होमोस्टैटिक न्यूरॉन्स पर आधारित तंत्रिका नेटवर्क: स्व-संगठन और लक्षित व्यवहार

परिचय

इस विषय में, मैं एक असामान्य तंत्रिका नेटवर्क के एक मॉडल के बारे में बात करना चाहता हूं, जिसके विकास में मैं भाग लेने के लिए भाग्यशाली था। इस मॉडल को लगभग एक साल पहले विकसित किया गया था (लेखक पिछले खंड में लिखा गया है), हालांकि, इसके बाद इसका अनुसंधान समय की पूरी कमी (अपने स्वयं के प्रोजेक्ट्स में रोजगार) के कारण बंद हो गया। फिर भी, मैं यहां इस उम्मीद में इसका वर्णन करूंगा कि कुछ विचार पाठकों को दिलचस्प लगेंगे और इस दिशा में आगे के शोध को अंकुरित करेंगे।



मुझे तुरंत यह कहना होगा कि यह मॉडल किसी भी तरह से AI के प्रोटोटाइप का ढोंग नहीं करता है। इसके बजाय, हम "स्वार्थी" (होमियोस्टैटिक) न्यूरॉन्स की एक गतिशील प्रणाली में समग्र, उद्देश्यपूर्ण व्यवहार के उद्भव के लिए स्व-संगठन की संभावनाओं और संभावनाओं का पता लगाना चाहते थे।

यह मुझे लगता है कि मॉडल के तर्क के बारे में अधिक पूरी समझ के लिए, कार्यात्मक प्रणालियों के सिद्धांत के बारे में मेरे विषय को पढ़ना उपयोगी होगा, हालांकि, फिर से यह आपके विवेक पर है।



चलो चलते हैं!

जैविक आधार

यह मॉडल कार्यात्मक प्रणालियों के सिद्धांत के आधार पर बनाया गया था पी.के. अनोखिन और होमियोस्टेसिस का सिद्धांत।



होमोस्टेसिस - स्व-नियमन, एक गतिशील प्रणाली की गति को बनाए रखने के उद्देश्य से समन्वित प्रतिक्रियाओं के माध्यम से अपनी आंतरिक स्थिति की स्थिरता बनाए रखने के लिए। वाल्टर कैनन, जिन्होंने मूल रूप से शब्द गढ़ा था, ने होमोस्टैसिस को "शरीर का ज्ञान" कहा था।



सबसे सरल जैविक प्रेरणाएं तब उत्पन्न होती हैं जब होमोस्टेटिक संतुलन इसी शारीरिक क्षेत्र के न्यूरॉन्स (ऊर्जा, ऑक्सीजन, या आसमाटिक असंतुलन का उल्लंघन) में परेशान होता है। हालांकि, जैविक प्रेरणा [2] का आकलन करने के लिए कुछ सार्वभौमिक इकाई है। इस इकाई का अस्तित्व इस तथ्य के कारण है कि किसी भी प्रेरणा की संतुष्टि खुशी का कारण बनती है और तदनुसार, होमोस्टैटिक प्रणाली में असंतुलन को दूर करती है, जो इस प्रेरणा को उत्पन्न करती है। इसलिए, मॉडलिंग होमोस्टैसिस एक कृत्रिम प्रणाली बनाने का एक सीधा रास्ता है जिसमें प्रेरणा का कुछ अंश है, अर्थात। अपने स्वयं के लक्ष्य और इसे प्राप्त करने के तरीकों के साथ एक प्रणाली। होमोस्टेसिस प्रणाली में बेमेल होने के लिए कई कारक हैं, और सेल अस्तित्व के लिए उनके महत्व के संदर्भ में ऐसे कारकों का एक पदानुक्रम है। एक स्थिर श्रेणी में उच्च-स्तरीय कारकों को बनाए रखने के लिए, होमोस्टैसिस निम्न-स्तरीय कारकों के विनियमन के इष्टतम स्तरों को संशोधित करता है। यानी फंक्शन रिकवरी विकृत मापदंडों की वापसी के माध्यम से सामान्य नहीं हो सकती है, लेकिन इन मापदंडों के बीच के अनुपात में परिवर्तन के माध्यम से, एक गोल चक्कर में। विशेष रूप से, अत्यधिक उत्तेजना न्यूरॉन्स को नुकसान पहुंचाती है, लेकिन कुछ कारक हैं जो होमोस्टैसिस (जैसे सीएमपी, इंटरलेयुकिन -1, थायरोट्रोपिन-रिलीजिंग हार्मोन) को बहाल करते हैं। इसलिए, प्रतिपूरक होमियोस्टेसिस, एक मध्यवर्ती स्तर पर, एक नया संतुलन बिंदु खोजने के रास्ते में न्यूरॉन्स को उत्तेजित कर सकता है। अंजीर में। 1. एक न्यूरॉन में दो-स्तरीय होमोस्टेसिस की योजना को दिखाया गया है। सशर्त रूप से लाल एक न्यूरॉन को नुकसान दिखाता है, और हरा - बहाली। नुकसान एक बाहरी कारक है जो एक बेमेल का कारण बनता है।





