Как и где в человеческом мозгу хранятся воспоминания?

Мэтт Кэшатт

Как и где в человеческом мозгу хранятся воспоминания?

Фон

Я компьютерный программист, увлеченный искусственным интеллектом и искусственными нейронными сетями, и мне становится все более любопытно, как работают биологические нейронные сети.

Контекст и то, что, как мне кажется, я понимаю

Переваривая все, что я читал, я начинаю понимать, что в нейронных сетях есть слои. Передний слой нейронов может получать, например, визуальный стимул, такой как яркий свет. Этот стимул воспринимается передними нейронами, каждый из которых производит взвешенный электрохимический ответ, который приводит к бинарному решению передать электрический заряд через свой аксон к дендритам десятков тысяч нейронов, к которым он направлен. связано.

Этот процесс повторяется через слои, направляющие электрические сигналы и фокусируя их на основе их перестановок, пока в конечном итоге заряд не будет передан сфокусированному механизму реагирования, такому как нервы, которые контролируют сужение зрачков.

Надеюсь, я понял это правильно.

Предисловие к вопросу ;)

Предполагая, что я не совсем ошибаюсь в своем базовом понимании того, как работает биологическая нейронная сеть, я начинаю понимать, как вход (стимул) приводит к результату (реакции), такому как моторное движение или рефлексы. Казалось бы, это основное электричество открытых и закрытых цепей.

ОДНАКО, что меня все еще смущает, так это то, как хранится память. Аналогия с электрической цепью здесь не работает, потому что в цепи я не могу остановить поток электронов, пока не запру их в конденсаторе. Если я это сделаю, как только электроны будут высвобождены (доступны), они исчезнут навсегда, а память сохранится.

Так. . .

Как, черт возьми, воспоминания создаются и хранятся в человеческом мозгу? Они хранятся в определенном регионе? Если да, то где?

Рори М

Что касается изменения размера зрачка, то круговая мышца радужной оболочки контролирует размер зрачка. Эффекторами всегда являются либо мышцы, либо железы, а не нервы. В противном случае в точку :)

Конрад Рудольф

«аналогия с электрической цепью здесь обрывается» — на самом деле это не аналогия, и она не обрывается. Так работает мозг: не аналогия, а реальный механизм. Не хватает только динамики в структуре.

Николя Барбулеско

@Rory - Но нервы контролируют мышцы, не так ли? Именно это, безусловно, имеет в виду Матфей.

Ганс

Что вы подразумеваете под «сосредоточением их на основе их перестановок»? Под перестановкой обычно понимается биекция множества на себя или просто перестановка. Что вы подразумеваете под перестановкой электрических сигналов?

ямад

К сожалению, мы все еще «озадачены» тем, как работает память. Мы далеки от полного понимания того, как память хранится и вызывается. Тем не менее, мы немного знаем , так что читайте дальше.

Ваше понимание основных нейронных функций почти правильное. Во-первых, отдельный нейрон будет передавать сигнал через свой единственный аксон на дендриты многих нижестоящих нейронов, а не наоборот. Во-вторых, я не уверен, что вы подразумеваете под «сосредоточением их на основе их перестановок», но это правда, что нейронная информация может претерпевать множество преобразований по мере того, как она распространяется по цепи. В-третьих, если есть поведенческий результат сетевой активности, такой как мышечная реакция или выброс гормона, эти эффекты опосредованы нервами, сообщающимися с мышцами и клетками, высвобождающими гормоны. Я не уверен, что это то, что вы имели в виду под «механизмом сфокусированного ответа».

Наконец, как вы обнаружили, аналогия нейронных цепей с электрическими цепями относительно плоха на любом достаточно сложном уровне анализа. Я считаю, что биологические системы часто плохо обслуживаются, если их представляют как инженерные проблемы. Другие с этим не согласятся, но я думаю, что понимание биологической системы на ее собственном уровне многое проясняет.

Ключевой элемент, отсутствующий в аналогии с электрической цепью, оказывается одним из ключей к пониманию хранения информации в нейронных цепях — синапсом , местом, где один нейрон взаимодействует с другим. Синапс преобразует электрический сигнал от вышестоящего нейрона в химический сигнал. Затем этот химический сигнал преобразуется обратно в электрический сигнал нижележащим нейроном.

