Ο ανθρώπινος εγκέφαλος περιέχει περίπου 86 δισεκατομμύρια νευρώνες. Ο αριθμός αυτός επανέρχεται σχεδόν σε κάθε δημοφιλή αφήγηση για τη μνήμη και τη νοημοσύνη, υπονοώντας ότι η κλίμακα της ανθρώπινης νόησης απορρέει από την κλίμακα αυτού του κυτταρικού πλήθους. Σπανιότερα αναφέρεται πως ο εγκέφαλος περιέχει και έναν σχεδόν αντίστοιχο αριθμό διαφορετικών κυττάρων, που για μεγάλο μέρος της ιστορίας της νευροεπιστήμης αντιμετωπίστηκαν ως απλό «ικρίωμα».
Μια εργασία που δημοσιεύτηκε στις 23 Μαΐου στα Proceedings of the National Academy of Sciences προτείνει μια νέα υπόθεση για το τι μπορεί να κάνουν αυτά τα κύτταρα, τα αστροκύτταρα. Η μελέτη προέρχεται από ομάδα του MIT: τον κύριο συγγραφέα Leo Kozachkov, τον Jean-Jacques Slotine, καθηγητή μηχανολόγων μηχανικών και εγκεφάλου και γνωσιακών επιστημών, και τον Dmitry Krotov του MIT-IBM Watson AI Lab, ανώτερο συγγραφέα. Η θέση τους δεν είναι ότι τα αστροκύτταρα έχουν παρεξηγηθεί με δραματικό τρόπο· προτείνουν πιο προσεκτικά ότι ίσως εκτελούν υπολογιστικό έργο που οι νευρώνες, μόνοι τους, δεν επαρκούν να εξηγήσουν.
Η υπόθεση στηρίζεται σε μαθηματικό μοντέλο. Τα πειράματα που απαιτούνται για να ελεγχθεί δεν έχουν ακόμη γίνει.
Το καθιερωμένο μοντέλο για την αποθήκευση μνήμης σε νευρωνικά δίκτυα είναι το δίκτυο Hopfield, που τυποποιήθηκε από τον John Hopfield στην επιδραστική εργασία του το 1982, βασισμένο σε προγενέστερη, ανεξάρτητη δουλειά του Shun-Ichi Amari στις αρχές της δεκαετίας του 1970. Τα δίκτυα Hopfield αποθηκεύουν πληροφορίες ως πρότυπα στα βάρη των συνδέσεων μεταξύ νευρώνων και έχουν χρησιμοποιηθεί ως λειτουργικό πρότυπο για το πώς ο εγκέφαλος κωδικοποιεί και ανακτά αναμνήσεις. Το πρόβλημα είναι ότι μπορούν να αποθηκεύσουν περιορισμένη ποσότητα πληροφορίας, πολύ μικρότερη από ό,τι προφανώς διατηρεί ο ανθρώπινος εγκέφαλος. Μια παραλλαγή, η dense associative memory, αποθηκεύει πολύ περισσότερα, αλλά απαιτεί συζεύξεις μεταξύ πάνω από δύο νευρώνων ταυτόχρονα. Οι συμβατικές συνάψεις συνδέουν ακριβώς δύο νευρώνες: έναν προσυναπτικό και έναν μετασυναπτικό. Δεν υπάρχει εμφανής βιολογικός μηχανισμός για τις υψηλότερης τάξης συζεύξεις που απαιτεί η dense associative memory.
Εδώ ξεκινούν τα αστροκύτταρα στην επιχειρηματολογία του MIT. Πρόκειται για αστεροειδή κύτταρα με μακριές, λεπτές αποφυάδες (processes) που μπορούν να περιβάλουν ατομικές συνάψεις. Ένα αστροκύτταρο μπορεί να έρθει σε επαφή με εκατοντάδες χιλιάδες συνάψεις. Όταν μια αποφυά αστροκύτταρου περιβάλλει μια σύναψη, δημιουργείται η λεγόμενη τριμερής σύναψη: μια τριπλή ένωση που περιλαμβάνει την αποφυά του αστροκύτταρου, τον προσυναπτικό και τον μετασυναπτικό νευρώνα. Τα αστροκύτταρα δεν εκπολώνουν ηλεκτρικά δυναμικά ενέργειας όπως οι νευρώνες, όμως επικοινωνούν μέσω σηματοδότησης ασβεστίου και μπορούν να απελευθερώνουν γλοιοδιαβιβαστές στη συναπτική σχισμή.
