Миллиард евро на создание модели мозга человека

На модерации Отложенный

Проблемы моделирования мозга человека

Эрин К. Маккирнан | Февраль 28, 2013 |

журнал Scientific American

перевод по абзацам

 

Сможет ли компьютер охватить сложность человеческого мозга?


The human brain is beautifully complex. And frustrating. Our understanding of it is fragmented, and hindered because, except rarely, we can’t get inside and look around while it is still functioning. Computers offer promise; if we could build an artificial brain that behaves likes a real one, maybe we could pick it apart to see how it works. This is the concept behind the Human Brain Project, recently awarded 1 billion euros by the European Commission as one of two Future and Emerging Technologies Flagships Initiatives. HBP’s co-director, Dr. Henry Markram, says they can realistically simulate a human brain within 10 years. But many neuroscientists argue we don’t know enough about the brain to model it. Where are the gaps in our knowledge and why might they present problems?

Человеческий мозг удивительно сложен. И разочаровывающее неприступен. Наше понимание его затруднено, потому что, за исключением редких случаев, мы не можем попасть внутрь и посмотреть как он функционирует, во время его работы. Компьютеры предлагают нам некоторое обещание; если мы могли бы построить искусственный мозг, который ведет себя как настоящий, может быть, мы могли бы разобрать его на части, чтобы посмотреть, как она работает. Это концепция лежит в основе HumanBrainProject (HBP) (Проект Человеческого Мозга), недавно получившего 1 млрд. евро (!) от Европейской комиссии в качестве одного из двух «Будущих и новых флагманских инициатив в области технологии». HBP со-директор, д-р Генри Маркрам, говорит, что в течение 10 лет они реально могут создать модель человеческого мозга. Но многие нейробиологи утверждают, что мы знаем не достаточно о мозге, чтобы смоделировать его. Где же пробелы в наших знаниях и почему они являются проблемами? Constructing the building blocks Построения строительных блоков

An artificial brain must start with good building blocks. Real neurons are diverse. They extend short and long processes, which branch out in different patterns. These shapes are not just for show; neurons process signals differently depending on their structure. One of HBP’s goals is to model neurons as 3-dimensionally detailed cells.

Искусственный мозг должен начинаться с хороших строительных блоков. Реальные нейроны разнообразны. Они имеют короткие и длинные отростки, которые сплетаются в различные формы. Эти формы образуются не просто для шоу; сигналы, идущие по нейронному отростку различным образом зависят от их структуры. Одной из целей HBP является смоделировать нейроны как 3-мерные детализированные ячейки.

Neurons can be visualized under microscopes and reconstructed using computer programs. But the structure we can recreate in models is an approximation of the real one. It is difficult to mathematically represent all branches, or their turns and tapers. A greater challenge is ascribing functional properties. In many neurons, it is not clear exactly where in the structure signals from other cells are received, or how signals arriving in different branches are combined.

Нейроны можно рассмотреть под микроскопом и реконструировать, используя компьютерные программы. Но структура, которую мы можем воссоздать в моделях, является лишь приближением реальной. Трудно математически представить все нейронные ветви, или их повороты и уклоны. Большей проблемой является назначение функциональных свойств. Во многих нейронах точно не ясно, где именно в структуре воспринимаются сигналы от других клеток, или как комбинируются сигналы, приходящие в различные ветви.

Neurons are also not static. Their extensions reach out or retract due to development, learning, and injury. Knowledge of how this happens is incomplete. How will modelers decide what rules to implement?

Нейроны также не являются статичными. Их отростки удлиняются или убираются за счет развития, обучения и травм. Знания о том, как это происходит, недостаточны. Как модельеры решат, какие правила применять?

Equipping the building blocks

Оснащениестроительныхблоков

The building blocks of an artificial brain must also respond and send signals. Real neurons are populated with many different proteins. For example, channel proteins allow charged molecules, ions, to cross the membrane and generate electrical activity. While many types of ion channel have been characterized, many remain to be studied. In most neurons, the complete population of proteins present, or how they all contribute to signaling, is not known. The number and type of proteins in a neuron also changes under a variety of conditions and the mechanisms are poorly understood. Which proteins should be put into different model neurons? And when should protein expression be turned on, off, up, or down?

Строительные блоки искусственного мозга также должны реагировать и посылать сигналы. Реальные нейроны заполнены множеством различных белков. Например, канальные белки позволяют заряженным молекулам, ионам, пересекать мембрану и генерировать электрическую активность. В то время как многие типы ионных каналов были изучены, многие по-прежнему еще предстоит изучить. В большинстве нейронов, полный состав присуствующих белков, или какой вклад они все делают в передачу сигналов, не известны. Количество и типы белков в нейроне также изменяются при различных условиях и механизмы ещо мало изучены. Какие белки должны быть введены в различные нейроны модели? И когда следует включать, выключать, повышать или понижать действие белка?

Finally, where should proteins be placed? Some channels are present only in cell bodies, while others are found in the extensions. The distribution of channels affects the way neurons receive and sends signals, but often isn’t known. How will morphology be coupled with function?

