As capacidades de processamento de informações do cérebro são frequentemente relatadas como residindo nos trilhões de conexões que conectam seus neurônios. Mas ao longo das últimas décadas, pesquisas crescentes mudaram silenciosamente parte da atenção para os neurônios individuais, que parecem arcar com muito mais responsabilidade computacional do que uma vez pareciam imagináveis.

O último de uma longa linha de evidências vem da descoberta pelos cientistas de um novo tipo de sinal elétrico nas camadas superiores do córtex humano. Estudos laboratoriais e de modelagem já demonstraram que pequenos compartimentos nos braços dendríticos dos neurônios corticais podem realizar operações complicadas em lógica matemática. Mas agora parece que os compartimentos dendríticos individuais também podem realizar um determinado cálculo – “OR exclusivo” – que os teóricos matemáticos tinham anteriormente categorizado como insolúveis por sistemas mono-neuronicos.

“Acredito que estamos apenas arranhando a superfície do que esses neurônios estão realmente fazendo”, disse Albert Gidon, um pós-doutorando da Universidade Humboldt de Berlim e o primeiro autor do trabalho que apresentou essas descobertas na Science no início deste mês.

A descoberta marca uma necessidade crescente de estudos do sistema nervoso para considerar as implicações dos neurônios individuais como processadores de informação extensivos. “O cérebro pode ser muito mais complicado do que pensamos”, disse Konrad Kording, um neurocientista computacional da Universidade da Pensilvânia, que não participou do recente trabalho. Ele também pode levar alguns cientistas de computação a reavaliar estratégias para redes neurais artificiais, que tradicionalmente têm sido construídas com base em uma visão dos neurônios como simples switches não inteligentes.

The Limitations of Dumb Neurons

Nos anos 40 e 50, uma imagem começou a dominar a neurociência: a do neurônio “mudo”, um simples integrador, um ponto em uma rede que meramente resumia seus inputs. Extensões ramificadas da célula, chamadas dendritos, receberiam milhares de sinais de neurônios vizinhos – alguns excitatórios, outros inibitórios. No corpo do neurônio, todos esses sinais seriam ponderados e contados, e se o total excedesse algum limiar, o neurônio disparava uma série de pulsos elétricos (potenciais de ação) que direcionavam a estimulação dos neurônios adjacentes.

Por volta do mesmo tempo, os pesquisadores perceberam que um único neurônio também poderia funcionar como uma porta lógica, semelhante àquelas em circuitos digitais (embora ainda não esteja claro o quanto o cérebro realmente computa dessa forma ao processar informações). Um neurônio era efetivamente um AND gate, por exemplo, se ele disparasse somente após receber algum número suficiente de inputs.

Rede de neurônios poderia, portanto, teoricamente, realizar qualquer computação. Ainda assim, este modelo do neurônio era limitado. Não apenas suas metáforas computacionais orientadoras eram simplistas, mas por décadas, os cientistas não tinham as ferramentas experimentais para registrar a partir dos vários componentes de uma única célula nervosa. “Isso é essencialmente o neurônio sendo colapsado em um ponto no espaço”, disse Bartlett Mel, um neurocientista computacional da Universidade do Sul da Califórnia. “Ele não tinha nenhuma articulação interna de atividade.” O modelo ignorou o fato de que os milhares de insumos fluindo para um determinado neurônio pousaram em locais diferentes ao longo de seus vários dendritos. Ignorou a idéia (eventualmente confirmada) de que os dendritos individuais poderiam funcionar de forma diferente um do outro. E ignorou a possibilidade de cálculos serem feitos por outras estruturas internas.

Mas isso começou a mudar nos anos 80. O trabalho de modelagem do neurocientista Christof Koch e outros, mais tarde apoiado por experimentos de bancada, mostrou que neurônios únicos não expressavam um sinal de voltagem único ou uniforme. Ao invés disso, os sinais de voltagem diminuíram conforme eles se moviam ao longo dos dendritos para dentro do corpo do neurônio, e freqüentemente não contribuíam nada para a saída final da célula.

Esta compartimentação de sinais significava que dendritos separados poderiam estar processando informações independentemente um do outro. “Isso estava em desacordo com a hipótese do ponto neurônio, na qual um neurônio simplesmente somava tudo independentemente da localização”, disse Mel.