Το κρίσιμο βήμα στο μοντέλο του MIT είναι να αντιμετωπιστεί κάθε τριμερής συναπτικός θύλακος όχι ως παθητική δομή αλλά ως υπολογιστική μονάδα. Αντί να θεωρούν το αστροκύτταρο ενιαίο, οι ερευνητές το αντιμετωπίζουν ως σύνολο ημι-ανεξάρτητων αποφυάδων, καθεμία ικανή να ανιχνεύει νευρωνική δραστηριότητα και να τροφοδοτεί πληροφορία πίσω. Η σύζευξη που προκύπτει δεν είναι μεταξύ δύο νευρώνων, αλλά μεταξύ της αποφυάς του αστροκύτταρου και των δύο νευρώνων που συνδέει. Αυτό αντιστοιχεί ακριβώς στις υψηλότερης τάξης συζεύξεις που απαιτούν οι dense associative memories.
«Αν θεωρήσουμε τους τριμερείς συναπτικούς θύλακες ως τις θεμελιώδεις υπολογιστικές μονάδες του εγκεφάλου», λέει ο Maurizio De Pitta, επίκουρος καθηγητής φυσιολογίας στο Krembil Research Institute του University of Toronto, που δεν συμμετείχε στη μελέτη, «οι συγγραφείς υποστηρίζουν ότι κάθε μονάδα μπορεί να αποθηκεύσει τόσα πρότυπα μνήμης όσα είναι οι νευρώνες στο δίκτυο. Αυτό οδηγεί στο εντυπωσιακό συμπέρασμα ότι, κατ’ αρχήν, ένα δίκτυο νευρώνων-αστροκυττάρων θα μπορούσε να αποθηκεύσει έναν αυθαίρετα μεγάλο αριθμό προτύπων, περιοριζόμενο μόνο από το μέγεθός του.»
Η φράση «αυθαίρετα μεγάλος» αξίζει προσοχής. Δεν σημαίνει άπειρος. Σημαίνει ότι το μοντέλο δεν συναντά το ταβάνι που «χτυπούν» τα δίκτυα μόνο με νευρώνες και ότι το πρακτικό όριο φαίνεται να κλιμακώνεται με τις διαστάσεις του ίδιου του δικτύου. Με αυτή την ανάγνωση, ο λόγος που η ανθρώπινη μνήμη δεν έχει γνωστό ανώτατο όριο δεν είναι κάποιος εξωτικός μηχανισμός, αλλά μια αρχιτεκτονική αποθήκευσης που η νευροεπιστήμη μέχρι πρόσφατα δεν είχε λόγο να αναζητήσει.
Το μοντέλο αγγίζει και την ενεργειακή αποτελεσματικότητα. Επειδή ο λόγος αποθηκευμένης πληροφορίας προς υπολογιστικές μονάδες είναι υψηλός και αυξάνεται με το μέγεθος του δικτύου, το σύστημα αποθηκεύει περισσότερα ανά μονάδα από μια κλασική αρχιτεκτονική Hopfield. Οι συγγραφείς σημειώνουν ότι αυτό συνάδει με όσα γνωρίζουμε για τον ενεργειακό προϋπολογισμό του εγκεφάλου.
Τα τελευταία χρόνια ενισχύεται η άποψη ότι τα αστροκύτταρα είναι κάτι περισσότερο από κύτταρα υποστήριξης, χωρίς όμως να έχει διαμορφωθεί συναίνεση. Πειραματικές εργασίες που διαταράσσουν τις συνδέσεις αστροκυττάρων-νευρώνων στον ιππόκαμπο έχουν αναφέρει επιδείνωση τόσο στην αποθήκευση όσο και στην ανάκληση μνήμης, ενώ βελτιώσεις στην ανάλυση απεικόνισης ασβεστίου επιτρέπουν την παρατήρηση συντονισμένης δραστηριότητας αστροκυττάρων και νευρώνων σε πραγματικό χρόνο. Αυτά τα ευρήματα δείχνουν ότι κάτι συμβαίνει, χωρίς να αποσαφηνίζουν τι ακριβώς, και ο χώρος δεν έχει ακόμη καταλήξει σε κοινή ερμηνεία.
