İnsan beyninden 1 mm³’lük parça nanometre ölçeğinde haritalandı

 (nature.com)
2 puan yazan GN⁺ 2024-05-11 | 1 yorum | WhatsApp'ta paylaş
  • Araştırmacılar, insan beyninin çok küçük bir parçasını son derece ayrıntılı biçimde haritalayarak beyin bağlantı yapısını incelemeye imkân veren bir hücresel atlas oluşturdu
  • Bu hücresel atlas Science’ta yayımlandı ve çevrimiçi veri olarak da paylaşılınca sonraki analizlerde kullanılabilir hâle geldi
  • Atlas, nöronlar arasındaki yeni bağlantı örüntülerini ortaya koyuyor ve daha önce görülmesi zor olan hücre düzeyindeki yapıları gösteriyor
  • Bazı hücrelerin kendi etrafına sarılarak düğüm benzeri yapılar oluşturduğu, ayrıca neredeyse ayna görüntüsü gibi görünen nöron çiftlerinin de bulunduğu doğrulandı
  • 1 mm³ gibi küçük bir dokuda bile karmaşık bağlantılar ve biçimler görülmesi, insan beyni yapısını anlamak için gereken veri ölçeğini gösteriyor

İnsan beyni parçasının hücresel atlası

  • Araştırmacılar, insan beyninden küçük bir parçayı çok ayrıntılı biçimde haritaladı
  • Ortaya çıkan sonuç, nöronlar da dahil olmak üzere beyin hücrelerinden oluşan bir hücresel atlas
  • Söz konusu atlas bir Science makalesi olarak yayımlandı ve çevrimiçi olarak da erişilebilir

Atlasın ortaya çıkardığı yapılar

  • Nöronlar arasında yeni bağlantı örüntüleri belirlendi
  • Bazı hücreler kendi etrafına sarılarak düğüm benzeri yapılar oluşturuyor
  • Birbirinin neredeyse ayna görüntüsü sayılabilecek nöron çiftleri de görülüyor

İlgili okumalar

1 yorum

 
GN⁺ 2024-05-11
Hacker News yorumları

  • 2024/05/11 itibarıyla yorumların hepsini okudum; büyük bir üniversitede profesör bakış açısından bariz bir sorunun hiç sorulmamış olması epey şaşırtıcı.
    Beyin işlevi, memeliler ile kuşlar arasındaki farklar, yapay zeka ve LLM gibi ders kitabı bilgilerini sıralamak yerine, hakkında hiçbir şey bilmediğimiz şu tuhaf yapıların ve nesnelerin ne işe yaradığını sormamız gerekmiyor mu: https://h01-release.storage.googleapis.com/gallery.html
    Saydım, 7 tane var.

    • Bütünün karmaşıklığı ve bilinmezliği karşısında eziliyorum ama bunların bir kısmının körelmiş organlar olabileceğini düşünmek güldürüyor.
      Özellikle “bağlantılı çıkıntıları olmayan yumurta biçimli nesne” hoşuma gitti.
    • Tamamen dışarıdan bakan biri olarak neye bakmam gerektiğini bile bilmiyorum ama hücre gövdesinin içindeki dendrit en şaşırtıcı olandı.
      Bir hücrenin dendritinin başka bir hücrenin gövdesini delip geçmesi gibi bir yapı!
    • Tüm bu karmaşıklığın gülümseme ya da sevgi gibi güzel şeyler ortaya çıkarması gerçekten inanılmaz.
    • Bu veride benzer bir sağlıklı doku örneği kontrol grubu olmadığı için yanlışlanabilir değil; %100 bilimsel olarak geçerli saymak zor.