अंजीर। 1. न्यूरॉन होमियोस्टैसिस

(एलओआर - निम्न-स्तर के होमोस्टेसिस, एचओआर - उच्च-स्तरीय होमोस्टेसिस, एलएस - स्थानीय बेमेल सेंसर, आर - बेमेल स्तर को कम करने वाले पुरस्कार)



होमोस्टैसिस के मॉडल का एक सेट साहित्य में जाना जाता है [3,4], लेकिन वे तंत्रिका नेटवर्क के स्व-संगठन और उद्देश्यपूर्ण व्यवहार के लिए उन्मुख नहीं हैं। तंत्रिका नेटवर्क और सुदृढीकरण सीखने के आधार पर लक्षित व्यवहार की मॉडलिंग भी एक समृद्ध इतिहास है और साहित्य में व्यापक रूप से रिपोर्ट की जाती है। हालांकि, इन मॉडलों के ढांचे के भीतर, एक पूरे के रूप में न्यूरॉन्स और नेटवर्क के होमियोस्टैसिस पर विचार नहीं किया गया था।



दरअसल, पूर्वगामी के आधार पर, मॉडल का एक पदानुक्रम तैयार किया गया था जो एक पूर्ण प्रणाली का गठन करेगा:

- होमोस्टैटिक न्यूरॉन का एक मॉडल जो ज्ञात मॉडल की प्रमुख विशेषताओं और प्रश्न में प्रतिमान के मूल सिद्धांतों को जोड़ता है;

- होमोस्टैटिक न्यूरॉन्स के आधार पर एक होमोस्टैटिक तंत्रिका नेटवर्क के मॉडल;

- एक साधारण जीव का एक मॉडल जो एक होमोस्टैटिक तंत्रिका नेटवर्क द्वारा नियंत्रित होता है और पर्यावरण के साथ इसकी बातचीत;

- बदलते बाहरी वातावरण में सरल जीवों के विकासवादी विकास की मॉडलिंग।

एक होमोस्टैटिक न्यूरॉन और तंत्रिका नेटवर्क का मॉडल

चूंकि मुख्य कार्य तंत्रिका नेटवर्क के स्व-संगठन के तंत्र और इसकी स्वायत्त व्यवहार की क्षमता के लिए संभावित आधार के रूप में होमोस्टैटिक न्यूरॉन के प्रतिमान का विश्लेषण करना है, इसलिए इस प्रमुख प्राथमिक मॉडल पर विशेष ध्यान दिया जाना चाहिए। एक होमोस्टैटिक न्यूरॉन के मॉडल का तात्पर्य है कि प्रत्येक न्यूरॉन अपनी इष्टतम आंतरिक स्थिति - होमियोस्टैसिस को बनाए रखने की कोशिश करता है, और जब वर्तमान स्थिति इष्टतम होती है, तो न्यूरॉन एक प्रतिक्रिया बनाता है जिसका उद्देश्य इष्टतम स्थिति में लौटने का होता है। जैसा कि पहले ही उल्लेख किया गया है, कई कारकों में बदलाव से न्यूरॉन का असंतुलन हो सकता है, हालांकि, मॉडल स्थिति में, हम न्यूरॉन q (t) की स्थिति के कुछ एकीकृत अंतर्जात मूल्यांकन का परिचय देते हैं, जिसमें एक पूर्व निर्धारित इष्टतम क्यू ^{विकल्प होता है} । हम आंतरिक ऊर्जा ई (टी) के मूल्य का एक संकेतक भी पेश करते हैं, जो एक्स (टी) संकेतों को उत्पन्न करने और अपनी स्वयं की गतिविधि के होमोस्टैसिस को बनाए रखने में न्यूरॉन की क्षमताओं को दर्शाता है।



