Artikel untuk kompetisi "bio/mol/teks": Proses seluler yang memastikan pertukaran informasi antar neuron membutuhkan banyak energi. Dalam perjalanan evolusi, konsumsi daya yang tinggi berkontribusi pada pemilihan mekanisme yang paling efisien untuk pengkodean dan transmisi informasi. Dalam artikel ini, Anda akan belajar tentang pendekatan teoretis untuk mempelajari energi otak, tentang perannya dalam penelitian patologi, tentang neuron mana yang lebih maju, mengapa sinapsis terkadang bermanfaat untuk tidak "menyala", dan juga bagaimana mereka memilih hanya informasi yang dibutuhkan neuron.
Sponsor umum kompetisi ini adalah perusahaan: pemasok peralatan, reagen, dan bahan habis pakai terbesar untuk penelitian dan produksi biologi.
Sponsor Audience Award dan mitra nominasi "Biomedicine Today and Tomorrow" adalah perusahaan "Invitro".
Sponsor "Buku" kompetisi - "Alpina non-fiksi"
Asal pendekatan
Sejak pertengahan abad ke-20, telah diketahui bahwa otak mengkonsumsi sebagian besar sumber energi seluruh organisme: seperempat dari semua glukosa dan dari semua oksigen dalam kasus primata yang lebih tinggi. Ini mengilhami William Levy dan Robert Baxter dari Massachusetts Institute of Technology (USA) untuk melakukan analisis teoretis tentang efisiensi energi pengkodean informasi dalam jaringan saraf biologis (Gbr. 1). Penelitian ini didasarkan pada hipotesis berikut. Karena konsumsi energi otak tinggi, sangat bermanfaat untuk memiliki neuron yang bekerja paling efisien - mereka hanya mengirimkan informasi yang berguna dan menghabiskan energi paling sedikit.
Asumsi ini ternyata benar: pada model jaringan saraf sederhana, penulis mereproduksi nilai yang diukur secara eksperimental dari beberapa parameter . Secara khusus, frekuensi optimal pembangkitan impuls yang dihitung oleh mereka bervariasi dari 6 hingga 43 impuls/s - hampir sama seperti di neuron dasar hipokampus. Mereka dapat dibagi menjadi dua kelompok menurut frekuensi denyut nadi: lambat (~10 denyut/s) dan cepat (~40 denyut/s). Pada saat yang sama, kelompok pertama secara signifikan melebihi jumlah yang kedua. Gambaran serupa juga diamati di korteks serebral: ada beberapa kali lebih banyak neuron piramidal lambat (~4-9 denyut/dtk) daripada interneuron penghambat cepat (>100 denyut/dtk) , . Jadi, tampaknya, otak “lebih suka” menggunakan lebih sedikit neuron yang cepat dan memakan energi sehingga tidak menghabiskan semua sumber daya, .
Gambar 1. Dua neuron ditampilkan. Di salah satunya ungu sinaptofisin protein prasinaptik diwarnai. Neuron lain sepenuhnya berwarna protein fluoresen hijau. Titik-titik cahaya kecil- Kontak sinaptik antar neuron. Dalam sisipan, satu "titik" disajikan lebih dekat.
Kumpulan neuron yang dihubungkan oleh sinapsis disebut jaringan saraf, . Misalnya, di korteks serebral, neuron piramidal dan interneuron membentuk jaringan yang luas. Kerja "konser" yang terkoordinasi dengan baik dari sel-sel ini menentukan kemampuan kognitif dan kemampuan lain kita yang lebih tinggi. Jaringan serupa, hanya dari jenis neuron lain, didistribusikan ke seluruh otak, saling berhubungan dengan cara tertentu dan mengatur kerja seluruh organ.
Apa itu interneuron?
Neuron sistem saraf pusat dibagi menjadi: mengaktifkan (membentuk sinapsis pengaktifan) dan penghambatan (membentuk sinapsis penghambat). Yang terakhir sebagian besar diwakili interneuron , atau neuron perantara. Di korteks serebral dan hipokampus, mereka bertanggung jawab untuk pembentukan ritme gamma otak, yang memastikan kerja neuron lain yang terkoordinasi dan sinkron. Ini sangat penting untuk fungsi motorik, persepsi informasi sensorik, pembentukan memori,.
Menemukan yang optimal
Faktanya, kita berbicara tentang masalah optimasi: menemukan fungsi maksimum dan menentukan parameter di mana itu dicapai. Dalam kasus kami, fungsinya adalah rasio jumlah informasi yang berguna untuk biaya energi. Jumlah informasi yang berguna dapat dihitung secara kasar menggunakan rumus Shannon, yang banyak digunakan dalam teori informasi, . Ada dua metode untuk menghitung biaya energi, dan keduanya memberikan hasil yang masuk akal, . Salah satunya - "metode penghitungan ion" - didasarkan pada penghitungan jumlah ion Na + yang masuk ke dalam neuron selama peristiwa sinyal tertentu (PD atau PSP, lihat bilah sisi " Apa yang dimaksud dengan potensial aksi?”) diikuti dengan konversi ke jumlah molekul adenosin trifosfat (ATP), energi utama "mata uang" sel. Yang kedua didasarkan pada deskripsi arus ion melalui membran sesuai dengan hukum elektronik dan memungkinkan Anda untuk menghitung kekuatan sirkuit listrik setara neuron, yang kemudian diubah menjadi biaya ATP.
Nilai parameter "optimal" ini kemudian perlu dibandingkan dengan yang diukur secara eksperimental dan menentukan seberapa besar perbedaannya. Gambaran keseluruhan perbedaan akan menunjukkan derajat pengoptimalan dari neuron yang diberikan secara keseluruhan: seberapa nyata, diukur secara eksperimental, nilai parameter bertepatan dengan yang dihitung. Semakin lemah perbedaannya, semakin dekat neuron dengan optimal dan semakin efisien dan optimal kerjanya dengan penuh semangat. Di sisi lain, perbandingan parameter tertentu akan menunjukkan dalam kapasitas spesifik apa neuron ini mendekati "ideal".
Selanjutnya, dalam konteks efisiensi energi neuron, dua proses dipertimbangkan yang menjadi dasar pengkodean dan transmisi informasi di otak. Ini adalah impuls saraf, atau potensial aksi, yang melaluinya informasi dapat terkirim"penerima" pada jarak tertentu (dari mikrometer hingga satu setengah meter) dan transmisi sinaptik yang mendasari penularan sinyal dari satu neuron ke neuron lainnya.
potensial aksi
potensial aksi (PD) adalah sinyal yang dikirim neuron satu sama lain. PD berbeda: cepat dan lambat, kecil dan besar. Seringkali mereka diatur dalam urutan panjang (seperti huruf dalam kata-kata), atau dalam "paket" frekuensi tinggi pendek (Gbr. 2).
