Здравствуйте, уважаемое сообщество Geektimes! Идея взаимодействия нейронов не только через физические связи (синапсы, эфапсы), но и посредством электрических полей, давно не нова, но какой характер и значение этих взаимодействий?
Прямых исследований на указанную тему немного, это связанно с тем, что требуется трудоемкая работа по регистрации изменений в нейронах под действием внешних электрических полей. К примеру, эксперимент, проведенный нейрофизиологами из Калифорнийского Технологического института (C.A. Anastassiou, R. Perin, H. Markram, C. Koch (2011) Ephaptic communication in cortical neurons. — Nature Neuroscience [Abstract], [PDF]), показал, что внеклеточные электрические поля, генерируемые нейронами, изменяют характеристики потенциалов действия других нейронов.
Не смотря на то, что нейрон имеет множество контактов с клетками соседями, радиус его действия ограничен в сравнении с масштабами нервной системы в целом. Становится не ясным, как происходит коммутация нейронов при формировании простых условных рефлексов, поскольку расстояния между различными представительствами тех или иных рефлексов можно насчитывать до сотни миллиметров.
И.П. Павлов объясняет механизм образования условных рефлексов следующим образом. Если в центральной нервной системе возникают два очага возбуждения, то более сильный из них «притягивает» к себе возбуждение из менее сильного. Если такого рода взаимодействие сильного и слабого очагов возбуждения сочетать повторно несколько раз, может образоваться условный рефлекс.
Передача возбуждения в нервной системе всегда сопровождается изменением электромагнитных полей. Естественно предположить, что природа «Павловского притяжения» имеет электромагнитный характер. Конечно, существуют гипотезы о том, что нейроны могут взаимодействовать на некотором квантовом уровне, но природа и характер этих взаимодействий не понятна, отработку квантовых моделей следует отложить до появления квантовых компьютеров.
Если следовать Павловским идеям, то каждый активированный нейрон должен определять, в каком направлении существует наиболее сильный очаг возбуждения и, в последствии, передать в нужном направлении возбуждение. Нейрон может запомнить данное направление и использовать его в дальнейшем. Здесь нейрон представлен в виде некоторого коммутатора. Сеть таких коммутаторов формирует рефлекторную дугу, подобно электрической цепи которая может формироваться, укрепляться, перестраиваться и разрушаться. Конечно, функции сумматора сохраняются за нейроном, что расширяет возможности такой самоорганизованной системы.
Для проверки гипотезы мной разработана модель, в которой нейрон подобно клеточному автомату, проводит свои внутренние вычисления независимо от системы, только на основе собранной информации. Во-первых, при получении возбуждения нейроном его переменная q (заряд) начинает сменятся с частотой 0,01с в зависимости от заданного массива чисел характеризующих закон изменения заряда на поверхности его мембраны. Всего шестнадцать значений, после чего нейрон на некоторый короткий промежуток времени не реагирует на раздражение.
Для демонстрации представим четыре варианта закона изменения заряда, главным образом отличающиеся значением отрицательного следового потенциала. Считается, что следовые потенциалы являются лишь следствием реполяризации нейрона. В своих работах над моделями я пришел к выводу, что следовый потенциал имеет важное значения для коммуникации нейронов.
Во-вторых, через 0,05с после активации нейрон определяет направление передачи возбуждения и передает его. Для определения вектора направления логичней всего применить закон Кулона, но микромир клеток не так прост и никто не исключает наличие органоида у нейрона способного усиливать сигналы других активных нейронов. Поэтому в демонстрации представим три правила определения вектора направления:
Первое правило — это воплощение закона Кулона, вектор направления определятся, как сумма векторов взаимодействия с каждым другим активным нейроном. Вектора взаимодействия — это произведение заряда нейрона на единичный вектор, поделенное на квадрат расстояния между нейронами. Второе правило аналогичное, но с учетом обратной пропорциональности расстояния. И третий закон без учёта расстояния между нейронами.
Далее, осуществляется передача сигнала всем нейронам в направлении определенного вектора направления с учётом радиуса действия нейрона, его фокуса, который равен 90 градусов.
Если в направлении вектора не окажется нейронов, то создастся новый нейрон и ему будет передаваться возбуждение. Динамическое создание нейронов имеет здесь техническое значение, это делает работу модели более наглядной, упрощает просчет её работы.
Из сделанных наблюдений можно сделать вывод, что закон Кулона крайне неэффективен, влияние соседних нейронов оказывается значительно сильным, чем влияние другого активного участка возбуждения более обширного. Следовательно, «Павловское притяжение» нельзя объяснить простым взаимодействием электрически заряженных частиц.
При применении правила с обратно пропорциональной зависимостью и в сочетании с небольшим отрицательным следовым потенциалом, уже можно наблюдать образование «перемычки» между двумя очагами возбуждения. Такими «перемычками» академик И.П. Павлов объяснял образование условных рефлексов.
Наиболее устойчивое образование связей наблюдается при использовании правила без учёта расстояния, хотя в природе реализация такого правила затруднительна.
