Jaringan saraf
Gambar brentsview berlisensi di bawah CC BY-NC 2.0Otak menerima informasi dari dunia luar, neuron-neuronnya menerima data pada input, memproses dan menghasilkan hasil tertentu. Itu bisa berupa pemikiran (saya ingin kari untuk makan malam), aksi (buat kari), perubahan suasana hati (hore, kari!). Apa pun yang terjadi pada output, "sesuatu" ini adalah konversi data dari input (menu) ke hasil output ("chicken dhansak, tolong"). Dan jika Anda membayangkan otak sebagai konverter dengan input ke output, maka analogi dengan komputer tidak bisa dihindari.
Bagi sebagian orang, ini hanyalah alat retoris yang bermanfaat, bagi yang lain itu adalah ide yang serius. Tetapi otak bukan komputer. Komputer adalah setiap neuron. Ada 17 miliar komputer di korteks serebral.
Lihatlah ini:
Neuron piramidal diproyeksikan dalam 2D. Bintik hitam di tengah adalah tubuh neuron, dan sisa kabel adalah dendritnya. Gambar: Alain DextesIni adalah gambar neuron piramidal. Sel-sel semacam itu membentuk sebagian besar korteks otak Anda. Titik di tengah adalah tubuh neuron, dan dendrit, kabel berliku yang mengumpulkan input dari neuron lain yang dekat dan jauh, meregangkan dan bercabang ke segala arah. Input data datang sepanjang seluruh dendrit, beberapa tepat di sebelah tubuh, dan yang lain jauh di ujung. Penting di mana tepatnya sinyal akan tiba.
Banyak yang tidak mengerti betapa pentingnya lokasi input. Biasanya pekerjaan neuron direduksi menjadi gagasan penambah sederhana. Dalam ide ini, dendrit hanyalah perangkat untuk mengumpulkan data input. Mengaktifkan setiap input secara individual sedikit mengubah tegangan dalam jaringan saraf listrik. Jika kita meringkas arus dari semua dendrit, dihasilkan potensial aksi dendritik (spike), yang turun sepanjang akson dan menjadi input untuk neuron lain.
Model neuron dengan penjumlahan sinyal input dan generasi potensial aksi dendritik jika jumlah input melebihi ambang batas (lingkaran abu-abu)Ini adalah model mental yang nyaman, yang mendasari semua jaringan saraf tiruan. Tapi dia salah.
Dendrit bukan hanya potongan kawat. Mereka juga memiliki perangkat sendiri untuk menghasilkan paku. Jika sejumlah input yang cukup diaktifkan di satu area kecil dendrit, maka mereka akan diperkuat:
Dua gumpalan berwarna adalah dua pintu masuk ke satu situs dendrit. Ketika mereka mengaktifkan diri, masing-masing menghasilkan respons. Panah abu-abu pada gambar menunjukkan aktivasi input ini (respons di sini berarti "perubahan tegangan"). Dengan aktivasi bersama, responsnya lebih besar (garis solid) daripada jumlah input individu (garis putus-putus)Rasio antara jumlah input aktif dan ukuran respons di area kecil dendrit adalah sebagai berikut:
Ukuran respons dalam satu cabang dendrit sebagai respons terhadap peningkatan jumlah input aktif. "Lonjakan" lokal adalah lompatan tajam dari reaksi minimal ke besarKita melihat lonjakan lokal: lompatan tiba-tiba dari reaksi yang hampir nol ke beberapa input ke reaksi yang sangat besar dengan penambahan satu lagi. Bagian dendrit ini berfungsi "superlinearly", di sini 2 + 2 = 6.
Selama
bertahun-tahun kami telah mengetahui tentang semburan-semburan lokal ini di setiap area dendrit. Kami melihat paku di neuron
pada bagian otak . Kami melihat mereka
pada hewan di bawah pengaruh
bius , yang menggelitik cakarnya (ya, otak masih merasa tidak sadar; itu tidak mengganggu dengan jawabannya). Baru-baru ini, kami melihat mereka dalam dendrit neuron
hewan bergerak (ya, Moore dan rekannya merekam medan EM beberapa mikrometer dari otak tikus yang sedang berlari; gila, kan?). Dendrit dari neuron piramidal benar-benar menghasilkan komisura.
