Lekungan Neuron mungkin sama dengan pemilihan neutral dalam evolusi

"Saya minta maaf, tetapi otak anda mengalami avalanches" adalah diagnosis yang harus menjadi satu perkara. Penyembuhan harus melibatkan St Bernard menggali neuron keluar dari bawah cerucuk neurotransmitter. Malangnya, otak semua menderita dari longsor. Malah, saya boleh mendiagnos dengan selamat sesiapa yang tidak mengalami longsor seperti yang mati. (Dan anda fikir halangan untuk sekolah siswazah adalah intelektual?)

Satu runtuhan salir di otak pada dasarnya adalah peristiwa yang kecil, secara umumnya tidak mencolok yang memicu lekukan besar aktiviti neuron. Ini diperhatikan berlaku tanpa pencetus luaran.

Jadi mengapa mereka berlaku? Ia telah dianggap bahawa longsoran ini harus memberikan beberapa manfaat, tetapi penyelidikan baru menunjukkan bahawa ia mungkin hanya kecelakaan yang bising.

Kenapa neurons lata?

Pada satu tahap, penjelasan untuk avalanches otak agak mudah dan sangat tidak jelas. Otak tidak linear-jika kebakaran neuron tepat pada masa yang tepat, ia boleh mencetuskan tindak balas yang tidak seimbang dari neuron yang berkaitan dengannya. Ini juga boleh mencetuskan tindak balas yang besar, dengan lata yang menyebar cepat, jauh dan luas. Tetapi, penjelasan itu, sementara mendapat faedah yang betul, sebenarnya tidak banyak memberi tahu kami.

Sebagai contoh, ia tidak memberitahu kami mengapa kejadian ini dibenarkan berlaku. Jika komputer anda melakukan ini, ia akan terhempas. Dan mungkin bahagian-bahagian otak melakukan kemalangan semasa larian. Itu terdengar seperti perkara yang buruk, jadi anda mungkin menjangkakan bahawa longsoran memberikan kelebihan. Mungkin mereka dikehendaki meningkatkan pengiraan? Mungkin mereka adalah akibat yang tidak diingini untuk mengendalikan otak pada satu titik di mana pembelajaran secepat mungkin?

Terdapat dua pendekatan umum yang diambil untuk mengetahui apa yang ada di fenomena ini. Terdapat orang yang benar-benar tahu apa yang kelihatan seperti neuron dan berjaya membezakan tisu otak dari roti bakar terbakar dua kali daripada tiga. Mereka menyiasat lekuk neuron dengan mengkaji bagaimana otak sebenarnya berfungsi. Fizik tidak dan tidak boleh, jadi mereka membuat model matematik sebaliknya. Model-model ini diuji secara meluas dalam pelbagai keadaan. (Siasatan semacam ini mewakili penjimatan yang besar dalam roti terbakar.)

Model-model ini mempunyai persamaan yang serupa dengan otak dan neuron seperti basikal saya kepada albatross. Semua orang, termasuk ahli fizik, tahu ini-jadi mengapa mereka berfikir pemodelan akan berfungsi? Nah, mereka cuba memahami persoalan yang lebih luas tentang kelakuan umum otak sebagai rangkaian. Dan soalan-soalan ini boleh dijawab menggunakan model yang benar-benar bayang-bayang yang sebenar.

Mengapa model ini berfungsi?

Keyakinan kami terhadap model-model yang agak sederhana ini kembali kepada fizik keadaan pepejal dan idea peralihan fasa. Peralihan fasa adalah perkara seperti pencairan ais kepada air cair, atau magnet yang kehilangan daya tarikannya kerana ia dipanaskan. Peralihan fasa adalah, secara fizikal, semuanya sangat berbeza antara satu sama lain. Namun matematik yang menerangkan cara peralihan fasa berlaku mempunyai kesamaan yang jelas kepada contoh-contoh tersebut. Dibenamkan di dalamnya adalah idea titik kritikal. Di satu sisi titik kritikal, bahan itu bertindak satu cara; Di sisi lain, bahan itu berkelakuan yang lain.

Ternyata idea ini jauh lebih luas daripada peralihan semacam ini: segala macam perkara, seperti paip titisan, populasi haiwan, tindak balas kimia, kelakuan pasaran, dan banyak lagi, seolah-olah diterima dengan analisis yang sama. Dan, ya otak itu termasuk dalamnya. Sebagai epilepsi, seolah-olah digambarkan dengan baik oleh model-model ini.

Oleh itu, mari kita bawa balik ini kepada longsor neural. Tingkah laku semacam ini sangat mirip dengan tingkah laku, sebagai contoh, orientasi berputar magnet semasa peralihan fasa paramagnet. Tetapi avalanches neuron berlaku secara kerap, yang bermaksud otak beroperasi berhampiran titik kritikal. Penyelidik telah mencadangkan bahawa kecekapan pengiraan otak ditingkatkan dengan operasi berhampiran titik kritikal, yang bermaksud bahawa ia adalah ciri penyesuaian.

Tetapi terdapat idea dalam teori evolusi yang memberitahu kita bahawa tidak semua sifat adalah sekitar kerana mereka memberi manfaat. Sesetengah ciri akhirnya berlaku kerana hanyut dan lain-lain kerana ia adalah kesan sampingan sesuatu yang berguna. Ternyata konsep ini dapat menggambarkan utiliti avalanches saraf serta bagaimana mereka akhirnya menjadi ciri otak di tempat pertama.

