Długie ramy czasowe wspomagają aktywność neuronów i niesamowity ludzki mózg
Neurony w mózgu są połączone w rozległe sieci, a połączeniom tym zawdzięczamy właściwości, które nie występują w poszczególnych komórkach nerwowych. Dzięki szeroko zakrojonym badaniom wiemy na przykład, że pamięć jest wynikiem obecności długich skal czasowych na poziomie sieci. Jeżeli pamięć danego bodźca jest pożyteczna przez długi czas po jego zakończeniu, potrzebne są długie skale czasowe. Duża liczba badań wskazywała na poziom sieci jako źródło tych skal czasowych. W poszczególnych neuronach występują jednak procesy biofizyczne o takich długich skalach. Procesy te były zazwyczaj badane przy użyciu szczegółowych modeli, które utrudniają powiązanie tych właściwości z poziomem sieci. W ramach finansowanego ze środków UE projektu Multiple timescales, realizowanego pod egidą działania Marie Curie: „Grant na rzecz integracji karier”, badano szereg różnych skal czasowych. Projekt miał na celu zrozumienie dynamicznych i obliczeniowych implikacji łączenia wielu pojedynczych neuronów, biorąc pod uwagę fakt, że każdy z nich posiada wiele skal czasowych. Proste instrukcje i złożony model Jak wyjaśnia prof. Omri Barak, „polecenie »skręć w lewo na następnym skrzyżowaniu«, choć pozornie łatwe do zinterpretowania, wiąże się z integracją informacji w co najmniej dwóch różnych skalach czasowych”. Informacja sensoryczna niesiona przez słowo „skręć” musi być zachowana przez około sekundę, aż do zakończenia zdania. Z drugiej strony, znaczenie zdania musi być przechowane przez około minutę, aż do faktycznego dotarcia do skrzyżowania. Ten przykład przedstawia dwie skale czasowe spośród wielu, które mają znaczenie dla codziennego funkcjonowania. „Zaproponowaliśmy nowy model, który zapewnia bardzo dobre przybliżenie wzbudzalności pojedynczych neuronów w dłuższych skalach czasowych, a jednocześnie pozostaje stosunkowo prosty”, podkreśla prof. Barak. Wyniki te były prezentowane na międzynarodowych konferencjach i zostały opublikowane w recenzowanym czasopiśmie Journal of Neuroscience. Uczony tłumaczy: „Udało mi się dokładniej zrozumieć dynamikę trenowanych rekurencyjnych sieci neuronowych bez dynamiki wzbudzalności”. Nawet najprostsze czynności, takie jak uniesienie ręki, angażują miliony neuronów połączonych w złożoną sieć. Nowa analiza rzuca światło na powiązania pomiędzy prostotą efektów działania sieci a złożonością jej wewnętrznej dynamiki. Jako model wykorzystujemy sztuczne sieci neuronowe. Są to sztuczne systemy wzorowane na strukturze mózgu. Sztuczne sieci neuronowe o sprawności dorównującej ludzkiemu mózgowi Ostatnio sieci te osiągnęły poziom skuteczności charakterystycznej dla ludzi w takich obszarach jak rozpoznawanie obrazu i mowy. Początkowe połączenia w sieci mają charakter losowy, a następnie są kształtowane w procesie treningu w celu uzyskania pożądanego efektu. Do niedawno nie było wiadomo, w jaki sposób trenowanie wpływa na dynamikę tych sztucznych sieci. W projekcie Multiple timescales wykazano, w jaki sposób wymagania stawiane wyjściu sieci przekładają się na modyfikacje dynamiki wewnętrznej. „Ustaliliśmy, że niewielka liczba trybów dynamicznych jest wykorzystywana w celu uzyskania pożądanego rezultatu”. Wyniki badania były prezentowane na seminariach i konferencjach międzynarodowych oraz zostały opublikowane w Physical Review Letters, a także w artykule w Current Opinions in Neurobiology. Kontynuacja badań Trwają dalsze badania dotyczące sposobu, w jaki trenowane rekurencyjne sieci neuronowe generują złożone efekty, na przykład podczas gry w tenisa. Stosując podejście inżynierii odwrotnej, prof. Barak zaczął analizować wpływ trenowania sieci, w których poszczególne neurony mają powolną dynamikę wzbudzalności. „W szczególności trenujemy teraz rekurencyjne sieci neuronowe, które kontrolują agenta poruszającego się w środowisku wirtualnym. Wykazaliśmy, że włączenie dynamiki powolnej wzbudzalności może wzmocnić pamięć przestrzenną agenta, i badamy, jak to się dzieje”, tłumaczy. Prof. Barak opowiada, że środki z programu Marie Curie okazały się nieocenione w początkowej fazie prac, przed zdobyciem innych źródeł finansowania. Na dalszym etapie możliwość udziału zespołu w konferencjach przyczyniła się do powstania laboratorium. „Poza tym, że udało mi się osiągnąć znaczny postęp w badaniu wpływu wielu skal czasowych na działanie mózgu na najwyższym poziomie poprzez sieci neuronowe, stypendium pomogło mi, jak sama jego nazwa wskazuje, zintegrować się z nowym miejscem pracy na stanowisku głównego badacza”, podsumowuje prof. Barak.
Słowa kluczowe
Multiple timescales, sieć, neuron, długie ramy czasowe, pamięć, sztuczna sieć neuronowa
