De informatieverwerkende capaciteiten van de hersenen zouden vaak te vinden zijn in de triljoenen verbindingen die de neuronen met elkaar verbinden. Maar in de afgelopen decennia heeft toenemend onderzoek stilletjes de aandacht verlegd naar individuele neuronen, die veel meer computationele verantwoordelijkheid lijken te dragen dan ooit voor mogelijk werd gehouden.

Het laatste in een lange rij van bewijzen komt van de ontdekking door wetenschappers van een nieuw type elektrisch signaal in de bovenste lagen van de menselijke cortex. Laboratorium- en modelstudies hebben al aangetoond dat minuscule compartimenten in de dendritische armen van corticale neuronen elk ingewikkelde operaties in wiskundige logica kunnen uitvoeren. Maar nu lijkt het erop dat individuele dendritische compartimenten ook een bepaalde berekening kunnen uitvoeren – “exclusieve OR” – die wiskundige theoretici eerder hadden gecategoriseerd als onoplosbaar door single-neuron systemen.

“Ik geloof dat we nog maar aan de oppervlakte krabben van wat deze neuronen echt doen,” zei Albert Gidon, een postdoctoraal fellow aan de Humboldt Universiteit van Berlijn en de eerste auteur van het paper dat deze bevindingen eerder deze maand in Science presenteerde.

De ontdekking markeert een groeiende behoefte aan studies van het zenuwstelsel om de implicaties van individuele neuronen als uitgebreide informatieverwerkers te overwegen. “Hersenen kunnen veel gecompliceerder zijn dan we denken,” zei Konrad Kording, een computationele neurowetenschapper aan de Universiteit van Pennsylvania, die niet deelnam aan het recente werk. Het kan ook sommige computerwetenschappers ertoe aanzetten om strategieën voor kunstmatige neurale netwerken, die traditioneel zijn gebouwd op basis van een visie op neuronen als eenvoudige, niet-intelligente schakelaars, opnieuw te beoordelen.

The Limitations of Dumb Neurons

In de jaren ’40 en ’50 begon een beeld de neurowetenschap te domineren: dat van het “domme” neuron, een eenvoudige integrator, een punt in een netwerk dat slechts zijn ingangen optelde. Vertakte uitlopers van de cel, dendrieten genaamd, ontvangen duizenden signalen van naburige neuronen – sommige excitatoir, andere inhibitoir. In het lichaam van het neuron werden al die signalen gewogen en opgeteld, en als het totaal een bepaalde drempel overschreed, vuurde het neuron een reeks elektrische impulsen (actiepotentialen) af die de stimulatie van aangrenzende neuronen aanstuurden.

Op ongeveer hetzelfde moment realiseerden onderzoekers zich dat een enkel neuron ook kon functioneren als een logische poort, verwant aan die in digitale circuits (hoewel het nog steeds niet duidelijk is in hoeverre de hersenen werkelijk op deze manier rekenen bij het verwerken van informatie). Een neuron was bijvoorbeeld effectief een AND poort, als het alleen vuurde na het ontvangen van een voldoende aantal inputs.

Netwerken van neuronen zouden daarom theoretisch elke berekening kunnen uitvoeren. Toch was dit model van het neuron beperkt. Niet alleen waren de leidende computationele metaforen simplistisch, maar decennialang ontbrak het wetenschappers aan de experimentele instrumenten om opnamen te maken van de verschillende componenten van een enkele zenuwcel. “Dat is in wezen het neuron dat is samengevouwen tot een punt in de ruimte,” zegt Bartlett Mel, een computationeel neurowetenschapper aan de Universiteit van Zuid-Californië. “Het had geen interne articulatie van activiteit.” Het model negeerde het feit dat de duizenden inputs die in een bepaald neuron stromen, op verschillende plaatsen langs de verschillende dendrieten terechtkomen. Het negeerde het (uiteindelijk bevestigde) idee dat individuele dendrieten verschillend van elkaar kunnen functioneren. En het negeerde de mogelijkheid dat berekeningen zouden kunnen worden uitgevoerd door andere interne structuren.

Maar dat begon te veranderen in de jaren 1980. Modelleringswerk door de neurowetenschapper Christof Koch en anderen, later ondersteund door experimenten in de praktijk, toonde aan dat afzonderlijke neuronen niet een enkel of uniform spanningssignaal tot uitdrukking brachten. In plaats daarvan namen spanningssignalen af naarmate ze zich langs de dendrieten naar het lichaam van het neuron bewogen, en droegen ze vaak niets bij aan de uiteindelijke output van de cel.

Deze compartimentering van signalen betekende dat afzonderlijke dendrieten onafhankelijk van elkaar informatie konden verwerken. “Dit was in strijd met de punt-neuron hypothese, waarin een neuron gewoon alles bij elkaar optelde, ongeacht de locatie,” zei Mel.