होमोस्टैसिस के लिए एक न्यूरॉन की इच्छा को बेमेल q ^ऑप्ट -q (टी) को समाप्त करने के उद्देश्य से गतिविधि में व्यक्त किया गया है, जितना अधिक स्पष्ट, अधिक से अधिक बेमेल। एक न्यूरॉन की गतिविधि के लिए ऊर्जा लागत की आवश्यकता होती है, इसलिए यह उपलब्ध ऊर्जा ई (टी) की मात्रा के आधार पर विभिन्न रूप ले सकता है।



इस प्रकार, हमने "अहंकारी" न्यूरॉन के मॉडल के लिए कुछ आवश्यकताओं को तैयार किया, अर्थात इस तरह के एक न्यूरॉन का एक लक्ष्य है - अपने राज्य को इष्टतम के करीब बनाए रखना। हालांकि, प्रत्येक न्यूरॉन अलगाव में मौजूद नहीं हो सकता है, लेकिन एक पूर्ण तंत्रिका नेटवर्क में कार्य करना चाहिए। इस प्रकार, हम नेटवर्क के बाकी हिस्सों से एक विशिष्ट न्यूरॉन पर कार्रवाई की वेक्टर की अवधारणा को पेश कर सकते हैं:



यह प्रभाव अगली बार चरण के लिए न्यूरॉन के अंतर्जात मूल्यांकन को बदलता है:



यह फ़ंक्शन अलग दिख सकता है, लेकिन इसका सबसे सरल मामला है





यह पता चला है कि ऊपर हमने न्यूरॉन की सभी विशेषताओं को पेश किया, साथ ही साथ अन्य न्यूरॉन्स से न्यूरॉन पर प्रभाव का निर्धारण करने के लिए पद्धति। अब हम न्यूरॉन जी (टी) के बेमेल की अवधारणा को पेश करते हैं, जिसका अर्थ हम पहले ही छू चुके हैं, साथ ही न्यूरॉन की कार्रवाई की अवधारणा और आउटपुट सिग्नल। न्यूरॉन मिसमैच:



अब हम न्यूरॉन की क्रिया को परिभाषित करते हैं जिसे वह वर्तमान बेमेल के आधार पर चुनता है:





इस स्तर पर, अधिक विस्तार से ध्यान देना आवश्यक है, क्योंकि एक तरफ यह पूरे मॉडल में एक कुंजी है, और दूसरी तरफ, कार्रवाई की बहुत अवधारणा कई जैविक सिद्धांतों और हमारे विचारों को जमा करती है, जो ऊपर उल्लेखित थीं।



ध्यान देने वाली पहली बात यह है कि अन्य न्यूरॉन्स द्वारा एक न्यूरॉन पर कोई कार्रवाई अपने होमियोस्टेटिक संतुलन से विचलन की ओर जाता है। तदनुसार, हमारे "स्वार्थी" न्यूरॉन के सभी कार्यों को इस संतुलन पर लौटने के उद्देश्य से होना चाहिए। यह निम्न स्तर के होमियोस्टेसिस का सिद्धांत है । कई संभावित मामले हैं, जिन्हें वास्तव में कार्रवाई के कार्य को संकलित करते समय माना गया था।



एक न्यूरॉन की कार्रवाई मुख्य रूप से इसकी असंगतता की डिग्री पर निर्भर करती है। यदि न्यूरॉन होमोस्टैटिक संतुलन के बिंदु से बहुत दूर है, तो यह एक क्रिया को लागू करता है जो तुरंत इसे संतुलन - स्पाइक पीढ़ी में वापस कर देता है। यदि यह संतुलन के करीब है, तो होमोस्टैसिस का एक और तंत्र सक्रिय है - धीमी गति से वसूली। प्रत्येक क्रिया के लिए, न्यूरॉन ऊर्जा खर्च करता है: एक स्पाइक पर - बड़ा, और पुनर्प्राप्ति पर - बहुत बड़ा नहीं। न्यूरॉन ऊर्जा की पुनःपूर्ति के बारे में नीचे वर्णित किया जाएगा।



