Neyron tarmog'ini inson miyasi bilan taqqoslash

Neyron tarmog'ini inson miyasi bilan taqqoslash

• 
  Sun'iy intellekt
  
• 
  Miya
  

Biologik miya yoki biologik neyron tarmoqlari hozirgi mashhur kompyuter neyron tarmoqlaridan mutlaqo farq qiladi degan ko'plab tanqidlarga duch kelish mumkin. Turli mutaxassislar biologlar, neyrofiziologlar va kompyutershunoslik, mashinasozlik bo'yicha mutaxassislarning gaplariga murojaat qilishadi, ammo aniq izoh va takliflar juda kam. Ushbu maqolada biz ushbu muammoni tahlil qilishga va biologik, kompyuter neyron tarmoqlarining ishlashidagi aniq farqlarni aniqlashga harakat qilamiz va ularning ishini biologik hamkasblariga yaqinlashtiradigan kompyuter neyron tarmoqlarini yaxshilash usullarini taklif qilamiz.

Bilim chegarasi

Birinchidan, tushuntirishni istaganim, mening fikrimcha, kuchli sun'iy intellektni yaratish masalasi, kompyuter fanlari va biologik miyani bilishdagi ulkan yutuqlarga qaramay, hanuzgacha juda ayanchli. Bu, birinchi navbatda, fanning ikki ustuni o'rtasidagi ulkan mafkuraviy tafovut bilan bog'liq. Kompyutershunoslik dastur kodida ro'yxatdan o'tish uchun yetarli bo'lgan keraksiz va aniq tuzilishni bekor qilishda tizimlarning tavsifida aniq sxematik soddaligi, qat'iyligi va aniqligini, tizimli yondashuvni talab qiladi. Ammo biologiyada kuzatilgan tizimlarni tavsiflash tafsilotlari ustunlik qiladi, kuzatuvlardan hech narsa olib tashlanmaydi va e'tiborsiz qoldirilmaydi. Kuzatiladigan barcha faktlar tavsiflangan tizimlarga kiritilishi kerak. Shuning uchun miya algoritmlarini yaratish uchun biologlarga o'zlarining keng bilimlariga tizimli yondashuvni qo'llash qiyin. Darhaqiqat, samolyotning konstruktiv tuzilishini yaratish uchun ko'p narsani ko'rib chiqish va qushning suratidan voz kechish kerak edi.
Boshqa tomondan, kompyuter neyron tarmoqlarini o'rganishda miya printsiplarini izohlashda neyronlar haqidagi matnning qisqa bandiga rozi bo'lgan olimlar va muhandislarni tushunish oson, ular dendritlardagi sinapslardan foydalanib, boshqa neyronlarga "quloq soladi" va qavat ustiga yig'ish natijalarini bitta akson yordamida uzatadi. bundan tashqari, ushbu bilimlarga tanqidiy baho bermasdan. Hatto neyrobiologlar biologik neyronning tamoyillarini tasvirlash uchun McCullock-Pitts rasmiy neyronidan foydalanadilar, ammo ular buni boshqa sababga ko'ra qilishadi, chunki munosib alternativalar yo'q, biologiyada neyron nima qilyapti, qanday mantiq bajaradi, keng ma'lumotga qaramay. u haqida.
Agar kimdir miyaning ishini qayta o'rganishga harakat qilsa, u yig'ilgan qarama-qarshi bilimlarning butun bir qatlamini uchratadi, hatto biolog ham tushunishga yetarli hayotga ega bo'lmaydi, boshqa ilm shakliga o'rgangan tizim muhandisi haqida gapirmasa ham bo'ladi. Bunday hajmli ma'lumot bilan faqat miya funktsiyasining ma'lum bir umumiy nazariyasi prizmasidan foydalanish mumkin.Insoniyat juda katta hisoblash quvvatiga ega va miya haqida juda ko'p ma'lumotga ega, ammo bu narsalarning sintezini ololmaydi. Keling, ushbu muammoni yechishga harakat qilib, ushbu bilimlar qatorini o'chirib tashlaymiz.