Gambar 2. Berbagai jenis neuron menghasilkan sinyal yang berbeda. Di tengah- bagian longitudinal otak mamalia. Sisipan menunjukkan berbagai jenis sinyal yang direkam dengan metode elektrofisiologi , . sebuah - Kortikal ( Korteks serebral) neuron piramidal dapat mengirimkan sinyal frekuensi rendah ( Penembakan reguler), dan sinyal ledakan atau ledakan pendek ( tembakan meledak). B - Untuk sel Purkinje serebelum ( Otak kecil) hanya dicirikan oleh aktivitas burst pada frekuensi yang sangat tinggi. v - Menyampaikan neuron talamus ( Talamus) memiliki dua mode aktivitas: burst dan tonic ( tembakan tonik). G - Neuron bagian tengah tali ( MHb, Habenula medial) dari epithalamus menghasilkan sinyal tonik frekuensi rendah.
Apa itu potensial aksi?
- membran dan ion. Membran plasma neuron mempertahankan distribusi zat yang tidak merata antara sel dan lingkungan ekstraseluler (Gbr. 3 B) . Di antara zat-zat ini ada juga ion kecil, di mana K + dan Na + penting untuk menggambarkan PD.
Ada beberapa ion Na + di dalam sel, tetapi banyak di luar. Karena itu, mereka terus-menerus berusaha untuk masuk ke dalam kandang. Sebaliknya, ada banyak ion K + di dalam sel, dan mereka berusaha keras untuk keluar darinya. Ion tidak dapat melakukan ini sendiri, karena membran tidak dapat ditembus oleh mereka. Untuk lewatnya ion melalui membran, perlu untuk membuka protein khusus - saluran ion membran. - saluran ion. Variasi saluran sangat besar. Beberapa dari mereka terbuka sebagai respons terhadap perubahan potensial membran, yang lain - ketika ligan (neurotransmiter dalam sinaps, misalnya) mengikat, yang lain - sebagai akibat dari perubahan mekanis pada membran, dll. Pembukaan saluran terdiri dari perubahan strukturnya, sebagai akibatnya ion dapat melewatinya. Beberapa saluran hanya melewatkan jenis ion tertentu, sementara yang lain dicirikan oleh konduktivitas campuran.
Saluran yang "merasakan" potensi membran memainkan peran kunci dalam generasi AP - potensi ketergantungan saluran ion. Mereka terbuka sebagai respons terhadap perubahan potensial membran. Di antara mereka, kami tertarik pada saluran natrium yang bergantung pada tegangan (saluran Na), yang memungkinkan hanya ion Na + yang melewatinya, dan saluran kalium yang bergantung pada tegangan (saluran K), yang hanya memungkinkan ion K + untuk melewatinya. - Arus ionik dan PD. Dasar dari PD adalah arus ion - pergerakan ion melalui saluran ion membran. Karena ion bermuatan, arusnya menyebabkan perubahan muatan total di dalam dan di luar neuron, yang segera menyebabkan perubahan potensial membran.
Generasi AP, sebagai suatu peraturan, terjadi di segmen awal akson - di bagian itu yang berdekatan dengan tubuh neuron, . Ada banyak saluran Na yang terkonsentrasi di sini. Jika terbuka, arus kuat ion Na + akan mengalir ke akson, dan a depolarisasi membran - penurunan potensial membran dalam nilai absolut (Gbr. 3 v). Selanjutnya, Anda harus kembali ke nilai aslinya - repolarisasi. Ion K + bertanggung jawab untuk ini. Ketika saluran K terbuka (sesaat sebelum AP maksimum), ion K+ akan mulai meninggalkan sel dan melakukan repolarisasi membran.
Depolarisasi dan repolarisasi adalah dua fase utama PD. Selain mereka, beberapa lagi dibedakan, yang, karena kurangnya kebutuhan, tidak dipertimbangkan di sini. Penjelasan rinci tentang generasi PD dapat ditemukan di,. Deskripsi singkat tentang PD juga ada di artikel tentang "Biomolekul",. - Segmen akson awal dan inisiasi AP. Apa yang menyebabkan pembukaan saluran Na di segmen awal akson? Sekali lagi, perubahan potensial membran, "datang" di sepanjang dendrit neuron (Gbr. 3 sebuah). Ini - potensial pascasinaps (PSP) yang dihasilkan dari transmisi sinaptik. Proses ini dijelaskan lebih rinci dalam teks utama.
- Melakukan PD. Saluran Na terdekat tidak akan acuh tak acuh terhadap AP di segmen awal akson. Mereka juga akan terbuka sebagai respons terhadap perubahan potensial membran ini, yang juga akan memicu AP. Yang terakhir, pada gilirannya, akan menyebabkan "reaksi" serupa di segmen akson berikutnya, lebih jauh dari badan neuron, dan seterusnya. Dengan cara ini terjadi melakukan PD sepanjang akson, . Akhirnya akan mencapai ujung prasinapsnya ( panah merah dalam gambar. 3 sebuah) di mana ia dapat memicu transmisi sinaptik.
- Konsumsi energi untuk pembangkitan AP lebih sedikit daripada untuk kerja sinapsis. Berapa banyak molekul adenosin trifosfat (ATP), energi utama "mata uang", apakah biaya PD? Menurut satu perkiraan, untuk neuron piramidal di korteks serebral tikus, konsumsi energi untuk menghasilkan 4 AP per detik adalah sekitar dari total konsumsi energi neuron. Jika kita memperhitungkan proses pensinyalan lainnya, khususnya, transmisi sinaptik, proporsinya akan menjadi . Untuk korteks serebelar, yang bertanggung jawab atas fungsi motorik, situasinya serupa: konsumsi energi untuk menghasilkan sinyal keluaran adalah 15% dari semuanya, dan sekitar setengahnya untuk memproses informasi masukan. Jadi, PD jauh dari proses yang paling memakan energi. Kadang-kadang lebih banyak energi diperlukan untuk kerja sinapsis. Namun, ini tidak berarti bahwa proses pembangkitan PD tidak menunjukkan fitur efisiensi energi.
Gambar 3. Neuron, saluran ion dan potensial aksi. sebuah - Rekonstruksi sel candelabra korteks serebral tikus. biru dendrit dan badan neuron diwarnai (bintik biru di tengah), merah- akson (dalam banyak jenis neuron, akson jauh lebih bercabang daripada dendrit,). Sayuran hijau dan panah merah menunjukkan arah aliran informasi: dendrit dan badan neuron menerimanya, akson mengirimkannya ke neuron lain. B - Membran neuron, seperti sel lainnya, mengandung saluran ion. mug hijau- ion Na+, biru- ion K+. v - Perubahan potensial membran selama pembangkitan potensial aksi (AP) oleh neuron Purkinje. area hijau: Kanal Na terbuka, ion Na+ masuk ke neuron, terjadi depolarisasi. daerah biru: K-channel terbuka, K+ keluar, repolarisasi terjadi. Tumpang tindih daerah hijau dan biru sesuai dengan periode ketika Na + masuk dan K + keluar secara bersamaan.
PD adalah perubahan amplitudo seperti lompatan yang relatif kuat dalam potensial membran.
Analisis berbagai jenis neuron (Gbr. 4) menunjukkan bahwa neuron invertebrata tidak terlalu hemat energi, dan beberapa neuron vertebrata hampir sempurna. Menurut hasil penelitian ini, interneuron hipokampus yang terlibat dalam pembentukan memori dan emosi, serta neuron relai talamokortikal, yang membawa aliran utama informasi sensorik dari talamus ke korteks serebral, ternyata merupakan sumber energi paling banyak. efisien.
