Неврология - это область, наиболее очевидно связанная с медициной и / или психологией. Однако мой опыт в физике и информатике позволяет мне исследовать и лучше понимать, как мозг вычисляет и хранит информацию, выявляя основные физические механизмы и взаимодействие между ними.
Моя многолетняя работа с профессором Фридеманом Пульвермюллером из Свободного университета Берлина направлена на то, чтобы ответить на ряд вопросов, в первую очередь, как маленькие дети могут быстро связывать знаки со значениями, в то время как наши ближайшие родственники в животном мире изо всех сил пытаются это сделать? Чтобы найти ответы, мы работаем с моделями нейронных сетей, которые сравниваем с экспериментами по визуализации мозга.
Эти нейронные модели - потенциальные инструменты для улучшения нашего понимания сложных функций мозга, и главный аргумент в нашей новой статье Nature Reviews Neuroscience заключается в том, что они должны быть нейробиологически реалистичными, чтобы охватить сложность функций мозга; слишком простые модели могут упустить важные аспекты и механизмы.
Модели мозга работают, моделируя большое количество взаимосвязанных процессоров, которые напоминают нервные клетки (нейроны) и их взаимосвязи (синапсы).
Последние годы привели к значительным достижениям в этой области, выявив, например, новые особенности нейронов, синапсов и структуру связности неокортекса человека, который является значительной частью центральной нервной системы, которая имеет решающее значение для функций более высокого уровня, таких как как восприятие, язык и сознание.
В нашей новой статье обсуждаются различные типы нейронных моделей и то, что должно произойти, чтобы они стали максимально реалистичными и, следовательно, полезными.
От локальных сетей до целых мозговых сетей существует несколько различных моделей на разных уровнях масштаба и детализации, которые могут помочь нам лучше понять, что происходит в нашей голове, когда мы видим, чувствуем или говорим.
Мы считаем, что модели нейронных сетей должны заполнять пробелы между приблизительными моделями человеческого мозга на разных уровнях, чтобы полностью понять функцию мозга. В частности, нам необходимо понять микроскопический уровень функции нервных клеток (примерно в микрометровом масштабе), мезоскопический уровень взаимодействий в локальных кластерах нейронов (миллиметры) и макроскопический уровень, видимый невооруженным глазом (сантиметры). Затем мы можем изучить взаимодействие между процессами в этих масштабах и подойти к моделям, имитирующим мозговые цепи во всех из них. Это кажется критически важным для достижения прогресса за пределами изучения отдельных, изолированных аспектов функции мозга; различные группы по всему миру начали интересоваться этой идеей.
Этот новый подход, известный как моделирование с ограничением мозга, использует недавние нейробиологические материалы на разных уровнях пространственного разрешения, чтобы сделать нейронные сети более реалистичными, чтобы работать над механистическими аналогами способностей, специфичных для людей.
Модели с ограничениями мозга используются для моделирования когнитивных функций человека и соотнесения их с нейронным материалом, который изменился в процессе эволюции мозга - например, понимание разницы между макаками и людьми. Важно понимать, может ли структура материала иметь отношение к функциональным когнитивным изменениям.
Например: мы много знаем о новых эволюционных изобретениях, реализованных в человеческом мозге, но мы не знаем, что, скажем, новый пучок волокон или кортикальная область функционально способствует познанию. Пучок волокон сам по себе может показаться довольно глупым куском материала.
Только в функциональном взаимодействии с другими материалами он приобретает функциональное значение и, в конечном итоге, порождает символическое значение. Это можно изучить с помощью реалистичных моделей мозга, как мы это сделали в Плимуте в сотрудничестве с группой Пульвермюллера по вопросу о том, почему люди изучают язык легче, чем другие приматы.
В будущем, возможно, появится возможность проводить нейровычислительное моделирование, ограниченное особенностями индивидуального мозга. Результаты, полученные с помощью нейронных сетей с индивидуальными ограничениями, могут открыть новые перспективы для прогнозирования будущей нейропластической динамики и могут быть использованы для планирования индивидуальной терапии или хирургии, например, для людей с опухолями головного мозга.
Таким образом, моделирование с ограничением возможностей мозга, применяемое к конкретным группам населения и даже к отдельным случаям, может открыть плодотворные перспективы на будущее. До этого далеко, но интересно подумать.
Понимание мозга полезно не только для нейробиологии, психологии и здравоохранения; Производные принципы также могут быть реализованы на компьютерах как форма искусственного интеллекта и даже использоваться для разработки совершенно нового вычислительного оборудования, состоящего из кремниевых нейронов и синапсов вместо обычных процессоров. В нескольких предыдущих проектах у нас были конструкторы оборудования и специалисты по когнитивным роботам, которые были нацелены на копирование мозговых процессов в аппаратное обеспечение и на роботов.
Важно, чтобы мы связали знания, которые у нас уже есть, чтобы получить и понять больше знаний о функциях нашего мозга в будущем. Я уверен, что благодаря успехам, достигнутым в последние годы, мы сможем этого добиться.