Сила синапса может регулироваться в долгосрочной перспективе путем изменения уровня экспрессии белка — это называется долговременной потенциацией (ДП) или долговременной депрессией (ДД) . Следовательно, LTP и LTD могут регулировать легкость, с которой информация может передаваться по определенному пути. В качестве базового примера (к которому не следует относиться слишком серьезно) представьте набор нейронов, представляющий «Нью-Йорк», и другой набор нейронов, представляющий «Моего друга Джона». Если затем вы окажетесь в Нью-Йорке со своим другом Джоном, обе эти группы нейронов будут активны, а синапсы между этими двумя сетями будут усилены, поскольку они коактивны (см. Хеббовскую пластичность ).). Таким образом, идея Нью-Йорка и идея Джона теперь связаны воедино.

Где эти нейроны, которые представляют Нью-Йорк и Джона? Мы до сих пор не совсем ясно с этим, и вопрос сложен, потому что есть много разных типов памяти. Например, ваша память о том, как ездить на велосипеде (процедурная память), не обрабатывается так же, как ваша память о том, что вы ели на завтрак (эпизодическая память). Тем не менее, лучший текущий ответ заключается в том, что гиппокамп и связанные с ним области важны для начального кодирования воспоминаний, а неокортекс — это место, где хранятся более долгосрочные воспоминания. Между этими двумя областями существует существенная связь, так что воспоминания можно эффективно корректировать с течением времени.


Обновлять

В ответ на комментарий Джула с просьбой о некоторых ресурсах я понимаю, что важно отметить, что модель Хебба, которую я обрисовал в общих чертах, не была окончательно показана. Как и во всех аспектах нейронауки, есть много хороших работ на молекулярном и клеточном уровне и хороших работ на поведенческом уровне, но причинно-следственная связь между ними не так ясна. Тем не менее, идея Хебба по-прежнему остается основной рабочей моделью работы памяти. Некоторое чтение может включать:

1) Невес, Г., Кук, С.Ф., Блисс, ТВП, 2008. Синаптическая пластичность, память и гиппокамп: нейросетевой подход к причинно-следственной связи. Nature Reviews Neuroscience 9, 65–75. Обзор памяти гиппокампа и ее связи с LTP/LTD и теорией Хебба. Отмечает общую сложность доказательства теории и некоторые способы продвижения экспериментов.

2) Лисман, Дж., Грейс, А.А., Дузел, Э., 2011. Неохеббская структура эпизодической памяти; Роль дофаминзависимой поздней LTP. Тенденции в неврологии 34, 536–547. Обзор, предлагающий разработку модели Хебба, которая включает нейромодулирующее влияние на пластичность и процесс памяти.

3) Йохансен, Дж. П., Каин, К. К., Острофф, Л. Е., Леду, Дж. Э., 2011. Молекулярные механизмы обучения страху и памяти. Ячейка 147, 509–524. . Отличный обзор обучения страху и памяти с обширным разделом по теории Хебба.

4) Лю, X., Рамирес, С., Панг, П.Т., Пуриер, С.Б., Говиндараджан, А., Дейссерот, К., Тонегава, С., 2012. Оптогенетическая стимуляция инграммы гиппокампа активирует воспоминание о страхе. Природа. Исследовательская статья, которая, возможно, является реализацией некоторых предложений в обзоре Neves et al. Они используют свет, чтобы реактивировать память о страхе. Это говорит о том, что активации сети гиппокампа, которая была активной во время формирования памяти, достаточно, чтобы вызвать память.

Жюль

У вас есть ссылка на статью, в которой обобщаются экспериментальные доказательства этой теории?

Мэтт Кэшатт

Еще раз спасибо yamad за ваш подробный ответ на эту увлекательную тему.

ямад

Чтобы узнать больше о пластичности нервной системы, см. мой ответ здесь biology.stackexchange.com/a/1359/72.