Gambar 4. Neuron yang berbeda efisien dalam cara yang berbeda. Gambar tersebut menunjukkan perbandingan konsumsi energi dari berbagai jenis neuron. Konsumsi energi dihitung dalam model seperti dengan nilai awal (nyata) dari parameter ( kolom hitam), dan dengan yang optimal, di mana, di satu sisi, neuron melakukan fungsi yang ditugaskan, di sisi lain, ia mengeluarkan energi minimum ( kolom abu-abu). Dua jenis neuron vertebrata ternyata yang paling efektif dari yang disajikan: interneuron hipokampus ( interneuron hipokampus tikus, RHI) dan neuron talamokortikal ( sel relai talamokortikal tikus, MTCR), karena bagi mereka konsumsi energi dalam model asli paling dekat dengan konsumsi energi yang dioptimalkan. Sebaliknya, neuron invertebrata kurang efisien. Legenda: SA (akson cumi-cumi) - akson cumi-cumi raksasa; CA (akson kepiting) - akson kepiting; MFS (interneuron kortikal lonjakan cepat tikus) - interneuron tikus kortikal cepat; BK (tubuh jamur lebah madu sel Kenyon) adalah sel Kenyon berbentuk jamur dari lebah.
Mengapa mereka lebih efisien? Karena mereka memiliki sedikit tumpang tindih Na- dan K-arus. Selama pembangkitan PD, selalu ada periode waktu ketika arus ini hadir secara bersamaan (Gbr. 3 v). Dalam hal ini, praktis tidak ada transfer muatan, dan perubahan potensial membran minimal. Tetapi bagaimanapun juga, seseorang harus "membayar" untuk arus ini, meskipun "tidak berguna" selama periode ini. Oleh karena itu, durasinya menentukan berapa banyak sumber daya energi yang terbuang. Semakin pendek, semakin hemat penggunaan energi,. Semakin lama semakin kurang efektif. Hanya dalam dua jenis neuron yang disebutkan di atas, berkat saluran ion cepat, periode ini sangat singkat, dan PD adalah yang paling efektif.
Omong-omong, interneuron jauh lebih aktif daripada kebanyakan neuron lain di otak. Pada saat yang sama, mereka sangat penting untuk kerja neuron yang terkoordinasi dan sinkron, yang dengannya mereka membentuk jaringan lokal kecil. Kemungkinan efisiensi energi yang tinggi dari interneuron AP adalah semacam adaptasi terhadap aktivitas dan perannya yang tinggi dalam mengoordinasikan kerja neuron lain.
sinapsis
Transmisi sinyal dari satu neuron ke neuron lain terjadi dalam kontak khusus antar neuron, di sinapsis . Kami hanya akan mempertimbangkan sinapsis kimia (ada lagi? listrik), karena mereka sangat umum dalam sistem saraf dan penting untuk pengaturan metabolisme sel, pengiriman nutrisi.
Pada ujung presinaptik akson, AP menyebabkan pelepasan neurotransmitter ke lingkungan ekstraseluler - ke neuron penerima. Yang terakhir hanya menantikan ini: di membran dendritik, reseptor - saluran ion dari jenis tertentu - mengikat neurotransmitter, membuka dan membiarkan berbagai ion melewatinya sendiri. Ini menghasilkan generasi kecil potensial pascasinaps(PSP) pada membran dendrit. Ini menyerupai AP, tetapi amplitudonya jauh lebih kecil dan terjadi karena pembukaan saluran lain. Banyak dari PSP kecil ini, masing-masing dari sinapsnya sendiri, “berjalan ke bawah” sepanjang membran dendritik ke badan neuron ( panah hijau dalam gambar. 3 sebuah) dan mencapai segmen awal akson, di mana mereka menyebabkan pembukaan saluran Na dan "memprovokasi" untuk menghasilkan AP.
Sinapsis semacam itu disebut seru : mereka berkontribusi pada aktivasi neuron dan generasi AP. Ada juga penghambatan sinapsis. Sebaliknya, mereka berkontribusi pada penghambatan dan mencegah pembentukan AP. Seringkali ada kedua sinapsis pada neuron yang sama. Hubungan tertentu antara penghambatan dan eksitasi penting untuk fungsi normal otak, pembentukan ritme otak yang menyertai fungsi kognitif yang lebih tinggi.
Anehnya, pelepasan neurotransmitter di sinaps mungkin tidak terjadi sama sekali - ini adalah proses probabilistik. Neuron menghemat energi dengan cara ini: transmisi sinaptik sudah menentukan sekitar setengah dari semua konsumsi energi neuron. Jika sinapsis selalu diaktifkan, semua energi akan digunakan untuk membuatnya bekerja, dan tidak akan ada sumber daya yang tersisa untuk proses lain. Selain itu, kemungkinan rendah (20–40%) pelepasan neurotransmitter yang sesuai dengan efisiensi energi sinapsis tertinggi. Rasio jumlah informasi yang berguna dengan energi yang dikeluarkan dalam hal ini adalah maksimum, . Jadi, ternyata "kegagalan" memainkan peran penting dalam kerja sinapsis dan, karenanya, seluruh otak. Dan Anda tidak perlu khawatir tentang transmisi sinyal dengan sinapsis yang terkadang “tidak berfungsi”, karena biasanya ada banyak sinapsis di antara neuron, dan setidaknya salah satunya akan berfungsi.
Fitur lain dari transmisi sinaptik adalah pembagian arus informasi umum menjadi komponen-komponen terpisah sesuai dengan frekuensi modulasi sinyal yang masuk (secara kasar, frekuensi AP yang masuk). Hal ini disebabkan kombinasi reseptor yang berbeda pada membran postsinaptik,. Beberapa reseptor diaktifkan dengan sangat cepat: misalnya, reseptor AMPA (AMPA berasal dari - sebuah mino-3-hidroksi-5- M etil-4-isoksazol P ropionik sebuah asam). Jika hanya reseptor seperti itu yang ada pada neuron postsinaptik, ia dapat dengan jelas merasakan sinyal frekuensi tinggi (seperti, misalnya, pada Gambar. 2 v). Contoh paling jelas adalah neuron dari sistem pendengaran yang terlibat dalam menentukan lokasi sumber suara dan secara akurat mengenali suara pendek seperti klik, yang secara luas diwakili dalam ucapan. Reseptor NMDA (NMDA - dari n -M etil- D -sebuah spartate) lebih lambat. Mereka memungkinkan neuron untuk memilih sinyal frekuensi yang lebih rendah (Gbr. 2 G), serta untuk memahami rangkaian AP frekuensi tinggi sebagai sesuatu yang terpadu - yang disebut integrasi sinyal sinaptik. Bahkan ada reseptor metabotropik yang lebih lambat, yang ketika mengikat neurotransmitter, mengirimkan sinyal ke rantai "pembawa pesan kedua" intraseluler untuk menyesuaikan berbagai proses seluler. Misalnya, reseptor terkait protein G tersebar luas. Tergantung pada jenisnya, mereka, misalnya, mengatur jumlah saluran dalam membran atau secara langsung memodulasi operasinya.