Dat zette Koch en andere neurowetenschappers, waaronder Gordon Shepherd aan de Yale School of Medicine, ertoe aan om te modelleren hoe de structuur van dendrieten neuronen in principe in staat zou kunnen stellen om niet als eenvoudige logische poorten te fungeren, maar als complexe, multi-unit verwerkingssystemen. Zij simuleerden hoe dendritische bomen tal van logische operaties zouden kunnen herbergen, door middel van een reeks complexe hypothetische mechanismen.

Later keken Mel en enkele collega’s nauwkeuriger naar hoe de cel meerdere inputs binnen zijn individuele dendrieten zou kunnen beheren. Wat zij vonden verraste hen: De dendrieten genereerden lokale spikes, hadden hun eigen niet-lineaire input-output curven en hadden hun eigen activeringsdrempels, verschillend van die van het neuron als geheel. De dendrieten zelf konden fungeren als AND-poorten, of als een groot aantal andere rekenapparaten.

Mel, samen met zijn voormalige afgestudeerde student Yiota Poirazi (nu een computationeel neurowetenschapper aan het Instituut voor Moleculaire Biologie en Biotechnologie in Griekenland), realiseerde zich dat dit betekende dat ze een enkel neuron konden opvatten als een tweelagig netwerk. De dendrieten zouden dienen als niet-lineaire rekeneenheden, die inputs verzamelen en tussenliggende outputs uitzenden. Die signalen zouden dan worden gecombineerd in het cellichaam, dat zou bepalen hoe het neuron als geheel zou reageren.

Of de activiteit op het dendritische niveau daadwerkelijk het vuren van het neuron en de activiteit van naburige neuronen beïnvloedde, was nog onduidelijk. Maar hoe dan ook, die lokale verwerking zou het systeem kunnen voorbereiden of conditioneren om anders te reageren op toekomstige inputs of helpen om het op nieuwe manieren te bedraden, aldus Shepherd.

Wat het geval ook was, “de trend was toen, ‘OK, wees voorzichtig, het neuron is misschien krachtiger dan je dacht,'” zei Mel.

Shepherd was het daarmee eens. “Veel van de kracht van de verwerking die plaatsvindt in de cortex is eigenlijk subdrempel,” zei hij. “Een enkel-neuron systeem kan meer zijn dan slechts één integratief systeem. Het kunnen twee lagen zijn, of zelfs meer.” In theorie zou bijna elke denkbare berekening kunnen worden uitgevoerd door één neuron met voldoende dendrieten, elk in staat om zijn eigen niet-lineaire bewerking uit te voeren.

In het recente Science-paper gingen de onderzoekers nog een stap verder met dit idee: Ze suggereerden dat een enkel dendritisch compartiment in staat zou kunnen zijn om deze complexe berekeningen helemaal alleen uit te voeren.

Onverwachte Spikes en Oude Obstakels

Matthew Larkum, een neurowetenschapper aan Humboldt, en zijn team begonnen naar dendrieten te kijken met een andere vraag in gedachten. Omdat dendritische activiteit voornamelijk bij knaagdieren was bestudeerd, wilden de onderzoekers onderzoeken hoe elektrische signalering anders zou kunnen zijn in menselijke neuronen, die veel langere dendrieten hebben. Zij verkregen plakjes hersenweefsel van de lagen 2 en 3 van de menselijke cortex, die bijzonder grote neuronen met veel dendrieten bevatten. Toen zij die dendrieten stimuleerden met een elektrische stroom, merkten zij iets vreemds op.

Zij zagen onverwachte, herhaalde pieken – en die pieken leken totaal niet te lijken op andere bekende soorten neurale signalering. Ze waren bijzonder snel en kort, zoals actiepotentialen, en kwamen voort uit fluxen van calciumionen. Dit was opmerkelijk omdat conventionele actiepotentialen gewoonlijk worden veroorzaakt door natrium- en kaliumionen. En terwijl calcium-geïnduceerde signalering eerder was waargenomen in knaagdierendendendrieten, duurden die pieken veel langer.

Nog vreemder is dat het toedienen van meer elektrische stimulatie aan de dendrieten de intensiteit van het vuren van het neuron verlaagde in plaats van het te verhogen. “Plotseling stimuleren we meer en krijgen we minder,’ zei Gidon. “Dat viel ons op.”

Om uit te zoeken wat de nieuwe vorm van spiking zou kunnen doen, werkten de wetenschappers samen met Poirazi en een onderzoeker in haar lab in Griekenland, Athanasia Papoutsi, die samen een model maakten om het gedrag van de neuronen weer te geven.

Het model ontdekte dat de dendriet spikte in reactie op twee afzonderlijke inputs – maar dat niet deed wanneer die inputs werden gecombineerd. Dit kwam overeen met een niet-lineaire berekening die bekend staat als exclusieve OR (of XOR), die een binaire output van 1 oplevert als één (maar slechts één) van de inputs 1 is.

