Rede neural
Imagem de brentsview licenciada sob CC BY-NC 2.0O cérebro recebe informações do mundo exterior, seus neurônios recebem dados na entrada, processam e produzem um determinado resultado. Pode ser um pensamento (eu quero curry no jantar), ação (faça curry), mudança de humor (hurrah, curry!). O que quer que aconteça na saída, esse "algo" é a conversão de dados da entrada (menu) para o resultado da saída ("frango dhansak, por favor"). E se você imaginar o cérebro como um conversor com entrada para saída, uma analogia com um computador é inevitável.
Para alguns, este é apenas um dispositivo retórico útil, para outros é uma ideia séria. Mas o cérebro não é um computador. Um computador é todo neurônio. Existem 17 bilhões de computadores no córtex cerebral.
Dê uma olhada nisso:
Neurônio piramidal projetado em 2D. A mancha negra no meio é o corpo do neurônio, e o restante dos fios são seus dendritos. Imagem: Alain DextesEsta é uma imagem de um neurônio piramidal. Essas células compõem a maior parte do córtex do seu cérebro. O ponto no centro é o corpo do neurônio, e os dendritos, fios sinuosos que coletam informações de outros neurônios próximos e distantes, se estendem e se ramificam em todas as direções. Os dados de entrada são fornecidos em todo o comprimento de cada dendrito, alguns ao lado do corpo e outros nas pontas. É importante onde exatamente o sinal chegará.
Muitos não entendem a importância da localização da entrada. Normalmente, o trabalho dos neurônios é reduzido à idéia de um somador simples. Nesta idéia, os dendritos são simplesmente dispositivos para coletar dados de entrada. A ativação de cada entrada individualmente altera ligeiramente a tensão na rede neural elétrica. Se resumirmos a corrente de todos os dendritos, é gerado um potencial de ação dendrítica (pico), que desce ao longo do axônio e se torna a entrada para outros neurônios.
Um modelo de neurônio com soma dos sinais de entrada e geração de um potencial de ação dendrítico se a soma das entradas exceder um limite (círculo cinza)Este é um modelo mental conveniente, subjacente a todas as redes neurais artificiais. Mas ela está errada.
Dendritos não são apenas pedaços de arame. Eles também têm seu próprio dispositivo para gerar picos. Se um número suficiente de entradas for ativado em uma pequena área do dendrito, elas serão reforçadas:
Dois coágulos coloridos são duas entradas para um local de dendrito. Quando eles se ativam, cada um produz uma resposta. A seta cinza na figura indica a ativação desta entrada (a resposta aqui significa "mudança de tensão"). Com a ativação conjunta, a resposta é maior (linha sólida) do que a soma das entradas individuais (linha tracejada)A proporção entre o número de entradas ativas e o tamanho da resposta em uma pequena área do dendrito é a seguinte:
O tamanho da resposta em uma ramificação do dendrito em resposta a um aumento no número de entradas ativas. Um “pico” local é um salto acentuado de reações mínimas para grandesVemos uma onda local: um salto repentino de uma reação quase zero para várias entradas para uma reação muito grande com a adição de mais uma. Esta seção do dendrito funciona "superlinearmente", aqui 2 + 2 = 6.
Por
muitos anos , conhecemos essas explosões locais em áreas individuais do dendrito. Vimos picos de neurônios
em seções do cérebro . Nós os vimos
em animais sob anestesia , que fizeram cócegas em suas patas (sim, o cérebro ainda está inconsciente; simplesmente não se incomoda com a resposta). Mais recentemente, nós os vimos em dendritos de neurônios
animais em movimento (sim, Moore e colegas registraram um campo EM a alguns micrômetros do cérebro de um rato em execução; louco, certo?). Os dendritos do neurônio piramidal realmente geram comissuras.
Mas por que essa explosão local muda nossa compreensão do cérebro como um computador? Porque os dendritos do neurônio piramidal
têm muitos ramos
separados . E cada um é capaz de calcular o resultado e dar um respingo. Isso significa que cada ramificação do dendrite atua como um pequeno dispositivo de saída não linear, adicionando e produzindo uma intermitência local se essa ramificação receber um número suficiente de entradas ao mesmo tempo:
Deja vu. Um ramo dendrítico atua como um pequeno dispositivo para somar as entradas e emitir uma rajada se entradas suficientes chegaram ao mesmo tempo. E a transformação de entrada para saída (círculo cinza) é o mesmo gráfico que já vimos acima, que determina a força do picoEspere um momento. Esse não é o nosso modelo de neurônios? Sim, é ela. Agora, se substituirmos cada pequeno ramo do dendrito por um de nossos pequenos dispositivos "neurais", o neurônio piramidal se parece com isso:
Esquerda: muitos ramos dendríticos de um neurônio (acima e abaixo do corpo). Certo: verifica-se que este é um conjunto de dispositivos somadores não lineares (caixas amarelas com saídas não lineares) que são enviados para o corpo de um neurônio (caixa cinza) e somados lá. Algo familiar?Sim, cada neurônio piramidal é uma rede neural de duas camadas. Por si só.
O excelente trabalho de Poirazi e Mel em 2003 mostrou isso claramente. Eles construíram um modelo complexo de computador de um neurônio, simulando cada pedacinho de dendrito, explosões locais dentro deles e como eles descem para o corpo. Então eles compararam diretamente a saída de um neurônio com a saída de uma rede neural de duas camadas - e acabaram sendo os mesmos.
O significado extraordinário dessas explosões locais é que cada neurônio é um computador. O próprio neurônio é capaz de calcular uma enorme variedade de funções não lineares, que simplesmente resume e produz um pico. Por exemplo, com quatro entradas (azul, mar, amarelo e sol) e dois ramos atuando como pequenos dispositivos não lineares, o neurônio piramidal pode calcular a função de "sinais de ligação": responder a uma combinação de azul e mar ou a uma combinação de amarelo e sol, mas não responder caso contrário, por exemplo, azul e o sol ou amarelo e o mar. Obviamente, os neurônios têm muito mais que quatro entradas e muito mais que dois ramos: assim, eles são capazes de calcular a faixa astronômica de funções lógicas.
Mais recentemente,
Romain Case com amigos (eu sou um dos meus amigos) mostrou que um único neurônio calcula uma incrível variedade de funções, mesmo que não seja capaz de gerar uma explosão dendrítica local. Como os dendritos, é claro, não são lineares: em seu estado normal, eles realmente resumem os dados de entrada, obtendo um resultado menor que a soma dos valores individuais. Nesse modo, eles funcionam sublinearmente, ou seja, 2 + 2 = 3,5. E a presença de muitos ramos dendríticos com soma sublinear também permite que o neurônio atue como uma rede neural de duas camadas. Rede neural de duas camadas que calcula um conjunto diferente de funções não lineares construídas a partir de neurônios com dendritos supralineares. E quase todo neurônio tem dendritos. Assim, quase todos os neurônios em princípio podem ser uma rede neural de duas camadas.
Outra conseqüência surpreendente do pico local é que os neurônios sabem muito mais sobre o mundo do que nos dizem - ou outros neurônios.
Recentemente,
fiz uma pergunta simples : como o cérebro distribui informações? Quando olhamos para a fiação entre os neurônios no cérebro, podemos traçar o caminho de um neurônio para outro. Como, então, as informações obviamente disponíveis em uma parte do cérebro (por exemplo, o cheiro do curry) não aparecem em todas as outras partes do cérebro (por exemplo, no córtex visual)?
Existem duas respostas opostas para isso. Primeiro, em alguns casos, o cérebro não está dividido: as informações realmente aparecem em lugares estranhos, por exemplo, os sons atingem a área do cérebro responsável pela orientação no terreno. E outra resposta: os dendritos compartilham o cérebro.
Como acabamos de ver, uma explosão local é um evento não linear: é maior que a soma das entradas. E o corpo de um neurônio basicamente não pode detectar nada que não seja uma explosão local. Isso significa que ele ignora a maior parte da entrada: a área que gera o impulso para o resto do cérebro é isolada da maioria das informações que o neurônio recebe. Um neurônio reage apenas quando muitas entradas estão ativas simultaneamente no tempo e no espaço (no mesmo local de dendritos).
Nesse caso, verifica-se que os dendritos respondem ao que o neurônio não responde. É exatamente isso que está acontecendo. Vimos como no córtex visual muitos neurônios reagem apenas a objetos que se movem em um determinado ângulo. Em alguns neurônios, os picos são gerados quando o objeto se move em um ângulo de 60 °, em outros 90 ° ou 120 °. Mas os dendritos
respondem a todos os ângulos, sem exceção . Os dendritos sabem muito mais sobre o mundo do que o corpo de um neurônio.
Eles também veem muito mais. Os neurônios visuais corticais reagem apenas às coisas em um determinado local: um neurônio pode responder a objetos no canto superior esquerdo e o outro a objetos no canto inferior direito. Mais recentemente,
Sonia Hofer e colegas mostraram que surtos de neurônios ocorrem apenas em resposta a objetos que aparecem em uma posição específica, mas os dendritos respondem a muitas posições diferentes, muitas vezes longe da especialização do neurônio. Assim, os neurônios respondem apenas a uma pequena parte da informação recebida, e o restante está oculto em seus dendritos.
Por que tudo isso é importante? Isso significa que cada neurônio pode mudar radicalmente sua função, alterando apenas algumas entradas. Algumas entradas ficam mais fracas - e de repente um ramo inteiro do dendrito fica em silêncio. Um neurônio que costumava ser feliz em ver gatos porque esse ramo amava gatos, não responde mais quando seu gato pulava no teclado de um computador em funcionamento - e, como resultado, você se tornou uma pessoa muito mais calma e organizada. Várias entradas são amplificadas - e de repente todo o ramo começa a reagir: um neurônio que não respondeu anteriormente ao sabor das azeitonas agora gera alegremente explosões quando captura uma boca cheia de azeitonas verdes maduras - na minha experiência, esse neurônio é ativado nos seres humanos somente após 20 anos. Se as entradas fossem simplesmente somadas, as novas entradas combateriam as antigas pela função do neurônio; mas cada seção do dendrito age de forma independente e facilmente faz novos cálculos.
Isso significa que o cérebro pode fazer muitos cálculos. É impossível considerar um neurônio simplesmente como um somador de dados de entrada e um gerador de rajadas. Mas é exatamente assim que as unidades são organizadas em redes neurais artificiais. Isso sugere que o aprendizado profundo e outros sistemas de inteligência artificial nem chegaram perto do poder computacional do cérebro real.
Existem 17 bilhões de neurônios no córtex cerebral. Para entender o que eles estão fazendo, costumamos fazer analogias com um computador. Alguns argumentos são completamente baseados nessa analogia. Outros consideram isso uma ilusão. As redes neurais artificiais são frequentemente citadas como exemplo: elas fazem cálculos e consistem em coisas semelhantes a neurônios, e é por isso que o cérebro deve calcular. Mas se pensamos que o cérebro é um computador, porque é como uma rede neural, agora devemos admitir que neurônios individuais também são computadores. Todos os 17 bilhões na crosta. Talvez todos os 86 bilhões no cérebro.
Isso significa que o córtex cerebral não é uma rede neural. Esta é uma rede neural de redes neurais.