Berbagai kombinasi reseptor AMPA-, NMDA- yang lebih lambat, dan reseptor metabotropik memungkinkan neuron untuk memilih dan menggunakan informasi yang paling berguna bagi mereka, yang penting untuk fungsinya. Dan informasi "tidak berguna" dihilangkan, tidak "dirasakan" oleh neuron. Dalam hal ini, Anda tidak perlu menghabiskan energi untuk memproses informasi yang tidak perlu. Ini adalah aspek lain dari mengoptimalkan transmisi sinaptik antara neuron.
Apa lagi?
Efisiensi energi sel-sel otak juga dipelajari dalam kaitannya dengan morfologi mereka. Penelitian menunjukkan bahwa percabangan dendritik dan akson tidak kacau dan juga menghemat energi. Misalnya, akson bercabang sedemikian rupa sehingga total panjang jalur yang dilalui AP adalah yang terkecil. Dalam hal ini, konsumsi energi untuk melakukan AP sepanjang akson minimal.
Penurunan konsumsi energi neuron juga dicapai dengan rasio sinapsis penghambatan dan rangsang tertentu. Ini terkait langsung, misalnya, untuk iskemia(kondisi patologis yang disebabkan oleh gangguan aliran darah di pembuluh) otak. Dalam patologi ini, kemungkinan besar, neuron yang paling aktif secara metabolik adalah yang pertama gagal. Di korteks, mereka diwakili oleh interneuron penghambat yang membentuk sinapsis penghambatan pada banyak neuron piramidal lainnya. Sebagai akibat dari kematian interneuron, penghambatan piramidal menurun. Akibatnya, tingkat keseluruhan aktivitas yang terakhir meningkat (mengaktifkan sinapsis lebih sering, AP lebih sering dihasilkan). Ini segera diikuti oleh peningkatan konsumsi energi mereka, yang dalam kondisi iskemia dapat menyebabkan kematian neuron.
Saat mempelajari patologi, perhatian juga diberikan pada transmisi sinaptik sebagai proses yang paling memakan energi. Misalnya, pada penyakit Parkinson, Huntington, Alzheimer, ada malfungsi atau transportasi ke sinapsis mitokondria, yang memainkan peran utama dalam sintesis ATP. Dalam kasus penyakit Parkinson, ini mungkin karena gangguan dan kematian neuron substansia nigra yang sangat memakan energi, yang penting untuk pengaturan fungsi motorik dan tonus otot. Pada penyakit Huntington, protein mutan huntingtin mengganggu mekanisme pengiriman mitokondria baru ke sinapsis, yang menyebabkan "kelaparan energi" yang terakhir, peningkatan kerentanan neuron dan aktivasi yang berlebihan. Semua ini dapat menyebabkan gangguan lebih lanjut pada kerja neuron, diikuti oleh atrofi striatum dan korteks serebral. Pada penyakit Alzheimer, gangguan mitokondria (sejajar dengan penurunan jumlah sinapsis) terjadi karena pengendapan plak amiloid. Tindakan yang terakhir pada mitokondria menyebabkan stres oksidatif, serta apoptosis - kematian sel neuron.
Sekali lagi tentang segalanya
Pada akhir abad ke-20, sebuah pendekatan untuk mempelajari otak lahir, di mana dua karakteristik penting dipertimbangkan secara bersamaan: seberapa banyak neuron (atau jaringan saraf, atau sinaps) mengkodekan dan mentransmisikan informasi yang berguna dan berapa banyak energi yang dihasilkannya. menghabiskan, . Rasio mereka adalah semacam kriteria untuk efisiensi energi neuron, jaringan saraf, dan sinapsis.
Penggunaan kriteria ini dalam ilmu saraf komputasional telah memberikan peningkatan yang signifikan dalam pengetahuan mengenai peran fenomena tertentu, proses, . Secara khusus, kemungkinan rendah pelepasan neurotransmitter di sinaps, keseimbangan tertentu antara penghambatan dan eksitasi neuron, pelepasan hanya jenis informasi tertentu yang masuk karena kombinasi reseptor tertentu - semua ini berkontribusi untuk menghemat sumber daya energi yang berharga.
Selain itu, penentuan konsumsi energi dari proses pensinyalan (misalnya, pembangkitan, konduksi AP, transmisi sinaptik) memungkinkan untuk mengetahui mana di antara mereka yang pertama-tama akan menderita jika terjadi pelanggaran patologis pengiriman nutrisi, . Karena sinapsis membutuhkan energi paling banyak untuk bekerja, sinapsis adalah yang pertama gagal dalam patologi seperti iskemia, penyakit Alzheimer dan penyakit Huntington. Demikian pula, menentukan konsumsi energi dari berbagai jenis neuron membantu untuk mengetahui mana dari mereka yang akan mati lebih awal daripada yang lain jika terjadi patologi. Misalnya, dengan iskemia yang sama, interneuron korteks pertama-tama akan gagal. Neuron yang sama ini, karena metabolisme intensif, adalah sel yang paling rentan selama penuaan, penyakit Alzheimer, dan skizofrenia.
Terima kasih
Saya dengan tulus berterima kasih kepada orang tua saya Olga Natalevich dan Alexander Zhukov, saudara perempuan Lyuba dan Alena, penyelia saya Alexei Brazhe dan teman-teman yang luar biasa di laboratorium Evelina Nickelsparg dan Olga Slatinskaya atas dukungan dan inspirasi mereka, komentar berharga yang dibuat saat membaca artikel. Saya juga sangat berterima kasih kepada Anna Petrenko, editor artikel, dan Anton Chugunov, pemimpin redaksi Biomolekul, atas catatan, saran, dan komentarnya.
literatur
- otak rakus;
- SEYMOUR S. KETY. (1957). METABOLISME UMUM OTAK IN VIVO. Metabolisme Sistem Saraf. 221-237;
- L. Sokoloff, M. Reivich, C. Kennedy, M. H. Des Rosiers, C. S. Patlak, et. al (1977). METODE DEOKSIGLUKOSA UNTUK PENGUKURAN PEMANFAATAN GLUKOSA SEREBRAL LOKAL: TEORI, PROSEDUR, DAN NILAI NORMAL PADA TIKUS ALBINO SADAR DAN TERANESTESI. J Neurokimia. 28 , 897-916;
- Magistretti P.J. (2008). Metabolisme energi otak. Dalam ilmu saraf Fundamental // Ed oleh. Squire L.R., Berg D., Bloom F.E., du Lac S., Ghosh A., Spitzer N. San Diego: Academic Press, 2008. P. 271–297;
- Pierre J. Magistretti, Igor Allaman. (2015). Perspektif Seluler tentang Metabolisme Energi Otak dan Pencitraan Fungsional. neuron. 86 , 883-901;
- William B Levy, Robert A. Baxter. (1996). Kode Neural Hemat Energi. komputasi saraf. 8 , 531-543;
- tajam PE dan Green C. (1994). Korelasi spasial pola penembakan sel tunggal di subikulum tikus yang bergerak bebas. J. Neurosci. 14 , 2339–2356;
- H. Hu, J. Gan, P. Jonas. (2014). Interneuron parvalbumin+ GABAergic dengan lonjakan cepat: Dari desain seluler hingga fungsi sirkuit mikro. Sains. 345 , 1255263-1255263;
- Oliver Kann, Ismini E Papageorgiou, Andreas Draguhn. (2014). Interneuron Penghambat Berenergi Tinggi adalah Elemen Pusat untuk Pemrosesan Informasi di Jaringan Kortikal. Metabolisme Aliran Darah J-Cereb. 34 , 1270-1282;
- David Attwell, Simon B. Laughlin. (2001). Anggaran Energi untuk Memberi Sinyal di Materi Abu-abu Otak. Metabolisme Aliran Darah J-Cereb. 21 , 1133-1145;
- Henry Markram, Maria Toledo-Rodriguez, Yun Wang, Anirudh Gupta, Gilad Silberberg, Caizhi Wu. (2004).
