Capacitatea de procesare a informației a creierului este adesea raportată ca rezidând în trilioanele de conexiuni care leagă neuronii între ei. Dar, în ultimele câteva decenii, cercetări tot mai numeroase au mutat în mod discret o parte din atenție către neuronii individuali, care par să își asume o responsabilitate computațională mult mai mare decât părea cândva imaginabil.

Cele mai recente dintr-un lung șir de dovezi provin din descoperirea de către oamenii de știință a unui nou tip de semnal electric în straturile superioare ale cortexului uman. Studiile de laborator și de modelare au arătat deja că micile compartimente din brațele dendritice ale neuronilor corticali pot efectua fiecare operații complicate de logică matematică. Dar acum se pare că compartimentele dendritice individuale pot efectua, de asemenea, un anumit tip de calcul – „OR exclusiv” – pe care teoreticienii matematicieni îl catalogaseră anterior ca fiind nesoluționabil de către sistemele cu un singur neuron.

„Cred că abia zgâriem suprafața a ceea ce fac cu adevărat acești neuroni”, a declarat Albert Gidon, cercetător postdoctoral la Universitatea Humboldt din Berlin și primul autor al lucrării care a prezentat aceste descoperiri în Science la începutul acestei luni.

Descoperirea marchează o nevoie tot mai mare ca studiile asupra sistemului nervos să ia în considerare implicațiile neuronilor individuali ca procesoare extinse de informații. „Creierele pot fi mult mai complicate decât credem”, a declarat Konrad Kording, cercetător în neuroștiințe computaționale la Universitatea din Pennsylvania, care nu a participat la lucrarea recentă. De asemenea, ar putea să-i determine pe unii oameni de știință din domeniul informaticii să reevalueze strategiile pentru rețelele neuronale artificiale, care au fost construite în mod tradițional pe baza unei viziuni a neuronilor ca simple întrerupătoare neinteligente.

Limitele neuronilor proști

În anii ’40 și ’50, o imagine a început să domine neuroștiința: cea a neuronului „prost”, un simplu integrator, un punct dintr-o rețea care pur și simplu își însuma intrările. Extensiile ramificate ale celulei, numite dendrite, ar primi mii de semnale de la neuronii vecini – unele excitatorii, altele inhibitorii. În corpul neuronului, toate aceste semnale ar fi ponderate și numărate, iar dacă totalul depășea un anumit prag, neuronul declanșa o serie de impulsuri electrice (potențiale de acțiune) care direcționau stimularea neuronilor adiacenți.

Cam în aceeași perioadă, cercetătorii și-au dat seama că un singur neuron ar putea funcționa, de asemenea, ca o poartă logică, asemănătoare cu cele din circuitele digitale (deși încă nu este clar cât de mult creierul calculează cu adevărat în acest mod atunci când procesează informații). Un neuron era efectiv o poartă ȘI, de exemplu, dacă se declanșa numai după ce primea un anumit număr suficient de intrări.

Rețelele de neuroni ar putea, prin urmare, teoretic, efectua orice calcul. Totuși, acest model al neuronului era limitat. Nu numai că metaforele sale de calcul orientative erau simpliste, dar, timp de decenii, oamenii de știință nu au avut instrumentele experimentale pentru a înregistra de la diferitele componente ale unei singure celule nervoase. „În esență, acest lucru înseamnă că neuronul este colapsat într-un punct în spațiu”, a declarat Bartlett Mel, cercetător în neuroștiințe computaționale la University of Southern California. „Nu a avut nicio articulare internă a activității”. Modelul a ignorat faptul că miile de intrări care curgeau într-un anumit neuron aterizau în locații diferite de-a lungul diferitelor sale dendrite. Acesta ignora ideea (confirmată în cele din urmă) că dendritele individuale ar putea funcționa diferit unele față de altele. Și a ignorat posibilitatea ca calculele să fie efectuate de alte structuri interne.

Dar acest lucru a început să se schimbe în anii 1980. Lucrările de modelare ale neuroștiințificului Christof Koch și ale altora, susținute mai târziu de experimente de laborator, au arătat că neuronii individuali nu exprimau un semnal de tensiune unic sau uniform. În schimb, semnalele de tensiune scădeau pe măsură ce se deplasau de-a lungul dendritelor în corpul neuronului și, adesea, nu contribuiau cu nimic la ieșirea finală a celulei.

Această compartimentare a semnalelor însemna că dendritele separate puteau procesa informații independent una de cealaltă. „Acest lucru era în contradicție cu ipoteza neuronului punctual, în care un neuron pur și simplu însuma totul, indiferent de locație”, a spus Mel.