Deze bevinding raakte onmiddellijk een snaar bij de computerwetenschapgemeenschap. XOR functies werden vele jaren onmogelijk geacht in enkelvoudige neuronen: In hun boek Perceptrons uit 1969 leverden de computerwetenschappers Marvin Minsky en Seymour Papert het bewijs dat kunstmatige netwerken van één laag geen XOR konden uitvoeren. Die conclusie was zo vernietigend dat veel computerwetenschappers haar de schuld gaven van de malaise waarin het onderzoek naar neurale netwerken tot in de jaren tachtig terechtkwam.

Neurale netwerkonderzoekers vonden uiteindelijk manieren om het obstakel dat Minsky en Papert hadden geïdentificeerd te omzeilen, en neurowetenschappers vonden voorbeelden van die oplossingen in de natuur. Poirazi wist bijvoorbeeld al dat XOR mogelijk was in een enkel neuron: slechts twee dendrieten samen konden het bereiken. Maar in deze nieuwe experimenten boden zij en haar collega’s een plausibel biofysisch mechanisme om het te vergemakkelijken – in een enkele dendriet.

“Voor mij is het een andere mate van flexibiliteit die het systeem heeft,” zei Poirazi. “Het laat je zien dat dit systeem veel verschillende manieren heeft om te rekenen.” Toch wijst ze erop dat als een enkel neuron dit soort problemen al kon oplossen, “waarom zou het systeem dan al die moeite doen om met meer ingewikkelde eenheden binnen het neuron te komen?”

Processors Within Processors

Zeker niet alle neuronen zijn zo. Volgens Gidon zijn er veel kleinere, puntvormige neuronen in andere delen van de hersenen. Vermoedelijk bestaat deze neurale complexiteit dan niet voor niets. Dus waarom hebben afzonderlijke compartimenten binnen een neuron de capaciteit nodig om te doen wat het hele neuron, of een klein netwerk van neuronen, prima kan doen? De voor de hand liggende mogelijkheid is dat een neuron dat zich gedraagt als een meerlagig netwerk veel meer verwerkingskracht heeft en daardoor meer kan leren of opslaan. “Misschien heb je een diep netwerk binnen een enkel neuron,” zei Poirazi. “En dat is veel krachtiger in termen van het leren van moeilijke problemen, in termen van cognitie.”

Misschien, voegde Kording eraan toe, “kan een enkel neuron in staat zijn om echt complexe functies te berekenen. Het zou bijvoorbeeld op zichzelf in staat kunnen zijn een object te herkennen.” Het hebben van zulke krachtige individuele neuronen, volgens Poirazi, zou ook kunnen helpen de hersenen energie te besparen.

Larkum’s groep is van plan om te zoeken naar soortgelijke signalen in de dendrieten van knaagdieren en andere dieren, om te bepalen of dit rekenvermogen uniek is voor de mens. Ze willen ook verder gaan dan hun model om de waargenomen neurale activiteit in verband te brengen met daadwerkelijk gedrag. Ondertussen hoopt Poirazi de berekeningen in deze dendrieten te kunnen vergelijken met wat er in een netwerk van neuronen gebeurt, om na te gaan welke voordelen de eerstgenoemde kunnen hebben. Dit omvat het testen op andere soorten logische operaties en het onderzoeken hoe die operaties kunnen bijdragen aan leren of geheugen. “Totdat we dit in kaart hebben gebracht, kunnen we niet echt zeggen hoe krachtig deze ontdekking is,” zei Poirazi.

Hoewel er nog veel werk te doen is, geloven de onderzoekers dat deze bevindingen de noodzaak markeren om te heroverwegen hoe ze de hersenen en de bredere functies ervan modelleren. Focussen op de connectiviteit van verschillende neuronen en hersengebieden zal niet genoeg zijn.

De nieuwe resultaten lijken ook klaar om vragen op het gebied van machinaal leren en kunstmatige intelligentie te beïnvloeden. Kunstmatige neurale netwerken vertrouwen op het puntenmodel, waarbij neuronen worden behandeld als knooppunten die de inputs optellen en de som door een activiteitsfunctie sturen. “Heel weinig mensen hebben het idee serieus genomen dat een enkel neuron een complex computationeel apparaat zou kunnen zijn,” zei Gary Marcus, een cognitieve wetenschapper aan de New York University en een uitgesproken scepticus van sommige beweringen over deep learning.

Hoewel het Science-paper slechts één bevinding is in een uitgebreide geschiedenis van werk dat dit idee aantoont, voegde hij eraan toe, computerwetenschappers zouden er meer ontvankelijk voor kunnen zijn omdat het de kwestie kadert in termen van het XOR-probleem dat neurale netwerkonderzoek zo lang achtervolgde. “Het zegt dat we hier echt over na moeten denken,” zei Marcus. “Het hele spel – om te bedenken hoe je slimme cognitie uit domme neuronen krijgt – kan verkeerd zijn.”

“Dit is een super schone demonstratie van dat,” voegde hij eraan toe. “Het zal boven het lawaai uitspreken.”