Amalga oshirilishi kerak bo'lgan birinchi juda muhim printsip miya ba'zi juda oddiy qoidalarga muvofiq ishlashi kerakligi, ya'ni. Barcha kognitiv jarayonlar, ular qanchalik murakkab ko'rinmasin, oddiy asosiy printsiplarga asoslanadi. Bu bizning miya haqida eshitishga odatlanganimizdan farq qiladi. Uzoq vaqt davomida miya ishining umumiy nazariyasining yo'qligi miyaning ba'zi tushunarsiz murakkab ob'ekt ekanligi yoki uning ishining tabiati unga nisbatan qo'llaniladigan ilmiy tadqiqotlar doirasidan tashqarida ekanligi haqida ko'plab taxminlarni keltirib chiqardi. Masalan, ular miyani kvant kompyuteri bilan taqqoslashadi yoki murakkab kalkulyatorlarning xususiyatlarini asab tizimidagi ularning soni bilan bir qatorda, miyani modellashtirish uchun hisoblash quvvatiga bo'lgan talablarni individual neyronlarga ajratishadi.
Menimcha, insoniyat miyasining asoratini hech qachon anglamaslik kerak, degan ilmiy olimlar ilmiy darajalardan mahrum bo'lishi kerak, bunday bayonotlar faqatgina ushbu muammoni hal qilishga o'zini bag'ishlashni istagan odamlarning jangovar ruhini susaytirishi mumkin.
Xo'sh, miyaning soddaligi uchun dalillar nima? Bu yerda men mutlaqo paradoksal misol keltiraman. Agar biz uzum salyangozini olib, elektrodlarni uning katta ganglionining bitta neyroniga olib borsak, bunday tajribalarga nisbatan qo'llaniladigan barcha talablarga muvofiq, u holda biz individual neyronning harakat grafigini olamiz va uni tahlil qilishga harakat qilsak, biz uning faoliyatining juda murakkab xarakterini olamiz. Agar biz tajribamizning invaziv xususiyatini hisobga olsak ham, elektrodlarimiz kokleaga jiddiy zarar etkazishi va uning hayotiy faoliyatini cheklashiga qaramay, neyronlarning tabiati hali ham juda murakkab ko'rinadi. Vaqt o'tishi bilan biz o'z-o'zidan paydo bo'ladigan faollikni va ularning soni va chastotasining o'zgarishini ko'ramiz. Ko'pgina olimlar uzoq vaqt davomida neyroning ushbu murakkab xatti-harakatlarini tushuntirishda qiynalmoqda va buning bir muncha muntazamligini izlamoqda.
Ushbu faktlar neyronni murakkab algoritmga muvofiq ishlaydigan murakkab kompyuterga aylantiradi. Koxlear asab tizimida 20 mingga yaqin bunday neyronlar mavjudligini hisobga olsak, umumiy kokleaning asab tizimining hisoblash kuchi asosiy kadr bilan taqqoslanadi deb aytish mumkin. O'ylaymanki, bu sizni hayvonlardan qo'rqish bilan ilhomlantirishi kerak.
Ammo salyangozlarning xatti-harakati qanchalik murakkabligini ko'rib chiqaylik. Salyangoz bu o'ziga xos biologik avtomatdir va u xatti-harakatlarida ma'lum darajada o'zgaruvchanlikka ega, ammo u juda kichikdir. Bu neyronlar, sinapslar va refleks aktlari haqida mavjud bilimlar bilan izohlanishi mumkin bo'lgan shartsiz reflekslar to'plami, ko'pincha juda oddiy.Yuqoridagilarni tasdiqlash uchun men o'zimning so'nggi maqolamga havola qilmoqchiman, bu qurbaqaning tosqovoq modelini tavsiflaydi, unda asab tizimi tufayli o'nlab neyronlardan siz suv qushlarining juda murakkab xatti-harakatlarini olishingiz mumkin. Bundan tashqari, modeli fanga ma'lum bo'lgan dalillarga asoslangan juda oddiy neyronlardan.