Το ερώτημα που επιχειρεί να απαντήσει η εργασία των Kozachkov και συνεργατών είναι στενότερο: δεδομένου τι κάνουν τα αστροκύτταρα, τι είδους υπολογισμό θα μπορούσαν εύλογα να εκτελούν; Η απάντηση που δίνει το μοντέλο είναι κωδικοποίηση μνήμης μέσω dense associative memory, με την πληροφορία να αποθηκεύεται στα χωροχρονικά πρότυπα ροής ασβεστίου μέσα στο αστροκύτταρο και να μεταδίδεται πίσω στους νευρώνες μέσω απελευθέρωσης γλοιοδιαβιβαστών.
Οι συγγραφείς είναι ξεκάθαροι για τον εικαστικό χαρακτήρα της δουλειάς τους. «Ελπίζουμε ότι μία από τις συνέπειες αυτής της εργασίας θα είναι να εξετάσουν οι πειραματιστές σοβαρά αυτή την ιδέα και να πραγματοποιήσουν πειράματα που να ελέγχουν την υπόθεση», λέει ο Krotov. Η διαδρομή από ένα εύλογο μοντέλο σε έναν επιβεβαιωμένο μηχανισμό είναι μεγάλη και πολλά εύλογα μοντέλα δεν αντέχουν στην πειραματική δοκιμή. Δεν υπάρχει σήμερα τρόπος να επαληθευτεί η υπόθεση απλώς διαβάζοντας την εργασία· αυτό που κάνει είναι να δείχνει γιατί αξίζει να δοκιμαστεί.
Υπάρχει και ο κίνδυνος μιας υπερβολικά ευρείας ανάγνωσης. Η αρχιτεκτονική dense associative memory προβλέπει ορισμένες μαθηματικές ιδιότητες της αποθήκευσης μνήμης, όμως η αντιστοίχισή τους σε όλο το φάσμα της ανθρώπινης μνήμης —το συναισθηματικό της χρώμα, την επιλεκτικότητα, την ευαλωτότητα σε παραμορφώσεις— απαιτεί πολύ περισσότερη δουλειά. Το μοντέλο αφορά τη χωρητικότητα. Δεν απαντά τι αποθηκεύεται, ούτε γιατί κάποιες αναμνήσεις επιμένουν και άλλες όχι.
Το πλαίσιο των δικτύων Hopfield αξίζει να διατηρηθεί. Ο John Hopfield έλαβε το Νόμπελ Φυσικής το 2024, από κοινού με τον Geoffrey Hinton, για θεμελιώδη εργασία στα τεχνητά νευρωνικά δίκτυα — δουλειά που αναγνωρίστηκε ότι διαμόρφωσε τη σύγχρονη μηχανική μάθηση. Η μελέτη του MIT επεκτείνει αυτό το πλαίσιο σε έναν τομέα που το αρχικό μοντέλο του Hopfield δεν μπορούσε να φτάσει. Αν αυτή η επέκταση περιγράφει με ακρίβεια τι κάνει ο εγκέφαλος παραμένει ανοικτό ερώτημα.
Συχνά ο εγκέφαλος περιγράφεται ως σύστημα «πρώτα οι νευρώνες», με τα υπόλοιπα να λειτουργούν ως δευτερεύουσα υποδομή. Η έμφαση στους νευρώνες δεν είναι τυχαία· είναι τα κύτταρα που εκπυρσοκροτούν, μεταφέρουν ηλεκτρικά σήματα και αποτελούν το ορατό υπόστρωμα της αίσθησης, της κίνησης και της ομιλίας. Όμως ένας εγκέφαλος που αφιερώνει τη μισή κυτταρική του μάζα σε λειτουργίες που παραμένουν ασαφείς είναι ένας εγκέφαλος με ελλιπή αποτίμηση.
Αυτό που προσθέτει η εργασία των Kozachkov και συνεργατών είναι ένας συγκεκριμένος, ελέγξιμος ισχυρισμός: ότι η τριμερής συναπτική ένωση που σχηματίζουν ένα αστροκύτταρο και δύο νευρώνες μπορεί να επιτελεί έργο μνήμης που οι καθαρά νευρωνικές συνδέσεις δεν επαρκούν να καλύψουν. Αν τα πειράματα το επιβεβαιώσουν, η συνέπεια δεν είναι απλώς ότι τα αστροκύτταρα έχουν σημασία. Είναι ότι η μονάδα υπολογισμού που μελετάμε —η σύναψη μεταξύ δύο νευρώνων— ίσως δεν είναι η βασική μονάδα αποθήκευσης μνήμης του εγκεφάλου.
Αυτό θα απαιτούσε αναθεώρηση πολλών όσων έχουν γραφτεί για τον εγκέφαλο. Δεν θα απαιτούσε να πεταχτούν.
