सोचने का तर्क। भाग 13. साहचर्य स्मृति

लेखों की इस श्रृंखला में मस्तिष्क के एक लहर मॉडल का वर्णन किया गया है जो पारंपरिक मॉडल से गंभीर रूप से भिन्न है। मैं दृढ़ता से सलाह देता हूं कि जो लोग अभी शामिल हुए हैं वे पहले भाग से पढ़ना शुरू करते हैं।

पिछले भाग में, हमने दिखाया कि वितरित मेमोरी कैसे दिख सकती है। मुख्य विचार यह है कि एक सामान्य तरंग पहचानकर्ता न्यूरॉन्स को जोड़ सकता है, जो कि उनकी गतिविधि से एक यादगार तस्वीर बनती है। किसी विशिष्ट घटना को पुन: उत्पन्न करने के लिए, यह कॉर्टेक्स के साथ मेमोरी के संबंधित पहचानकर्ता को शुरू करने के लिए पर्याप्त है। इसका वितरण गतिविधि के उसी चित्र को पुनर्स्थापित करेगा जो उस समय मेमोरी में कॉर्टेक्स पर था। लेकिन मुख्य सवाल यह है कि हम आवश्यक पहचानकर्ता कैसे प्राप्त करें? स्मृति की संबद्धता का तात्पर्य है कि विशेषताओं के एक सेट के अनुसार हम उन घटनाओं के विवरण का चयन कर सकते हैं जिनमें ये संकेत मौजूद थे। यही है, एक तंत्रिका तंत्र होना चाहिए जो कुछ संकेतों में विवरण के अनुसार, इन संकेतों के लिए उपयुक्त स्मृति की पहचानकर्ता प्राप्त करने की अनुमति देता है।

जब हमने तंत्रिका तरंगों के प्रसार के बारे में बात की, तो हम इस तथ्य से आगे बढ़े कि न्यूरॉन एक्सट्रैसिनैप्टिक झिल्ली पर संग्रहीत करता है, जो उन तरंग पैटर्न हैं जिनमें यह एक भागीदार है। एक परिचित चित्र से मिलने पर, स्पाइक के साथ एक न्यूरॉन एक अद्वितीय पैटर्न की निरंतरता बनाता है। और यहां यह महत्वपूर्ण है कि न्यूरॉन केवल तरंग पैटर्न को पहचानने में सक्षम नहीं है, लेकिन यह स्वयं एक प्रचार पैटर्न का हिस्सा है। केवल एक अनोखी लहर का हिस्सा होना ही एक न्यूरॉन है जो इसके प्रसार में भाग लेने में सक्षम है।



बाद के विचारों में भ्रमित न होने के लिए, आइए हम एक बार फिर से कोर्टेक्स के वेव मॉडल के मूल गुणों को दोहराएं। यदि हम उन न्यूरॉन्स को नोट करते हैं जो एक ही तरंग पैटर्न से संबंधित हैं या दूसरे शब्दों में, एक पहचानकर्ता के लिए, हमें अंक के एक सेट जैसा कुछ मिलता है, जो नीचे दिए गए चित्र में दिखाया गया है।



कॉर्टेक्स के किसी भी स्थान को लेना और पहचानकर्ता के तत्वों को सक्रिय करना, हमें सक्रिय स्थान से एक तरंग का प्रसार होता है, जिससे पहचानकर्ता की पैटर्न विशेषता (नीचे आंकड़ा) दोहराई जाती है।



प्रांतस्था के प्रत्येक स्थान से गुजरते हुए, लहर अपने अनूठे पैटर्न के टुकड़े को "हाइलाइट" करेगी। इसलिए, क्षेत्र 1 से शुरू होकर, लहर, क्षेत्र 2 तक पहुंच, वहाँ अपने स्वयं के अनूठे पैटर्न का निर्माण करेगी, जो पहचानकर्ता (आंकड़ा) द्वारा पूर्व निर्धारित है।



पैटर्न की विशिष्टता से, प्रांतस्था के प्रत्येक स्थान में यह निर्धारित करना संभव है कि कौन से पहचानकर्ता लहर बनाते हैं।