Aceasta i-a determinat pe Koch și pe alți cercetători în neuroștiințe, inclusiv pe Gordon Shepherd de la Școala de Medicină din Yale, să modeleze modul în care structura dendritelor ar putea, în principiu, să permită neuronilor să acționeze nu ca simple porți logice, ci ca sisteme complexe de procesare cu mai multe unități. Ei au simulat modul în care arborii dendritici ar putea găzdui numeroase operații logice, printr-o serie de mecanisme ipotetice complexe.

Mai târziu, Mel și mai mulți colegi au analizat mai îndeaproape modul în care celula ar putea gestiona intrările multiple în cadrul dendritelor sale individuale. Ceea ce au găsit i-a surprins: Dendritele generau vârfuri locale, aveau propriile lor curbe neliniare de intrare-ieșire și aveau propriile lor praguri de activare, distincte de cele ale neuronului ca întreg. Dendritele însele puteau acționa ca porți AND sau ca o serie de alte dispozitive de calcul.

Mel, împreună cu fosta sa studentă absolventă Yiota Poirazi (acum cercetător în neuroștiințe computaționale la Institutul de Biologie Moleculară și Biotehnologie din Grecia), și-au dat seama că acest lucru însemna că pot concepe un singur neuron ca o rețea cu două straturi. Dendritele ar servi ca subunități de calcul neliniar, colectând intrări și scuipând ieșiri intermediare. Aceste semnale ar fi apoi combinate în corpul celular, care ar determina modul în care neuronul ca întreg ar răspunde.

Era încă neclar dacă activitatea de la nivelul dendritelor a influențat de fapt declanșarea focului neuronului și activitatea neuronilor vecini. Dar, indiferent, acea procesare locală ar putea pregăti sau condiționa sistemul să răspundă diferit la intrări viitoare sau să ajute la cablarea acestuia în moduri noi, potrivit lui Shepherd.

Care ar fi fost cazul, „tendința de atunci a fost: „OK, aveți grijă, neuronii ar putea fi mai puternici decât ați crezut””, a spus Mel.

Shepherd a fost de acord. „O mare parte din puterea de procesare care are loc în cortex este de fapt sub prag”, a spus el. „Un sistem cu un singur neuron poate fi mai mult decât un sistem integrator. Poate fi două straturi, sau chiar mai multe”. În teorie, aproape orice calcul imaginabil ar putea fi realizat de un singur neuron cu destui dendriți, fiecare capabil să efectueze propria operație neliniară.

În lucrarea recentă din Science, cercetătorii au dus această idee cu un pas mai departe: Ei au sugerat că un singur compartiment dendritic ar putea fi capabil să efectueze aceste calcule complexe de unul singur.

Spike-uri neașteptate și obstacole vechi

Matthew Larkum, un cercetător în neuroștiințe de la Humboldt, și echipa sa au început să analizeze dendritele cu o întrebare diferită în minte. Deoarece activitatea dendritică fusese studiată în principal la rozătoare, cercetătorii au vrut să investigheze modul în care semnalizarea electrică ar putea fi diferită la neuronii umani, care au dendrite mult mai lungi. Ei au obținut felii de țesut cerebral din straturile 2 și 3 ale cortexului uman, care conțin neuroni deosebit de mari, cu multe dendrite. Când au stimulat aceste dendrite cu un curent electric, au observat ceva ciudat.

Au văzut spiking-uri neașteptate și repetate – iar aceste spiking-uri păreau complet diferite de alte tipuri cunoscute de semnalizare neuronală. Ele erau deosebit de rapide și scurte, ca niște potențiale de acțiune, și proveneau din fluxuri de ioni de calciu. Acest lucru a fost demn de remarcat, deoarece potențialele de acțiune convenționale sunt de obicei cauzate de ioni de sodiu și potasiu. Și în timp ce semnalizarea indusă de calciu fusese observată anterior în dendritele rozătoarelor, acele vârfuri aveau tendința de a dura mult mai mult timp.

Cel mai ciudat este că introducerea unei stimulări electrice mai mari în dendrite a scăzut intensitatea de ardere a neuronului în loc să o crească. „Dintr-o dată, stimulăm mai mult și obținem mai puțin”, a spus Gidon. „Asta ne-a atras atenția.”

Pentru a-și da seama ce ar putea face noul tip de spiking, oamenii de știință au făcut echipă cu Poirazi și cu un cercetător din laboratorul său din Grecia, Athanasia Papoutsi, care au creat împreună un model pentru a reflecta comportamentul neuronilor.

Modelul a constatat că dendrita a înregistrat spiking ca răspuns la două intrări separate – dar nu a reușit să facă acest lucru atunci când aceste intrări au fost combinate. Acest lucru a fost echivalent cu un calcul neliniar cunoscut sub numele de OR exclusiv (sau XOR), care produce o ieșire binară de 1 dacă una (dar numai una dintre intrări este 1.

