो जाते हैं - और अचानक डेन्ड्राइट की एक पूरी शाखा चुप हो जाती है। एक न्यूरॉन जो बिल्लियों को देखकर खुश हुआ करता था क्योंकि यह शाखा बिल्लियों से प्यार करती थी, अब जवाब नहीं देती जब आपकी बिल्ली एक काम करने वाले कंप्यूटर के कीबोर्ड पर कूदती थी - और परिणामस्वरूप, आप बहुत अधिक शांत, एकत्रित व्यक्ति बन गए। कई इनपुट बढ़े हुए हैं - और अचानक पूरी शाखा प्रतिक्रिया करना शुरू कर देती है: एक न्यूरॉन जो पहले जैतून के स्वाद का जवाब नहीं देता था, अब खुशी से फट जाता है जब यह पके हुए हरे जैतून का पूरा मुंह पकड़ लेता है - मेरे अनुभव में, यह न्यूरॉन 20 साल बाद ही मनुष्यों में सक्रिय होता है। यदि इनपुट को सरल रूप से अभिव्यक्त किया गया था, तो नए इनपुट पुराने लोगों को न्यूरॉन के कार्य के लिए युद्ध करेंगे; लेकिन डेंड्राइट का प्रत्येक खंड स्वतंत्र रूप से कार्य करता है और आसानी से नई गणना करता है।

इसका मतलब है कि मस्तिष्क कई गणनाएं कर सकता है। केवल एक इनपुट योजक और एक फट जनरेटर के रूप में न्यूरॉन पर विचार करना असंभव है। लेकिन यह ठीक है कि कृत्रिम तंत्रिका नेटवर्क में इकाइयों को कैसे व्यवस्थित किया जाता है। इससे पता चलता है कि गहरी शिक्षा और अन्य एआई सिस्टम वास्तविक मस्तिष्क की कंप्यूटिंग शक्ति के करीब भी नहीं आए हैं।

सेरेब्रल कॉर्टेक्स में 17 बिलियन न्यूरॉन होते हैं। यह समझने के लिए कि वे क्या कर रहे हैं, हम अक्सर कंप्यूटर के साथ समानताएँ बनाते हैं। कुछ तर्क पूरी तरह से इस सादृश्य पर आधारित हैं। दूसरे इसे भ्रम मानते हैं। कृत्रिम तंत्रिका नेटवर्क को अक्सर एक उदाहरण के रूप में उद्धृत किया जाता है: वे गणना करते हैं और न्यूरॉन जैसी चीजों से युक्त होते हैं, यही वजह है कि मस्तिष्क की गणना की जाती है। लेकिन अगर हम सोचते हैं कि मस्तिष्क एक कंप्यूटर है, क्योंकि यह एक तंत्रिका नेटवर्क की तरह है, अब हमें यह स्वीकार करना चाहिए कि व्यक्तिगत न्यूरॉन्स भी कंप्यूटर हैं। क्रस्ट में सभी 17 बिलियन। शायद मस्तिष्क में सभी 86 बिलियन।

इसका मतलब है कि सेरेब्रल कॉर्टेक्स एक तंत्रिका नेटवर्क नहीं है। यह तंत्रिका नेटवर्क का एक तंत्रिका नेटवर्क है।