यदि हम क्षेत्र 2 में एक शांत पपड़ी पर पहले से ही परिचित एक पैटर्न को पुन: पेश करते हैं, तो यह एक लहर भी बनाएगा, जो 1 क्षेत्र में फैल रहा है, वही पैटर्न वहां बनाएगा, इस पहचानकर्ता की विशेषता।



इस सब से यह इस प्रकार है कि पहचानकर्ता को पहचानने के लिए यह क्रस्ट में कहीं भी याद रखने के लिए पर्याप्त है कि लहर इस स्थान पर किस पैटर्न को बनाती है। यह या तो न्यूरॉन के सिनैप्स पर याद किया जा सकता है, या झिल्ली के एक्सट्रैसिनैप्टिक भाग पर। Synapses पर संस्मरण मान्यता पर विकसित गतिविधि (आवेगों का एक विस्फोट) की ओर जाता है, मेटाबोट्रोपिक ग्रहणशील समूहों में संस्मरण एक परिचित तरंग प्रकट होने पर एकल कमिट प्राप्त करने की अनुमति देता है।

यदि हमें पहचानकर्ता को पुन: पेश करने की आवश्यकता है तो यह अधिक कठिन है। ऐसा करने के लिए, हमें कम से कम एकल स्पाइक्स को आवश्यक पहचानकर्ता से संबंधित बारीकी से स्थित न्यूरॉन्स के एक समूह को सक्रिय करने की आवश्यकता है। रिवर्स प्रोजेक्शन का वर्णन करना और कई मध्यस्थों को पेश करना, हमने बस एक तंत्र दिखाया जो कुछ इसी तरह लागू करता है।

अवधारणाओं की संबद्धता के बारे में बोलते हुए, हमने दिखाया है कि पहचानकर्ताओं की तरंगों पर बनी एक क्वेरी क्वेरी में निहित अवधारणाओं से जुड़े अवधारणा पहचानकर्ताओं का एक सेट लौटाती है।

साहचर्य घटना स्मृति से यादों को निकालने के लिए तंत्र को दिखाने के लिए, हमें यह दिखाने की आवश्यकता है कि कैसे एक लहर अनुरोध, अवधारणाओं-संकेतों से मिलकर, इस अनुरोध के लिए उपयुक्त यादों के अद्वितीय हिप्पोकैम्पस पहचानकर्ताओं का उत्पादन कर सकता है। यदि हम इस तरह के पहचानकर्ताओं का एक सेट प्राप्त कर सकते हैं और उनमें से एक का चयन कर सकते हैं, तो इस पहचानकर्ता को कोर्टेक्स के साथ वापस चला रहे हैं, हमें न्यूरॉन डिटेक्टरों की गतिविधि मिलती है जिसमें एक्स्ट्रासिनैप्टिक झिल्ली पर इस पहचानकर्ता होते हैं, और यह आवश्यक मेमोरी के पूरे वर्णनात्मक चित्र को पुनर्स्थापित करने के बराबर होगा।

मुझे हमारे सरलीकरण और योजनाबद्ध विवरण के बारे में याद दिलाएं। अगला, मैं साहचर्य स्मृति के एक संभावित तंत्रिका तंत्र को रेखांकित करूंगा, यह दावा किए बिना कि मस्तिष्क उस तरह से काम करता है।

फिर से, संक्षेप में असली न्यूरॉन्स की संरचना की ओर मुड़ें। न्यूरॉन के शरीर - कैटफ़िश - का एक सीमित क्षेत्र है और सभी अन्तर्ग्रथनी संपर्कों के लिए जगह नहीं दे सकता है। अधिकांश सिनैप्स एक ब्रांकेड संरचना में गिरते हैं जिसे डेंड्राइट या डेंड्राइटिक ट्री (नीचे आंकड़ा) कहा जाता है। डेंड्राइट पर स्थित सिनैप्स की संख्या सोम पर सिनेप्स की संख्या से 10-20 गुना अधिक है।


डेंड्रिटिक ट्रीज़ के रूप (ग्रेग स्टुअर्ट, नेल्सन स्प्रिस्टन, माइकल हैसर)