  • İnteraktif görselleştirme gerçekten harika.
    Kesitleri yakınlaştırıp katmanlar arasında yukarı aşağı kaydırmak iyi oluyor; 3D modeli de yakınlaştırmaya değer.
    Nöronun herhangi bir bölümünün üzerine fareyle gelince tüm nöronun vurgulandığı da görülebiliyor: http://h01-dot-neuroglancer-demo.appspot.com/#!gs://h01-release/assets/neuroglancer_states/20210601/c2_library.json

    • Gerçekten ezici.
      Beynimizin yalnızca 1 milimetreküpünde bu kadar bağlantı olması; kargaların ceviz kadar bir beyinle nasıl bu kadar zeki olabildiğini anlamamı sağlıyor.
      Beyin muhtemelen evrendeki en karmaşık şey olabilir; kendi kendini anlayacak kadar karmaşık olup olamayacağını, bunun mantıksal olarak mümkün olup olmadığını merak ediyorum.
    • O web sitesi klavye düzenime saygı duymuyor.
      Bunu nasıl yaptılar bilmiyorum.

  • “3D harita, tüm beynin milyonda biri olan yaklaşık 1 milimetreküplük bir hacmi kapsıyor ve yaklaşık 57.000 hücre ile nöronlar arasındaki bağlantılar olan 150 milyon sinaps içeriyor.”
    Bu, insan beynini taklit etmek için bir sinir ağı modelinin ne kadar büyük olması gerektiğini kabaca hesaplamak adına iyi bir ölçüme dayalı referans noktası.
    150 milyon sinaps / 57.000 nöron, nöron başına ortalama 2.632 sinaps eder; yetişkin insan beyninde yaklaşık 100 milyar nöron olduğunu varsayarsak toplam 2,6e14 sinaps yapar.
    Sinaps başına yalnızca 1 parametre alsak bile, en küçük model söylentilere göre GPT-4’ün 1,8e12 parametresinden yüzlerce kat büyük olur.
    Bu bile çok kaba; sinaps başına 10–100 iyon kanalı, iyon kanalı başına da en az 10 parametre alırsak 2,6e16’nın üzerine çıkar, yani GPT-4’ten 4 basamaktan fazla büyük olur.
    Elbette nöroplastisiteyi uygulama gibi başka sorunlar da var ama eğlenceli bir kaba hesap.
    Hesaplama gücü 2048 civarında buna ulaşabilir: https://news.ycombinator.com/item?id=38919548

    • Geoffrey Hinton’ın bakış açısına göre, yapay sinir ağları gerçek sinir ağlarından çok daha verimli olabilir.
      Bu, onlarca yıldır yapay nöronların gerçek nöronların zayıf bir modeli olduğuna dair inancın neredeyse tam tersi.
      Şöyle bir alıntı var: “Beynimizde 100 trilyon bağlantı var. Büyük dil modellerinde olsa olsa 500 milyar, en fazla 1 trilyon var. Buna rağmen GPT-4 herhangi bir insandan yüzlerce kat daha fazla şey biliyor. Belki de bizimkinden çok daha iyi bir öğrenme algoritmasına sahiptir.”
      Bu beyin örneğinin yoğunluğuna bakılırsa GPT-4’ün bağlantıları 5 santimetreküp, yani insan serebral korteksinin hacminin %1’i kadar yer kaplar.
      Buna rağmen GPT-4, 80 dili belli ölçüde akıcı konuşabiliyor, çeviri yapabiliyor, kod yazabiliyor, yüzlerce hatta binlerce yazarın üslubunu taklit edebiliyor ve felsefeden yemek pişirmeye, bilimden hukuka kadar sohbet edebiliyor.
    • O hesapta nöronların sadece tek bir sayı taşıyan düğümler değil, başlı başına hesaplama sistemleri olduğu kısmı eksik.
    • O model hâlâ fazlasıyla basit olabilir.
      Hücrelerin içi karmaşık nano ölçekli makinelerle dolu ve bunların bir kısmının bilişsel süreçlere katılıyor olması mümkün.
      Belleğin nöronlarda işleyişine doğrudan dahil olan nano yapıları tanımlayan en az bir çalışma bildiğimi hatırlıyorum.
      Üstelik birçok sürecin epey analog bir boyutu da var.
      Bir nöroloğun bir röportajda, insanlığın yüzyıllar boyunca beyni dönemin en karmaşık teknolojisine benzettiğini söylediği aklımda.
      Önce mekanik düzeneklere, sonra borulara ve buhara, elektrik devrelerine, elektroniğe, şimdi de bilgisayarlara benzetiyoruz; ama beyin bunların hiçbirine benzemez şekilde çalışıyor, bu yüzden modellerimizin sınırlarının farkında olmalıyız.
    • Nöronların içinde çok fazla karmaşıklık var ve sinapslar arası sinyal iletimi de kesinlikle var gibi görünüyor.
      Onu engelleyen bir şey yokken nasıl olmasın diye düşünüyorum.
      Sinaps davranışının sadece daha fazla sinyal olarak modellenebileceğini sanmıyorum.
    • Buna karşılık sinir devrelerinin önemli bir kısmı bakım ya da yürüme gibi işlevler için kullanılıyor gibi.
      Bu yüzden genel zeka için çok daha az beyin dokusu yeterli olabilir.