Jika Anda menjelaskan "dengan jari", maka elemen utama dari setiap jaringan saraf adalah neuron. Setiap neuron menerima satu atau lebih sinyal (angka) sebagai input, memprosesnya dengan cara yang rumit (atau tidak begitu), dan kemudian meneruskan hasilnya.
Neuron digabungkan menjadi lapisan yang berurutan. Secara terpisah, dua lapisan ekstrem dibedakan - input dan output. Melalui lapisan input, jaringan saraf menerima informasi, melalui lapisan output mentransmisikan hasil pemrosesannya. Semua lapisan perantara disebut tersembunyi.
Setiap lapisan tersembunyi terhubung ke dua yang berdekatan (sebelumnya dan berikutnya) oleh sistem koneksi yang kompleks (maaf untuk tautologinya). Dalam kasus yang paling sederhana, sinyal dari setiap neuron pada lapisan sebelumnya memasuki setiap neuronnya, diproses, dan kemudian pergi darinya ke setiap neuron pada lapisan berikutnya.
Namun, itu tidak semua. Setiap tautan memiliki "bobot". Artinya, sinyal dari satu neuron, ketika menuju ke neuron berikutnya, sedikit mengubah nilainya (nilai sinyal ini dikalikan dengan "bobot" ini).
Jika nilai acak diberikan pada bobot koneksi, maka jaringan saraf semacam itu tidak akan melakukan sesuatu yang berarti. Artinya, mereka masih perlu dipilih dengan benar. Dengan kata lain, jaringan saraf harus dilatih.
Bagaimana pembelajaran terjadi lebih mudah ditunjukkan dengan sebuah contoh. Katakanlah kita melatih jaringan saraf untuk membedakan gambar kucing dari gambar anjing. Kemudian kami mengirim gambar ke lapisan input jaringan saraf, dan pada keluaran jaringan saraf mengembalikan sepasang bilangan real masing-masing dari 0 hingga 1. Yang pertama berarti seberapa yakin jaringan saraf itu bahwa itu adalah seekor anjing, dan yang kedua - bahwa itu adalah seekor kucing. Mengapa mereka melakukannya dengan cara ini adalah pertanyaan yang tidak dapat dijawab dengan sederhana. Artinya, jika angka pertama lebih besar, maka jaringan saraf memutuskan bahwa ia melihat seekor anjing, dan jika yang kedua, maka seekor kucing.
Jadi, waktu untuk melatih mesh. Kami memberikan jaringan saraf sebuah gambar. Dia menjawab kita dengan pasangan angka ini (a, b). Tapi kita tahu siapa yang ada di foto itu, bukan? Oleh karena itu, kami memperbaiki jaringan saraf. Yaitu, kami "memaksa" ke dalam lapisan keluaran sepasang (1, 0) jika seekor anjing atau (0, 1) jika seekor kucing, dan kemudian beberapa keajaiban terjadi (untuk memahaminya, Anda perlu memiliki pengetahuan matematika) , yang membuat jaringan saraf mendistribusikan ulang bobot tautan. Cara paling umum untuk melakukan sihir ini adalah yang disebut. "Backpropagation", tetapi ada yang lain.
Setelah banyak gambar berbeda, yang dengannya kita akan melakukan hal yang sama, bobot koneksi antar neuron akan berbaris sedemikian rupa sehingga akan membedakan kucing dari anjing dengan baik.
Seperti yang Anda lihat, sihir hanya berasal dari dua tempat. Untuk memahaminya, Anda perlu membaca teks yang lebih ketat. Saya sarankan mulai dengan ini:
Jaringan saraf tiruan digunakan di berbagai bidang ilmu pengetahuan: dari sistem pengenalan suara hingga pengenalan struktur sekunder protein,...
Kecerdasan buatan, jaringan saraf, pembelajaran mesin - apa arti sebenarnya dari semua konsep yang sekarang populer ini? Bagi kebanyakan orang yang belum tahu, yang saya sendiri, mereka selalu tampak sesuatu yang fantastis, tetapi sebenarnya esensi mereka terletak di permukaan. Saya sudah lama memiliki ide untuk menulis dalam bahasa sederhana tentang jaringan syaraf tiruan. Pelajari sendiri dan beri tahu orang lain apa itu teknologi ini, cara kerjanya, pertimbangkan sejarah dan prospeknya. Dalam artikel ini, saya mencoba untuk tidak masuk ke hutan, tetapi secara sederhana dan populer berbicara tentang area yang menjanjikan di dunia teknologi tinggi ini.
Sedikit sejarah
Untuk pertama kalinya, konsep jaringan saraf tiruan (JST) muncul ketika mencoba memodelkan proses otak. Terobosan besar pertama di bidang ini dapat dianggap sebagai penciptaan model jaringan saraf McCulloch-Pitts pada tahun 1943. Para ilmuwan pertama kali mengembangkan model neuron buatan. Mereka juga mengusulkan pembangunan jaringan elemen-elemen ini untuk melakukan operasi logis. Tetapi yang paling penting, para ilmuwan telah membuktikan bahwa jaringan seperti itu mampu belajar.
Langkah penting berikutnya adalah pengembangan oleh Donald Hebb dari algoritma perhitungan JST pertama pada tahun 1949, yang menjadi fundamental untuk beberapa dekade berikutnya. Pada tahun 1958, Frank Rosenblatt mengembangkan parceptron, sebuah sistem yang meniru proses otak. Pada suatu waktu, teknologi tidak memiliki analog dan masih mendasar dalam jaringan saraf. Pada tahun 1986, hampir secara bersamaan, secara independen satu sama lain, ilmuwan Amerika dan Soviet secara signifikan meningkatkan metode dasar pengajaran perceptron multilayer. Pada tahun 2007, jaringan saraf mengalami kelahiran kembali. Ilmuwan komputer Inggris Geoffrey Hinton memelopori algoritma pembelajaran mendalam untuk jaringan saraf multilayer, yang sekarang digunakan, misalnya, untuk mengoperasikan kendaraan tak berawak.