यह पाया गया कि न्यूरॉन अलग-अलग व्यवहार करते हैं, इस बात पर निर्भर करता है कि सिग्नल एक या अलग-अलग डेंड्राइटिक शाखाओं पर शेफर्ड में आते हैं (शेफर्ड जीएम, ब्रेटन आरके, मिलर जेपी, सेगेव आई, रिन्जेल जे।, रैल डब्ल्यू।, 1985। )। एक शाखा के सिनैप्स पर दालों का एक साथ आगमन विभिन्न शाखाओं पर वितरित सिग्नल की तुलना में बहुत मजबूत न्यूरॉन प्रतिक्रिया का कारण बनता है।

इस तरह की टिप्पणियों के आधार पर, परिकल्पना का जन्म हुआ कि वृक्ष के समान शाखाएं संयोग डिटेक्टरों की भूमिका निभा सकती हैं (सॉफ्टकी, 1994)। इसका सार यह है कि डेंड्रिटिक ट्री की दूरस्थ शाखाओं में उत्पन्न सिग्नल, एक न्यूरॉन स्पाइक उत्पन्न करने के लिए, यह आवश्यक है कि कैटफ़िश के लिए सिग्नल पथ के साथ पड़े वृक्ष के पेड़ के खंड सक्रिय हैं।

ऐसा प्रभाव पिरामिड न्यूरॉन्स (जार्स्की टी।, एलेक्स रॉक्सिन ए।, कैथ डब्ल्यूएल, स्प्रीस्टन एन।, 2005) के लिए दिखाया गया है, लेकिन यह माना जा सकता है कि ऐसा ही कुछ अन्य प्रकार के न्यूरॉन्स की विशेषता भी है।


हिप्पोकैम्पस पिरामिड न्यूरॉन के एपिकल और इच्छुक खंडों में संकेत प्रसार चरण। संकेत एपिकल बंडल (लाल बिंदु) में दिखाई देता है और शफर कोलेटरल (ग्रीन डॉट) के लिए प्रचारित करता है। सोमा के करीब डेंड्राइट साइट में सिग्नल दूर के संकेत को फीका करने की अनुमति नहीं देता है और स्पाइक की उपस्थिति में योगदान देता है (जारस्की टी।, एलेक्स रॉक्सिन ए।, कैथ डब्ल्यूएल, स्प्रीटन एन।, 2005।

डेंड्राइट के साथ नाड़ी का प्रसार इसके महत्वपूर्ण क्षीणन के साथ होता है। सिद्धांत रूप में, दूर (दूर) अन्तर्ग्रथन का प्रभाव निकट (समीपस्थ) के प्रभाव से काफी कम होना चाहिए। हालांकि, तंत्र को दिखाया गया है कि इस तरह के synapses के योगदान को बराबर करते हैं, जिसके परिणामस्वरूप "synapses के लोकतंत्र" (Clifton C. Rumsey, LF Abbott, 2006) की अवधारणा है। डेन्ड्राइट शाखा के साथ सिनैप्स के योगदान को संरेखित करते हुए हमें शाखाओं को स्वतंत्र तार्किक तत्व के रूप में विचार करने की अनुमति मिलती है जिनके संकेत किसी न किसी रूप में न्यूरॉन द्वारा आगे संसाधित किए जाते हैं। इसका मतलब यह है कि सैद्धांतिक रूप से, डेंड्राइट के विन्यास और सोम की प्रतिक्रिया को बदलते हुए, आप विभिन्न तार्किक गुणों के साथ न्यूरॉन्स प्राप्त कर सकते हैं।

उदाहरण के लिए, जेफ हॉकिन्स द्वारा "पदानुक्रमित लौकिक मेमोरी" की लोकप्रिय अवधारणा में, न्यूरॉन्स का उपयोग किया जाता है जो "या" मोड (नीचे आंकड़ा) में संचालित स्वायत्त तत्वों का उपयोग करते हैं।