Юлия

Воспоминания не хранятся в синапсах: Scientificamerican.com/article/…

Прис

Я хотел бы указать на некоторые моменты, в которых ваше понимание неверно. «Нейронные сети» — это обычно термин из компьютерной науки, только очень и очень слабо основанный на настоящих нейронных сетях. Идея слоев в нейронной сети в значительной степени является изобретением информатики, она на самом деле не отражает реальность. Кроме того, нейроны не являются бинарными переключателями. Это не столько о включении/выключении, сколько о временном коде потенциалов действия. Фактический мозг является своего рода стохастическим и на самом деле не работает на уровне единичного потенциала действия.

Адаптация термина «нейронные сети» этими коварными учеными-компьютерщиками вызывает сожаление. Их работа практически не связана с реальными нейронными сетями.

Конрад Рудольф

Я думаю, вы преувеличиваете отличие от нейронных сетей. Например, они часто не бинарны, а имеют функцию плавного перехода (идея, скопированная из биологии), являются стохастическими (идея, скопированная из биологии) и не работают на уровне отдельного АП. Адаптация термина не является неудачной, это следствие того, откуда пришло вдохновение. Почти каждая концепция CS имеет такое вдохновение, как и многие концепции, не связанные с CS (вы когда-нибудь видели кран ?).

Прис

@KonradRudolph Они просто не приближаются к сложности реальной нейронной сети. Даже вычислительные нейробиологи, которые явно пытаются моделировать нейроны, терпят неудачу. Это неудачная адаптация терминов, потому что теперь «нейронная сеть» больше не относится к сети нейронов. Это относится к грубому симулякру нейронной сети. Степень, в которой ученые-компьютерщики пренебрегают биологией, вызывает тревогу и тормозит развитие ИИ.

Конрад Рудольф

@Preece Я согласен со всеми вашими комментариями, кроме последнего предложения. Биологией не пренебрегают, она просто не актуальна: нейронные сети в CS решают проблему, и эта проблема не в том, чтобы «попытаться максимально точно смоделировать биологию» и не в попытке создать «классический» ИИ. Это просто статистический инструмент для сопоставления шаблонов/кластеризации. Тем не менее, точное моделирование биологии само по себе было бы интересно; это не делается по одной простой причине: это невыполнимо с вычислительной точки зрения.

Прис

@KonradRudolph больше смотрит на биологию, чем пытается смоделировать нервную систему. Нейронные структуры — это реализации алгоритмов. Я думаю, что анализ этих алгоритмов лежит в основе исследований ИИ. Вам не нужно моделировать нейроны для моделирования нейронных алгоритмов. Попытка получить ИИ, не изучая их, даст (дала) много интересных вещей, но потенциал этой области практически не используется.

Конрад Рудольф

@Preece Но большая часть работы с нейронными сетями на самом деле не выполняется в контексте исследований ИИ, это просто инструмент статистики, и здесь людей интересуют только статистические свойства, и легко показать, что один скрытый слой ИНС столь же математически выразительна, как и любая более сложная версия, поэтому более сложные версии не просто непрактичны, они не нужны. А на ИИ/комп. Что касается неврологии, то в этой области проводится много исследований.

12345678910111213

Я могу провести грубую аналогию с точки зрения хранения цифровых носителей.

Наши воспоминания существуют как отношения между нашим восприятием и нашими ощущениями. Компьютеры легко сохраняют вводимые данные. Однако люди хранят воспоминания перцептивно. Это означает, что то, кем мы являемся и как мы помним событие, навсегда меняет наше воспоминание.

Если вы посмотрите на прогресс видеокодеков с потерями по мере увеличения разрешения, вы увидите, что алгоритмы изменились. Каждое поколение привыкло видеть определенные типы видеоартефактов: от пленки до аналоговой статики, от vhs до h.264. Думайте об алгоритмах как об отдельных режимах восприятия.

У нас есть древние базальные схемы, которые позволяют областям зрительной и лобной коры сотрудничать при формировании воспоминаний. Это не объективный процесс. У каждого из нас есть свои алгоритмы.

Мэтт Кэшатт

Еще один очень интересный пост от вас. Спасибо!