Secara singkat tentang utama
Dalam pengertian umum, jaringan saraf adalah model matematika yang bekerja berdasarkan prinsip jaringan sel saraf pada organisme hewan. JST dapat diimplementasikan dalam solusi yang dapat diprogram dan perangkat keras. Untuk memudahkan persepsi, neuron dapat direpresentasikan sebagai sejenis sel yang memiliki banyak saluran masuk dan satu saluran keluar. Berapa banyak sinyal masuk yang dibentuk menjadi sinyal keluar ditentukan oleh algoritma perhitungan. Nilai efektif diumpankan ke setiap input neuron, yang kemudian didistribusikan di sepanjang koneksi interneuronal (sinopsis). Sinapsis memiliki satu parameter - bobot, yang dengannya informasi input berubah ketika berpindah dari satu neuron ke neuron lainnya. Cara termudah untuk memahami cara kerja jaringan saraf adalah dengan menggunakan pencampuran warna sebagai contoh. Neuron biru, hijau dan merah memiliki bobot yang berbeda. Informasi dari neuron tersebut, yang bobotnya akan dominan pada neuron berikutnya.
Jaringan saraf itu sendiri adalah sistem dari banyak neuron (prosesor) semacam itu. Secara terpisah, prosesor ini cukup sederhana (jauh lebih sederhana daripada prosesor komputer pribadi), tetapi ketika terhubung ke sistem yang besar, neuron mampu melakukan tugas yang sangat kompleks.
Tergantung pada area aplikasi, jaringan saraf dapat diinterpretasikan dengan cara yang berbeda.Misalnya, dari sudut pandang pembelajaran mesin, ANN adalah metode pengenalan pola. Dari sudut pandang matematika, ini adalah masalah multi-parameter. Dari sudut pandang sibernetika - model kontrol adaptif robotika. Untuk kecerdasan buatan, JST adalah komponen mendasar untuk memodelkan kecerdasan alami menggunakan algoritma komputasi.
Keuntungan utama jaringan saraf dibandingkan algoritma komputasi konvensional adalah kemampuannya untuk dilatih. Dalam arti umum kata, belajar terdiri dalam menemukan koefisien koneksi yang benar antara neuron, serta dalam menggeneralisasi data dan mengidentifikasi hubungan yang kompleks antara sinyal input dan output. Faktanya, pelatihan jaringan saraf yang berhasil berarti bahwa sistem akan dapat mengidentifikasi hasil yang benar berdasarkan data yang tidak ada dalam set pelatihan.
Posisi hari ini
Dan betapapun menjanjikannya teknologi ini, sejauh ini JST masih sangat jauh dari kemampuan otak dan pemikiran manusia. Namun demikian, jaringan saraf sudah digunakan di banyak bidang aktivitas manusia. Sejauh ini, mereka tidak mampu membuat keputusan yang sangat cerdas, tetapi mereka mampu menggantikan seseorang yang sebelumnya dibutuhkan. Di antara berbagai bidang penerapan JST adalah: pembuatan sistem pembelajaran mandiri dari proses produksi, kendaraan tak berawak, sistem pengenalan gambar, sistem keamanan cerdas, robotika, sistem pemantauan kualitas, antarmuka interaksi suara, sistem analitik, dan banyak lagi. Sebaran jaringan saraf yang begitu luas antara lain disebabkan oleh munculnya berbagai cara untuk mempercepat pembelajaran JST.
Hingga saat ini, pasar untuk jaringan saraf sangat besar - miliaran dan miliaran dolar. Seperti yang ditunjukkan oleh praktik, sebagian besar teknologi jaringan saraf di seluruh dunia sedikit berbeda satu sama lain. Namun, penggunaan jaringan saraf adalah latihan yang sangat mahal, yang dalam banyak kasus hanya mampu dilakukan oleh perusahaan besar. Untuk pengembangan, pelatihan, dan pengujian jaringan saraf, diperlukan daya komputasi yang besar, jelas bahwa pemain besar di pasar TI memiliki cukup banyak hal ini. Di antara perusahaan utama yang memimpin perkembangan di bidang ini adalah divisi Google DeepMind, divisi Riset Microsoft, IBM, Facebook, dan Baidu.
Tentu saja, semua ini bagus: jaringan saraf berkembang, pasar tumbuh, tetapi sejauh ini tugas utama belum terpecahkan. Manusia belum berhasil menciptakan teknologi yang bahkan mendekati kemampuan otak manusia. Mari kita lihat perbedaan utama antara otak manusia dan jaringan saraf tiruan.
Mengapa jaringan saraf masih jauh dari otak manusia?
Perbedaan terpenting yang secara radikal mengubah prinsip dan efisiensi sistem adalah transmisi sinyal yang berbeda dalam jaringan saraf tiruan dan dalam jaringan biologis neuron. Faktanya adalah bahwa dalam JST, neuron mengirimkan nilai-nilai yang merupakan nilai nyata, yaitu angka. Di otak manusia, impuls ditransmisikan dengan amplitudo tetap, dan impuls ini hampir seketika. Dari sini berikut sejumlah keuntungan dari jaringan neuron manusia.
Pertama, jalur komunikasi di otak jauh lebih efisien dan ekonomis daripada di JST. Kedua, sirkuit pulsa memastikan kesederhanaan implementasi teknologi: cukup menggunakan sirkuit analog daripada mekanisme komputasi yang kompleks. Pada akhirnya, jaringan impuls dilindungi dari gangguan suara. Bilangan real dipengaruhi oleh noise, yang meningkatkan kemungkinan kesalahan.
Hasil
Tentu saja, dalam dekade terakhir telah terjadi ledakan nyata dalam pengembangan jaringan saraf. Hal ini terutama disebabkan oleh kenyataan bahwa proses pembelajaran JST menjadi jauh lebih cepat dan mudah. Juga, apa yang disebut jaringan saraf "pra-terlatih" mulai dikembangkan secara aktif, yang secara signifikan dapat mempercepat proses penerapan teknologi. Dan jika terlalu dini untuk mengatakan apakah jaringan saraf akan dapat sepenuhnya mereproduksi kemampuan otak manusia, kemungkinan bahwa dalam dekade berikutnya JST akan mampu menggantikan seseorang dalam seperempat dari profesi yang ada menjadi semakin besar. lebih seperti kebenaran.
Bagi yang ingin tahu lebih banyak
- Perang Saraf Besar: Apa yang Sebenarnya Dilakukan Google
- Bagaimana komputer kognitif dapat mengubah masa depan kita
Neuron biologis terdiri dari tubuh dengan diameter 3 hingga 100 mikron, mengandung nukleus dan proses. Ada dua jenis tunas. akson biasanya proses yang panjang disesuaikan untuk melakukan eksitasi dari tubuh neuron. Dendrit- sebagai aturan, proses pendek dan bercabang tinggi yang berfungsi sebagai tempat utama untuk pembentukan sinapsis rangsang dan penghambatan yang mempengaruhi neuron (neuron yang berbeda memiliki rasio panjang akson dan dendrit yang berbeda).
Sebuah neuron mungkin memiliki beberapa dendrit dan biasanya hanya satu akson. Satu neuron dapat memiliki koneksi dengan 20 ribu neuron lainnya. Korteks serebral manusia mengandung puluhan miliar neuron.
neuron biologis adalah elemen terpenting dari sel-sel sistem saraf dan bahan bangunan otak. Neuron ada dalam beberapa bentuk, tergantung pada tujuan dan lokasinya, tetapi secara umum mereka serupa dalam struktur.