Isso levou Koch e outros neurocientistas, incluindo Gordon Shepherd da Escola de Medicina de Yale, a modelar como a estrutura dos dendritos poderia, em princípio, permitir que os neurônios agissem não como simples portões lógicos, mas como sistemas complexos de processamento de múltiplas unidades. Eles simularam como árvores dendríticas poderiam hospedar numerosas operações lógicas, através de uma série de complexos mecanismos hipotéticos.

Later, Mel e vários colegas analisaram mais de perto como a célula poderia estar gerenciando múltiplas entradas dentro de seus dendritos individuais. O que eles acharam os surpreendeu: Os dendritos geravam picos locais, tinham suas próprias curvas não lineares de input-output e tinham seus próprios limiares de ativação, distintos dos do neurônio como um todo. Os dendritos em si poderiam agir como AND gates, ou como um conjunto de outros dispositivos de computação.

Mel, juntamente com sua ex-aluna de pós-graduação Yiota Poirazi (agora uma neurocientista computacional do Instituto de Biologia Molecular e Biotecnologia na Grécia), perceberam que isso significava que eles poderiam conceber um único neurônio como uma rede de duas camadas. Os dendritos serviriam como subunidades de computação não-linear, coletando entradas e cuspindo saídas intermediárias. Esses sinais seriam então combinados no corpo celular, o que determinaria como o neurônio como um todo responderia.

Se a atividade no nível dendrítico realmente influenciou o disparo do neurônio e a atividade dos neurônios vizinhos ainda não estava clara. Mas, independentemente disso, o processamento local poderia preparar ou condicionar o sistema para responder de forma diferente a futuros inputs ou ajudar a conectar de novas maneiras, de acordo com Shepherd.

O que quer que seja o caso, “a tendência então era, ‘OK, tenha cuidado, o neurônio pode ser mais poderoso do que você pensava'”, disse Mel.

Shepherd concordou. “Muito do poder do processamento que ocorre no córtex é na verdade um subthreshold”, disse ele. “Um sistema de um neurônio pode ser mais do que apenas um sistema integrador. Pode ser de duas camadas, ou até mais”. Em teoria, quase qualquer computação imaginável pode ser realizada por um neurônio com dendritos suficientes, cada um capaz de realizar sua própria operação não linear.

No recente artigo Science, os pesquisadores levaram esta idéia um passo adiante: Eles sugeriram que um único compartimento dendrítico poderia ser capaz de realizar estes complexos cálculos por si só.

Espigões e obstáculos antigos inesperados

Matthew Larkum, um neurocientista em Humboldt, e sua equipe começou a olhar para dendritos com uma questão diferente em mente. Como a atividade dendrítica tinha sido estudada principalmente em roedores, os pesquisadores queriam investigar como a sinalização elétrica poderia ser diferente nos neurônios humanos, que têm dendritos muito mais longos. Eles obtiveram fatias de tecido cerebral das camadas 2 e 3 do córtex humano, que contêm neurônios particularmente grandes com muitos dendritos. Quando eles estimularam aqueles dendritos com uma corrente elétrica, eles notaram algo estranho.

Eles viram picos inesperados e repetidos – e esses picos pareciam completamente diferentes de outros tipos conhecidos de sinalização neural. Eles eram particularmente rápidos e breves, como potenciais de ação, e surgiram a partir de fluxos de íons de cálcio. Isso foi notável porque os potenciais de ação convencionais são geralmente causados por íons sódio e potássio. E enquanto a sinalização induzida pelo cálcio tinha sido previamente observada nos dendritos roedores, esses picos tendiam a durar muito mais.

Stranger ainda, alimentando com mais estimulação elétrica os dendritos diminuiu a intensidade da queima do neurônio ao invés de aumentá-la. “De repente, estimulamos mais e recebemos menos”, disse Gidon. “Isso chamou nossa atenção.”

Para descobrir o que o novo tipo de pico poderia estar fazendo, os cientistas se uniram a Poirazi e a uma pesquisadora em seu laboratório na Grécia, Athanasia Papoutsi, que em conjunto criaram um modelo para refletir o comportamento dos neurônios.

O modelo descobriu que o dendrito picoou em resposta a dois inputs separados – mas não o fez quando esses inputs foram combinados. Isto foi equivalente a um cálculo não linear conhecido como exclusivo OR (ou XOR), que produz um output binário de 1 se um (mas apenas um) dos inputs for 1.

