Wie und wo werden Erinnerungen im menschlichen Gehirn gespeichert?

Hintergrund

Ich bin ein Computerprogrammierer, der von künstlicher Intelligenz und künstlichen neuronalen Netzen fasziniert ist, und ich werde immer neugieriger darauf, wie biologische neuronale Netze funktionieren.

Kontext & was ich glaube zu verstehen

Beim Verdauen von allem, was ich gelesen habe, beginne ich zu verstehen, dass neuronale Netze Schichten haben. Eine Frontschicht von Neuronen kann beispielsweise einen visuellen Reiz wie helles Licht empfangen. Dieser Reiz wird von den Front-Line-Neuronen aufgenommen, von denen jedes eine gewichtete elektrochemische Reaktion erzeugt, die zu einer binären Entscheidung führt, eine elektrische Ladung durch sein Axon zu den Dendriten der Zehntausenden von Neuronen zu leiten, zu denen es gehört in Verbindung gebracht.

Dieser Vorgang wiederholt sich durch Schichten, die die elektrischen Signale kanalisieren und sie basierend auf ihren Permutationen fokussieren, bis schließlich eine Ladung an einen fokussierten Reaktionsmechanismus wie die Nerven weitergegeben wird, die das Schrumpfen der Pupillen steuern.

Hoffentlich habe ich das richtig verstanden.

Vorwort zur Frage ;)

Unter der Annahme, dass ich mit meinem grundlegenden Verständnis der Funktionsweise eines biologischen neuronalen Netzwerks nicht völlig daneben liege, beginne ich zu verstehen, wie eine Eingabe (Stimulus) zu einer Ausgabe (Reaktion) wie motorischer Bewegung oder Reflexen führt. Das scheint nur grundlegende Elektrizität offener und geschlossener Kreisläufe zu sein.

Was mich jedoch immer noch verwirrt, ist, wie eine Erinnerung gespeichert wird. Die Analogie zu einem elektrischen Stromkreis bricht hier zusammen, denn in einem Stromkreis kann ich den Elektronenfluss nicht wirklich stoppen, es sei denn, ich staue die Elektronen in einem Kondensator auf. Wenn ich das tue, sind die Elektronen, sobald sie freigesetzt (zugegriffen) werden, für immer verschwunden, während eine Erinnerung bestehen bleibt.

So. . .

Wie zum Teufel werden Erinnerungen im menschlichen Gehirn aufgebaut und gespeichert? Werden sie in einer bestimmten Region gespeichert? Wenn ja, wo?

Bei Veränderungen der Pupillengröße ist es der kreisförmige Muskel der Iris, der die Pupillengröße steuert. Effektoren sind immer entweder Muskeln oder Drüsen – keine Nerven. Ansonsten genau richtig :)
„Die Analogie zu einem Stromkreis bricht hier zusammen“ – es ist nicht wirklich eine Analogie, und sie bricht nicht zusammen. So funktioniert das Gehirn: keine Analogie, sondern der eigentliche Mechanismus. Der einzige Teil, der fehlt, ist die Dynamik in der Struktur.
@Rory - Aber die Nerven kontrollieren die Muskeln, oder? Das meint Matthäus sicherlich.
Was meinst du mit "Fokussierung auf der Grundlage ihrer Permutationen"? Permutation bedeutet normalerweise eine Bijektion einer Menge auf sich selbst oder eine einfache Umordnung. Was meinst du mit Umordnen elektrischer Signale?

Antworten (3)

Leider sind wir alle immer noch „verwirrt“, wie das Gedächtnis funktioniert. Wir sind weit davon entfernt, vollständig zu verstehen, wie Erinnerungen gespeichert und abgerufen werden. Nichtsdestotrotz wissen wir ein wenig , also lesen Sie weiter.

Ihr Verständnis der grundlegenden neuronalen Funktion ist fast richtig. Erstens signalisiert ein einzelnes Neuron durch sein einzelnes Axon auf die Dendriten vieler nachgeschalteter Neuronen, nicht umgekehrt. Zweitens bin ich mir nicht sicher, was Sie mit "Fokussieren auf der Grundlage ihrer Permutationen" meinen, aber es ist wahr, dass neuronale Informationen viele Transformationen durchlaufen können, wenn sie sich durch einen Schaltkreis ausbreiten. Drittens, wenn es ein Verhaltensergebnis der Netzwerkaktivität wie eine Muskelreaktion oder Hormonfreisetzung gibt, werden diese Effekte durch Nerven vermittelt, die mit Muskeln und hormonfreisetzenden Zellen kommunizieren. Ich bin mir nicht sicher, ob Sie das mit "fokussiertem Reaktionsmechanismus" gemeint haben.

Schließlich ist, wie Sie festgestellt haben, die Analogie von neuronalen Schaltkreisen zu elektrischen Schaltkreisen auf jeder einigermaßen anspruchsvollen Analyseebene relativ schlecht. Meine Meinung ist, dass biologischen Systemen oft wenig gedient ist, wenn man sie als technische Probleme einrahmt. Andere werden dem widersprechen, aber ich denke, ein biologisches System nach seinen eigenen Bedingungen zu verstehen, macht viele Dinge viel klarer.

Der Schlüssel, der in der Analogie der elektrischen Schaltkreise fehlt, erweist sich als einer der Schlüssel zum Verständnis der Informationsspeicherung in neuronalen Schaltkreisen – die Synapse , die Stelle, an der ein Neuron mit einem anderen kommuniziert. Die Synapse wandelt das elektrische Signal des vorgeschalteten Neurons in ein chemisches Signal um. Dieses chemische Signal wird dann vom nachgeschalteten Neuron wieder in ein elektrisches Signal umgewandelt.

Die Stärke der Synapse lässt sich langfristig über die Höhe der Proteinexpression regulieren – man spricht von Langzeitpotenzierung (LTP) oder Langzeitdepression (LTD) . LTP und LTD können daher die Leichtigkeit regulieren, mit der Informationen entlang eines bestimmten Pfads fließen können. Stellen Sie sich als einfaches Beispiel (das nicht zu ernst genommen werden sollte) eine Gruppe von Neuronen vor, die „New York City“ darstellt, und eine andere Gruppe von Neuronen, die „Mein Freund John“ darstellt. Wenn Sie dann zufällig mit Ihrem Freund John in New York City sind, werden diese beiden Neuronengruppen aktiv sein und die Synapsen zwischen diesen beiden Netzwerken werden gestärkt, weil sie koaktiv sind (siehe Hebbsche Plastizität). Auf diese Weise werden nun die Idee von NYC und die Idee von John miteinander verbunden.

Wo sind diese Neuronen, die NYC und John repräsentieren? Wir sind uns darüber immer noch nicht ganz im Klaren, und die Frage ist kompliziert, weil es viele verschiedene Arten von Erinnerungen gibt. Zum Beispiel wird Ihre Erinnerung daran, wie man Fahrrad fährt (prozedurales Gedächtnis), nicht genauso behandelt wie Ihre Erinnerung an das, was Sie zum Frühstück gegessen haben (episodisches Gedächtnis). Eine beste aktuelle Antwort ist jedoch, dass der Hippocampus und die damit verbundenen Regionen für die anfängliche Kodierung von Erinnerungen wichtig sind und der Neokortex der Ort ist, an dem längerfristige Erinnerungen gespeichert werden. Zwischen diesen beiden Bereichen besteht eine erhebliche Kommunikation, so dass Erinnerungen im Laufe der Zeit effektiv angepasst werden können.


Aktualisieren

Als Antwort auf Jules Kommentar, in dem sie um Ressourcen bittet, ist mir klar, dass es wichtig ist, darauf hinzuweisen, dass das von mir skizzierte Hebbian-Modell nicht endgültig gezeigt wurde. Wie bei allen Aspekten der Neurowissenschaft gibt es viel gute Arbeit auf molekularer und zellulärer Ebene und gute Arbeit auf Verhaltensebene, aber die kausale Verbindung zwischen beiden ist nicht so klar. Nichtsdestotrotz ist Hebbs Idee immer noch das Mainstream-Arbeitsmodell für die Funktionsweise des Gedächtnisses. Einige Lektüre könnte beinhalten:

1) Neves, G., Cooke, SF, Bliss, TVP, 2008. Synaptic plasticity, memory and the hippocampus: a neuronal network approach to causality. Nature Reviews Neuroscience 9, 65–75. Eine Übersicht über das Hippocampus-Gedächtnis und seine Beziehung zu LTP/LTD und der Hebbschen Theorie. Bemerkt die allgemeine Schwierigkeit, die Theorie zu beweisen, und einige Möglichkeiten, wie Experimente vorankommen können.

2) Lisman, J., Grace, AA, Duzel, E., 2011. A neoHebbian framework for episodic memory; Rolle der dopaminabhängigen späten LTP. Trends in den Neurowissenschaften 34, 536–547. Eine Übersicht, die eine Weiterentwicklung des Hebbschen Modells vorschlägt, das den neuromodulatorischen Einfluss auf die Plastizität und den Gedächtnisprozess umfasst.

3) Johansen, JP, Cain, CK, Ostroff, LE, LeDoux, JE, 2011. Molecular Mechanisms of Fear Learning and Memory. Zelle 147, 509–524. . Eine hervorragende Übersicht über Angstlernen und Gedächtnis mit einem ausführlichen Abschnitt über die Hebbsche Theorie.

4) Liu, X., Ramirez, S., Pang, PT, Puryear, CB, Govindarajan, A., Deisseroth, K., Tonegawa, S., 2012. Die optogenetische Stimulation eines Hippocampus-Engramms aktiviert die Erinnerung an die Angst. Natur. Ein Forschungsartikel, der vielleicht eine Umsetzung einiger Vorschläge aus dem Review von Neves et al. Sie verwenden Licht, um eine Angsterinnerung zu reaktivieren. Dies deutet darauf hin, dass die Aktivierung des Hippocampus-Netzwerks, das während der Gedächtnisbildung aktiv war, ausreicht, um die Erinnerung hervorzurufen.

Haben Sie einen Hinweis auf ein Papier, das die experimentellen Beweise für diese Theorie zusammenfasst?
Nochmals vielen Dank Yamad für Ihre gründliche Antwort zu diesem faszinierenden Thema.
Für ein wenig mehr darüber, wie das Nervensystem plastisch ist, siehe meine Antwort hier biology.stackexchange.com/a/1359/72
Erinnerungen werden nicht in Synapsen gespeichert: scientificamerican.com/article/…

Ich möchte auf einige Weisen hinweisen, in denen Ihr Verständnis falsch ist. "Neuronale Netze" sind normalerweise ein Begriff aus der Informatik, der nur sehr, sehr lose auf tatsächlichen neuronalen Netzen basiert. Die Idee von Schichten in einem neuronalen Netz ist so ziemlich eine Erfindung der Informatik, sie spiegelt nicht wirklich die Realität wider. Außerdem sind Neuronen keine binären Schalter. Es geht nicht so sehr um Ein/Aus, sondern vielmehr um einen zeitlichen Ratencode von Aktionspotentialen. Das eigentliche Gehirn ist irgendwie stochastisch und funktioniert nicht wirklich auf der Ebene des einzelnen Aktionspotentials.

Die Übernahme des Begriffs „neuronale Netze“ durch diese hinterhältigen Informatiker ist unglücklich. Ihre Arbeit hat praktisch nichts mit tatsächlichen neuronalen Netzen zu tun.

Ich denke, Sie übertreiben den Unterschied zu neuronalen Netzen. Beispielsweise sind sie oft nicht binär, sondern haben eine fließende Übergangsfunktion (eine aus der Biologie kopierte Idee), sind stochastisch (eine aus der Biologie kopierte Idee) und funktionieren nicht auf der Ebene eines einzelnen AP. Die Anpassung des Begriffs ist nicht unglücklich, sondern eine Folge dessen, woher die Inspiration kam. Fast jedes CS-Konzept hat eine solche Inspiration, und viele Nicht-CS-Konzepte haben das auch (jemals einen Kran gesehen ?).
@KonradRudolph Sie nähern sich einfach nicht der Komplexität eines tatsächlichen neuronalen Netzwerks. Selbst die Computational Neuroscientists, die explizit versuchen, Neuronen zu modellieren, scheitern. Es ist eine unglückliche Anpassung der Begriffe, denn jetzt bezieht sich "neuronales Netzwerk" nicht mehr auf ein Netzwerk von Neuronen. Es bezieht sich auf ein grobes Simulacrum eines neuronalen Netzwerks. Das Ausmaß, in dem Informatiker die Biologie vernachlässigt haben, ist beunruhigend und hat den Bereich der KI verkümmert.
@Preece Ich stimme Ihrem gesamten Kommentar mit Ausnahme des letzten Satzes zu. Die Biologie wird nicht vernachlässigt, sie ist einfach nicht relevant: Neuronale Netze in CS lösen ein Problem, und dieses Problem ist nicht „versuchen, die Biologie so genau wie möglich zu modellieren“, noch versucht es, eine „klassische“ KI zu schaffen. Es ist einfach ein statistisches Werkzeug für den Musterabgleich/Clustering. Allerdings wäre die genaue Modellierung der Biologie an sich schon interessant; es wird aus einem einfachen Grund nicht gemacht: es ist rechnerisch nicht machbar.
@KonradRudolph Es geht mehr darum, sich die Biologie anzusehen, als zu versuchen, das Nervensystem zu modellieren. Neuronale Strukturen sind Implementierungen von Algorithmen. Ich denke, die Analyse dieser Algorithmen ist das Herzstück der KI-Forschung. Sie müssen keine Neuronen modellieren, um neuronale Algorithmen zu modellieren. Der Versuch, KI zu bekommen, ohne sich mit ihnen zu befassen, wird (hat) viele interessante Dinge geliefert, aber das Potenzial des Feldes wird kaum ausgeschöpft.
@Preece Aber ein Großteil der Arbeit mit neuronalen Netzen wird nicht wirklich im Kontext der KI-Forschung durchgeführt, es ist einfach ein Werkzeug in der Statistik, und hier interessieren sich die Leute nur für statistische Eigenschaften, und es ist leicht zu zeigen, dass eine einzelne verborgene Schicht ANN ist genauso mathematisch ausdrucksstark wie jede komplexere Version, daher sind komplexere Versionen nicht nur unpraktisch, sie sind unnötig. Und auf der AI/comp. Neurowissenschaftliche Seite gibt es eine Menge Forschung auf diesem Gebiet.

Ich kann eine grobe Analogie in Bezug auf die Speicherung digitaler Medien anstellen.

Unsere Erinnerungen existieren als eine Beziehung zwischen unseren Wahrnehmungen und unseren Empfindungen. Computer speichern Eingaben bereitwillig. Menschen speichern Erinnerungen jedoch wahrnehmungsmäßig. Das bedeutet, wer wir sind und wie wir uns an ein Ereignis erinnern, verändert unsere Erinnerung dauerhaft.

Wenn Sie sich die Entwicklung verlustbehafteter Video-Codecs mit zunehmender Auflösung ansehen, werden Sie feststellen, dass sich die Algorithmen geändert haben. Jede Generation hat sich daran gewöhnt, bestimmte Arten von Videoartefakten zu sehen: von Film über analoge statische Bilder bis hin zu VHS und h.264. Stellen Sie sich die Algorithmen als individuelle Wahrnehmungsweisen vor.

Wir haben uralte basale Schaltkreise, die es visuellen und frontalen Kortexbereichen ermöglichen, bei der Bildung von Erinnerungen zusammenzuarbeiten. Es ist kein objektiver Prozess. Wir alle haben unsere eigenen Algorithmen.

Wieder ein sehr interessanter Beitrag von dir. Vielen Dank!