仅凭输入电缆,人类神经元就能进行复杂的逻辑运算,这在以前只有在整个神经网络中才能看到。重申一下:人类的神经元远比我们原先认为的要强大。如果深度学习算法——松散地基于席卷我们世界的大脑的人工智能方法——注意一下,它们也可以。

这些都是不合常规的、具有攻击性的话语。

70年来,神经元被认为是大脑的基本计算单元。然而,据一项新的研究本月发表于科学在美国,大脑皮层(大脑最外层的“外壳”)中的神经元似乎经过了独特的进化,以在输入线缆中维持难以置信的复杂计算。这就好像有人终于得到了证明,你的电脑的电线实际上是由微型处理器组成的,每个处理器在将结果发送到CPU之前执行计算。

这很奇怪。这是有争议的。但它也是第一次在人类神经元中被发现。

正如作者们总结的那样:我们长期以来一直认为神经元只能操作诸如“和”、“或”这样的逻辑功能,而更复杂的计算需要整个网络。我们发现神经元输入线的活动可以支持复杂的逻辑操作,而使用的规则与单一的完全不同神经元

那么,我们为什么要关心这些呢?从根本上说,这与智力有关——为什么我们能在动物王国中脱颖而出,以及我们如何能够潜在地复制这种智力人工智能

像地壳一样,大脑皮层也由多层构成,有独特的布线模式,将多层内和不同层间的神经元连接起来。神经科学家长期以来一直认为,我们极其复杂的大脑皮层对我们的智力有贡献——事实上,深度学习的灵感来自于嵌入在大脑皮层神经元中的计算。

但是,通过外科手术摘除脑瘤和癫痫患者的脑块记录下的新结果表明,目前的深度学习方法在复制我们大脑的计算方面只是触及了表面。如果人工智能系统能够整合这些新发现的算法,它们可能会发展得很远更强大的

来认识一下全有或全无神经元

教科书上的神经元看起来就像一棵光秃秃的树:巨大的被称为树突的根部形成了一个坚固的球茎状基底——身体。就像水和营养物质一样,传入的电信号会通过树突根进入人体,在那里,一个驼峰状的结构会合成所有的信息。如果刺激足够强烈,它就会通过一根被称为轴突的输出电缆,通过充满化学信使或电流的气泡传递到另一个神经元。如果输入信号太弱,神经元就会杀死数据。这就是为什么神经科学家经常称单个神经元为“二进制”或“数字”:它们要么激活,要么不激活。

简单的,不是吗?

嗯…不。几十年来,一个问题一直困扰着神经科学家:为什么树突树与单独的轴突相比,要复杂得多?

通过记录啮齿类动物大脑中的单个神经元,科学家们最近开始搞清楚树形树不仅仅是简单的被动电缆。相反,它们是隐藏在神经计算层之下的极其活跃的成分。例如,一些树突可以产生比传统神经元放电大五倍、频率更高的电尖峰。仅在老鼠身上,发现活跃的树突意味着大脑的处理能力可能比之前认为的多100倍。

这项新的研究提出了这样的问题:这同样适用于人类吗?

人类的树突很特别

与啮齿类动物的大脑相比,人类的多层皮层要厚得多,密度也大得多。第2层和第3层(L2/3)尤其突出其精心制作和密集的树突状森林。与其他物种相比——甚至与人类大脑的其他部分相比——这些层次包含了不成比例的神经元物质。这种奇怪的增厚现象的根本原因在于我们的基因,基因编码了引导这种特征的大脑发育程序。一些甚至认为这是我们之所以为人的根本原因。

作者推断,如果树突的“输入”有助于塑造我们的神经元的计算能力——以及我们的智力——那么L2/3就是我们能够观察到它们的地方。

测量树突的电活动,说起来容易做起来难。树突的直径只有人类头发的1 / 100。这就是为什么即使在动物身上也很难用电极捕捉到这些强大的计算结果的部分原因——这个过程类似于用罗马柱大小的稻草轻轻吮吸蚂蚁的后背而不伤害蚂蚁。

