研究は、脳学習の古くからの理論を覆します
科学者たちは何十年もの間、学習はシナプス、または脳細胞間の多数の接合部で起こると考えていました。しかし今、新しい研究は、学習がいくつかの樹状突起、脳細胞、またはニューロンに入力を供給する枝で起こることを提案しています。
現在ジャーナルに掲載されている論文で 科学レポート、著者は、ニューロンと細胞培養のコンピューターモデルを研究した後、どのようにしてこの結論に達したのかを説明しています。
脳の広大なニューラルネットワークでは、ニューロンは樹状突起を介して入力を取り込む小さなマイクロチップのように動作し、特定の条件に達すると、軸索を使用して出力を作成します。
次に、軸索はシナプスと呼ばれるリンクを介して他のニューロンの樹状突起に接続されています。ニューロンごとに樹状突起よりもはるかに多くのシナプスがあります。
新しい研究の重要な結果は、学習がシナプスではなく樹状突起で行われることを提案しているため、各ニューロンの学習パラメーターが以前に考えられていたよりもはるかに少ないことです。
「この新しい樹枝状学習プロセスでは、イスラエルのバーイラン大学のゴンダ学際的脳研究センターの上級研究著者であるイド・カンター教授は、次のように述べています。シナプス学習シナリオで敏感なもの。」
学習は私たちが思っていたよりも速く起こります
新しい研究のもう1つの重要な結果は、新しい樹枝状モデルでは、従来のシナプスモデルよりも学習プロセスがはるかに速く行われることです。
この結果は、脳障害の治療や、脳の働きを模倣することに基づく「深層学習アルゴリズム」や人工知能などのコンピューターアプリケーションの設計に重要な影響を与える可能性があります。
研究者たちは、後者の場合、彼らの研究がより高度な機能とはるかに速い処理速度の設計への扉を開くと予想しています。
学習の伝統的なシナプスモデルは、1949年に本で出版されたドナルドヘッブによる先駆的な仕事に根ざしています。 行動の組織.
カンター教授と彼の同僚が「リンクによる学習」と呼んでいるそのモデルは、学習の過程で変化する「学習パラメーター」が、計算単位であるニューロンごとのシナプスまたはリンクの数を反映することを提案しています。ニューラルネットワークで。
「ノードによる学習」
彼らが「ノードによる学習」と呼ぶ新しいモデルでは、研究者は、学習パラメーターがニューロンごとに多数あるシナプスの数ではなく、樹状突起またはノードの数を反映することを提案しています。ニューロンごとにほんの数個です。
したがって、彼らは、「接続ニューロンのネットワークにおいて」、シナプスモデルのニューロンあたりの学習パラメータの数は、樹状突起モデルの数よりも「大幅に多い」と説明しています。
彼らの研究の主な目的は、「シナプス（リンク）と樹状（節）の学習シナリオ間の協調的な動的特性」を比較することでした。
研究の著者は、彼らの結果は、「現在シナプスに起因しているものと同様に、ニューロンの樹状突起でより速く強化された学習プロセスが発生することを強く示している」と結論付けています。
弱いシナプスは学習において重要な役割を果たします
この研究のもう1つの重要な発見は、脳の大部分を占め、学習において重要ではないと考えられていた弱いシナプスが実際には非常に重要であるように思われることです。
著者は、「ダイナミクスは、主に弱いリンクによって直感に反して支配されている」と述べています。
樹状突起モデルでは、シナプスが弱いため、シナプスモデルのように「非現実的な固定極値」に移動するのではなく、学習パラメータが振動するようです。
カンター教授は、空気の質をどのように測定すべきかを比較することにより、結果を要約しています。
「超高層ビルの高さにある多くの小さな離れた衛星センサーを介して、または鼻の近くにある1つまたは複数のセンサーを使用して、呼吸する空気の質を測定することは理にかなっていますか？」と彼は尋ねます。
「同様に、ニューロンは、計算ユニットであるニューロンの近くで入力信号を推定する方が効率的です。」
イドカンター教授