पिरामिड न्यूरॉन की तुलना में डेंड्रिटिक लॉजिकल ऑटोनॉमस तत्वों के एक सेट के साथ एक न्यूरॉन मॉडल (हॉक 2011)

यह मान लेना काफी उपयुक्त है कि वास्तविक मस्तिष्क भी महत्वपूर्ण गुणों के साथ न्यूरॉन्स के साथ संचालित होता है।

अब हम वास्तव में, साहचर्य घटना स्मृति के विवरण की ओर मुड़ते हैं। मान लीजिए कि हमारे पास दो प्रकार के न्यूरॉन्स हैं जो एक फ्लैट कॉर्टेक्स बनाते हैं। इन न्यूरॉन्स के ग्रहणशील क्षेत्र उनके पर्यावरण के एक निश्चित स्थानीय क्षेत्र को शामिल करते हैं, जहां दोनों प्रकार के न्यूरॉन्स गिरते हैं। बांडों के क्रॉस वितरण को याद करते हुए, हम सशर्त रूप से उन्हें दो परतों में विभाजित करेंगे।

आइए हम पहले प्रकार के न्यूरॉन्स सेट करें ताकि वे सूचना पहचानकर्ता की एक लहर का प्रचार करें। दूसरे प्रकार के न्यूरॉन्स हिप्पोकैम्पस (नीचे आंकड़ा) के पहचानकर्ताओं की विशेष तरंगों को फैलाने के लिए मजबूर हैं।


एक अलग प्रकार के मध्यस्थ के साथ न्यूरॉन्स पर दो स्वतंत्र तरंगों का प्रसार

ऐसा करने के लिए, हम उपयोग किए गए मध्यस्थों (नीचे तालिका) के अनुसार उनके अक्षतंतु और एक्स्ट्रासिनैप्टिक रिसेप्टर्स को पतला करते हैं। कृपया ध्यान दें कि हमारे लिए तरंग प्रसार को निर्दिष्ट करने के लिए सिनैप्टिक रिसेप्टर्स महत्वपूर्ण नहीं हैं।

	synapses	सिनैप्स से परे	अक्षतंतु
टाइप 1		एक	एक
टाइप 2		बी	बी

न्यूरोट्रांसमीटर न्यूरॉन्स की विशेषताएं। रिसेप्टर संवेदनशीलता और एक्सॉन बर्स्ट

मध्यस्थों और रिसेप्टर्स के इस तरह के काम के साथ, दो परतों पर लहरें किसी भी तरह से एक दूसरे को प्रभावित नहीं करेंगी।

अब हम दूसरे प्रकार के न्यूरॉन्स को जटिल करेंगे, हम उनके वृक्ष के समान वृक्षों को दो प्रकार की शाखाओं से मिलकर बनाएंगे, जो गैर-सिनैप्टिक मध्यस्थों द्वारा प्रतिष्ठित हैं। सिमुलेशन में, सजातीय शाखाओं को जोड़ा जा सकता है और इसके परिणामस्वरूप, "या" सिद्धांत के अनुसार काम करने वाले दो डेंड्रिटिक खंडों को छोड़ दिया जा सकता है (नीचे दी गई तालिका)।

	खंड	synapses	सिनैप्स से परे	अक्षतंतु
टाइप 1			एक	एक
टाइप 2	1		बी	बी
	2		एक

न्यूरोट्रांसमीटर न्यूरॉन्स की विशेषताएं। रिसेप्टर संवेदनशीलता और एक्सोन इजेक्शन। दूसरे प्रकार के न्यूरॉन्स में विभिन्न प्रकार के मध्यस्थों के प्रति संवेदनशील रिसेप्टर्स के साथ दो वृक्ष के समान खंड होते हैं

मान लीजिए कि पहचानकर्ताओं की तरंगों के प्रसार के बारे में न्यूरॉन्स को प्रशिक्षण देते समय, दूसरा खंड, एक "विदेशी" मध्यस्थ के प्रति संवेदनशील था, दूसरे प्रकार के न्यूरॉन्स में अवरुद्ध था। दूसरे प्रकार के न्यूरॉन्स में तरंगों के गठन के लिए आवश्यक सभी जानकारी पहले खंड की एक्सट्रैसिनैप्टिक मेमोरी पर जमा की जाएगी।

