مغز انسان می تواند کل اینترنت را ذخیره کند

تحقیقات جدید نشان می دهد که مغز انسان ممکن است بتواند به همان اندازه اطلاعاتی که در کل اینترنت موجود است در حافظه خود نگه دارد.

محققان کشف کردند که برخلاف کامپیوترهای کلاسیک که اطلاعات را به صورت 0 و 1 کد می کند، یک سلول مغزی از 26 روش مختلف برای کدگذاری “بیت های” خود استفاده می کند. آنها محاسبه کردند که مغز می تواند 1 پتابایت (یا یک کوادریلیون بایت) اطلاعات را ذخیره کند.

تری سجنووسکی، زیست شناس در موسسه سالک در لا جولا، کالیفرنیا، در بیانیه ای گفت: “این یک بمب واقعی در زمینه علوم اعصاب است . ” اندازه گیری های جدید ما از ظرفیت حافظه مغز تخمین های محافظه کارانه را تا 10 برابر افزایش می دهد.

علاوه بر این، مغز انسان می‌تواند این مقدار حیرت‌انگیز اطلاعات را در حالی که انرژی کافی برای روشن کردن یک لامپ کم نور مصرف می‌کند، ذخیره کند. [ 10 راز برتر ذهن ]

در مقابل، یک کامپیوتر با حافظه و قدرت پردازش یکسان به 1 گیگاوات نیرو یا اساساً یک نیروگاه هسته ای کامل برای راه اندازی یک کامپیوتر که همان کاری را که کامپیوتر ما با 20 وات انجام می دهد، نیاز دارد. بارتول، عصب شناس در موسسه سالک.  

به طور خاص، تیم می خواست نگاه دقیق تری به هیپوکامپ، ناحیه ای از مغز انسان که نقش کلیدی در یادگیری و حافظه کوتاه مدت دارد، بیندازد.

به گفته بارتول، تیم تحقیقاتی برای کشف اسرار ذهن ، یک برش کوچک از هیپوکامپ موش را برداشت. آن را در مایع مومیایی کردن قرار داد، سپس آن را با یک چاقوی بسیار تیز الماس برش داد، فرآیندی شبیه به «بریدن پرتقال». (اگرچه مغز موش با مغز انسان یکسان نیست، ویژگی‌های اصلی تشریحی و عملکرد سیناپس‌ها در همه پستانداران بسیار شبیه است.) سپس این تیم بافت نازک را در پلاستیک جاسازی کردند، زیر میکروسکوپ به آن نگاه کردند و تصاویر دیجیتالی ایجاد کردند.

سپس، محققان یک سال با قلم و کاغذ هر نوع سلولی را که دیدند ردیابی کردند. پس از آن همه تلاش، تیم تمام سلول‌های نمونه را ردیابی کردند، حجم بسیار کمی از بافت. [ گالری تصاویر: مغز اینشتین ]

بارتول به Live Science گفت: “شما می توانید 20 نمونه از این نمونه ها را در عرض یک موی انسان قرار دهید.”

توزیع اندازه

سپس، تیم تمام نورون‌ها یا سلول‌های مغزی کامل را در بافت شمارش کرد که در مجموع به 450 رسید. از این تعداد، 287 مورد دارای ساختارهای کاملی بودند که محققان به آنها علاقه داشتند.

نورون‌ها کمی شبیه بادکنک‌های متورم و بدشکل هستند، با گره‌های بلندی به نام آکسون‌ها و دندریت‌هایی که از بدن سلولی خارج می‌شوند. آکسون‌ها به‌عنوان سیم خروجی سلول مغز عمل می‌کنند و مجموعه‌ای از مولکول‌ها به نام انتقال‌دهنده‌های عصبی را ارسال می‌کنند.

در حالی که خارهای ریز روی دندریت‌ها پیام‌های شیمیایی ارسال شده توسط آکسون را در یک شکاف باریک به نام سیناپس دریافت می‌کنند. (نقطه خاصی روی دندریت که در آن این پیام‌های شیمیایی از طریق سیناپس منتقل می‌شود، ستون فقرات دندریتیک نامیده می‌شود.) سپس سلول مغزی دریافت‌کننده می‌تواند حافظه پنهان انتقال‌دهنده‌های عصبی خود را برای انتقال آن پیام به نورون‌های دیگر شلیک کند. در پاسخ هیچ کاری نمی کند.

کار گذشته نشان داده بود که بزرگ‌ترین سیناپس‌ها با ضریب 60 کوتوله از کوچک‌ترین سیناپس‌ها می‌شوند. این تفاوت اندازه نشان‌دهنده قدرت اتصال زیربنایی است – در حالی که نورون‌های متوسط ​​سیگنال‌های دریافتی را حدود 20 درصد مواقع رله می‌کنند، این درصد می‌تواند در طول زمان افزایش یابد. 

هرچه یک مدار مغزی تمرین بیشتری داشته باشد (یعنی هر چه یک شبکه از نورون‌ها بیشتر فعال شود)، احتمال اینکه یک نورون در آن مدار زمانی که دیگری سیگنالی به آن می‌فرستد شلیک شود، بیشتر می‌شود.

