Často se uvádí, že schopnosti mozku zpracovávat informace spočívají v bilionech spojení, která propojují jeho neurony. V posledních několika desetiletích však sílící výzkum nenápadně přesunul část pozornosti na jednotlivé neurony, které, jak se zdá, nesou na svých bedrech mnohem větší výpočetní zodpovědnost, než se kdysi zdálo myslitelné.

Nejnovější z dlouhé řady důkazů pochází z objevu nového typu elektrického signálu, který vědci objevili v horních vrstvách lidské mozkové kůry. Laboratorní a modelové studie již ukázaly, že drobné oddíly v dendritických ramenech korových neuronů mohou každý provádět složité operace v matematické logice. Nyní se však zdá, že jednotlivá dendritická oddělení mohou provádět také konkrétní výpočet – „exkluzivní OR“ -, který matematičtí teoretici dříve klasifikovali jako neřešitelný systémy s jedním neuronem.

„Domnívám se, že jsme se jen poškrábali na povrch toho, co tyto neurony skutečně dělají,“ řekl Albert Gidon, postdoktorand na Humboldtově univerzitě v Berlíně a první autor článku, který tyto poznatky představil v časopise Science na začátku tohoto měsíce.

Objev znamená rostoucí potřebu studia nervové soustavy zvážit důsledky jednotlivých neuronů jako rozsáhlých procesorů informací. „Mozek může být mnohem složitější, než si myslíme,“ řekl Konrad Kording, počítačový neurovědec z Pensylvánské univerzity, který se na nedávné práci nepodílel. Může také přimět některé počítačové vědce k přehodnocení strategií pro umělé neuronové sítě, které byly tradičně budovány na základě pohledu na neurony jako na jednoduché, neinteligentní spínače.

Omezení hloupých neuronů

Ve 40. a 50. letech 20. století začal v neurovědách převládat obraz „hloupého“ neuronu, jednoduchého integrátoru, bodu v síti, který pouze sčítá své vstupy. Rozvětvená prodloužení buňky, nazývaná dendrity, přijímala tisíce signálů od sousedních neuronů – některé excitační, jiné inhibiční. V těle neuronu by se všechny tyto signály vážily a sčítaly, a pokud by jejich součet překročil určitý práh, neuron by vystřelil sérii elektrických impulzů (akčních potenciálů), které by usměrňovaly stimulaci sousedních neuronů.

Přibližně ve stejné době si vědci uvědomili, že jeden neuron může fungovat také jako logické hradlo, podobné těm v digitálních obvodech (i když stále není jasné, kolik toho mozek při zpracování informací skutečně počítá tímto způsobem). Neuron byl například efektivně hradlem AND, pokud se aktivoval až po obdržení určitého dostatečného počtu vstupů.

Sítě neuronů by tedy teoreticky mohly provádět jakékoli výpočty. Přesto byl tento model neuronu omezený. Nejenže jeho vůdčí výpočetní metafory byly zjednodušené, ale vědcům po celá desetiletí chyběly experimentální nástroje pro záznam z různých složek jediné nervové buňky. „To je v podstatě zhroucení neuronu do bodu v prostoru,“ řekl Bartlett Mel, počítačový neurovědec z University of Southern California. „Nemělo to žádné vnitřní členění aktivity.“ Model ignoroval skutečnost, že tisíce vstupů proudících do daného neuronu dopadají na různá místa podél jeho různých dendritů. Ignoroval myšlenku (nakonec potvrzenou), že jednotlivé dendrity mohou fungovat odlišně jeden od druhého. A ignorovala možnost, že výpočty mohou provádět jiné vnitřní struktury.

To se však začalo měnit v 80. letech 20. století. Modelové práce neurovědce Christofa Kocha a dalších, později podpořené stolními experimenty, ukázaly, že jednotlivé neurony nevyjadřují jediný nebo jednotný napěťový signál. Místo toho se napěťové signály snižovaly, jak se pohybovaly podél dendritů do těla neuronu, a často nepřispívaly ke konečnému výstupu buňky.

Tato kompartmentalizace signálů znamenala, že jednotlivé dendrity mohly zpracovávat informace nezávisle na sobě. „To bylo v rozporu s hypotézou bodového neuronu, ve které neuron jednoduše sečetl vše bez ohledu na umístění,“ řekl Mel.