यदि हम अब दूसरे खंडों को शामिल करते हैं, तो वे पहले प्रकार के न्यूरॉन्स के माध्यम से प्रचार करने वाले तरंग पैटर्न को याद करना शुरू कर देंगे। हम मानते हैं कि एक्सट्रैसिनैप्टिक मेमोराइजेशन उस समय होता है जब न्यूरॉन स्पाइक उत्पन्न करता है। इसी समय, सिनेप्स में गतिविधि की एक क्षणिक तस्वीर दर्ज नहीं की जाती है, लेकिन पूरे लहर प्रसार चक्र पर जमा होती है। संचय हमें पहले स्तर की एक लहर के एक टुकड़े को याद करने की अनुमति देगा, भले ही स्मृति स्थान पर दो स्तरों की तरंगों के चरण संयोग न हों। यही है, जब एक दूसरे स्तर के न्यूरॉन एक स्पाइक जारी करते हैं, तो यह सूचना गतिविधि की एक तस्वीर पर कब्जा कर लेगा, भले ही वह कुछ समय पहले हो।

मान लीजिए कि हमने इस तरह के संस्मरण का एक उपाय खर्च किया। सभी दूसरे स्तर के न्यूरॉन्स जो इस माप में सक्रिय हिप्पोकैम्पस आइडेंटिफायर वेव का प्रचार करते हैं, वे पहले-प्रकार के न्यूरॉन्स से गुजरने वाली सूचना तरंग के अपने दूसरे सेगमेंट टुकड़े पर याद करेंगे। इसका मतलब है कि यदि हम कभी भी वर्णन की एक ही लहर को दोहराते हैं, तो इस तस्वीर को पहचानने वाले सभी दूसरे-स्तरीय न्यूरॉन्स एक स्पाइक देंगे। इन स्पाइक्स की सामान्य तस्वीर को हिप्पोकैम्पस के बहुत पहचानकर्ता द्वारा पुन: प्रस्तुत किया जाएगा जो इस सूचना छवि को याद करते समय था।

तो आप विभिन्न वर्णनात्मक चित्रों को याद कर सकते हैं। इसी विवरण को दोहराते समय, दूसरे स्तर के न्यूरॉन्स हिप्पोकैम्पस के सभी पहचानकर्ताओं के कुल संयोजन का उत्पादन करेंगे जो वर्तमान विवरण के अंतर्गत आते हैं।

यह देखा जा सकता है कि इस तरह के संस्मरण बेहद बेकार हैं। हम प्रत्येक छवि को दूसरे प्रकार के सभी सक्रिय न्यूरॉन्स पर याद करते हैं। हालांकि पहचानकर्ता को पुन: उत्पन्न करने के लिए, हमें केवल एक छोटे से स्थानीय क्षेत्र की आवश्यकता है जो एक लहर को ट्रिगर कर सकता है। स्थिति को ठीक करने के लिए, हम सूचनात्मक तरंग को दूसरे प्रकार के सभी सक्रिय न्यूरॉन्स पर नहीं, बल्कि केवल उन लोगों पर याद रखेंगे जो पहले प्रकार के न्यूरॉन्स की उच्च प्रेरित गतिविधि वाले क्षेत्रों में आते हैं। यही है, याद रखें कि जानकारी द्वैतवादी है। यह एक पहचानकर्ता लहर और विकसित गतिविधि के पैटर्न की गतिविधि दोनों है। लहर हमें याद रखने के लिए एक पैटर्न देगी, और पैटर्न इसके लिए स्थानों को इंगित करेगा।

