7 февраля, 2023

zhukvesti

Находите все последние статьи и смотрите телешоу, репортажи и подкасты, связанные с Россией.

Запоминание информации может означать ее хранение между синапсами.

резюме: Полученные данные подтверждают недавнюю мысль о том, что нейронные сети хранят информацию, внося кратковременные изменения в синапсы. Исследование проливает новый свет на кратковременную синаптическую пластичность в недавней памяти.

Источник: Институт обучения и памяти Пиккера

Между моментом, когда вы читаете пароль Wi-Fi с доски меню кафе, и временем, когда вы можете вернуться к своему ноутбуку, чтобы ввести его, вы должны помнить об этом. Если вы когда-нибудь задавались вопросом, как ваш мозг делает это, вы задаете вопрос о рабочей памяти, который исследователи пытались объяснить на протяжении десятилетий. Теперь нейробиологи Массачусетского технологического института опубликовали новый программный доклад, объясняющий, как это работает.

В исследовании в PLOS вычислительная биология, Ученые из Института обучения и памяти Пикауэра сравнили измерения активности клеток головного мозга у животного, выполняющего задание на рабочую память, с результатами различных компьютерных моделей, представляющих две теории основного механизма удержания информации в уме.

Результаты убедительно подтвердили более новую идею о том, что сеть нейронов хранит информацию, внося кратковременные изменения в структуру своих соединений или синапсов, и контрастировали с традиционной альтернативой сохранения памяти нейронами, которые остаются постоянно активными (например, бездействующими). мотор.) .

В то время как обе модели позволяли удерживать информацию в поле зрения, версии, которые позволяли синапсам временно изменять связи («кратковременная синаптическая пластичность»), создавали паттерны нейронной активности, которые имитировали то, что на самом деле наблюдалось в реальном работающем мозге.

Идея о том, что клетки мозга поддерживают память, всегда «включены», может быть проще, признал старший автор Эрл К. Миллер, но это не то, что делает природа, и она не может обеспечить сложную пластичность мысли, которая может возникнуть из-за прерывистости. Нейронная активность поддерживается кратковременной синаптической пластичностью.

«Вам нужны такие механизмы, чтобы дать рабочей памяти свободу, необходимую для гибкости», — сказал Миллер, профессор нейробиологии Массачусетского технологического института. «Если бы рабочая память была просто постоянной деятельностью сама по себе, она была бы такой же простой, как выключатель света. Но рабочая память так же сложна и динамична, как и наши мысли».

Сопоставление компьютерных моделей с реальными данными имеет решающее значение, сказал соавтор Лео Козаков, получивший докторскую степень в Массачусетском технологическом институте в ноябре за работу по теоретическому моделированию, включая это исследование.

READ  Посмотрите бесплатную веб-трансляцию запуска ракеты Artemis 1 SLS на суперлуние НАСА.

Большинство людей думают, что рабочая память «происходит» в нейронах — постоянной нейронной активности, которая приводит к текущим мыслям. Однако в последнее время эта точка зрения подверглась тщательной проверке, потому что она не совсем согласуется с данными», — сказал Козаков, работавший под руководством соведущего автора Жан-Жака Слотина, профессора BCS и машиностроения.

«Используя искусственные нейронные сети с кратковременной синаптической пластичностью, мы показываем, что синаптическая активность (а не активность нейронов) может быть субстратом для рабочей памяти. Важным выводом из нашей статьи является следующее: эти «пластичные» модели нейронных сетей в большей степени связаны с мозгом. — как в количественном отношении, а также они имеют дополнительные функциональные преимущества с точки зрения долговечности».

Соответствие форм природе

Вместе с соавтором Джоном Таубером, аспирантом Массачусетского технологического института, цель Козакова заключалась не только в том, чтобы определить, как информация рабочей памяти вступает в игру, но и в том, чтобы пролить свет на то, как на самом деле это делает природа. Это означает, что нужно начинать с «наземных» измерений электрической активности сотен нейронов в префронтальной коре головного мозга животного, когда оно играло в игру с рабочей памятью. В каждом из множества раундов животному показывали изображение, которое затем исчезало.

Через секунду он увидит две картинки, включая исходную, и ему пришлось посмотреть на исходную картинку, чтобы получить небольшую награду. Ключевым моментом является та перекрывающаяся секунда, называемая «периодом задержки», в течение которой изображение должно быть рассмотрено перед тестированием.

Команда последовательно наблюдала то, что лаборатория Миллера наблюдала много раз раньше: нейроны сильно активизируются при просмотре исходного изображения, только спорадически во время задержки, а затем снова активизируются, когда изображения должны быть вызваны во время теста (эта динамика регулируется взаимодействие между бета- и гамма-ритмами мозга). Другими словами, всплеск является сильным, когда информация должна быть изначально сохранена и когда ее необходимо извлечь, и только спорадическим, когда ее необходимо сохранить. Всплеск не продолжается во время задержки.

