Studie välter gammal teori om hjärninlärning
I årtionden trodde forskare att lärande sker i synapser, eller de många korsningarna mellan hjärnceller. Men nu föreslår en ny studie att inlärning sker i några få dendriter, grenarna som matar ingångar till hjärncellen eller neuron.
I en uppsats som nu publiceras i tidskriften Vetenskapliga rapporter, beskriver författarna hur de kom till denna slutsats efter att ha studerat datormodeller av neuroner och cellkulturer.
I hjärnans stora neurala nätverk beter sig neuroner som små mikrochips som tar in ingångar genom deras dendriter, och - när vissa förhållanden uppnås - skapar utdata med hjälp av deras axoner.
Axoner är i sin tur anslutna till andra neurons dendriter genom länkar som kallas synapser. Det finns många fler synapser per neuron än dendriter.
Ett viktigt resultat av den nya forskningen är att, eftersom det föreslår att inlärning sker i dendriter och inte synapser, är inlärningsparametrarna för varje neuron mycket färre än vad man tidigare trodde.
”I den här nya dendritiska inlärningsprocessen”, konstaterar seniorstudieförfattare Prof. Ido Kanter, vid Gonda Interdisciplinary Brain Research Center vid Bar-Ilan University i Israel. ”Det finns några anpassningsbara parametrar per neuron, jämfört med tusentals små och små känsliga i det synaptiska inlärningsscenariot. ”
Lärande sker snabbare än vi trodde
Ett annat viktigt resultat av den nya studien är att inlärningsprocessen sker mycket snabbare i den nya dendritiska modellen än den traditionella synaptiska modellen.
Resultaten kan ha viktiga konsekvenser för behandlingar av hjärnsjukdomar och utformningen av datorapplikationer - såsom ”djupinlärningsalgoritmer” och artificiell intelligens - som baseras på att härma hur hjärnan fungerar.
Forskarna räknar med att, i fallet med den senare, öppnar deras studie dörren för utformningen av mer avancerade funktioner och mycket snabbare bearbetningshastigheter.
Den traditionella, synaptiska lärandemodellen är rotad i banbrytande arbete av Donald Hebb som publicerades 1949 i boken Organisationen av beteende.
Den modellen, som Prof. Kanter och hans kollegor kallar "inlärning med länkar", föreslår att de "inlärningsparametrar" som förändras under inlärningsprocessen återspeglar antalet synapser eller länkar per neuron, som är beräkningsenheterna. i det neurala nätverket.
”Learning by nodes”
I sin nya modell - som de hänvisar till som "lärande av noder" - föreslår forskarna att inlärningsparametrarna inte återspeglar antalet synapser, av vilka det finns många per neuron, utan antalet dendriter eller noder, av vilka det finns är bara några få per neuron.
Därför förklarar de, "i ett nätverk av anslutande nervceller," är antalet inlärningsparametrar per neuron i den synaptiska modellen "betydligt större" än antalet i den dendritiska modellen.
Huvudsyftet med deras studie var att jämföra ”samarbetsdynamiska egenskaper mellan synaptiska (länk) och dendritiska (nodala) inlärningsscenarier.”
Studieförfattarna drar slutsatsen att deras resultat "starkt indikerar att en snabbare och förbättrad inlärningsprocess sker i neuronala dendriter, på samma sätt som vad som för närvarande tillskrivs synapserna."
Svaga synapser spelar en nyckelroll i lärandet
Ett annat viktigt resultat av studien är att det verkar som om svaga synapser, som står för större delen av hjärnan och ansågs spela en obetydlig roll i inlärningen, faktiskt är mycket viktiga.
Författarna noterar att "dynamiken styrs kontraintuitivt främst av de svaga länkarna."
Det verkar som om, i den dendritiska modellen, orsakar de svaga synapserna inlärningsparametrarna snarare än att flytta till "orealistiska fasta ytterligheter", som i den synaptiska modellen.
Prof. Kanter sammanfattar resultaten genom att göra jämförelser med hur vi ska mäta luftkvaliteten.
"Är det vettigt", frågar han, "att mäta luftkvaliteten vi andas in via många små, avlägsna satellitsensorer i höjd med en skyskrapa, eller genom att använda en eller flera sensorer i närheten av näsan?"
"På samma sätt är det effektivare för neuronen att uppskatta sina inkommande signaler nära dess beräkningsenhet, neuronen."
Prof. Ido Kanter