To přimělo Kocha a další neurovědce, včetně Gordona Shepherda z Yale School of Medicine, k modelování toho, jak by struktura dendritů mohla v principu umožnit, aby neurony nefungovaly jako jednoduchá logická hradla, ale jako komplexní, vícejednotkové systémy zpracování. Simulovali, jak by dendritické stromy mohly hostit četné logické operace, a to prostřednictvím řady složitých hypotetických mechanismů.

Později se Mel a několik jeho kolegů blíže zaměřili na to, jak by buňka mohla v rámci jednotlivých dendritů spravovat více vstupů. To, co zjistili, je překvapilo: Dendrity generovaly lokální hroty, měly vlastní nelineární vstupně-výstupní křivky a vlastní aktivační prahy, odlišné od prahů neuronu jako celku. Samotné dendrity mohly fungovat jako hradla AND nebo jako celá řada dalších výpočetních zařízení.

Mel si spolu se svým bývalým postgraduálním studentem Yiotou Poirazim (nyní výpočetní neurovědec na Institutu molekulární biologie a biotechnologie v Řecku) uvědomil, že to znamená, že si mohou představit jeden neuron jako dvouvrstvou síť. Dendrity by sloužily jako nelineární výpočetní podjednotky, které by sbíraly vstupy a vypouštěly mezilehlé výstupy. Tyto signály by se pak kombinovaly v buněčném těle, které by určovalo, jak bude reagovat neuron jako celek.

Zda aktivita na úrovni dendritů skutečně ovlivňuje vypalování neuronu a aktivitu sousedních neuronů, nebylo dosud jasné. Ale bez ohledu na to by podle Shepherda mohlo toto lokální zpracování připravit nebo podmínit systém, aby reagoval jinak na budoucí vstupy, nebo ho pomoci zapojit novými způsoby.

Ať už to bylo jakkoli, „trend tehdy byl: ‚Dobře, buďte opatrní, neuron může být výkonnější, než jste si mysleli‘,“ řekl Mel.

Shepherd souhlasil. „Velká část výkonu zpracování, které probíhá v mozkové kůře, je ve skutečnosti podprahová,“ řekl. „Systém s jedním neuronem může být více než jen jeden integrační systém. Mohou to být dvě vrstvy, nebo dokonce více.“ Teoreticky by téměř jakýkoli představitelný výpočet mohl být proveden jedním neuronem s dostatečným počtem dendritů, z nichž každý by byl schopen provést vlastní nelineární operaci.

V nedávném článku v časopise Science vědci tuto myšlenku posunuli o krok dále:

Neočekávané hroty a staré překážky

Matthew Larkum, neurolog z Humboldtovy univerzity, a jeho tým se začali zabývat dendrity s jinou otázkou. Protože dendritická aktivita byla studována především u hlodavců, chtěli vědci prozkoumat, jak se může lišit elektrická signalizace u lidských neuronů, které mají mnohem delší dendrity. Získali řezy mozkové tkáně z vrstev 2 a 3 lidské mozkové kůry, které obsahují zvláště velké neurony s mnoha dendrity. Když tyto dendrity stimulovali elektrickým proudem, všimli si něčeho zvláštního.

Pozorovali nečekané, opakované hroty – a tyto hroty se zdály být zcela nepodobné jiným známým druhům nervové signalizace. Byly obzvláště rychlé a krátké, jako akční potenciály, a vznikaly z toků vápenatých iontů. To bylo pozoruhodné, protože běžné akční potenciály jsou obvykle způsobeny ionty sodíku a draslíku. A zatímco signalizace vyvolaná vápníkem byla již dříve pozorována v dendritech hlodavců, tyto hroty měly tendenci trvat mnohem déle.

Ještě zajímavější bylo, že přivádění většího množství elektrické stimulace do dendritů snižovalo intenzitu výboje neuronu, místo aby ji zvyšovalo. „Najednou stimulujeme více a dostáváme méně,“ řekl Gidon. „To nás zaujalo.“

Aby vědci zjistili, co by mohl nový druh spikingu způsobovat, spojili se s Poiraziovou a výzkumnicí z její laboratoře v Řecku Athanasií Papoutsiovou, které společně vytvořily model odrážející chování neuronů.

Model zjistil, že dendrit spikuje v reakci na dva samostatné vstupy – ale nečiní tak, když jsou tyto vstupy kombinovány. To odpovídalo nelineárnímu výpočtu známému jako exkluzivní OR (neboli XOR), který dává binární výstup 1, pokud je jeden (ale pouze jeden) ze vstupů 1.