Наконец, где должны размещаться белки? Некоторые каналы присутствуют только в телах клеток, в то время как другие находятся в отростках. Распределение каналов влияет на то, как нейроны получают и посылают сигналы, но часто не известны.
Как морфология связана с функционированием? Building small networks Создание небольших сетей

If challenges in modeling single neurons are overcome, the next step is to connect them. Communication between neurons occurs at specialized contacts. We know a lot about the composition of these contacts and the general rules of signal transmission. But important details are missing. Who is connected to whom? Where in single neurons are contacts located? What are the strengths of the connections, and how do strengths change under different conditions? For most neurons, we have limited information, such as potential partners and estimates of connection strengths. Testing all possible pairs of neurons, even within a small region of brain, is not feasible. How will we connect a network of neurons and be sure that the partners, locations, and strengths are correct? Even if the model is built such that connections and strengths can evolve, what will be the rules of evolution? These details will have profound effects on the model’s output.

Если проблемы с моделированием отдельных нейронов будут преодолены, то следующий шаг заключается в том, чтобы соединить их. Связь между нейронами происходит через особые контакты. Мы много знаем о составе этих контактов и общих правилах передачи сигнала. Но отсутствуют важные детали. Кто подключен к кому? Где в отдельных нейронах находятся контакты? Какова мощность связей, и как мощность меняется при различных условиях? Для большинства нейронов, у нас не достаточно информации об их потенциальных партнерах и оценок мощности связей. Тестирование всех возможных пар нейронов, даже в пределах небольшой области головного мозга, не представляется возможным. Как мы будем подключать сеть нейронов и быть уверенным, что нейроны-партнеры, их местоположение и мощности связей являются правильными? Даже если модель построена так, что соединения и мощности связей могут развиваться, каковы будут правила этого развития? Эти детали окажут глубокое влияние на возможность создания модели. Connecting across multiple levels Подключение нескольких уровнях

Many networks must be connected to form a complete brain. Although we know in general terms which brain regions talk to others, we are ignorant as to many of the details of this communication. Which neurons in which regions are connected? What are the feedback loops by which signals travels from one region to another and back again? It is also not clear how information across multiple levels of organization (molecular, cellular) and processed over multiple time scales (seconds, minutes) is integrated. How should the model be bound together?

Многие сети должны быть соединены, чтобы сформировать полноценный мозг. Хотя мы знаем в общих чертах, как сообщаются друг с другом различные области мозга, мы не знаем многих деталей этого сообщения. Какие нейроны в каких областях связаны между собой? Что представляет собой обратная связь, с помощью которой сигналы путешествует из одной области мозга в другую и обратно? Кроме того, не ясно, каким образом интегрируется информация на нескольких уровнях организации (молекулярном, клеточном) и обработка сигналов в различных масштабах времени (секунды, минуты). Как связать это в модели мозга?

What will a model brain do?

На что модель мозга будет способна?

If all these challenges are surmounted and a human brain simulated, what might the model do? Will it reproduce behaviors that so impress us about real brains? It’s possible. Beyond a certain level of complexity, a model can do many impressive things. But the focus should be on whether we will understand how and why behaviors emerge. We want mechanisms.

Если все эти проблемы будут преодолены и человеческий мозг будет смоделирован, что сможет делать такая модель? Будет ли она воспроизводить то поведение, которое так впечатляет нас в реальном мозге? Вполне возможно. При определенном уровне сложности, модель сможет сделать многие впечатляющие вещи. Но внимание должно быть сосредоточено на том, поймем ли мы, как и почему возникает то или иное поведение. Мы хотим знать механизмы.

The advantage of a model is that the pieces comprising it are known, and if it is sufficiently simple, pieces can be removed to examine their role. But with the level of complexity required for the proposed model, removing one component at a time would not only be extremely cumbersome, it is questionable whether it would increase our understanding. Complex behaviors, if they arise, will likely result from the interaction of many model components. Could we test all the potential contributing interactions?

Преимуществом модели является то, что составляющие ее части известны, и если она достаточно проста, части могут быть удалены, чтобы изучить их роль. Но с тем уровнем сложности, который необходим для предлагаемой модели, удаление одного из компонентов, было бы не только чрезвычайно обременительно, но весьма сомнительно, что это приведет к росту нашего понимания. Сложное поведение, возникает, скорее всего, в результате взаимодействия многих компонентов модели. Сможем ли мы протестировать все потенциальные взаимодействия, делающие свой вклад (в данное поведение).

Building understanding

Создающее понимание

HBPresearchersareright: wecannotcontinue to study tiny pieces of the brain in isolation and hope to understand how it works. Their goal to integrate information from experiments and computer modeling is a good one. But we must build upon a solid foundation of knowledge. Markram and associated researchers have spent
the last two decades characterizing cells and mapping connections within cortex. The foundation is growing. Yet, large gaps remain. Will they be fatal to the project? Or, will HBP, as proposed, help us fill them? Neuroscientists will have to wait and see.

HBP исследователи правы: мы не можем продолжать изучать крошечные участки мозга по отдельности, и надеется понять, как он работает. Их цель интегрировать информацию из экспериментов и компьютерного моделирования хороша. Но мы должны опираться на прочный фундамент знаний. Маркрам и связанные с ними исследователи провели последние два десятилетия, изучая характеристики клеток и создавая схему связей в коре головного мозга. Фундамент растет. Тем не менее, большие пробелы остаются. Будут ли они фатальными для проекта? Или, HBP, как предполагают, поможет нам заполнить их? Нейробиологам придется подождать и тогда увидим.