  • Önemli ve etkileyici bir sonuç olsa da sinirbilimin temel sorununu akla getiriyor.
    Bir işlemci hakkında neredeyse hiçbir şey bilmeden yalnızca die üzerine elektrotlar takabilseydik, sadece ölçümlerden işlemcinin bir programı nasıl çalıştırdığını ve o programın ne yaptığını ayrıntılı biçimde çıkarabilir miydik?
    Buna ölçeği birkaç mertebe büyütmeyi ve sinyal varış zamanlamasına duyarlılığı da ekleyin; işte beyin bu.
    Artık petabaytlarca verimiz olsa bile, örneğin bilişin nasıl çalıştığını anlamaya gerçekten yaklaşabilir miyiz?
    Hesaplamalı sinirbilime giriş dersi alırken, zaman alanında birkaçdan fazla nöronla başa çıkabilecek matematiğin fiilen olmadığını öğrenince epey şaşırmıştım.
    Gerçek nöronlar zaman alanında çalışır, Hebb öğrenmesinde zamanlama önemlidir ve küresel bir saat de yoktur.
    Beynin yaptığı her şey sürekli bir süreçtir.

    • Bu tersine mühendislik sorunu şu yazıyla genişçe bilinir oldu: https://www.cell.com/cancer-cell/fulltext/S1535-6108%2802%2900133-2
      İkinci olarak, zaten iyi haritalanmış olan C. elegans'ın yaklaşık 300 nöronunu bile OpenWorm'un doğru düzgün modelleyememiş olması çok şey anlatıyor.
    • Doğru.
      Yapay zeka araştırmasının argümanlarından biri, “bir kuşun tüylerine elektron mikroskobuyla bakarak uçuş prensibini keşfedemezsiniz” idi.
      İlginç ama zekayı bu yöntemle anlayacağımızı sanmıyorum.
      Beliren olgular karmaşık sistemler teorisinin bir parçası ve elimizde buna uygun matematik yok.
      Bu alandaki cehaletimiz büyük.
      Küçükken “beyin kendi kendini anlayabilir mi?” sözünü sık duyardım.
      Belki anlayamaz, ama anlama çabasının kendisi hâlâ değerli.
      Karmaşık sistemler teorisi araştırmalarında bir atılıma ihtiyacımız var.
    • Parçacık fiziği de benzer şekilde işler.
      Elektrot takmak yerine parçacıklar fırlatır, ortaya çıkan parçaların izlerini analiz ederiz.
    • Örneği koruyucu sıvıya batırıp ağır metallerle boyadıysak, benim beynimi de aynı işlemden geçirip yukarıdakine benzer bir yorum yazıp yazamayacağını deneyebiliriz.
      Maymuna özgü yöntemlerin sürekli maymuna özgü bilişi ortaya çıkarması da şaşırtıcı değil.