Кроме того, команда обучила программные «декодеры» считывать информацию о рабочей памяти из измерений пиковой активности. Это было очень точно, когда максимум был высоким, но не когда он был низким, как в период задержки. Это указывает на то, что всплеск скорости не представляет информацию во время задержки. Но это подняло важный вопрос: если вы не держите информацию в голове, что вы делаете?

READ  НАСА изучает, как "сходить с орбиты" и избавиться от Международной космической станции.

Исследователи, в том числе Марк Стоукс из Оксфордского университета, предположили, что изменения относительной силы или «веса» синапсов могут вместо этого хранить информацию. Команда Массачусетского технологического института проверила эту идею путем компьютерного моделирования нейронных сетей, воплощающих две версии каждой основной теории. Как и в случае с реальным животным, сети машинного обучения были обучены выполнять ту же задачу с рабочей памятью и выводить нейронную активность, которую также мог интерпретировать декодер.

В то время как обе модели позволяли удерживать информацию в поле зрения, версии, которые позволяли синапсам временно изменять связи («кратковременная синаптическая пластичность»), создавали паттерны нейронной активности, которые имитировали то, что на самом деле наблюдалось в реальном работающем мозге. Изображение находится в общественном достоянии

В результате вычислительные сети, которые позволяли кратковременной синаптической пластичности кодировать информацию, росли, когда реальный мозг рос, и не росли, когда этого не происходило. Сети, использующие повышение как способ сохранения памяти, постоянно всплескивают, в том числе и тогда, когда нормальный мозг этого бы не сделал. Результаты декодера показали, что точность снижалась в течение периода задержки в моделях синаптической пластичности, но оставалась аномально высокой в ​​моделях с непрерывными пиками.

На другом уровне анализа команда создала декодер для считывания информации из синаптических весов. Они обнаружили, что во время задержки синапсы представляли информацию о рабочей памяти, которой не было в спайках.

По словам Козакова, из двух версий моделей с краткосрочной синаптической устойчивостью более реалистичный тип называется «PS-Hebb» и имеет петлю отрицательной обратной связи, которая поддерживает стабильность и надежность нейронной сети.

Как работает рабочая память

Помимо лучшего соответствия природе, модели синаптической пластичности также дают другие преимущества, потенциально важные для реального мозга. Во-первых, модели пластичности сохраняли информацию о своих синаптических весах даже после того, как до половины искусственных нейронов были «вырезаны».

Парадигмы устойчивой активности рухнули после того, как было потеряно всего 10-20 процентов их синапсов. Иногда просто внезапный всплеск требует меньше энергии, чем продолжительные удары, добавил Миллер.

Более того, по словам Миллера, быстрые всплески внезапных всплесков, а не непрерывные всплески, оставляют место во времени для хранения более чем одного элемента в памяти. Исследования показали, что люди могут удерживать в рабочей памяти до четырех разных вещей.

READ  Гигантская ракета Falcon компании SpaceX запущена впервые за три года

Смотрите также

Он показывает набор аватаров

Лаборатория Миллера планирует новые эксперименты, чтобы определить, адекватно ли модели с прерывистым прерывистым хранением и информацией, основанной на синаптическом весе, соответствуют реальным нейронным данным, когда животным приходится помнить о нескольких вещах, а не только об одном изображении.

Помимо Миллера, Козачкова, Таубера и Слотина, другими авторами статьи являются Микаэль Лундквист и Скотт Бринкат.

Финансирование: Управление военно-морских исследований и фонд JPB, ERC и VR Foundation финансировали исследование.

Об этом исследовании новостей о синаптической пластичности

автор: Дэвид Оренштейн
Источник: Институт обучения и памяти Пиккера
коммуникация: Дэвид Оренштейн — Институт обучения и памяти Пикера
рисунок: Изображение находится в общественном достоянии

Исходный поиск: открытый доступ.
«Сильная, мозгоподобная рабочая память благодаря кратковременной синаптической пластичности.Эрл К. Миллер и др. PLOS Вычислительная биология


Резюме

Сильная, мозгоподобная рабочая память благодаря кратковременной синаптической пластичности.

Долгое время считалось, что рабочая память возникает из-за постоянной динамики подъема/гравитации. Однако недавняя работа показала, что синаптическая пластичность ближнего действия (STSP) может помочь поддерживать гравитационные состояния с временными задержками с небольшим подъемом или без него.

Чтобы определить, дает ли STSP дополнительные функциональные преимущества, мы обучили рекуррентные искусственные нейронные сети (RNN) с STSP и без него для выполнения задачи рабочей памяти объекта. Мы обнаружили, что RNN с STSP и без него способны сохранять воспоминания, несмотря на отвлекающие факторы, вводимые в середине задержки памяти.

Однако RNN с STSP продемонстрировали активность, аналогичную той, что наблюдается в коре головного мозга приматов (NHP), выполняющих ту же задачу. Напротив, RNN без STSP демонстрировали меньшую мозговую активность. Более того, RNN с STSP были более устойчивы к деградации сети, чем RNN без STSP.

Эти результаты показывают, что STSP может не только помочь сохранить рабочую память, но и сделать нейронные сети более надежными и похожими на мозг.