इसके अतिरिक्त, न्यूरॉन की ऊर्जा एक स्पाइक उत्पन्न करने के लिए पर्याप्त नहीं हो सकती है, तब भी जब यह आवश्यक हो, जिसका अर्थ है कि जब तक ऊर्जा को फिर से भरना नहीं होता तब तक रिकवरी का विकल्प।



इस प्रकार, एक न्यूरॉन की क्रिया इनपुट सिग्नल, राज्य के अंतर्जात मूल्यांकन और ऊर्जा आरक्षित का एक कार्य है। दरअसल, यह न्यूरॉन के औपचारिक मॉडल (निचले स्तर के होमियोस्टेसिस सहित) और पूरे नेटवर्क को समाप्त करता है। अंजीर में। 2 एक "स्वार्थी" न्यूरॉन का एक योजनाबद्ध प्रतिनिधित्व है।





अंजीर। 2. "स्वार्थी" न्यूरॉन

जीव मॉडल

तंत्रिका नेटवर्क पूरे जीव का हिस्सा है, हालांकि, इसकी पूर्ण परिभाषा के लिए कुछ और अतिरिक्त अवधारणाओं को पेश करना आवश्यक है। इनमें से पहला आम ऊर्जा पूल ई (टी) है , जिसमें से नेटवर्क में सभी न्यूरॉन्स की ऊर्जा को बहाल किया जाता है। यदि ई (टी) <ई ^मिनट (इष्टतम न्यूरॉन ऊर्जा आपूर्ति), तो



अब हमें शीर्ष-स्तरीय होमियोस्टैसिस की अवधारणा को परिभाषित करने की आवश्यकता है ।

हम संपूर्ण नेटवर्क की स्थिति के अंतर्जात मूल्यांकन की अवधारणा का परिचय देते हैं:



इस मामले में, हम मानते हैं कि कुछ इष्टतम स्थिति Q ^{ऑप्ट है} :



तब हम निर्धारित करते हैं कि उच्चतम स्तर की होमियोस्टैसिस दो अलग-अलग मामलों में प्रभावी होती है:

- स्थिरता स्थापित होने के बाद (इस घटना में कि नेटवर्क में एक चक्रीय प्रक्रिया देखी जाती है, लेकिन राज्य इष्टतम मूल्य तक नहीं पहुंचता है)

- जब "जरूरत" (नेटवर्क राज्य के अंतर्जात मूल्यांकन के एक बड़े बेमेल के मामले में) है



इस मामले में, पैरामीटर q _i , अनियमित रूप से बदलता है, जबकि प्रत्येक मान में परिवर्तन की परिमाण नेटवर्क की स्थिति के अंतर्जात मूल्यांकन और एक विशिष्ट न्यूरॉन के अंतर्जात मूल्यांकन के बेमेल दोनों के लिए आनुपातिक है। इस प्रकार, यदि सिस्टम एक इष्टतम स्थिति तक पहुंचने में असमर्थ है और यदि पूरे नेटवर्क के जीवन को खतरा है, तो उच्चतम स्तर के होमोस्टैसिस का तंत्र सक्रिय है। योजनाबद्ध रूप से, इस तरह के जीव मॉडल को अंजीर में दिखाया गया है। 3।





अंजीर। 3. एक जीव का मॉडल



यहां, संभवतः कुछ प्रायोगिक डेटा प्रदान करना आवश्यक है जिसके द्वारा इस तरह के मॉडल (शीर्ष-स्तरीय होमोस्टैसिस के बिना) के गुणात्मक गतिशीलता का न्याय करना संभव होगा। हमने W _ij ~ N (0,1) के वितरण और राज्य और ऊर्जा आरक्षित के अंतर्जात मूल्यांकन के विभिन्न इष्टतम मूल्यों के साथ यादृच्छिक रूप से वितरित वजन के साथ 10 न्यूरॉन्स के एक नेटवर्क को संकलित किया। इसके अलावा, प्रारंभ के समय, 9 न्यूरॉन्स संतुलन में थे, और एक न्यूरॉन्स बेमेल था। अंजीर में। चित्रा 4-5 ऐसी प्रणाली में राज्य के अंतर्जात मूल्यांकन और प्रत्येक न्यूरॉन की ऊर्जा की समय निर्भरता को दर्शाता है।