• 
  OpenTadpole
  

Xo'sh, bu murakkab neyron xatti-harakati qayerdan kelib chiqadi va nega ularning soni juda ko'p? Bu yerda, aslida, biri ikkinchisidan kelib chiqadi. Tabiatda paradoksal hodisa mavjud bo'lib, uni neyron samaradorligining paradoksi deb atash mumkin. Asab tizimining kuchayishi va asoratlanishi bilan, ushbu tizimdagi individual neyronning samaradorligi yoki roli kamayishiga bog'liq.

Agar biz 301 neyron bilan bog'langan hayvon ringelm c.elegansning asab tizimini tahlil qilsak, uning asab tizimining to'g'ri ishlashida nafaqat individual neyronlar, balki alohida sinapslar ham muhim ahamiyatga ega ekanligini ko'ramiz. Ya'ni, bitta ringworm neyroniga 100% samaradorlik tayinlashimiz mumkin. Agar insonning asab tizimini shu nuqtai nazardan qarasak, odamning hayotini va hatto uning ijtimoiy integratsiyasini saqlab qolish bilan birga, neyronlarga bosh suyagidan tortib olinadigan samaradorlikning ahamiyatini belgilash qiyin. *.
Phineas Gage-ning juda mashhur voqeasiga murojaat
Siz muntazam ravishda to'liq hayot kechiradigan va ijtimoiy moslashuvchan odamlar to'satdan miyalari biron bir sohada yoki lobda yo'qligini aniqlaydigan vaziyatlarni tasvirlaydigan maqolalarni ko'rishingiz mumkin. Bunday faktlar uning umuman neyron emasligi va aslida miya emas degan fikrni keltirib chiqarishi ajablanarli emas.
Agar biz sog'lom miyaning faoliyatini kuzatadigan bo'lsak, unda biz qo'shimcha neyronlarni ko'rmaymiz, har bir neyron ishtirok etadi, har xil darajada, albatta, har biri o'z roliga ega bo'ladi. Miya buni qanday amalga oshiradi, neyron algoritmi buning uchun qanday bo'lishi kerak, neyronning samaradorligi pastligi bilan men quyida tushuntiraman.
Neyron samaradorligining paradoksi, asab tizimidagi neyronlar sonining ko'payishi bilan, individual neyronlarga evolyutsion jarayonlarning "diqqatining" kamayishi bilan izohlanishi mumkin. Shu sababli, ringworm neyronlari, biz aytishimiz mumkinki, soat kabi ishlaydi, juda aniq, uzum salyangozining neyronlari va inson bunday aniqlik bilan maqtana olmaydi, ular o'z-o'zidan paydo bo'ladigan faoliyatni va qaerda bo'lishi kerakligini va etishmasligi, shuningdek uning beqarorligini ko'ra oladi. .
Shunday qilib, neyronning murakkab faoliyati uchun ikkita nazariyani taqdim etish mumkin: neyron - bu murakkab kompyuter, uning ishlash algoritmini tushunish va oqlash qiyin, yoki neyron juda barqaror emas, bu uning ortiqcha miqdori bilan qoplanadi, bu evolyutsiya nuqtai nazaridan eng oddiy echimdir. Occam Razor qoidasini ushbu nazariyalarga qo'llang, unga ko'ra siz eng sodda tushuntirishga ega bo'lgan g'oyalarni qoldirishingiz kerak va bu g'oyalar haqiqat bo'lishi mumkin.
Bir tomondan, neyronning samaradorligi paradoksi miyani modellashtirish uchun zarur bo'lgan hisoblash kuchi inson miyasida neyronlar va sinapslarning sonini to'g'ridan-to'g'ri baholashga qaraganda ancha kam bo'lishiga ijobiy umid beradi. Boshqa tomondan, bu biologik miyani o'rganishni ancha qiyinlashtiradi. Katta hisoblash kuchlarini sarflagan holda miya yarim korteksining kichik bir qismining ancha batafsil modelini yaratishimiz mumkin va ushbu modelda kognitiv mexanizmlarning asab tizimida qanday ishlashini ko'rsatadigan muhim jarayonlarni ko'rmaymiz. Bunday urinishlar allaqachon qilingan.
Bir qarashda, miya funktsiyasining umumiy nazariyasini yaratishda eng oddiy va sodda yondashuv - bu neyron va sinapslar haqida ma'lum bo'lgan ko'plab ilmiy dalillarga muvofiq miyaning batafsil modelini yaratish. Modellashtirish har qanday murakkab tizimlarni o'rganishda eng amaliy ilmiy vositadir. Model o'rganilayotgan ob'ektning mohiyatini so'zma-so'z ochib beradi, simulyatsiya qilingan tizimda cho'milish va ichki jarayonlarga ta'sir qilish, ularni yaxshiroq tushunishga imkon beradi.
Neyronda hisob-kitoblarni amalga oshiradigan alohida organellalar mavjud emas, ammo uning membranasi bir qator xususiyatlarga ega va neyronlarga muayyan ishlarni bajarishga imkon beradi. Ushbu ish 1952 yilda ishlab chiqilgan va mualliflari uchun Nobel mukofotini olgan Xodgkin-Xoksli modeli deb nomlangan tenglamalar tizimidan foydalanib aniqlanishi mumkin.



Ushbu formulalarda neyron membranasining ba'zi parametrlarini aniqlaydigan bir qator koeffitsientlar mavjud, masalan ion kanallarining reaktsiya tezligi, ularning o'tkazuvchanligi va boshqalar. Ushbu sehrli model bir vaqtning o'zida bir nechta hodisalarni tasvirlaydi, shuningdek, neyron membranasi yuzasidagi zaryadning o'zgarishiga qo'shimcha ravishda. Birinchidan, u neyronning faollashuv funktsiyasini yoki yig'ish mexanizmini tasvirlaydi, bu juda oddiy. Agar boshlang'ich zaryad etarli bo'lmasa, u holda model muvozanatda qoladi. Agar zaryad ma'lum bir chegaradan oshib ketsa, u holda model bitta boshoq bilan javob beradi. Agar zaryad bu qiymatdan sezilarli darajada oshsa, u holda model bir qator burmalar bilan javob beradi.
Kompyuter neyron tarmoqlari faollashtirish funktsiyasi uchun juda ko'p turli xil variantlardan foydalanadi, biologiyaga eng yaqin Heaviside funktsiyasi (bitta qadam) va chiziqli rektifikator (rektifikator) bo'lishi mumkin. Ammo siz biz neyron ishining juda oddiy tomonini - jamlashni tasvirlayotganimizni tushunishingiz kerak. Yuqorida aytib o'tilgan tadpole ustidagi ishimda men simulyatsiya modelining juda oddiy versiyasini qo'lladim, uni majoziy ravishda ogohlantiruvchi omilni yig'uvchi tomir sifatida ifodalash mumkin, agar bu omil ma'lum bir chegaradan oshib ketgan bo'lsa, neyron faollashadi. Ushbu qo'shimchaning real vaqt rejimida ishlashi uchun, ta'sir qiluvchi omil majoziy tomirdan asta-sekin chiqib ketadi.
Ushbu yig'ish modeli neyronga kelgan signallarni asenkron ravishda umumlashtirishga imkon berdi va u juda real ishlaydi. Menimcha, ushbu jarayonni tasvirlash qanchalik oson bo'lsa, yaxshi va bu biologik va kompyuter tarmoqlari o'rtasidagi printsipial farqdir. Ikkinchidan, Xodgkin-Xoksli modeli membrananing bir nuqtasida zaryad o'zgarishini tasvirlaydi, ammo agar, masalan, biz neyronning topologik jihatdan aniq 3D modelini yaratsak va ushbu modelni yagona panjara bilan taqsimlasak, Hodgkin-Huxley modelini har bir verteksda (tugun) qo'llashimiz mumkin. Agar zaryad panjara bo'ylab qo'shni uchlari qiymatiga ta'sir ko'rsatsa, ushbu panjara. Shunday qilib, biz tirik neyronda qanday sodir bo'lishiga yaqin bo'lgan neyron bo'ylab qo'zg'alish tarqalishining modelini olamiz.

Ushbu modeldan kelib chiqadigan asosiy xulosalar shundaki, membrananing biron bir qismida yuzaga keladigan qo'zg'alish butun membranaga, shu jumladan uzoq akson bo'ylab eng uzoq sinapslarga tarqalishidir. Xodgkin-Xoksli modeli juda katta resurs talab qiladi, shuning uchun modellashtirish uchun juda o'xshash jadvalga ega bo'lgan arzonroq modellar qo'llaniladi, bir nechta modellar ixtiro qilindi.
"Inson miyasi" loyihasi (HBP) doirasida sichqoncha korteksining kichik bir qismining modeli yaratildi, uning yaratuvchilari ko'p narsalarni hisobga olishdi. Neyronlarning 3D modellari haqiqiy neyronlar yordamida qayta tiklandi, Xodgkin-Xoksli modelining versiyalaridan biri ishlatilgan, turli xil neyronlar va neyrotransmitterlar hisobga olingan va bu model haqiqatan ham biologik hamkasbiga mos kelishiga shubha yo'q. Bunga ko'p resurslar va vaqt sarflandi, ammo bu kichik hajmda, neyronlarning samaradorligi paradoksi tufayli muhim jarayonlarni ko'rishning iloji yo'qligi sababli muhim natijalarni bermadi. Shuning uchun biologiyani batafsil takrorlash yo'li juda ko'p vaqt talab etadi. Muvaffaqiyatning kaliti bu asab to'qimalari va neyronlarning kengroq ishlashini tushunish qobiliyatidir.
Keling, vizual ma'lumotlarga ishlov beradigan miya ma'lum bir misol yordamida ma'lumotni qanday ishlashini ko'rib chiqamiz. Ushbu vazifani bajaradigan neyron tarmoqning diagrammasini tuzamiz.

Ko'zning to'r pardasidan olingan ma'lumotlar optik asab orqali talamusga uzatiladi, bu yerda deyarli amaliy o'zgarishlar bo'lmaydi. Keyin u miya yarim korteksining birlamchi ko'rish zonasiga (V1) uzatiladi. Miya yarim korteksida oltita qatlam ajralib turadi, ammo bu qatlamlar gistologik yoki morfologikdir. Ehtimol, bu erda biz ikkita qatlam bilan shug'ullanmoqdamiz, chunki ba'zi tuzilmalar ikki marta takrorlanadi. Ammo shunga qaramay, biz ikkita alohida mustaqil qatlam, tandemda ishlaydigan asab hujayralari qatlamlari bilan shug'ullanmaymiz.

