Η μελέτη ανατρέπει την παλαιά θεωρία της μάθησης του εγκεφάλου
Για δεκαετίες, οι επιστήμονες πίστευαν ότι η μάθηση συμβαίνει σε συνάψεις ή στις πολυάριθμες συνδέσεις μεταξύ των εγκεφαλικών κυττάρων. Αλλά τώρα, μια νέα μελέτη προτείνει ότι η μάθηση συμβαίνει σε μερικούς δενδρίτες, τους κλάδους που τροφοδοτούν εισόδους στο εγκεφαλικό κύτταρο ή στον νευρώνα.
Σε μια δημοσίευση που δημοσιεύεται τώρα στο περιοδικό Επιστημονικές εκθέσεις, οι συγγραφείς περιγράφουν πώς κατέληξαν σε αυτό το συμπέρασμα αφού μελέτησαν μοντέλα υπολογιστών νευρώνων και κυτταρικών καλλιεργειών.
Στο τεράστιο νευρωνικό δίκτυο του εγκεφάλου, οι νευρώνες συμπεριφέρονται σαν μικροσκοπικά μικροτσίπ που λαμβάνουν εισόδους μέσω των δενδριτών τους και - όταν επιτυγχάνονται ορισμένες συνθήκες - δημιουργούν έξοδοι χρησιμοποιώντας τους άξονες τους.
Τα άξονες, με τη σειρά τους, συνδέονται με τους δενδρίτες άλλων νευρώνων μέσω συνδέσμων που ονομάζονται συνάψεις. Υπάρχουν πολλές περισσότερες συνάψεις ανά νευρώνα από τους δενδρίτες.
Ένα σημαντικό αποτέλεσμα της νέας έρευνας είναι ότι, επειδή προτείνει ότι η μάθηση πραγματοποιείται σε δενδρίτες και όχι σε συνάψεις, οι μαθησιακές παράμετροι για κάθε νευρώνα είναι πολύ λιγότερες από ό, τι πιστεύεται προηγουμένως.
«Σε αυτή τη νέα διαδικασία δενδριτικής μάθησης», σημειώνει ο ανώτερος συγγραφέας της μελέτης καθηγητής Ido Kanter, από το διεπιστημονικό ερευνητικό κέντρο Gonda στο Πανεπιστήμιο Bar-Ilan στο Ισραήλ, «υπάρχουν μερικές προσαρμοστικές παράμετροι ανά νευρώνα, σε σύγκριση με χιλιάδες μικροσκοπικούς και ευαίσθητα στο σενάριο της συναπτικής μάθησης. "
Η μάθηση συμβαίνει γρηγορότερα από ό, τι νομίζαμε
Ένα άλλο σημαντικό αποτέλεσμα της νέας μελέτης είναι ότι η διαδικασία μάθησης συμβαίνει πολύ πιο γρήγορα στο νέο δενδριτικό μοντέλο από το παραδοσιακό συναπτικό μοντέλο.
Τα αποτελέσματα μπορεί να έχουν σημαντικές επιπτώσεις για τη θεραπεία διαταραχών του εγκεφάλου και το σχεδιασμό εφαρμογών υπολογιστών - όπως "αλγόριθμοι βαθιάς μάθησης" και τεχνητή νοημοσύνη - που βασίζονται στη μίμηση του τρόπου με τον οποίο λειτουργεί ο εγκέφαλος.
Οι ερευνητές αναμένουν ότι, στην περίπτωση του τελευταίου, η μελέτη τους ανοίγει την πόρτα στο σχεδιασμό πιο προηγμένων χαρακτηριστικών και πολύ ταχύτερων ταχυτήτων επεξεργασίας.
Το παραδοσιακό, συναπτικό μοντέλο μάθησης βασίζεται στο πρωτοποριακό έργο του Donald Hebb που δημοσιεύθηκε το 1949 στο βιβλίο Ο Οργανισμός Συμπεριφοράς.