Данная модель демонстрирует возможный принцип образования рефлексов, с этой целью была намеренно упрощена. Прежде чем объяснить более сложные рефлекторные или когнитивные функции, необходимо понять природу поведения нейрона и нервной системы.
У меня существует гипотеза о том, что главную роль в функциональной работе нейрона, как коммутатора, играют микротрубочки. Предположительно, что они «растут» в направлении других активных клеток, под влиянием электромагнитных полей, создаваемых их активностью. Таким образом, формируются транспортные пути для созданных у ядра клетки, белков-медиаторов, которые затем распределяются между синапсами. Причем распределение бывает неравномерным, зачастую некоторые синапсы остаются без медиатора.
Буду признателен за помощь в сборе информации подтверждающей идеи, изложенных в указанной статье и конструктивной критике.
Комментарии (13)
slava_k
25.12.2015 04:48Большое спасибо за статью. Хочу задать некоторые вопросы.
Заряд, приходящий к нейрону и уходящий от него далее по сети — как-то нормируется внутри нейрона? Есть ли какое-то предельное значение количества заряда в нейроне, который он способен накопить и передать в единицу времени? Что будет с нейроном при длительной «перегрузке» или шоке? Отразится ли это на Вашей «передаточной» функции в виде какой-то деградации (изменение коэффициента полинома или как ваша функция представлена в модели)? Аналогично — что будет с нейроном, если его все время тревожить одним и тем же уровнем заряда постоянно? Пробовали ли вы ограничивать направления возможного роста в 3д некоторой сеткой (кубической, к примеру) для имитации «соседей» (клеток, слишком плотной для роста среды, сильно поглощающей заряд среды и прочее)? Почему именно 90 градусов (это какое-то упрощение в модели)? Почему нейрон создается сразу же? Что если ограничить скорость роста соседних нейронов во времени и учитывать это в более длительном моделировании всего процесса формирования «рефлекса»? Учитывается ли в модели распад старого рефлекса при наличии двух новых конкурирующих и близких к старому рефлексов? Учитывается ли в модели «рассасывание» заряда во времени (за счет изменения температуры окружающего нейрона мира/тела)? Что происходит с сетью при длительном стационаре (нет импульсов из внешнего мира)? Учитывается ли стремление к изоляции «старых» нейронов различных рефлексов в одной сети с другими рефлекторными кластерами нейронов? Нейрон как сущность в 3д всегда живет строго по одному и тому же адресу (координате)? Что, если нейрон заставить удаляться если на его вход подавать слишком большое количество заряда? Какой конечный адресат передачи импульсов из сети, кто в итоге потребитель (абстрактная «мышца», которая и реализует полезное действие, которому обучаются «мозги»)?
Где можно максимально подробно прочитать про математическое описание Вашей модели (если это возможно, конечно) и какую конечную цель моделирования вы преследуете? Это часть какой-то большой научной работы или же просто пока исследование ради своих интересов, поиск новых идей?
Заранее предупрежу что в ответах на ваши возможные встречные вопросы я достаточно ограничен.
aigame
25.12.2015 06:54Некоторые Ваши вопросы затрагивают темы которые присутствуют в моей работе но ещё не обнородованны, поэтому отвечу без некоторых деталей. Наберитесь терпения, я обязательно поделюсь своими разработками.
Нельзя говорить о каком-то накоплении заряда в теле клетки, речь идёт о мембранном потенциале и его изменении при возбуждении ткани. Для всех нервных тканей и всех организмов этот потенциал на удивление стабилен и постоянен, он играет главную роль при передаче нервного сигнала. Прочтите статью в википедии «Потенциал действия». Поэтому никакой «перегрузки» или «шока» для нейрона быть не может. Поедаются не заряд, а возбуждение посредством порций медиатора.
При однообразном раздражении у нейрона возникает эффект привыкания — повышение порога. При длительном «простое»: эффект адаптации — понижение порога, при затяжном «простое» возможно спантанное срабатывание (здесь не отраденно). На видео это видно отсутствием продолжительных зацыкливаний.
Динамическое создание нейронов имитирует непрерывно заполненное пространство сетью нейронов, все для наглядности, эффекты те же только нет лишних нейронов.
90 градусов — взято для упрошения, важный параметр для «изоляции от соседний» — фокус нейрона.
В модели нейрон не меняет своих координат, его местоположение имеет важное значение для анализа и переработки информации. Хотя в природе возможна миграция нейронов при определённых условиях.
Если удалить нейрон, то это существенно не повлияет на работу системы, необходимо удоление целых областей, чтобы повредить рефлекторные дуги.
Конечная цель получение имитационной модели когнитивных и рефлекторных функций животных и человека. В дальнейшем конечно испольвоние для получения алгоритмов распознавания речи и изображений, интеллектуального управления и машинного перевода.aigame
25.12.2015 07:00(Возможна автозамена слов)
slava_k
25.12.2015 21:10Спасибо за разъяснения, ничего страшного с автозаменами, я ваши мысли понял. Не совсем согласен с темой перегрузки/шока, нейроны же от чего-то «умирают». В том числе продолжительный шок может разрывать (временно, навсегда) даже рефлекторные дуги. Миграция нейронов (точнее — их гигантское растягивание) на первичных этапах развития спинного мозга достаточно важную роль играет, и такое поведение желательно учитывать в модели (если это модель с заложенным развитием, а не подстройкой топологии сети). Если говорить о мозге, то и скорость адаптации реакции на раздражение у нейронов в разных отделах могут хоть немного, но отличаться. И это отличие может влиять на структуру такой нейронной сети. У Анохина было что-то на эту тему (адаптация и волны импульсов), не нашел к сожалению ссылки.