Beras. 12.4 Diagram neuron
Setiap neuron adalah perangkat pemrosesan informasi yang menerima sinyal dari neuron lain melalui struktur input khusus yang terdiri dari dendrit. Jika sinyal input total melebihi tingkat ambang batas, maka sel mentransmisikan sinyal lebih jauh ke akson, dan kemudian ke struktur output sinyal, dari mana sinyal tersebut ditransmisikan ke neuron lain. Sinyal ditransmisikan menggunakan gelombang listrik. (Selama hidup seseorang, jumlah neuron tidak bertambah, tetapi jumlah koneksi di antara mereka tumbuh sebagai hasil dari pembelajaran).
organ indera manusia terdiri dari sejumlah besar neuron yang saling berhubungan dengan banyak koneksi. Organ indera meliputi reseptor dan jalur. Sinyal elektrokimia terbentuk di reseptor, merambat dengan kecepatan 5 hingga 125 meter per detik. Reseptor mengkodekan berbagai jenis sinyal menjadi satu kode frekuensi-pulsa universal.
Jumlah impuls saraf per satuan waktu sebanding dengan intensitas benturan. Organ-organ indera memiliki batas sensitivitas bawah dan atas. Reaksi (E) indera manusia terhadap intensitas (P) iritasi kira-kira dapat diwakili oleh hukum Weber-Fechner:
Jelas, jika kita memperhitungkan pengaruh kebisingan, maka kita dapat sampai pada rumus Shannon, yang memungkinkan kita untuk mengevaluasi kapasitas informasi dari organ indera semacam itu. Melalui pendidikan dan pelatihan, resolusi organ indera dapat ditingkatkan. di samping itu seseorang dapat membedakan kombinasi frekuensi dan amplitudo, sampai tingkat yang tidak dapat diakses oleh perangkat teknis modern. Tetapi organ-organ indera berfungsi dalam rentang frekuensi dan amplitudo yang terbatas.
Setelah transisi ke keadaan tereksitasi, pulsa eksitasi dihasilkan dalam proses keluaran (akson), yang merambat sepanjang itu dengan kecepatan 1 hingga 100 m/s; proses propagasi didasarkan pada perubahan konduktivitas lokal membran akson terhadap ion natrium dan kalium. Tidak ada koneksi listrik langsung antara neuron. Transfer sinyal dari akson ke proses input (dendrit) neuron lain dilakukan secara kimiawi di area khusus - sinapsis, di mana ujung dua sel saraf saling berdekatan. Beberapa sinapsis bersifat khusus, menghasilkan sinyal polaritas terbalik untuk meredam sinyal rangsang.
Saat ini, aspek global aktivitas otak juga sedang dipelajari secara intensif - spesialisasi areanya yang luas, hubungan fungsional di antara mereka, dll. Pada saat yang sama, sedikit yang diketahui tentang bagaimana informasi diproses pada tingkat menengah, di bagian jaringan saraf yang hanya berisi puluhan ribu sel saraf.
Terkadang otak disamakan dengan mesin komputasi kolosal, yang berbeda dari komputer biasa hanya dalam jumlah elemen penyusun yang jauh lebih besar. Diyakini bahwa setiap impuls eksitasi membawa unit informasi, dan neuron memainkan peran sakelar logis dengan analogi dengan komputer. Sudut pandang ini salah. Kerja otak didasarkan pada prinsip-prinsip yang sama sekali berbeda. Itu tidak memiliki struktur koneksi yang kaku antara neuron, yang akan mirip dengan sirkuit listrik komputer. Keandalan elemen individualnya (neuron) jauh lebih rendah daripada elemen yang digunakan untuk membuat komputer modern. Penghancuran bahkan area seperti itu, yang mengandung jumlah neuron yang cukup besar, seringkali hampir tidak berpengaruh pada efisiensi pemrosesan informasi di area otak ini. Beberapa neuron mati seiring bertambahnya usia tubuh. Tidak ada komputer yang dibangun di atas prinsip-prinsip tradisional yang dapat bekerja dengan kerusakan yang begitu parah.
Komputer modern melakukan operasi secara berurutan, satu operasi per siklus. Nomor tersebut diambil dari Penyimpanan, ditempatkan di CPU, di mana beberapa tindakan dilakukan di atasnya sesuai dengan yang ditentukan program instruksi, dan hasilnya disimpan kembali dalam memori. Secara umum, saat melakukan satu operasi, sinyal listrik harus menempuh jarak tertentu di sepanjang kabel penghubung, yang dapat membatasi kecepatan komputer.
Misalnya, jika sinyal menempuh jarak 30 cm, maka kecepatan pengulangan sinyal tidak boleh melebihi 1 GHz. Jika operasi dilakukan secara berurutan, maka batas kecepatan komputer semacam itu tidak akan melebihi satu miliar operasi per detik. Pada kenyataannya, kinerja juga dibatasi oleh kecepatan respons elemen individu komputer. Oleh karena itu, kecepatan komputer modern sudah cukup dekat dengan batas teoretisnya. Tetapi kecepatan ini sama sekali tidak cukup untuk mengatur manajemen sistem yang kompleks, solusi masalah "kecerdasan buatan", dll.
Jika kita memperluas penalaran di atas ke otak manusia, hasilnya akan menjadi tidak masuk akal. Lagi pula, kecepatan perambatan sinyal di sepanjang serabut saraf adalah puluhan dan ratusan juta kali lebih kecil daripada di komputer. Jika otak bekerja menggunakan prinsip komputer modern, maka batas teoritis kecepatannya hanya ribuan operasi per detik. Tapi ini jelas tidak cukup untuk menjelaskan efisiensi otak yang jauh lebih tinggi.
Jelas, aktivitas otak dikaitkan dengan pemrosesan informasi secara paralel. Sampai saat ini, organisasi komputasi paralel sudah digunakan di komputer, misalnya, dengan prosesor matriks, yang merupakan jaringan prosesor yang lebih sederhana dengan memorinya sendiri. Teknik komputasi paralel terletak pada kenyataan bahwa prosesor dasar "tahu" hanya tentang keadaan elemen kecil lingkungan. Berdasarkan informasi ini, setiap prosesor menghitung status elemennya pada titik waktu berikutnya. Dalam hal ini, tidak ada batasan kecepatan yang terkait dengan kecepatan perambatan sinyal. Pengoperasian prosesor matriks tahan terhadap kerusakan lokal.
Langkah selanjutnya dalam pengembangan ide komputasi paralel adalah penciptaan jaringan komputer. "Komunitas" komputer semacam ini menyerupai organisme multiseluler yang "menjalani kehidupannya sendiri." Pada saat yang sama, fungsi jaringan komputer sebagai komunitas komputer tidak tergantung pada bagaimana setiap komputer diatur, proses apa di dalamnya yang memastikan pemrosesan informasi. Orang dapat membayangkan sebuah jaringan yang terdiri dari sejumlah besar komputer primitif yang hanya mampu melakukan beberapa operasi dan menyimpan dalam memori mereka nilai-nilai sesaat dari beberapa kuantitas.