Toto zjištění okamžitě zasáhlo počítačovou komunitu. Funkce XOR byly po mnoho let považovány za nemožné u jednotlivých neuronů: Počítačoví vědci Marvin Minsky a Seymour Papert ve své knize Perceptrons z roku 1969 nabídli důkaz, že jednovrstvé umělé sítě nemohou provádět XOR. Tento závěr byl tak zdrcující, že jej mnozí počítačoví vědci obviňovali z útlumu, do kterého výzkum neuronových sítí upadl až do 80. let 20. století.

Výzkumníci neuronových sítí nakonec našli způsob, jak se vyhnout překážce, kterou Minsky a Papert identifikovali, a neurovědci našli příklady těchto řešení v přírodě. Například Poirazi již věděl, že XOR je možný v jediném neuronu: Stačí, aby ho dosáhly dva dendrity dohromady. Ale v těchto nových experimentech ona a její kolegové nabízeli věrohodný biofyzikální mechanismus, který to usnadňuje – v jediném dendritu.

„Pro mě je to další stupeň flexibility, kterou systém má,“ řekla Poiraziová. „Jen to ukazuje, že tento systém má mnoho různých způsobů, jak počítat.“ Přesto upozorňuje, že když už jeden neuron dokáže vyřešit takový problém, „proč by si systém dával práci s vymýšlením složitějších jednotek uvnitř neuronu?“

Procesory uvnitř procesorů

Jistě ne všechny neurony jsou takové. Podle Gidona je v jiných částech mozku spousta menších, bodových neuronů. Pravděpodobně tedy tato složitost neuronů existuje z nějakého důvodu. Proč tedy potřebují jednotlivá oddělení v rámci neuronu schopnost dělat to, co v pohodě zvládne celý neuron nebo malá síť neuronů? Zřejmou možností je, že neuron, který se chová jako vícevrstvá síť, má mnohem větší výpočetní výkon, a proto se může více učit nebo ukládat. „Možná máte hlubokou síť v rámci jednoho neuronu,“ řekl Poirazi. „A to je mnohem výkonnější z hlediska učení složitých problémů, z hlediska poznávání.“

Možná, dodal Kording, „jediný neuron může být schopen počítat skutečně složité funkce. Například by mohl být sám o sobě schopen rozpoznat nějaký objekt.“ Mít takto výkonné jednotlivé neurony by podle Poiraziho mohlo také pomoci mozku šetřit energií.

Larkumova skupina plánuje hledat podobné signály v dendritech hlodavců a dalších zvířat, aby zjistila, zda je tato výpočetní schopnost jedinečná pro člověka. Chtějí také překročit rámec svého modelu a spojit pozorovanou nervovou aktivitu se skutečným chováním. Mezitím Poirazi nyní doufá, že se mu podaří porovnat výpočty v těchto dendritech s tím, co se děje v síti neuronů, aby zjistil případné výhody, které by mohla mít síť neuronů. To bude zahrnovat testování dalších typů logických operací a zkoumání, jak by tyto operace mohly přispívat k učení nebo paměti. „Dokud to nezmapujeme, nemůžeme říci, jak moc je tento objev silný,“ řekl Poirazi.

Přestože je před námi ještě mnoho práce, vědci věří, že tato zjištění znamenají potřebu přehodnotit způsob modelování mozku a jeho širších funkcí. Zaměřit se na propojení různých neuronů a oblastí mozku nebude stačit.

Nové výsledky jsou také zřejmě připraveny ovlivnit otázky v oblasti strojového učení a umělé inteligence. Umělé neuronové sítě se opírají o bodový model a považují neurony za uzly, které sčítají vstupy a součet předávají prostřednictvím funkce aktivity. „Jen velmi málo lidí bralo vážně představu, že by jediný neuron mohl být komplexním výpočetním zařízením,“ řekl Gary Marcus, kognitivní vědec z Newyorské univerzity a otevřený skeptik některých tvrzení o hlubokém učení.

Přestože je článek v časopise Science jen jedním z výsledků rozsáhlé historie prací, které tuto myšlenku dokládají, dodal, počítačoví vědci by na něj mohli reagovat citlivěji, protože rámuje problematiku z hlediska problému XOR, který tak dlouho provázel výzkum neuronových sítí. „Říká, že o tom musíme opravdu přemýšlet,“ řekl Marcus. „Celá ta hra – přijít na to, jak z hloupých neuronů získat chytré poznávání – může být špatná.“

„Tohle je super čistá ukázka,“ dodal. „Bude to mluvit nad hlukem.“