Această constatare a atins imediat o coardă sensibilă în comunitatea informaticienilor. Funcțiile XOR au fost timp de mulți ani considerate imposibile în cazul neuronilor unici: În cartea lor Perceptrons din 1969, informaticienii Marvin Minsky și Seymour Papert au oferit o dovadă că rețelele artificiale cu un singur strat nu pot efectua XOR. Această concluzie a fost atât de devastatoare încât mulți informaticieni au dat vina pe ea pentru marasmul în care a căzut cercetarea rețelelor neuronale până în anii 1980.

Cercetătorii de rețele neuronale au găsit în cele din urmă modalități de a ocoli obstacolul pe care Minsky și Papert l-au identificat, iar neuroștiințele au găsit exemple ale acestor soluții în natură. De exemplu, Poirazi știa deja că XOR era posibil într-un singur neuron: doar două dendrite împreună puteau realiza acest lucru. Dar în aceste noi experimente, ea și colegii ei ofereau un mecanism biofizic plauzibil pentru a-l facilita – într-o singură dendrită.

„Pentru mine, este un alt grad de flexibilitate pe care îl are sistemul”, a spus Poirazi. „Pur și simplu vă arată că acest sistem are multe moduri diferite de calcul”. Totuși, ea subliniază că, dacă un singur neuron ar putea deja să rezolve acest tip de problemă, „de ce s-ar chinui sistemul să vină cu unități mai complicate în interiorul neuronului?”

Procesoare în interiorul procesoarelor

Cert este că nu toți neuronii sunt așa. Potrivit lui Gidon, există o mulțime de neuroni mai mici, asemănători unor puncte, în alte părți ale creierului. Este de presupus, deci, că această complexitate neuronală există cu un motiv. Așadar, de ce au nevoie compartimentele unice din cadrul unui neuron de capacitatea de a face ceea ce întregul neuron, sau o rețea mică de neuroni, poate face foarte bine? Posibilitatea evidentă este că un neuron care se comportă ca o rețea cu mai multe straturi are o putere de procesare mult mai mare și, prin urmare, poate învăța sau stoca mai mult. „Poate că aveți o rețea profundă în interiorul unui singur neuron”, a spus Poirazi. „Și asta este mult mai puternic în ceea ce privește învățarea problemelor dificile, în ceea ce privește cogniția.”

Poate, a adăugat Kording, „un singur neuron poate fi capabil să calculeze funcții cu adevărat complexe. De exemplu, ar putea, de unul singur, să fie capabil să recunoască un obiect”. Având neuroni individuali atât de puternici, potrivit lui Poirazi, ar putea, de asemenea, să ajute creierul să conserve energia.

Grupul lui Larkum intenționează să caute semnale similare în dendritele rozătoarelor și ale altor animale, pentru a determina dacă această capacitate de calcul este unică la oameni. De asemenea, ei doresc să depășească sfera de aplicare a modelului lor pentru a asocia activitatea neuronală pe care au observat-o cu un comportament real. Între timp, Poirazi speră acum să compare calculele din aceste dendrite cu ceea ce se întâmplă într-o rețea de neuroni, pentru a sesiza orice avantaje pe care le-ar putea avea primele. Aceasta va include testarea altor tipuri de operații logice și explorarea modului în care aceste operații ar putea contribui la învățare sau memorie. „Până când nu vom cartografia acest lucru, nu putem spune cu adevărat cât de puternică este această descoperire”, a spus Poirazi.

Deși mai este încă mult de lucru, cercetătorii cred că aceste descoperiri marchează necesitatea de a regândi modul în care se modelează creierul și funcțiile sale mai largi. Concentrarea pe conectivitatea diferiților neuroni și regiuni ale creierului nu va fi suficientă.

Noile rezultate par, de asemenea, pregătite să influențeze întrebările din domeniul învățării automate și al inteligenței artificiale. Rețelele neuronale artificiale se bazează pe modelul punctual, tratând neuronii ca noduri care numără intrările și trec suma printr-o funcție de activitate. „Foarte puțini oameni au luat în serios ideea că un singur neuron ar putea fi un dispozitiv de calcul complex”, a declarat Gary Marcus, un om de știință cognitiv de la Universitatea din New York și un sceptic declarat al unor afirmații făcute pentru învățarea profundă.

Deși lucrarea din Science nu este decât o descoperire într-o istorie extinsă de lucrări care demonstrează această idee, a adăugat el, cercetătorii în domeniul informaticii ar putea fi mai receptivi la ea deoarece încadrează problema în termenii problemei XOR care a blocat cercetarea rețelelor neuronale atât de mult timp. „Spune că trebuie să ne gândim cu adevărat la acest lucru”, a spus Marcus. „Întregul joc – de a veni cu modul în care obțineți cogniție inteligentă din neuroni proști – ar putea fi greșit.”

„Aceasta este o demonstrație super curată a acestui lucru”, a adăugat el. „Va vorbi deasupra zgomotului.”

.