Αυτό το μοντέλο, το οποίο ο καθηγητής Kanter και οι συνάδελφοί του αναφέρονται ως «μάθηση μέσω συνδέσμων», προτείνει ότι οι «παράμετροι μάθησης» που αλλάζουν κατά τη διαδικασία της μάθησης αντικατοπτρίζουν τον αριθμό των συνάψεων ή συνδέσμων ανά νευρώνα, οι οποίες είναι οι υπολογιστικές μονάδες στο νευρικό δίκτυο.
«Μάθηση μέσω κόμβων»
Στο νέο τους μοντέλο - το οποίο αναφέρονται ως "μάθηση μέσω κόμβων" - οι ερευνητές προτείνουν ότι οι παράμετροι εκμάθησης δεν αντικατοπτρίζουν τον αριθμό των συνάψεων, εκ των οποίων υπάρχουν πολλές ανά νευρώνα, αλλά ο αριθμός των δενδριτών ή κόμβων, από τους οποίους υπάρχουν είναι μόνο λίγα ανά νευρώνα.
Επομένως, εξηγούν, «σε ένα δίκτυο συνδετικών νευρώνων», ο αριθμός των παραμέτρων μάθησης ανά νευρώνα στο συναπτικό μοντέλο είναι «σημαντικά μεγαλύτερος» από τον αριθμό στο δενδριτικό μοντέλο.
Ο κύριος σκοπός της μελέτης τους ήταν να συγκρίνουν τις «συνεργατικές δυναμικές ιδιότητες μεταξύ σεναπτικών μαθησιακών σεναρίων (σύνδεσμος) και δενδριτικών».
Οι συγγραφείς της μελέτης καταλήγουν στο συμπέρασμα ότι τα αποτελέσματά τους «δείχνουν έντονα ότι μια ταχύτερη και βελτιωμένη μαθησιακή διαδικασία συμβαίνει στους νευρωνικούς δενδρίτες, παρόμοια με αυτό που αποδίδεται επί του παρόντος στις συνάψεις».
Οι αδύναμες συνάψεις διαδραματίζουν βασικό ρόλο στη μάθηση
Ένα άλλο σημαντικό εύρημα της μελέτης είναι ότι φαίνεται ότι οι αδύναμες συνάψεις, οι οποίες αντιπροσωπεύουν το μεγαλύτερο μέρος του εγκεφάλου και πιστεύεται ότι παίζουν ασήμαντο ρόλο στη μάθηση, είναι στην πραγματικότητα πολύ σημαντικές.
Οι συγγραφείς σημειώνουν ότι «η δυναμική διέπεται κυρίως από τους αδύναμους δεσμούς».
Φαίνεται ότι, στο δενδριτικό μοντέλο, οι αδύναμες συνάψεις προκαλούν την ταλάντωση των παραμέτρων μάθησης αντί να μετακινηθούν σε «μη ρεαλιστικά σταθερά άκρα», όπως στο συναπτικό μοντέλο.
Ο καθηγητής Kanter συνοψίζει τα αποτελέσματα κάνοντας συγκρίσεις με το πώς πρέπει να μετρήσουμε την ποιότητα του αέρα.
«Έχει νόημα», ρωτάει, «για να μετρήσουμε την ποιότητα του αέρα που αναπνέουμε μέσω πολλών μικροσκοπικών, απομακρυσμένων δορυφορικών αισθητήρων στο ύψος ενός ουρανοξύστη, ή χρησιμοποιώντας έναν ή περισσότερους αισθητήρες σε κοντινή απόσταση από τη μύτη;»
«Ομοίως, είναι πιο αποτελεσματικό για τον νευρώνα να εκτιμήσει τα εισερχόμενα σήματά του κοντά στην υπολογιστική του μονάδα, τον νευρώνα.»
Καθ. Ido Kanter