अंजीर। 4. न्यूरॉन्स की स्थिति के अंतर्जात मूल्यांकन की गतिशीलता का ग्राफ





अंजीर। 5. न्यूरॉन्स की ऊर्जा आरक्षित की गतिशीलता का ग्राफ



आंकड़े बताते हैं कि, परिणामस्वरूप, पूरी प्रणाली होमियोस्टैटिक संतुलन की स्थिति में आती है, हालांकि, हमारे प्रयोगों से पता चलता है कि ऐसे मापदंडों की एक सीमा है, जिस पर होमोस्टैटिक संतुलन की उपलब्धि असंभव है और सिस्टम में एक आत्म-दोलन प्रक्रिया शुरू होती है, जो उच्च-स्तरीय होमोस्टेसिस को सक्षम करने की आवश्यकता को इंगित करती है।

पर्यावरण के साथ सहभागिता

कल्पना कीजिए कि हम पर्यावरण में इस तरह के एक जीव को डालते हैं। मान लीजिए कि हमारे शरीर की केवल एक आवश्यकता है - कुल ऊर्जा के पर्याप्त स्तर को बनाए रखने की आवश्यकता, जो होमियोस्टैसिस और चयापचय प्रक्रियाओं पर खर्च होती है। इस मामले में, यह आवश्यक है कि शरीर ऊर्जा स्तर को फिर से भरने के लिए सही समय पर निर्णय ले सकता है। उदाहरण के लिए, एक बटन दबाना ताकि भोजन उसे परोसा जाए।



हमने शरीर के मैक्रो मापदंडों को शुरू करने के बारे में सोचा, जिनमें से परिवर्तन इसकी आवश्यकताओं को निर्धारित करता है (कई हो सकते हैं), और उन प्रभावों के एक सेट पर विचार करने के बारे में भी जो शरीर को पर्यावरण के साथ बातचीत के माध्यम से अपने मैक्रो मापदंडों के मूल्यों को बदलने की अनुमति देते हैं। समस्या के लिए प्रस्तावित दृष्टिकोण सीधे मैक्रोप्रोटेक्टर्स के मूल्यों के बारे में होमोस्टैटिक न्यूरॉन्स के बारे में जानकारी के हस्तांतरण पर आधारित है, जो कि संबंधित आवश्यकता की संतुष्टि के साथ न्यूरॉन के आंतरिक होमोस्टैसिस को जोड़ता है। इस प्रकार, दूसरे स्तर के होमोस्टैसिस पूरे सिस्टम के प्रदर्शन के लिए जिम्मेदार हैं, और पहले स्तर के - पर्यावरण के साथ बातचीत करते समय जीव के व्यवहार की प्रभावी रेखा के लिए।



मैं एक उदाहरण के साथ समझाऊंगा। ऐसा करने के लिए, मान लीजिए कि दो विशेष न्यूरॉन्स एक तंत्रिका नेटवर्क की संरचना में मौजूद हैं।



ऊर्जा पुनरावृत्ति की आवश्यकता के बारे में पहला न्यूरॉन विशिष्ट है, अर्थात, यदि कुल ऊर्जा का स्तर अपर्याप्त है, तो यह एक बेमेल में प्रवेश करता है। यही है, उसके पास एक अतिरिक्त इनपुट है, जो कुल ऊर्जा ( ईई _मिनट ) की कमी का स्तर प्राप्त करता है। दूसरा न्यूरॉन ऊर्जा पुनःपूर्ति कार्रवाई के निष्पादन के बारे में विशेषीकृत है, अर्थात, जब यह एक स्पाइक उत्पन्न करता है, तो कुल ऊर्जा बाहरी वातावरण से मंगाया जाता है। यह सिस्टम अंजीर में दिखाया गया है। 6।





अंजीर। 6. पर्यावरण के साथ शरीर की बातचीत

लाल न्यूरॉन ऊर्जा पुनःपूर्ति की आवश्यकता के संबंध में विशिष्ट है, नीला एक ऊर्जा पुनःपूर्ति कार्रवाई के प्रदर्शन के संबंध में विशेष है)



