Человеческий интеллект может начинаться с силы одной-единственной клетки мозга

Фото из открытых источников

Ученые долгое время исходили из предположения, что удивительные способности человеческого мозга обусловлены главным образом огромным количеством нейронов и обширными сетями, которые они образуют.

Новое исследование предполагает, что история начинается гораздо раньше. Исследователи обнаружили, что одна-единственная клетка человеческого мозга способна выполнять вычисления, достаточно сложные, чтобы конкурировать с небольшой искусственной нейронной сетью. Результаты исследования опубликованы в журнале Proceedings of the National Academy of Sciences.

Человеческая клетка также оказалась гораздо более сложным процессором информации, чем аналогичные клетки у крыс. Полученные результаты свидетельствуют о том, что человеческий интеллект зависит не только от количества нейронов, но и от объема вычислительных операций, выполняемых каждым отдельным нейроном перед передачей информации следующей клетке.

Работу возглавил профессор Идан Сегев из Еврейского университета в Иерусалиме (HUJI), чья команда поставила перед собой задачу решить вопрос, для которого долгое время не существовало надлежащего критерия оценки.

Клетки коры головного мозга человека заметно отличаются по внешнему виду от клеток других животных. Ни у кого не было стандартного способа преобразовать это видимое различие в одно число. Без него утверждение об уникальности человеческих нейронов оставалось качественным, легко выдвигаемым, но трудно поддающимся проверке.

Поэтому команда позаимствовала метод из области машинного обучения. Для каждого реального нейрона они создали подробную компьютерную модель его формы и электрического поведения, а затем обучили искусственную нейронную сеть имитировать действия клетки с поступающими сигналами.

Идея, лежащая в основе этого метода, проста. Нейрон, получающий поток входных данных, отвечает последовательностью электрических импульсов, а искусственная копия пытается предсказать эти импульсы с точностью до миллисекунды. Если копирование постоянно не удается, значит, ячейка выполняет слишком сложную операцию, которую не может зафиксировать неглубокая нейронная сеть.

В центре внимания этой работы были пирамидальные нейроны — крупные, приблизительно треугольные клетки, составляющие большую часть коры головного мозга и передающие большую часть сигналов.

Исследователи смоделировали около двух десятков таких моделей, 12 из которых были получены от людей, а 12 — от крыс, и отобрали образцы из разных слоев коры головного мозга. По новой шкале от нуля до единицы, средний показатель для человеческих клеток составил около 0,38, а для клеток крыс — около 0,22. Разница была значительной и статистически значимой, а не результатом случайности нескольких необычных клеток.

Разница особенно ярко проявилась в отдельных сравнениях. Для одной пары клеток верхнего слоя человеческий нейрон показал более чем вдвое лучшие результаты, чем крысиный аналог, а для его воспроизведения потребовалась заметно более глубокая искусственная нейронная сеть. Исследование показывает, что отдельная пирамидальная клетка человека ведет себя не столько как простой выключатель, сколько как небольшая многослойная сеть.

«Люди часто представляют нейрон как простой переключатель, который либо включается, либо выключается. Мы же показываем, что отдельный человеческий нейрон сам по себе является необычайно сложным вычислительным устройством», — сказал Сегев.

Данная методика основана на более ранних работах той же группы исследователей. В рамках этого проекта было установлено, что копирование одного нейрона крысы может создать искусственную нейронную сеть глубиной от пяти до восьми слоев. В предыдущем исследовании основная сложность объяснялась одним типом синапсов, а новый индекс превращает эту идею в общий критерий, охватывающий различные виды и слои организма.

Клетки человеческого мозга отличаются двумя особенностями. Первая — это дендриты, разветвленные нити, которые собирают входящие сигналы от нейрона. Дендриты у человека крупнее и имеют более сложную разветвленную структуру, чем у других видов. Общая площадь поверхности этого разветвленного дерева оказалась самым сильным показателем сложности клетки, объясняя примерно три четверти вариации. 

Размер был не единственным фактором. Важно было и то, как эта длина была распределена. Клетки, которые вложили больше сил в развитие внутренних разветвленных сегментов, а не в длинные прямые стволы, оказались более сложными по структуре.

Вторая особенность заключается в синапсах — соединениях, где один нейрон передает сигналы другому. Синапсы человека в значительной степени зависят от NMDA-рецепторов, реакция которых далеко не стабильна.

Ниже определенного порога они реагируют лишь слабо. Как только примерно 35 находящихся рядом входных сигналов срабатывают одновременно, реакция резко возрастает, создавая небольшой локальный всплеск, который усиливает сигнал. Сложность также распределена неравномерно по коре головного мозга. У крыс наиболее сложными являются клетки глубокого слоя 5, но у людей порядок обратный, и клетки верхнего слоя 2/3 оказываются на первом месте.

В более раннем исследовании было показано, что те же самые человеческие клетки способны решить логическую задачу, для решения которой долгое время считалось необходимым задействование целой сети нейронов.

Результат осложняет давнюю историю о том, что делает человеческий мозг исключительным. Это наблюдение давно известно. С тех пор как более века назад анатом Сантьяго Рамон-и-Кахаль нарисовал клетки коры головного мозга и отметил, насколько крупными и замысловатыми они являются у человека, эта сложность стала очевидной, но её трудно было точно определить числом.

В результате количественной оценки работы было высказано предположение, что простое количество нейронов рассказывает лишь часть истории человеческого организма. Остальное зависит от того, какой объем вычислительных операций каждая клетка выполняет самостоятельно, прежде чем передать сигнал дальше. Есть и практический аспект. Современные искусственные сети строятся из примитивных, похожих на переключатели элементов, которые в огромном количестве складываются друг на друга.

Исследование предполагает, что гораздо меньшие по размеру сети могли бы выполнять ту же работу, если бы каждая единица несла большую часть нагрузки, подобно живому нейрону. Ранее отсутствовал способ измерения вычислительной мощности нейрона и сопоставления её с физической структурой.

Этот инструмент теперь существует, и его можно применять к другим типам клеток, к другим видам, и в конечном итоге к тому, как миллиарды этих маленьких процессоров в совокупности образуют мыслящий мозг.