该研究小组选择了观察由于癫痫或肿瘤而被切除的新鲜皮层切片,而不是从一个活的、完整的人类大脑中进行记录。这是一个聪明的策略:使用传统的神经科学方法来检查切片要容易得多——例如,一种叫做“膜片钳”的东西可以直接记录神经元的组成部分。切片也可以在显微镜下使用荧光染料进行检查,荧光染料在活动期间会发光。使用两种不同类型患者的脑组织,可以帮助清除每种脑部疾病特有的信号,从而找到人类树突计算的根源。

一个奇怪的信号立刻出现了。人类的树突活跃起来,但当电脉冲到达细胞体时,电脉冲很快就消失了。相比之下,标准的神经信号在沿着输出电缆奔向下一个目的地时不会减弱。更奇怪的是,树突信号严格依赖钙离子来产生电流,这与传统的神经信号有很大的不同。

这就像突然发现了一个新的物种,它消耗二氧化碳而不是氧气来维持自己的活动——只不过这个物种是你的一部分。这些被称为“dCaAPs”的信号以前从未在任何哺乳动物的皮质细胞中观察到过,作者说。

“当我们第一次看到树突动作电位时,我们有了一个‘顿悟’的时刻,”该研究的合著者,柏林洪堡大学的马修·拉库姆博士。“这些实验非常具有挑战性,所以仅仅是重复在啮齿动物身上做过的事情就把这些问题推过去已经非常令人满意了。”

但更奇怪的是。与神经元的“全有或全无”放电不同,人类树突的放电方式似乎是类似的。也就是说,他们的回答是“分级的”,但是以一种非直观的方式更强的他们的刺激,较低的他们的答复。这与其他神经元的计算形成了鲜明的对比。在其他神经元的计算中,更强的输入,即使来自多个来源,通常也会导致更强的输出。虽然这些树突刺并不孤独本身-一些dcaap帮助改变了神经元的放电-许多树突的电活动似乎在做它们自己的事情。

林中森林

对人类树突的秘密生活进行分类已经很有趣了,但作者们进一步追问这一切意味着什么。

通过计算建模,他们重现了dCaAPs独特的射击模式,并挑战它来解决a称为XOR的逻辑函数。它比较两个输入,如果位相同,结果为0。如果它们不同,结果是1。与简单的和和或函数不同,异或函数通常需要整个神经网络来执行。

然而,人类树突的奇怪行为——一个输入只能导致一个输出——让它们能够“有效地计算异或运算”,作者说。当与一个神经元的正常和、或功能堆叠在一起时,就有可能将整个网络功能浓缩成一个神经元的功能。然而,到目前为止,这个想法还停留在理论层面——作者还不能通过树突计算来模拟整个神经元。

但请关注最新消息。如果这些结果在完整的人脑中得到验证,将为改进深度学习算法带来巨大的可能性。目前,深度学习使用的是连接到多层网络的单个人工“神经元”——类似于我们之前对人类大脑的理解。理论上,增加树突计算可以极大地扩展深度学习能力。在某种程度上,人工智能现在是神经科学的理论游乐场,是天作之合。

无论如何,研究结果为理解和复制我们的智慧又剥开了一层洋葱。树突占大脑皮层锥体细胞表面积的95%,但在人脑中仍是“未开发的领域”。伦敦大学学院的迈克尔博士Häusser,他没有参与这项研究。他说,通过在啮齿类动物的大脑中寻找类似的信号,我们可能能够确定“人类树突的特殊电学特性是否在使人类大脑变得特殊的过程中发挥了关键作用”。

图片来源:Image byGerd奥特曼Pixabay

范雪来是一位神经科学家出身的科学作家。她在不列颠哥伦比亚大学(University of British Columbia)完成了神经科学博士学位,在那里她开发了神经退化的新疗法。在研究生物大脑时,她开始对人工智能和所有生物技术着迷。毕业后,她搬到了加州大学旧金山分校,研究以血液为基础的因素,使衰老的大脑恢复活力。她是……

跟雪莉: