脳の情報処理能力は、ニューロンをつなぐ何兆もの接続にあるとしばしば報告されます。 しかし、過去数十年の間に、多くの研究により、個々のニューロンに静かに注目が集まり、かつては想像もできなかったほど多くの計算責任を負っているようです。 実験室およびモデル化された研究により、皮質ニューロンの樹状腕の小さな区画が、それぞれ数学的論理の複雑な演算を実行できることがすでに示されています。 しかし今回、個々の樹状突起コンパートメントが、これまで数学理論家が単一ニューロンシステムでは解決不可能と分類していた特定の計算（「排他的論理和」）も実行できるようになったようだ。

The Limitations of Dumb Neurons

1940年代から50年代にかけて、神経科学では「ダム」ニューロン、すなわち単純な統合器、単に入力を合計するネットワーク内の点というイメージが主流となり始めました。 樹状突起と呼ばれる細胞の枝分かれした部分が、隣接するニューロンから何千もの信号（興奮性、抑制性）を受信する。 ニューロンの本体では、これらの信号がすべて重み付けされて集計され、合計がある閾値を超えると、ニューロンは一連の電気パルス（活動電位）を発し、隣接するニューロンを刺激する。

ほぼ同時期に、研究者は、単一のニューロンもデジタル回路のような論理ゲートとして機能できることに気づいた（情報を処理する際に実際に脳がどれほどこの方法で計算しているかはまだ明らかでないが）。 たとえば、ある十分な数の入力を受けてから発火する場合、ニューロンは事実上 AND ゲートとなります。

したがって、ニューロンのネットワークは、理論的にはあらゆる計算を実行できます。 しかし、このニューロン・モデルには限界がありました。 このモデルは計算のメタファーが単純であるだけでなく、何十年もの間、科学者には1つの神経細胞のさまざまな構成要素から記録を取る実験ツールがなかったのです。 「南カリフォルニア大学の計算神経科学者であるバートレット・メルは、「これは本質的に、神経細胞が空間内の一点に折り畳まれたものなのです。 「と、南カリフォルニア大学の計算神経科学者、バートレット・メルは言いました。「それは、活動の内部連結を持っていませんでした。 このモデルは、あるニューロンに流れ込む何千もの入力が、その様々な樹状突起に沿った異なる場所に着地するという事実を無視しています。 また、個々の樹状突起が互いに異なる働きをするかもしれないという考え（最終的には確認されました）も無視しました。 また、他の内部構造によって計算が行われるかもしれないという可能性も無視されていました。 神経科学者のクリストフ・コッホ（Christof Koch）らによるモデリング作業は、後にベンチトップ実験によって裏付けられ、単一ニューロンでは単一または均一な電圧信号を発現しないことが示されました。 その代わり、電圧信号は樹状突起に沿ってニューロン本体に移動するにつれて減少し、細胞の最終的な出力には何も寄与しないことがよくあります。

この信号の区分は、別々の樹状突起が互いに独立して情報を処理できることを意味します。 「これは、ニューロンが場所に関係なく単純にすべてを加算するという、ポイントニューロン仮説とは矛盾していました」と、メルは述べています。

そのため、コッチと、イェール大学医学部のゴードン・シェパードら他の神経科学者は、樹状突起の構造によって、ニューロンが原理的に単純な論理ゲートとしてではなく、複雑でマルチユニット処理システムとして動作することができるかのモデルを作成しました。 彼らは、一連の複雑な仮説的メカニズムを通じて、樹状突起の木がどのように多数の論理演算をホストできるかをシミュレーションしました。

その後、メル氏と複数の同僚は、細胞がその個々の樹状突起内で複数の入力を管理する可能性について、より詳細に調べました。 その結果、彼らは驚くべきことを発見した。 樹状突起は局所的なスパイクを生成し、独自の非線形入出力カーブを持ち、ニューロン全体とは異なる独自の活性化閾値を持っていた。 樹状突起はそれ自体がANDゲートとして、あるいは他の多くのコンピューティングデバイスとして機能するのです。 樹状突起は非線形計算のサブユニットとして機能し、入力を集め、中間出力を吐き出す。 樹状突起レベルでの活動が、実際にニューロンの発火や隣接するニューロンの活動に影響を与えるかどうかは、まだ不明であった。 しかし、いずれにせよ、その局所的な処理は、将来の入力に対して異なる反応をするようにシステムを準備または条件付けしたり、新しい方法で配線するのに役立つかもしれないと、シェパードは述べている。 「大脳皮質で行われる処理の力の多くは、実際には閾値以下なのです」と、彼は言いました。 “単一ニューロン・システムは、1つの統合システム以上のものになり得ます。 それは2層、あるいはそれ以上になることもあるのです。 理論的には、ほとんどどんな想像できる計算も、それぞれが独自の非線形演算を実行できる十分な樹状突起を持つ1つのニューロンによって実行されるかもしれません。

