CC BY-NC 2.0で ライセンスされているbrentsviewの画像
脳は外界から情報を受け取り、そのニューロンは入力でデータを受け取り、特定の結果を処理して生成します。 それは思考（夕食にカレーが欲しい）、行動（カレーを作る）、気分変化（あれ、カレー！）です。 出力で何が起こっても、この「何か」は、入力（メニュー）から出力結果へのデータの変換（「チキンダンサック、お願いします」）です。 また、脳を入力から出力への変換器と考える場合、コンピューターとの類推は避けられません。
一部の人にとっては、これは単なる便利な修辞的な装置であり、他の人にとっては真剣なアイデアです。 しかし、脳はコンピューターではありません。 コンピューターはすべてのニューロンです。 大脳皮質には170億台のコンピューターがあります。
これを見てください：
2Dで投影された錐体ニューロン。 中央の黒い点はニューロンの本体であり、残りのワイヤはその樹状突起です。 画像： Alain Dextes
これは錐体ニューロンの画像です。 そのような細胞は、脳の大部分の皮質を構成しています。 中央のスポットはニューロンの本体であり、樹状突起、他の近くのニューロンと遠くのニューロンからの入力を収集するワイヤを巻き、すべての方向に伸びて分岐します。 入力データは、各樹状突起の全長に沿って送られ、一部は体のすぐ隣にあり、その他は先端にあります。 信号が正確に到着する場所は重要です。
多くの人は、入力の場所がどれほど重要かを理解していません。 通常、ニューロンの仕事は単純な加算器のアイデアに還元されます。 このアイデアでは、樹状突起は入力データを収集するための単なるデバイスです。 各入力を個別にアクティブにすると、電気ニューラルネットワークの電圧がわずかに変化します。 すべての樹状突起からの電流を要約すると、樹状突起の活動電位（スパイク）が生成され、軸索に沿って下降し、他のニューロンの入力になります。
入力信号の合計と、入力の合計がしきい値（灰色の円）を超える場合の樹状活動電位の生成を伴うニューロンモデル
これは便利なメンタルモデルであり、すべての人工ニューラルネットワークの基礎となります。 しかし、彼女は間違っています。
樹状突起は単なるワイヤーの断片ではありません。 彼らはまた、スパイクを生成するための独自のデバイスを持っています。 樹状突起の1つの小さな領域で十分な数の入力がアクティブ化されると、入力が強化されます。
2つの色の塊は、同じ樹状突起サイトへの2つの入り口です。 自身がアクティブになると、それぞれが応答を生成します。 図の灰色の矢印は、この入力のアクティブ化を示しています（ここでの応答は「電圧変化」を意味します）。 共同アクティベーションでは、応答は個々の入力の合計（破線）よりも大きくなります（実線）。
アクティブな入力の数と樹状突起の小さな領域での応答サイズの比率は次のとおりです。
アクティブな入力の数の増加に応じた樹状突起の1つの分岐における応答のサイズ。 局所的な「スパイク」は、最小限の反応から大きな反応への急激なジャンプです
局所的な急増が見られます。複数の入力に対するほとんどゼロの反応から、もう1つを追加した非常に大きな反応への突然のジャンプです。 樹状突起のこのセクションは「超直線的に」機能します。ここでは2 + 2 = 6です。
長年にわたり 、樹状突起の個々の領域におけるこれらの局所的なバーストについて知っていました。 私たちは脳の一部のニューロンにスパイクを見ました。 私たちは動物の麻酔下でそれらを見て、足をくすぐりました（そう、脳はまだ意識を失っています;それは答えを気にしません）。 より最近では、動いている動物のニューロンの樹状突起でそれらを見ました（はい、ムーアと同僚は、走っているマウスの脳から数マイクロメートルの電磁界を記録しました;クレイジー、そうですか？）。 錐体ニューロンの樹状突起は、実際に交連を生成します。
しかし、この局所的な爆発により、コンピューターとしての脳の理解が変わるのはなぜですか？ 錐体ニューロンの樹状突起には多くの別々の枝があるためです。 そして、それぞれが結果を計算し、スプラッシュを与えることができます。 これは、樹状突起の各ブランチが小さな非線形出力デバイスとして機能し、このブランチがほぼ同時に十分な数の入力を受信した場合、ローカルバーストを加算して出力することを意味します。
デジャヴ 1つの樹状分岐は、入力を合計し、同時に十分な入力が到着した場合にバーストを発行するための小さなデバイスとして機能します。 そして、入力から出力への変換（灰色の円）は、すでに上で見たのと同じグラフで、スパイクの強さを決定します
ちょっと待って それは私たちのニューロンモデルではありませんか？ はい、それは彼女です。 ここで、樹状突起の各小枝を小さな「神経」デバイスの1つに置き換えると、錐体ニューロンは次のようになります。
左：ニューロンの多くの樹状分岐（体の上下）。 右：これは、ニューロン本体（グレーボックス）に出力され、そこで加算される非線形加算デバイス（非線形出力のある黄色のボックス）のセットであることがわかります。 おなじみの何か？
はい、各錐体ニューロンは2層のニューラルネットワークです。 単独で。
2003年のポイラジとメルの優れた業績は、これを明確に示しています。 彼らは、1つのニューロンの複雑なコンピューターモデルを構築し、樹状突起のすべての小さな断片、その内部の局所的なバースト、およびそれらがどのように身体に降りてくるかをシミュレートしました。 次に、ニューロンの出力と2層ニューラルネットワークの出力を直接比較しましたが、結果は同じでした。