  • Feynman'ın “There's plenty of room at the bottom” metnini yeniden okuma zamanı: https://web.pa.msu.edu/people/yang/RFeynman_plentySpace.pdf
    Biyologların ondan 1.000 kat daha güçlü bir elektron mikroskobu yapmasını istediği bölüme bakıp, bu görüntüleri taramak için hangi teknolojinin kullanıldığına da bakmak gerek.

  • Tek bir nöron görüntüsüne bakınca, beyin simülasyonu tarafındaki insanların gereken hesaplama gücü tahminlerini yeniden hesaplaması gerekecek gibi görünüyor.

  • Böyle şeyleri görünce oluşan hafif rahatsız edici duygunun bir adı var mı, merak ediyorum.
    Daha iyi açıklamak isterdim ama beyin dokusunun mikroskop görüntüleri ile karşılaşınca nedense tuhaf bir hisse kapılıyorum.
    Normal bir tepki mi?

    • Benim durumumda o düzensizliği görmek stres yaratıyor.
      Beyinde kablo düzeni berbat.
      Yine de görüntülerde ürkütücü bir boşluk hissi de var.
      Bilinçli bir varlık olarak benim “uygulamamın” tam da böyle bir şey olduğu ve kafatasının mutlak karanlığına hapsolmuş bir lif yığını olduğu düşüncesi aklıma ilk gelen şeydi.
      İnsan beyin dokusu görüntülerindeki kasvet, onun bir zamanlar hayatı ve deneyimleri olan bir insan olmasından da geliyor.
      Bir bakıma yaşayan beynim ölü bir beyne bakıyor.
    • https://hitchhikers.fandom.com/wiki/Total_Perspective_Vortex
    • Acaba şeklinden mi kaynaklanıyor?
      Delikli desenlerin bazı insanları rahatsız etmesine benzer bir şey mi, yoksa “birinin en mahrem gerçekliğinin bilinemez parçaları oradan akıp geçti” gibi daha soyut bir his mi, bilmiyorum.
      Hangisi olursa olsun adını bilmiyorum; ama o biçimin kendisi bağlam gereği bir anının ya da kişiliğin bir yönünü temsil ediyor da olabilir, kim bilir.
    • İnsanın özel olmadığı, ruhun olmadığı ve bilincin bilgisayar gibi yalnızca bir kablo yığını olduğu düşüncesine kapılıyorum.
      İnsan deneyiminin tamamının, aşkın, trajedinin ve başarıların, o kıvrımlı hücrelerin ilettiği elektrik potansiyellerinden ibaret olduğunu görünce, insanlarda hissettiğim büyülü duygu kayboluyor.
    • Dindar değilim ama benim için neredeyse ruhani deneyime en yakın şey.
      Çok doğrudan bir şeyle karşı karşıyaymışım, ama aynı zamanda asla anlayamayacağım kadar devasa bir şeyle karşılaşmışım gibi geliyor.

  • Neal Stephenson'ın romanı bu konuyu iyi ele alıyor: https://en.wikipedia.org/wiki/Fall;_or,_Dodge_in_Hell

  • Neuroglancer fork’unda, özdenetimli öğrenme ile etiketsiz hacimsel verileri açıklama ekleyerek işleyen bir algoritma geliştirildi
    Büyük ölçekli beyin haritalama projelerinde daha fazla ilerleme bekleniyor
    Proje ayrıntıları: https://www.ll.mit.edu/sites/default/files/other/doc/2023-02/TVO_Technology_Highlight_45_NeuroTrALE.pdf

  • “Örnek yaklaşık 5.000 kesite ayrıldı; her kesit 34 nanometre kalınlığındaydı ve elektron mikroskobuyla görüntülenebiliyordu”
    Örneğe zarar vermeden bunun nasıl yapıldığını bilen var mı?