Tetapi mengapa ledakan lokal ini mengubah pemahaman kita tentang otak sebagai komputer? Karena dendrit dari neuron piramidal
memiliki banyak cabang yang
terpisah . Dan masing-masing mampu menghitung hasilnya dan memberikan percikan. Ini berarti bahwa setiap cabang dendrit bertindak sebagai perangkat output nonlinier kecil, menambah dan menghasilkan lonjakan lokal jika cabang ini menerima jumlah input yang cukup pada waktu yang hampir bersamaan:
Deja vu. Satu cabang dendritik bertindak sebagai perangkat kecil untuk menjumlahkan input dan mengeluarkan burst jika cukup input telah tiba pada saat yang sama. Dan transformasi dari input ke output (lingkaran abu-abu) adalah grafik yang sama yang telah kita lihat di atas, yang menentukan kekuatan lonjakanTunggu sebentar. Bukankah itu model neuron kita? Ya, itu dia. Sekarang, jika kita mengganti setiap cabang kecil dendrit dengan salah satu perangkat "saraf" kecil kita, maka neuron piramidal terlihat seperti ini:
Kiri: banyak cabang dendritik neuron (di atas dan di bawah tubuh). Kanan: ternyata ini adalah satu set perangkat penjumlahan non-linear (kotak kuning dengan output non-linear) yang di-output ke badan neuron (kotak abu-abu) dan dijumlahkan di sana. Sesuatu yang akrab?Ya, setiap neuron piramidal adalah jaringan saraf dua lapis. Dengan sendirinya.
Karya bagus Poirazi dan Mel di tahun 2003 dengan jelas menunjukkan hal ini. Mereka membangun model komputer yang kompleks dari satu neuron, mensimulasikan setiap potongan kecil dendrit, semburan lokal di dalamnya, dan bagaimana mereka turun ke tubuh. Kemudian mereka secara langsung membandingkan output dari neuron dengan output dari jaringan saraf dua lapis - dan mereka ternyata sama.
Signifikansi yang luar biasa dari semburan lokal ini adalah bahwa setiap neuron adalah komputer. Neuron itu sendiri mampu menghitung sejumlah besar fungsi yang disebut non-linear, yang dirangkum secara sederhana dan menghasilkan lonjakan. Sebagai contoh, dengan empat input (biru, laut, kuning dan matahari) dan dua cabang yang bertindak sebagai perangkat nonlinier kecil, neuron piramidal dapat menghitung fungsi "tanda-tanda penghubung": untuk merespons kombinasi biru dan laut atau kombinasi kuning dan matahari, tetapi tidak merespons jika tidak, misalnya, biru dan matahari atau kuning dan laut. Tentu saja, neuron memiliki lebih dari empat input dan lebih dari dua cabang: dengan demikian, mereka dapat menghitung rentang astronomi dari fungsi logis.
Baru-baru ini,
Romain Case dengan teman-teman (saya adalah salah satu teman saya) menunjukkan bahwa satu neuron menghitung berbagai fungsi yang luar biasa, bahkan jika ia tidak dapat menghasilkan semburan dendritik lokal. Karena dendrit, tentu saja, tidak linier: dalam keadaan normal, mereka benar-benar meringkas data input, mendapatkan hasil yang kurang dari jumlah nilai individual. Dalam mode ini, mereka bekerja secara sublinear, yaitu 2 + 2 = 3.5. Dan kehadiran banyak cabang dendritik dengan penjumlahan sublinear juga memungkinkan neuron bertindak sebagai jaringan saraf dua lapis. Jaringan saraf dua lapis yang menghitung serangkaian fungsi non-linear berbeda yang dibangun dari neuron dengan dendrit supralinear. Dan hampir setiap neuron memiliki dendrit. Dengan demikian, hampir semua neuron pada prinsipnya dapat menjadi jaringan saraf dua lapis.
Konsekuensi lain yang menakjubkan dari lonjakan lokal adalah bahwa neuron tahu lebih banyak tentang dunia daripada yang mereka katakan kepada kita - atau neuron lain, dalam hal ini.
Baru-baru ini
saya mengajukan pertanyaan sederhana : bagaimana otak mendistribusikan informasi? Ketika kita melihat kabel antara neuron di otak, kita dapat melacak jalur dari neuron ke neuron lainnya. Bagaimana, kemudian, apakah informasi yang jelas tersedia di satu bagian otak (katakanlah, bau kari) tidak muncul di semua bagian lain dari otak (misalnya, di korteks visual)?