これらのローカルバーストの並外れた重要性は、各ニューロンがコンピューターであることです。 ニューロン自体は、いわゆる非線形関数の膨大な範囲を計算することができ、それは単純に要約してスパイクを生成します。 たとえば、4つの入力（青、海、黄、太陽）と小さな非線形デバイスとして機能する2つの分岐により、ピラミッド型ニューロンは「リンクサイン」の機能を計算できます。青と海の組み合わせまたは黄色と太陽の組み合わせに応答しますそれ以外の場合、たとえば、青と太陽または黄色と海。 もちろん、ニューロンには4つ以上の入力と2つ以上の分岐があります。したがって、ニューロンは天文学的な論理関数の範囲を計算できます。
最近、 友人 （私は友人の 1人） とのロマンケースは、1つのニューロンが、局所的な樹状突起のバーストを生成できない場合でも、驚くべき機能の範囲を計算することを示しました。 もちろん、樹状突起は線形ではありません。通常の状態では、入力データを実際に要約し、個々の値の合計よりも少ない結果を取得します。 このモードでは、それらは準線形に動作します。つまり、2 + 2 = 3.5です。 また、サブリニア加算を使用した多くの樹状分岐の存在により、ニューロンが2層ニューラルネットワークとして機能することもできます。 超線形樹状突起を持つニューロンから構築された非線形関数の異なるセットを計算する2層ニューラルネットワーク。 そして、ほとんどすべてのニューロンには樹状突起があります。 したがって、原則としてほとんどすべてのニューロンは2層ニューラルネットワークになります。
ローカルスパイクのもう1つの驚くべき結果は、ニューロンが世界について私たちに伝えるよりもはるかに多くのことを知っているということです-または、他のニューロンは、そのことについては。
最近、簡単な質問をしました。脳はどのように情報を配信しますか？ 脳内のニューロン間の配線を見ると、ニューロンから他のニューロンへの経路を追跡できます。 では、脳のある部分（カレーの匂いなど）で明らかに利用できる情報が、脳の他のすべての部分（視覚野など）に表示されないのはどうしてでしょうか。
これには2つの正反対の答えがあります。 まず、脳が分割されていない場合があります。情報は実際には奇妙な場所に現れます。たとえば、地面の方向を決める脳の領域に音が届きます。 そして別の答え：樹状突起は脳を共有します。
先ほど見たように、ローカルバーストは非線形イベントであり、入力の合計よりも大きくなります。 そして、ニューロンの本体は基本的に、ローカルバーストではないものを検出できません。 これは、ほとんどの入力を無視することを意味します。脳の残りの部分にインパルスを生成する領域は、ニューロンが受信する情報のほとんどから隔離されます。 ニューロンは、多くの入力が時間と空間（同じ樹状突起部位）で同時にアクティブな場合にのみ反応します。
この場合、樹状突起はニューロンが応答しないものに応答することがわかります。 これはまさに起こっていることです。 視覚野では、多くのニューロンが特定の角度で移動するオブジェクトにのみ応答する様子を見ました。 一部のニューロンでは、オブジェクトが60°の角度で動くとスパイクが生成され、他のニューロンでは90°または120°で動きます。 しかし、樹状突起は例外なくすべての角度に反応します 。 樹状突起は、ニューロンの本体よりも世界について多くのことを知っています。
彼らはさらに多くを見ています。 視覚皮質ニューロンは特定の場所の物にのみ反応します。1つのニューロンは左上のオブジェクトに反応し、もう1つのニューロンは右下のオブジェクトに反応します。 最近、 ソニア・ホーファーと同僚は 、特定の位置に出現する物体にのみ応答してニューロンのバーストが発生することを示しましたが、樹状突起は多くの異なる位置に応答します。 したがって、ニューロンは受信した情報のごく一部にのみ応答し、残りの情報は樹状突起に隠されています。
なぜこれがすべて重要なのでしょうか？ これは、各ニューロンがその機能を根本的に変更し、わずかな入力のみを変更できることを意味します。 一部の入力が弱くなり、突然、樹状突起の枝全体が沈黙します。 このブランチは猫が大好きだったので、猫を見るのが幸せだったニューロンは、猫が動作しているコンピューターのキーボードに飛びついても反応しなくなりました。その結果、あなたはずっと落ち着いた、集められた人になりました。 いくつかの入力が増幅され、突然ブランチ全体が応答し始めます。以前はオリーブの味に反応していなかったニューロンが、熟した緑のオリーブの完全な口を捕らえると、今では嬉しくバーストを生成します-私の経験では、このニューロンは20年後にのみヒトで活性化されます。 入力が単純に合計された場合、新しい入力はニューロンの機能を求めて古い入力と戦います。 しかし、樹状突起の各セクションは独立して機能し、簡単に新しい計算を行います。
これは、脳が多くの計算を実行できることを意味します。 ニューロンを単に入力データの加算器およびバーストジェネレーターと見なすことは不可能です。 しかし、これはまさにユニットが人工ニューラルネットワークに配置される方法です。 これは、ディープラーニングやその他のAIシステムが実際の脳の計算能力に近づいてさえいないことを示唆しています。
大脳皮質には170億個のニューロンがあります。 彼らが何をしているのかを理解するために、しばしばコンピューターとの類似性を引き出します。 一部の議論は、このアナロジーに完全に基づいています。 他の人はそれを妄想だと考えています。 人工ニューラルネットワークは、例としてよく引用されます。それらは計算を行い、ニューロンのようなもので構成されているため、脳が計算する必要があります。 しかし、脳がコンピューターであると考えると、それはニューラルネットワークに似ているため、個々のニューロンもコンピューターであることを認めなければなりません。 地殻内の170億すべて。 恐らく脳内の860億すべて。
これは、大脳皮質がニューラルネットワークではないことを意味します。 これは、ニューラルネットワークのニューラルネットワークです。