بارتول گفت: به نظر می رسد روند تقویت این شبکه های عصبی نقطه تماس فیزیکی در سیناپس ها را بزرگ می کند و میزان انتقال دهنده های عصبی را که می توانند آزاد کنند افزایش می دهد.

بارتول گفت: اگر نورون‌ها اساساً از طریق یک سیناپس با یکدیگر صحبت می‌کنند، پس سلول مغزی که در یک سیناپس بزرگ‌تر ارتباط برقرار می‌کند صدای بلندتری نسبت به سلولی که در یک سیناپس کوچک‌تر ارتباط برقرار می‌کند دارد.

اما دانشمندان در مورد اندازه‌های نورون‌ها و چگونگی تغییر آن‌ها در پاسخ به سیگنال‌ها چیز زیادی درک نکرده‌اند.

سپس Bartol، Sejnowski و همکارانشان متوجه چیز خنده‌داری در برش هیپوکامپ خود شدند. در حدود 10 درصد مواقع، یک آکسون منفرد بیرون می‌آمد و به همان دندریت در دو خار دندریتیک مختلف متصل می‌شد. این آکسون‌های عجیب و غریب دقیقاً ورودی یکسانی را به هر یک از نقاط روی دندریت ارسال می‌کردند. اما اندازه سیناپس‌ها، جایی که آکسون‌ها با دندریت‌ها صحبت می‌کنند، به طور متوسط ​​8 درصد متفاوت بود. این بدان معنی است که واریانس طبیعی در میزان تغییر سیناپس زیرین پیام بین این دو، 8 درصد بود.

بنابراین تیم سپس پرسید: اگر سیناپس‌ها می‌توانند در اندازه 60 تفاوت داشته باشند، و اندازه یک سیناپس به دلیل شانس خالص حدود 8 درصد متفاوت است. چند نوع مختلف از اندازه‌های سیناپسی می‌توانند در آن محدوده اندازه قرار بگیرند و شناسایی شوند. به عنوان متفاوت توسط مغز؟

با ترکیب این داده ها با نظریه تشخیص سیگنال، که تعیین می کند قبل از اینکه مغز بتواند تفاوت بین آنها را تشخیص دهد، دو سیگنال باید چقدر متفاوت باشند، محققان دریافتند که نورون ها می توانند در 26 محدوده اندازه متفاوت باشند. این، در اصل، نشان داد که نورون‌ها از چه تعداد حجم مختلف «صدا» برای گفتگو با یکدیگر استفاده می‌کنند. پیش از این، محققان فکر می کردند که این سلول های مغزی تنها در چند اندازه وجود دارند.

از آنجا، آنها می توانند دقیقاً محاسبه کنند که چه مقدار اطلاعات می تواند بین هر دو نورون منتقل شود. رایانه‌ها داده‌ها را به صورت بیت ذخیره می‌کنند که می‌توانند دو مقدار بالقوه داشته باشند – 0 یا 1. اما این پیام باینری از یک نورون (آتش یا نه) می‌تواند 26 اندازه مختلف نورون را تولید کند. بنابراین آنها از تئوری اطلاعات پایه برای محاسبه تعداد بیت های داده ای که هر نورون می تواند نگه دارد استفاده کردند.

بارتول گفت: “برای تبدیل عدد 26 به واحد بیت، ما به سادگی می گوییم 2 افزایش یافته به توان n برابر با 26 است و n را حل می کنیم. در این مورد n برابر با 4.7 بیت است.”

محققان به صورت آنلاین در مجله eLife گزارش دادند که ظرفیت ذخیره سازی حدود 10 برابر چیزی است که قبلاً تصور می شد .

فوق العاده کارآمد

یافته های جدید همچنین روشن می کند که چگونه مغز اطلاعات را در حالی که نسبتاً فعال است ذخیره می کند. این واقعیت که اکثر نورون‌ها در پاسخ به سیگنال‌های دریافتی شلیک نمی‌کنند. اما بدن در ترجمه آن سیگنال‌ها به ساختارهای فیزیکی بسیار دقیق است، تا حدی توضیح می‌دهد که چرا مغز از یک کامپیوتر کارآمدتر است. بیشتر دستگاه‌های سنگین‌بر آن اینطور نیستند.

با این حال، حتی اگر متوسط ​​سلول مغز در 80 درصد مواقع غیرفعال باشد، باز هم توضیح نمی دهد که چرا یک کامپیوتر 50 میلیون برابر انرژی بیشتری برای انجام کارهای مشابه مغز انسان نیاز دارد. 

بخش دیگر داستان ممکن است مربوط به نحوه عملکرد بیوشیمی در مقایسه با نحوه کار الکترون‌ها در رایانه باشد. رایانه‌ها از الکترون‌ها برای انجام محاسبات استفاده می‌کنند و الکترون‌هایی که در یک سیم جریان دارند، گرمای زیادی تولید می‌کنند، و این گرما انرژی هدر رفته است. بارتول گفت. او افزود که مسیرهای بیوشیمیایی ممکن است بسیار کارآمدتر باشند.