किसी स्थान को चुनने का सबसे आसान तरीका गतिविधि के उसी क्षेत्र का उपयोग करना है जिसे हमने पैटर्न के स्थानिक स्व-संगठन के लिए उपयोग किया था। इस विन्यास में, संस्मरण को निम्नानुसार दर्शाया जा सकता है। प्रांतस्था के स्थानों में, जहां सूचनात्मक चित्र विकसित गतिविधि के पैटर्न बनाता है, एक गतिविधि क्षेत्र बनता है। दूसरे प्रकार के सभी सक्रिय न्यूरॉन्स हिप्पोकैम्पस तरंग का प्रचार करते हैं, जिसके लिए गतिविधि क्षेत्र एक निश्चित सीमा से ऊपर है, एक्स्ट्रासिनैप्टिक मेमोरी पर सूचना तरंग द्वारा वर्णित पैटर्न को ठीक करें।

सूचना अनुरोध लहर सबमिट करने से, हमें दूसरे प्रकार के न्यूरॉन्स की गतिविधि मिलती है जो इस अनुरोध को पहचानते हैं। ऐसे न्यूरॉन्स के स्थानीय समूह हिप्पोकैम्पस पहचानकर्ताओं का उत्सर्जन करेंगे जो इस अनुरोध से जुड़ी सभी यादों पर लागू होते हैं।

हमने दिखाया है कि कैसे यादों के अद्वितीय पहचानकर्ता तय और बहाल किए जा सकते हैं। इससे पहले, हमने दिखाया कि यदि न्यूरॉन्स-डिटेक्टर ऐसे अद्वितीय पहचानकर्ताओं की मेमोरी को स्टोर करते हैं, तो याद किए गए क्षणों के अनुरूप छवियों को पुनर्स्थापित किया जा सकता है। नीचे दी गई तालिका ऐसी स्मृति के लिए मध्यस्थों के संभावित विन्यास को दर्शाती है।

	खंड	synapses	सिनैप्स से परे	अक्षतंतु
टाइप 1	1		एक	एक
	2		बी
टाइप 2	1		बी	बी
	2		एक

न्यूरोट्रांसमीटर न्यूरॉन्स की विशेषताएं। रिसेप्टर संवेदनशीलता और एक्सोन इजेक्शन। संदेह से जुड़ा कॉन्फ़िगरेशन

गतिविधि क्षेत्र के माध्यम से संस्मरण क्षेत्र की स्थापना करना एक क्रूड टूल है। डिजाइन में सुधार करने के लिए काफी स्पष्ट तरीके हैं। उदाहरण के लिए, दूसरे प्रकार के न्यूरॉन्स के सिनैप्टिक प्रशिक्षण के माध्यम से, आप उन क्षेत्रों से बना सकते हैं जो प्रांतस्था के इस स्थान में स्थित अवधारणाओं के अनुरूप हैं। एक डेंड्रिटिक संयोग डिटेक्टर की अवधारणा का उपयोग करना, इस अवधारणा से जुड़े स्मृति पहचानकर्ताओं की रिकॉर्डिंग और रिवर्स जनरेशन दोनों के लिए एक अवधारणा की गतिविधि को संभव बनाना संभव है।

सामान्य तौर पर, बहुउद्देशीय न्यूरॉन्स के साथ कॉर्टेक्स की लहर मॉडल प्रदान करने वाले उपकरणों की संपत्ति हमें काफी जटिल और दिलचस्प डिजाइनों को लागू करने की अनुमति देती है। हम पहले से उद्धृत सरल योजनाओं के लिए खुद को सीमित करते हैं, ताकि कथा को पूरी तरह से भ्रमित न करें।

साहित्य का इस्तेमाल किया

विस्तार

पिछले भाग:
भाग 1. न्यूरॉन
भाग 2. कारक
भाग 3. अवधारणात्मक, दृढ़ नेटवर्क
भाग 4. पृष्ठभूमि गतिविधि
भाग 5. मस्तिष्क की तरंगें
भाग 6. प्रोजेक्शन सिस्टम
भाग 7. मानव कंप्यूटर इंटरफ़ेस
भाग 8. तरंग नेटवर्क में कारकों का अलगाव
भाग 9. न्यूरॉन डिटेक्टरों के पैटर्न। उलटा प्रक्षेपण
भाग 10. स्थानिक स्व-संगठन
भाग 11. डायनेमिक न्यूरल नेटवर्क। संबद्धता
भाग 12. स्मृति के निशान

एलेक्सी रेडोज़ुबोव (2014)