Sekarang, apa yang berikut adalah ahli fizik yang bercakap mengenai evolusi; Mereka yang menghindari penyalahgunaan biologi harus berpaling sekarang. Ia agak mengejutkan bagi saya untuk mengetahui bahawa banyak sifat tidak dipilih atau bertentangan dengan pemilihan semulajadi tetapi boleh timbul secara tidak sengaja. Walaupun sesetengah mutasi adalah berfaedah, dan sesetengahnya adalah buruk, kebanyakannya tidak menyebabkan perubahan yang cukup besar untuk diperhatikan-mereka adalah neutral. Perubahan neutral mungkin merebak dalam populasi kerana mereka secara tidak sengaja dikaitkan dengan sesuatu itu adalah dipilih untuk. Sifat neutral juga boleh menyebar dengan cara yang sama seperti runtuhan salji: ia berlaku di tempat yang betul pada masa yang tepat. Titiknya ialah ciri-ciri neutral dalam genetik mempamerkan dinamik populasi setiap bit sebagai kompleks sebagai fenomena titik kritikal tetapi tanpa sebarang titik kritikal.

Sekiranya kita boleh mendapatkan tingkah laku semacam itu dalam genetik populasi tanpa dekat dengan titik kritikal, mungkin kita melihat perkara yang sama di dalam otak dengan lekuk neuron?

Menggunakan model neuron yang diterima pakai, yang disambungkan sebagai sebahagian daripada rangkaian saraf, para penyelidik cuba menentukan jika saliran neuron dapat digambarkan oleh tingkah laku neutral. Dan ini adalah di mana kuasa model datang sendiri. Parameter model diketahui, dan titik kritikal dapat ditemui dan tepat dicirikan. Kemudian, ia menjadi mungkin untuk mengkatalogkan pelbagai jenis tingkah laku yang dilihat, bergantung kepada bagaimana neuron disambungkan dan ambang apabila neuron akan terbakar sebagai tindak balas kepada neuron lain. Inilah persoalan eksperimen yang tidak mungkin untuk bermain dengan neuron sebenar.

Tidak semuanya baik dengan model

Secara khusus, penyelidik memilih tetapan yang mana diketahui bahawa rangkaian saraf mempunyai peralihan yang tidak berterusan di antara keadaan yang sangat aktif (banyak neurons yang menembak dengan kerap) dan keadaan aktiviti yang rendah (banyak neurons yang tidak menembak). Dalam keadaan aktif, cascades atau longsoran telah diperhatikan oleh penyelidik lain, dan aktiviti rangkaian adalah selaras dengan tingkah laku yang diperhatikan dalam otak sebenar.

Analisis ini menggunakan silap mata yang tidak boleh digunakan dalam pemerhatian sebenar. Penyelidik mencari data pengiraan untuk mengenal pasti neuron yang mencetuskan longsor dan, dari sana, mengesan rantaian aktiviti untuk menentukan perkara seperti tempoh dan saiz longsor. Dalam pengukuran sebenar, anda tidak pernah tahu neuron mana yang menyebabkan salji runtuh-sebaliknya, anda perlu jenis tembakan neuron kumpulan mengikut masa dan menggunakan kedekatan temporal untuk menentukan neuron mana yang menyebabkan kebakaran.

Sekiranya anda melakukan ini dengan data pengiraan, bagaimanapun, saliran model neuron tidak menyerupai otak sebenar. Itu nampak buruk jika anda mahu membuat ramalan. Jadi, tidak jelas sama ada maklumat lain yang kami keluar daripada model pengiraan adalah relevan.

Untuk melampaui itu, para penyelidik membangunkan model mudah yang mempunyai beberapa ciri yang diingini. Bergantung kepada parameter, ia mempunyai peralihan fasa tak berterusan (jadi lompatan secara tiba-tiba dari keadaan aktif ke keadaan yang tertutup), dan peralihan fasa yang berterusan (kadar aktiviti lancar berubah dari satu negeri ke negara yang lain, tetapi kadar perubahan menunjukkan lompat secara tiba-tiba).

Dan, sudah tentu, dekat dengan peralihan fasa, rangkaian saraf menunjukkan cascades. Tetapi, yang penting, rangkaian ini mempunyai cascades walaupun tidak ada peralihan fasa yang berdekatan.

Memandangkan kelebihan yang ditakrifkan kepada otak yang beroperasi berhampiran titik kritikal, adakah beroperasi di wilayah neutral mempunyai kelebihan? Para penyelidik menawarkan beberapa spekulasi sepanjang garis ini. Sebagai contoh, susunan dan intensiti neurons yang menembusi dalam rangkaian boleh mengodkan maklumat. Para penyelidik berspekulasi bahawa salur-salur neutral, kerana ia adalah kausal (contohnya, setiap neuron memicu orang lain untuk kebakaran selepas mereka telah dipecat), boleh memberikan sumber untuk aktiviti penembakan awal yang boleh dikaitkan dengan, dan menyandikan, maklumat.

Tetapi, terus terang, ini adalah kesilapan. Model ini, bersama-sama dengan orang lain seperti itu, menawarkan wawasan yang baik terhadap statistik tingkah laku rangkaian. Malangnya, menghubungkannya dengan aktiviti faktual sebenar, seperti mengiktiraf muka atau menambah dua nombor, agak lebih kecil. Kekuatan di sini ialah penyelidikan mungkin mencadangkan beberapa saluran baru untuk memahami bagaimana otak belajar. Tetapi, sekalipun demikian, sukar untuk menghubungkan penyelidikan dalam neuron sebenar kembali kepada model.

Kajian Fizikal X, 2017, DOI: 10.1103 / PhysRevX.7.041071

Tonton video itu: Why do we weigh less in water? plus 9 more videos. #aumsum (Februari 2020).