Dari sudut pandang matematika, jaringan seperti itu, yang terdiri dari elemen dengan repertoar reaksi sederhana, biasanya dianggap sebagai otomata seluler. Otak lebih dekat dalam prinsip operasi dan struktur ke prosesor matriks daripada ke komputer tradisional dengan eksekusi operasi berurutan. Namun, ada perbedaan mendasar antara otak manusia dan komputer paralel mana pun. Faktanya adalah bahwa jaringan saraf otak sama sekali tidak terlibat dalam perhitungan apa pun. Berpikir abstrak (menangani angka dan simbol matematika) adalah sekunder dari mekanisme dasar otak. Sulit membayangkan bahwa ketika, misalnya, seekor kucing menyalip seekor burung dalam sebuah lompatan, otaknya memecahkan dalam hitungan sepersekian detik sebuah sistem persamaan diferensial non-linier yang menggambarkan lintasan lompatan dan tindakan lainnya.
Pernyataan berikut oleh A. Einstein dapat dikutip tentang topik ini: “Kata-kata dan bahasa, tampaknya, tidak memainkan peran apa pun dalam mekanisme berpikir saya. Entitas fisik, yang pada kenyataannya, tampaknya, adalah elemen pemikiran, adalah tanda-tanda tertentu dan gambar yang kurang lebih jelas yang dapat direproduksi dan digabungkan secara sewenang-wenang ... Kata-kata biasa harus dipilih hanya pada tahap kedua ... ".
Otak bekerja seperti mesin "analog" kolosal, di mana dunia sekitarnya tercermin dalam pola spatio-temporal aktivitas neuron. Mekanisme otak seperti itu dapat muncul secara alami dalam perjalanan evolusi biologis.
Untuk hewan paling sederhana, fungsi utama sistem saraf adalah mengubah sensasi yang disebabkan oleh dunia luar menjadi aktivitas motorik tertentu. Pada tahap awal evolusi, hubungan antara sensasi gambar dan gerakan gambar bersifat langsung, tidak ambigu, dan secara turun temurun ditetapkan dalam struktur awal hubungan antar neuron. Pada tahap selanjutnya, koneksi ini menjadi lebih rumit, kemampuan untuk belajar muncul. Citra-perasaan tidak lagi terikat secara kaku dengan rencana tindakan. Pertama, pemrosesan antara dan perbandingan dengan gambar yang disimpan dalam memori dilakukan. Pemrosesan gambar menengah menjadi lebih kompleks saat Anda menaiki tangga evolusi. Pada akhirnya, setelah perkembangan yang panjang, terbentuklah suatu proses yang kita sebut berpikir.
Prinsip "automaton seluler" dapat digunakan untuk pengenalan pola. Sistem memiliki memori asosiatif jika, ketika gambar tertentu diumpankan ke inputnya, ia secara otomatis memilih dan mengeluarkan gambar yang paling dekat dengannya yang disimpan dalam memori.
Jaringan saraf adalah salah satu bidang penelitian di bidang kecerdasan buatan, berdasarkan upaya untuk mereproduksi sistem saraf manusia. Yaitu: kemampuan sistem saraf untuk belajar dan memperbaiki kesalahan, yang seharusnya memungkinkan kita untuk memodelkan, meskipun agak kasar, pekerjaan otak manusia.
atau sistem saraf manusia adalah jaringan kompleks struktur manusia yang memastikan perilaku yang saling berhubungan dari semua sistem tubuh.Neuron biologis adalah sel khusus yang secara struktural terdiri dari nukleus, badan sel, dan proses. Salah satu tugas utama neuron adalah mengirimkan impuls elektrokimia ke seluruh jaringan saraf melalui koneksi yang tersedia dengan neuron lain. Selain itu, setiap koneksi dicirikan oleh nilai tertentu, yang disebut kekuatan koneksi sinaptik. Nilai ini menentukan apa yang terjadi pada impuls elektrokimia ketika ditransmisikan ke neuron lain: apakah itu akan meningkat, atau akan melemah, atau tetap tidak berubah.
Jaringan saraf biologis memiliki tingkat konektivitas yang tinggi: satu neuron dapat memiliki beberapa ribu koneksi dengan neuron lain. Tapi, ini adalah nilai perkiraan dan dalam setiap kasus itu berbeda. Transmisi impuls dari satu neuron ke neuron lain menghasilkan eksitasi tertentu dari seluruh jaringan saraf. Besarnya eksitasi ini menentukan respons jaringan saraf terhadap beberapa sinyal input. Misalnya, pertemuan seseorang dengan seorang kenalan lama dapat menyebabkan eksitasi yang kuat dari jaringan saraf jika beberapa kenangan hidup yang jelas dan menyenangkan dikaitkan dengan kenalan ini. Pada gilirannya, eksitasi yang kuat dari jaringan saraf dapat menyebabkan peningkatan denyut jantung, lebih sering mengedipkan mata, dan reaksi lainnya. Bertemu dengan orang asing untuk jaringan saraf hampir tidak terlihat, dan karenanya tidak akan menimbulkan reaksi keras.
Model jaringan saraf biologis yang sangat disederhanakan berikut ini dapat diberikan:
Setiap neuron terdiri dari badan sel, yang berisi nukleus. Banyak serat pendek yang disebut dendrit bercabang dari badan sel. Dendrit panjang disebut akson. Akson-akson diregangkan dalam jarak yang sangat jauh, jauh melampaui skala yang ditunjukkan pada gambar ini. Biasanya, akson memiliki panjang 1 cm (yaitu 100 kali diameter badan sel), tetapi bisa sepanjang 1 meter.
Pada 60-80-an abad XX, arah prioritas penelitian di bidang kecerdasan buatan adalah. Sistem pakar telah membuktikan diri dengan baik, tetapi hanya di bidang yang sangat khusus. Untuk menciptakan sistem cerdas yang lebih fleksibel, diperlukan pendekatan yang berbeda. Mungkin ini telah mengarahkan para peneliti kecerdasan buatan untuk mengalihkan perhatian mereka ke jaringan saraf biologis yang mendasari otak manusia.
Jaringan saraf dalam kecerdasan buatan adalah model jaringan saraf biologis yang disederhanakan.
Di sinilah kesamaan berakhir. Struktur otak manusia jauh lebih kompleks daripada yang dijelaskan di atas, dan karena itu tidak mungkin untuk mereproduksinya setidaknya lebih atau kurang akurat.
Jaringan saraf memiliki banyak sifat penting, tetapi yang utama adalah kemampuan untuk belajar. Pelatihan jaringan saraf terutama terdiri dalam mengubah "kekuatan" koneksi sinaptik antar neuron. Contoh berikut dengan jelas menunjukkan hal ini. Dalam eksperimen klasik Pavlov, setiap kali bel berbunyi tepat sebelum memberi makan anjing. Anjing itu dengan cepat belajar mengasosiasikan bunyi bel dengan makan. Ini disebabkan oleh fakta bahwa koneksi sinaptik antara bagian otak yang bertanggung jawab untuk pendengaran dan kelenjar ludah meningkat. Dan selanjutnya, eksitasi jaringan saraf oleh suara bel mulai menyebabkan air liur yang lebih kuat pada anjing.
Saat ini, jaringan saraf adalah salah satu bidang prioritas penelitian di bidang kecerdasan buatan.