"More Is Different'' in Neural Circuits: Algebraic Emergence of Effective Theories in Canonical Recurrent Motifs of Biological Neuronal Networks
Questo articolo dimostra che la composizione di motivi canonici di circuiti neurali, come il winner-take-all e la normalizzazione divisiva, può generare algebricamente teorie efficaci emergenti e dinamiche di gruppo reversibili all'interno dei loro monoidi di transizione che sono assenti nei singoli componenti aperiodici, rivelando così che il repertorio computazionale dei circuiti ricorrenti è fondamentalmente vincolato e definito dalla struttura algebrica delle loro interfacce compositive.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Il cervello è una macchina costruita da schemi ripetitivi. Proprio come una casa è costruita da mattoni, travi e finestre, i circuiti neurali all'interno dei nostri crani sono assemblati da un piccolo set di blocchi costruttivi standard. Due dei blocchi più comuni sono noti come normalizzazione divisiva e competizione winner-take-all (il vincitore prende tutto). Il primo agisce come una manopola del volume che abbassa il volume complessivo di un gruppo di neuroni quando stanno tutti scaricando troppo forte, assicurando che nessun segnale singolo sovrasti gli altri. Il secondo agisce come un arbitro in una stanza affollata, permettendo a un solo gruppo di neuroni di parlare mentre mette a tacere gli altri. Per decenni, i neuroscienziati hanno compreso questi blocchi come strumenti funzionali: uno riscala l'attività, l'altro seleziona un vincitore. Ma un nuovo studio pone una domanda più profonda su cosa accada quando questi blocchi vengono connessi. Indaga se la connessione stessa crei qualcosa di interamente nuovo, una capacità che nessuno dei due blocchi possiede singolarmente.
Questa ricerca, guidata da Nima Dehagni al Massachusetts Institute of Technology, tratta questi circuiti neurali non solo come sistemi biologici, ma come macchine matematiche. L'obiettivo era vedere se il modo in cui queste macchine sono cablate insieme potesse generare una forma di computazione impossibile da trovare in una singola parte. Per farlo, i ricercatori hanno semplificato il complesso e continuo scaricamento dei veri neuroni in un insieme di stati discreti, come un interruttore della luce che è o acceso o spento. Hanno poi costruito modelli digitali dei circuiti di normalizzazione e di competizione e li hanno fatti passare attraverso ogni possibile sequenza di input. Invece di osservare un singolo percorso di attività, hanno mappato l'intero panorama di ciò che i circuiti potevano fare quando gli input cambiavano nel tempo. Cercavano un tipo specifico di comportamento: un ciclo in cui il sistema potesse tornare a uno stato precedente, creando un loop di azione reversibile. Nel linguaggio dello studio, cercavano una struttura di "gruppo", una firma matematica di un sistema capace di ricordare e scorrere attraverso stati, piuttosto che limitarsi a dissolversi in un punto fisso.
Lo studio è iniziato testando i due circuiti in isolamento. Quando i ricercatori hanno esaminato il circuito winner-take-all da solo, hanno scoperto che, sotto qualsiasi input singolo e immutabile, il sistema era puramente dissipativo. Si sarebbe sempre stabilizzato in un unico stato stabile dove un gruppo di neuroni vinceva e gli altri restavano silenziosi. Non c'erano loop, né cicli, né modi per tornare a una configurazione precedente una volta che il sistema era progredito. Lo stesso valeva per il circuito di normalizzazione nella sua forma più rigorosa e complessa. Ogni singola regola che governava questi circuiti, quando applicata da sola, spingeva il sistema verso un vicolo cieco. Tuttavia, quando i ricercatori hanno combinato questi circuiti, la storia è cambiata. Hanno scoperto che, alternando diversi input in una sequenza specifica, potevano forzare il sistema in un loop. Nonostante ogni singolo passaggio fosse una strada a senso unico che cancellava la memoria, la sequenza di passaggi creava un percorso nascosto che permetteva al sistema di tornare al punto di partenza. Questa fu la prima sorpresa: un sistema composto interamente da parti irreversibili poteva, attraverso la composizione, generare un loop reversibile.
La scoperta più significativa è emersa quando i ricercatori hanno connesso i due circuiti in una direzione specifica. Hanno creato una configurazione in cui il vincitore della competizione determinava le impostazioni per il processo di normalizzazione. In questa disposizione, il vincitore selezionato non restava passivo; esso rimodellava attivamente l'ambiente per l'istante successivo. Analizzando il sistema combinato, hanno trovato un ciclo che non apparteneva a nessuno dei due circuiti da solo. In questo loop, l'identità del gruppo di neuroni vincitore rimaneva costante, ma altre due cose cambiavano insieme: lo stato della porta inibitoria che controllava il vincitore e l'impostazione di normalizzazione che governava il guadagno complessivo. Il sistema oscillava tra uno stato in cui il vincitore era attivo e la porta era aperta, e uno stato in cui il vincitore era attivo ma la porta era chiusa, mentre l'impostazione di normalizzazione si spostava in perfetta sincronia. Questo ciclo era una vera struttura composita. Non era una caratteristica del blocco di competizione, né una caratteristica del blocco di normalizzazione. Era una nuova proprietà che esisteva solo perché i due blocchi erano accoppiati in questo modo specifico.
Per garantire che questo risultato non fosse un colpo di fortuna del loro modello specifico, i ricercatori hanno testato migliaia di variazioni. Hanno provato a connettere i circuiti nell'ordine opposto, dove la normalizzazione preparava la scena per la competizione, e hanno scoperto che, sebbene esistessero strutture complesse, il ciclo più diretto e ovvio era sepolto profondamente nel sistema, nascosto dietro loop locali più semplici. Hanno anche testato ogni possibile modo in cui i due circuiti potessero essere cablati insieme, mappando 65.536 diverse configurazioni di interfaccia. Hanno scoperto che il ciclo composito appariva in quasi tutte di esse, a patto che la connessione permettesse al vincitore di influenzare le impostazioni di normalizzazione. Hanno anche testato se la tempistica degli aggiornamenti importasse. Quando i circuiti venivano aggiornati simultaneamente, il ciclo appariva come una caratteristica codificata nel processo di aggiornamento stesso. Ma quando gli aggiornamenti avvenivano in sequenza, il ciclo emergeva puramente dall'interazione, dimostrando che la struttura era il risultato della composizione, e non un artefatto preesistente.
Lo studio conclude che l'algebra della computazione neurale è più ricca della somma delle sue parti. Dimostra che la capacità del cervello di computare non riguarda solo le operazioni individuali dei suoi circuiti, ma il modo in cui tali operazioni vengono concatenate. Scegliendo come connettere un blocco di normalizzazione a un blocco di competizione, il cervello può efficacemente programmare un nuovo grado di libertà. Questa nuova libertà permette al sistema di mantenere un vincitore stabile e, contemporaneamente, modulare la propria sensibilità, creando uno stato dinamico che è più flessibile di quanto ciascun blocco possa ottenere da solo. La ricerca suggerisce che il principio "il più è diverso" (more is different), spesso applicato alla complessità dell'intero cervello, si applica anche ai più piccoli blocchi costruttivi dei circuiti neurali. Quando questi blocchi vengono composti, generano un repertorio di comportamenti che non possono essere predetti guardando i blocchi in isolamento. La transizione da un sistema semplice e dissipativo a uno capace di computazione ciclica e reversibile non è un mistero biologico, ma una certezza matematica della composizione. Il cervello, in questa visione, non è solo una collezione di parti, ma un sistema programmabile dove il cablaggio stesso scrive il codice.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.