最近のサイエンス論文で、研究者はこの考えをさらに1歩進めました。 フンボルト大学の神経科学者であるMatthew Larkum氏と彼のチームは、異なる質問を念頭に置いて樹状突起の研究を始めました。 樹状突起の活動は主にげっ歯類で研究されていたので、研究者たちは、樹状突起がはるかに長いヒトの神経細胞で、電気信号伝達がどのように異なるかを調べたいと考えたのです。 研究チームは、ヒトの大脳皮質2層と3層から脳組織のスライスを採取した。この層には、樹状突起を多数もつ特に大型のニューロンが存在する。 そして、そのスパイクは、既知の他の種類の神経シグナル伝達とはまったく異なっているように見えました。 そのスパイクは、活動電位のように特に速く、短時間で、カルシウムイオンのフラックスから生じていたのです。 従来の活動電位はナトリウムイオンやカリウムイオンによって引き起こされるのが普通であったため、これは注目に値する。 さらに不思議なことに、樹状突起に電気刺激を与えると、ニューロンの発火の強度が上がるのではなく、下がるのです。 「突然、より多くの刺激を与えたのに、より少なくなってしまったのです」とGidonは言いました。 「この新しい種類のスパイキングが何をしているのかを解明するために、科学者たちは、Poiraziと、ギリシャの彼女の研究室の研究者Athanasia Papoutsiとチームを組み、ニューロンの挙動を反映するモデルを共同で作成しました。 これは、排他的論理和（またはXOR）として知られる非線形計算と同等であり、入力の1つ（ただし1つだけ）が1であれば、2値出力が1となります。 XOR関数は、長年、単一ニューロンでは不可能とされていたのである。 コンピュータ科学者のマービン・ミンスキーとシーモア・パパートは、1969 年に出版した「パーセプトロン」の中で、単層の人工ネットワークでは XOR を実行できないことを証明した。 この結論は非常に衝撃的で、多くのコンピュータ科学者は、1980年代までニューラルネット研究が低迷したのはこの結論のせいだと非難しました。 たとえば、Poirazi は、1 つのニューロンで XOR が可能であることをすでに知っていました。 しかし、今回の実験で、彼女たちは、単一の樹状突起でXORを促進する、もっともらしい生物物理学的メカニズムを提供したのです」

「私にとって、これはシステムが持つもうひとつの柔軟性です」とPoirazi氏は語りました。 「このシステムには、さまざまな計算方法があることを示すものです。 それでも彼女は、単一のニューロンがすでにこの種の問題を解決できるのであれば、「なぜシステムはわざわざニューロン内にもっと複雑なユニットを考え出すのだろうか」と指摘しています。

プロセッサの中のプロセッサ

確かに、すべてのニューロンがそのようなものではありません。 ギドンによれば、脳の他の部分にも、もっと小さな、点のようなニューロンがたくさんあるそうです。 おそらく、このような神経の複雑さには理由があるのでしょう。 では、ニューロン全体、あるいはニューロンの小さなネットワークで十分可能なことを、なぜニューロン内の単一の区画で行う必要があるのだろうか？ 明らかに考えられるのは、多層ネットワークのように振る舞う神経細胞は、より多くの処理能力を持ち、その結果、より多くの学習や記憶を行うことができるということである。 「もしかしたら、1つのニューロンの中に深いネットワークがあるのかもしれません」とポイラジは言う。 「そしてそれは、難しい問題の学習や認知という点で、はるかに強力です」

Kording は、「おそらく、単一のニューロンが、本当に複雑な機能を計算することができるかもしれません。 たとえば、それ自体で物体を認識できるかもしれません」。 Poirazi氏によると、そのような強力な個々のニューロンを持つことは、脳のエネルギー節約にも役立つかもしれません。

Larkum氏のグループは、ネズミや他の動物の樹状突起で同様のシグナルを探し、この計算能力が人間に特有のものかどうかを判断する計画をしています。 また、モデルの範囲を超えて、観察された神経活動を実際の行動と関連づけたいと考えている。 さらに、樹状突起で行われる計算を、神経細胞のネットワークで行われる計算と比較し、樹状突起の方が優れている点を明らかにしたいと考えている。 そのためには、他の種類の論理演算をテストし、それらの演算が学習や記憶にどのように寄与するかを調べる必要がある。 「まだやるべきことはたくさんありますが、研究者たちは、この発見が、脳とその幅広い機能をモデル化する方法を見直す必要性を示していると考えています。 異なるニューロンや脳領域の接続性に注目するだけでは十分ではありません。

この新しい結果は、機械学習や人工知能の分野の問題にも影響を与えようとしているようです。 人工ニューラルネットワークは、ニューロンをノードとして扱い、入力を集計して、その合計を活動関数に渡すという点モデルに依存しています。 ニューヨーク大学の認知科学者であり、深層学習に関するいくつかの主張に対して率直な懐疑論者である Gary Marcus 氏は、「単一のニューロンが複雑な計算装置になり得るという考え方を真剣に受け止めている人はほとんどいません」と述べています。 マーカスは、「これは、われわれが本当に考えなければならないことなのです」と言う。 「これは、その超クリーンなデモンストレーションです」と、彼は付け加えました。 「これは、ノイズの上に話すことができるだろう」

。