Esta descoberta atingiu imediatamente um acorde com a comunidade de ciência da computação. As funções XOR foram durante muitos anos consideradas impossíveis em neurônios únicos: Em seu livro Perceptrons de 1969, os cientistas da computação Marvin Minsky e Seymour Papert ofereceram uma prova de que redes artificiais de camada única não podiam executar XOR. Essa conclusão foi tão devastadora que muitos cientistas de computação culparam a pesquisa de redes neuronais pelo estardalhaço em que ela caiu até os anos 80.

Neural network researchers did eventually found ways of dodging the obstacle that Minsky and Papert identified, and neuroscientists found examples of those solutions in nature. Por exemplo, Poirazi já sabia que XOR era possível em um único neurônio: apenas dois dendritos juntos poderiam alcançá-lo. Mas nessas novas experiências, ela e seus colegas estavam oferecendo um mecanismo biofísico plausível para facilitar isso – em um único dendrito.

“Para mim, é outro grau de flexibilidade que o sistema tem”, disse Poirazi. “Ele apenas mostra que este sistema tem muitas formas diferentes de computação.” Ainda assim, ela aponta que se um único neurônio já pudesse resolver este tipo de problema, “por que o sistema se daria ao trabalho de criar unidades mais complicadas dentro do neurônio?”

Processadores dentro de processadores

Com certeza nem todos os neurônios são assim. Segundo Gidon, há muitos neurónios mais pequenos e pontiagudos em outras partes do cérebro. Presumivelmente, então, esta complexidade neural existe por uma razão. Então por que um único compartimento dentro de um neurônio precisa da capacidade de fazer o que o neurônio inteiro, ou uma pequena rede de neurônios, pode fazer muito bem? A possibilidade óbvia é que um neurônio comportando-se como uma rede com várias camadas tem muito mais poder de processamento e pode, portanto, aprender ou armazenar mais. “Talvez você tenha uma rede profunda dentro de um único neurônio”, disse Poirazi. “E isso é muito mais poderoso em termos de aprendizagem de problemas difíceis, em termos de cognição”

Talvez, acrescentou Poirazi, “um único neurônio pode ser capaz de computar funções verdadeiramente complexas. Por exemplo, ele pode, por si só, ser capaz de reconhecer um objeto”. Ter tais poderosos neurônios individuais, de acordo com Poirazi, também pode ajudar o cérebro a conservar energia.

O grupo de Larkum planeja procurar por sinais similares nos dendritos de roedores e outros animais, para determinar se essa capacidade computacional é única para os humanos. Eles também querem ir além do escopo do seu modelo para associar a atividade neural que observaram com o comportamento real. Enquanto isso, Poirazi espera agora comparar os cálculos nesses dendritos com o que acontece em uma rede de neurônios, para verificar as vantagens que os primeiros podem ter. Isto incluirá testes para outros tipos de operações lógicas e exploração de como essas operações podem contribuir para a aprendizagem ou memória. “Até que mapeemos isto, não podemos realmente dizer o quão poderosa é esta descoberta”, disse Poirazi.

Embora ainda haja muito trabalho a ser feito, os pesquisadores acreditam que estas descobertas marcam uma necessidade de repensar como eles modelam o cérebro e suas funções mais amplas. O foco na conectividade de diferentes neurônios e regiões cerebrais não será suficiente.

Os novos resultados também parecem estar prontos para influenciar questões nos campos da aprendizagem de máquinas e inteligência artificial. As redes neurais artificiais dependem do modelo de pontos, tratando os neurônios como nós que totalizam os inputs e passam a soma através de uma função de atividade. “Muito poucas pessoas levaram a sério a noção de que um único neurônio poderia ser um dispositivo computacional complexo”, disse Gary Marcus, um cientista cognitivo da Universidade de Nova York e cético em relação a algumas afirmações feitas para um aprendizado profundo.

Embora o artigo Science seja apenas uma descoberta em uma extensa história de trabalho que demonstra essa idéia, ele acrescentou, os cientistas da computação podem ser mais sensíveis a ela porque ela enquadra a questão em termos do problema XOR que há tanto tempo tem atrapalhado as pesquisas sobre redes neurais. “É dizer, nós realmente precisamos pensar sobre isso”, disse Marcus. “O jogo inteiro – para descobrir como tirar a cognição inteligente dos neurônios burros – pode estar errado”, acrescentou ele. “Vai falar acima do barulho.”