Ada dua jawaban yang berlawanan untuk ini. Pertama, dalam beberapa kasus otak tidak dibagi: informasi benar-benar muncul di tempat-tempat aneh, misalnya, suara mencapai area otak yang bertanggung jawab untuk orientasi di tanah. Dan jawaban lain: dendrit berbagi otak.
Seperti yang baru saja kita lihat, burst lokal adalah peristiwa nonlinier: ini lebih besar dari jumlah input. Dan tubuh neuron pada dasarnya tidak dapat mendeteksi apa pun yang bukan ledakan lokal. Ini berarti bahwa ia mengabaikan sebagian besar input: area yang menghasilkan impuls untuk sisa otak diisolasi dari sebagian besar informasi yang diterima neuron. Neuron bereaksi hanya ketika banyak input aktif secara simultan dalam waktu dan ruang (di situs dendrit yang sama).
Dalam kasus ini, ternyata dendrit merespons apa yang tidak ditanggapi oleh neuron. Inilah yang sedang terjadi. Kami melihat bagaimana dalam korteks visual banyak neuron bereaksi hanya terhadap benda yang bergerak pada sudut tertentu. Dalam beberapa neuron, lonjakan dihasilkan ketika objek bergerak pada sudut 60 °, di lain 90 ° atau 120 °. Tetapi dendrit
merespons semua sudut tanpa kecuali . Dendrit tahu lebih banyak tentang dunia daripada tubuh neuron.
Mereka juga melihat lebih banyak. Neuron kortikal visual hanya bereaksi terhadap benda-benda di tempat tertentu: satu neuron dapat merespons benda-benda di kiri atas, dan yang lainnya terhadap benda-benda di kanan bawah. Baru-baru ini,
Sonia Hofer dan rekannya telah menunjukkan bahwa semburan neuron hanya terjadi sebagai respons terhadap objek yang muncul dalam satu posisi tertentu, tetapi dendrit merespons banyak posisi berbeda, seringkali jauh dari spesialisasi neuron. Dengan demikian, neuron hanya menanggapi sebagian kecil dari informasi yang diterima, dan sisanya dari informasi itu tersembunyi di dendritnya.
Mengapa semua ini penting? Ini berarti bahwa setiap neuron secara radikal dapat mengubah fungsinya, mengubah hanya beberapa input. Beberapa input menjadi lebih lemah - dan tiba-tiba seluruh cabang dendrit diam. Seorang neuron yang dulu senang melihat kucing karena cabang ini mencintai kucing, tidak lagi merespons ketika kucing Anda melompat ke papan ketik komputer yang berfungsi - dan sebagai hasilnya, Anda menjadi orang yang lebih tenang dan lebih tenang. Beberapa input diperkuat - dan tiba-tiba seluruh cabang mulai bereaksi: neuron yang sebelumnya tidak menanggapi rasa zaitun sekarang dengan gembira menghasilkan semburan ketika menangkap mulut penuh zaitun hijau matang - dalam pengalaman saya, neuron ini diaktifkan pada manusia hanya setelah 20 tahun. Jika input dijumlahkan, input baru akan melawan yang lama untuk fungsi neuron; tetapi setiap bagian dendrit bekerja secara independen dan mudah membuat perhitungan baru.
Ini artinya otak dapat melakukan banyak perhitungan. Tidak mungkin untuk menganggap neuron hanya sebagai input adder dan generator burst. Tapi ini persis bagaimana unit diatur dalam jaringan saraf tiruan. Ini menunjukkan bahwa pembelajaran yang dalam dan sistem AI lainnya bahkan belum mendekati kekuatan komputasi otak yang sebenarnya.
Ada 17 miliar neuron di korteks serebral. Untuk memahami apa yang mereka lakukan, kita sering menggambar analogi dengan komputer. Beberapa argumen sepenuhnya didasarkan pada analogi ini. Yang lain menganggapnya sebagai khayalan. Jaringan saraf tiruan sering dikutip sebagai contoh: mereka membuat perhitungan dan terdiri dari hal-hal seperti neuron, itulah sebabnya otak harus menghitung. Tetapi jika kita berpikir bahwa otak adalah komputer, karena itu seperti jaringan saraf, sekarang kita harus mengakui bahwa neuron individu juga komputer. Semua 17 miliar di kerak bumi. Mungkin semua 86 miliar di otak.
Ini berarti bahwa korteks serebral bukan jaringan saraf. Ini adalah jaringan saraf dari jaringan saraf.