इस प्रकार, शरीर में बेमेल को उस समय पेश किया जाता है जब वह भोजन की आवश्यकता महसूस करता है। बदले में, न्यूरॉन्स इस बेमेल को खत्म करने की कोशिश करते हैं। जब तक एक कार्रवाई के निष्पादन के संबंध में विशेष न्यूरॉन पर स्पाइक होता है, तब तक ऊर्जा पुनःपूर्ति नहीं होगी, और सिस्टम में ऊर्जा की कमी का संकेत जारी रहेगा। इस प्रकार, कुछ बिंदु पर, स्पाइक दूसरे विशेष न्यूरॉन पर उत्पन्न होता है और कुल ऊर्जा आपूर्ति को फिर से भर दिया जाता है, जिसके कारण न्यूरॉन, जो ऊर्जा पुनःपूर्ति की आवश्यकता में विशिष्ट है, असंगत होना बंद कर देता है।



बेशक, यह एक बहुत ही आदर्श स्थिति है, लेकिन यह दर्शाता है कि ऐसा तर्क किस वातावरण में कार्य कर सकता है जहां कुछ निर्णय लेने की आवश्यकता होती है।

निरंतर मॉडल

विशेष रूप से उन लोगों के लिए जो इस समय-असतत मॉडल को निरंतर बनाने के बारे में सोचते हैं, मैं न्यूरॉन्स के फिट्ज़हुग-नागुमो मॉडल के आधार पर हमारे संस्करण का हवाला देता हूं।

निष्कर्ष

बेशक, यह मॉडल कम से कम कुछ पूर्णता का दावा नहीं कर सकता है। हालाँकि, यह मुझे लगता है कि इसमें कुछ विचार अंतर्निहित हैं जो काफी दिलचस्प हैं और पाठकों द्वारा शोध का विषय हो सकते हैं। विशेष रूप से, एक कार्रवाई करने के लिए एक प्रेरणा के रूप में एक न्यूरॉन के एक बेमेल के विचार, एक microenvironment के साथ एक न्यूरॉन के आंतरिक मापदंडों के अनुपात के रूप में बेमेल की परिभाषा, और एक मिसमैच को खत्म करने और एक आत्म-आयोजन प्रभाव के लिए आधार के रूप में होमोस्टैसिस।



इसके अलावा, इस विषय के साथ मैं पाठकों का ध्यान इस ओर आकर्षित करना चाहता था कि काफी सरल मॉडल में भी, स्व-संगठन के दिलचस्प प्रभाव पैदा हो सकते हैं, जो लंबे समय में समग्र व्यवहार को जन्म दे सकते हैं।



मैं ध्यान देता हूं कि इस समीक्षा में मैंने सीखने की प्रक्रिया को इस मॉडल में पेश करने के गैर-तुच्छ मुद्दे पर नहीं छुआ, साथ ही साथ खुद को विकसित किया। यह सब आगे के संभावित शोध का विषय बना हुआ है।

ग्रन्थकारिता

मैक्सिम कोमारोव (निज़नी नोवगोरोड यूनिवर्सिटी), डेनियल केनवस्की (वीएमआईके एमएसयू), सर्गेई कुलिवेट्स (आईपीयू आरएएस), साथ ही साथ आपके विनम्र सेवक ने इस मॉडल के विकास में भाग लिया। लेव एफिमोविच त्सिटोलोव्स्की (बार-इलान यूनिवर्सिटी, इज़राइल) और व्लादिमीर जॉर्ज़िविच रेड्को (NIISI RAS) उनके समर्थन के लिए बहुत आभार और हमारे विचारों की दिशा पर नज़र रखने के लिए धन्यवाद करते हैं जब हम बह रहे थे। हम में से प्रत्येक ने इस मॉडल को हमारे विचारों और विचारों को उन क्षेत्रों से लाया है जो हम लगे हुए हैं।

संदर्भ

[१] । तोप डब्ल्यूबी फिजिकल रिव्यू, 1928, 9: 399-431।

[२] । कैबनाक एम। जर्नल ऑफ़ थियोरेटिकल बायोलॉजी, 1992, 155: 173-200।

[३] । डेविस जीडब्ल्यू वार्षिक समीक्षा तंत्रिका विज्ञान की, 29: 307-323, 2006।

[४] । मार्डर ए।, प्रिंज़ एए बायोएसेज़, 24: 1145-1154, 2002