Спасибо что рассказываете о своей работе, буду рад видеть продолжение этого поста!
FransuaMaryDelone
26.12.2015 11:39+1Предположительно, что они «растут» в направлении других активных клеток, под влиянием электромагнитных полей, создаваемых их активностью.
Эффект Фредерикса можно попробовать привлечь, но надо бы поэкспериментировать для убедительности.
Anc
30.12.2015 00:21Поделюсь тем, что знаю и может вам помочь. Сгруппировать мысли последовательно может и не получится, но все же.
В книжке «Об интеллекте» освещалось такое нераспространенное наблюдение, что гиппокамп является наивысшим слоем неокортекса, с точки зрения связей. Долгосрочная память локализуется в неокортексе, переходя из короткосрочной в гиппокампе. Это тоже нужно помнить.
С точки зрения эволюции неокортекс проапгрейдил функционал гиппокампа, к короткой памяти добавилась постоянная. Это все утрированно, так как речь не только о памяти, а скорее вообще об интеллекте. Гигантский скачек произошел из-за того, что механизмы короткой памяти научились пользоваться не только сиюминутным сенсорным потоком, но и долгосрочной памятью. Появилось «воображение».
Так вот, сам гиппокамп довольно полносвязный. Думаю можно спокойно утверждать, что все нейроны гиппокампа имеют между собой жутко пластичные синапсы и с этой точки зрения вам не стоит мудрить как вырабатываются рефлексы и тому подобное. Все связи в наличии, вопрос лишь в мимолетной пластичности связей между одновременно активными нейронами и последующим переводом выработанных знаний в долговременную память.
Anc
30.12.2015 00:27вот можете почитать заметку из книги
www.e-reading.club/chapter.php/6691/24/Bleiiksli%2C_Hokins_-_Ob_intellekte.html
Anc
30.12.2015 01:02+1Еще из того что вспомнилось. Если в неокортексе для запоминания как бы не хватает нейронов, то нейрогенез в гиппокампе доставляет свежие нейроны в те места, где есть потребность. Да, нейроны ползают. ) А ползающие дендриты нейронов тоже забавное зрелище.
www.youtube.com/watch?v=4Vx_FzG1m5E
Из того что читал, дендриты ползают на химические маркеры. Не все нейромедиаторы, высвобождаемые в синаптическую щель, переходят на рецепторы постсинаптического нейрона, они вываливаются в пространство между нейронами, глией и что там еще. Нужно вспоминать лучше.Повышается локальная концентрация, а это сигнал для растущих дендритов, которые ползут туда, где больше концентрация нейромедиаторов.
Вот учебное пособие, если вы так желаете приблизится к биологической модели:
«НЕЙРОН. Обработка сигналов. Пластичность. Моделирование: Фундаментальное руководство»
www.taso.pro/2013/05/09/нейрон-обработка-сигналов-пластично
mkovalevich
Главную роль в передаче и обработке сигналов играет мембрана и волны плотностей ионов вдоль нее. Трубочки это скорее скелет + внутренняя магистраль для стройматериалов. На этапе рабочем без обучения (т.е. без отращивания ничего нового) они скорее всего не играют большой роли.
Моделировать желательно не теряя вид top-down, т.е. понимать например, зачем вам это все, и почему именно так. Почему именно такая структура модели, как это отражается на более высоких функциональных уровнях. Пока этого нет, это пока слепые попытки нащупать что-либо.
Посмотрите эту тему, если вы еще не там: ailab.ru/forum/diskussii/gipotezi/molekulyarno-volnovoi-kompyuter/page-2.html
aigame
На данный момент разработана модель в рамках которой возможно обьяснение многих явлений и процессов в нервной системе (память, эмоции, пластичность). Причем, на примерах можно проилюстрировать учебники по нейрофизиологии: различные виды синапсов, привыкание, сенсибилитация, иррадиация, концентрация, без абстрактных терминов, все просто и наглядно. Осталась техническая часть, написание кода (вопрос времени, большая часть написана) и подготовка научной статьи. Но, существует проблема, все ооснованно на принципах описанных в статье и необходимы обоснования, подтверждения наличия механизмов подобных взаимодействий в биологических нейронах. И ведь процессы наблюдаемы и теоретически описанны уже давно, ещё Павловым.
Любая теория имеет право на существование пока она не будет опровергнута или не перейдёт в статус закона или парадигмы. Я считаю, что лучше сначала прорабатывать более простые теории, поддающиеся анализу, чем изучать необоснованно усложнённые. Колебания и волны ионов на поверхности мембраны или же квантовые взаимодействия это очень абстрактно и сложно для меня, я не знаю как эти теории применить к собаке Павлова или молюску Аплизии.