V1 vizual korteks zonasini ma'lumotlarni qayta ishlaydigan birinchi qatlam sifatida tavsiflaymiz. V1 zonasida talamus bilan kurashish mumkin. Shunga o'xshash qaytarilishlar keyingi barcha qatlamlar o'rtasida mavjud. Ushbu bog'lanishlar reverslar deb nomlangan qatlamlar o'rtasida siklik qo'zg'alish uzatmalarini hosil qiladi.
V1 zonasidan so'ng, ma'lumot keyingi V2 zonasiga etkaziladi, keyingi barcha zonalar kichikroq maydonlarga ega bo'ladi. Miya nimani kuzatayotganiga qarab, u ob'ekt, belgi, odamning yuzi, joyi yoki V2 ma'lumotlari V3, V4, V5 ning turli sohalariga etkazilishi mumkin edi. Ya'ni, allaqachon V2 vizual sohada vizual tasvirlarning jiddiy toifalanishi mavjud. Va taxminan uchinchi yoki to'rtinchi qatlamda ma'lum tasvirlarning neyron-detektorlarini ajratib olish mumkin. V1 zonasidan so'ng, ma'lumot keyingi V2 zonasiga etkaziladi, keyingi barcha zonalar kichikroq maydonlarga ega bo'ladi. Miya nimani kuzatayotganiga qarab, u ob'ekt, belgi, odamning yuzi, joyi yoki V2 ma'lumotlari V3, V4, V5 ning turli sohalariga etkazilishi mumkin edi. Ya'ni, allaqachon V2 vizual sohada vizual tasvirlarning jiddiy toifalanishi mavjud. Va taxminan uchinchi yoki to'rtinchi qatlamda ma'lum tasvirlarning neyron-detektorlarini ajratib olish mumkin.

Shunga o'xshash fikrlar mavjud, bu yig'ilish qatlamlarining ierarxiyasi, har bir keyingi qatlam har doim kamroq parametrlarga ega bo'ladi. Ammo ushbu turdagi kompyuter tarmog'ining qatlamlarida takroriy ulanishlar mavjud emas, albatta, ularning mavjudligi naqshni muvaffaqiyatli aniqlash uchun mezon emas, chunki tirik miyadagi reverberatsiyalarning tabiati to'liq o'rganilmagan. Reverberatsiyalar lahzali xotira hodisasi bilan bog'liq degan gipoteza mavjud, bu bizga, masalan, telefon raqamini yoki uning talaffuzini terishda adashmasligimizga imkon beruvchi xotira. Qayta tiklanadigan faoliyat, avvalgidek, kechikish bo'lib, bu faoliyat o'tadigan sohalarni anglatadi va shu bilan qayta ishlanadigan ma'lumotlarning kontekstini yaratadi.
Bir kishi bir necha soniyalarning fraksiyalarida murakkab tasvirlarni taniy oladi, membrana bo'ylab harakatlanish potentsialining tarqalish tezligi 1 dan 120 m / s gacha, kimyoviy sinapslarning sinaptik kechikishi 0,2-0,5 ms ni tashkil qiladi, bu zanjir zanjiri yuzdan ortiq neyron.
Yuqorida aytilganidek, bizning kalla suyagimizda har qanday kompyuter neyron tarmoqlariga qaraganda tezroq va samaraliroq ishlaydigan neyron tarmoq mavjud, bu esa juda murakkab bo'lmagan ma'lumotlarni o'zgartirmasdan tashkil qilishda juda sodda. Buni tushunish va zamonaviy neyron tarmoqlariga qaraganda ancha kam hisoblash resurslaridan foydalangan holda naqshni aniqlash vazifasini bajaradigan tarmoq algoritmini izlashga undaydi.

• 
  Rasmiy neyron
  

Rasmiy McCulloch-Pit neyroni ko'plab dalillar va bitta javob bilan ma'lum bir funktsiya sifatida namoyish etilishi mumkin. Kirish argumentlari og'irliklar deb nomlangan tegishli koeffitsientlarga ko'paytiriladi (W1, W2, ... Wn), keyin bu qiymatlar qo'shiladi va olingan miqdor aktivatsiya funktsiyasidan o'tadi, natijada neyron hisob-kitoblari natijasi. Asosiysi, to'g'ri vaznni tanlash, ya'ni neyron tarmog'ini mashq qilish. Ushbu neyron modeli sodda va ravshan ko'rinishi mumkin, ammo u dendritik sinapslarga kuchli urg'u beradi.
Kimyoviy sinapsda ikkita muhim qismni ajratish mumkin: bular presynap va postsinaplar. Presynapses aksonning uzoq davom etadigan yagona jarayonining oxirida joylashgan bo'lib, ko'p marta buklanishi mumkin. Presinaps uchlarida mayda muhr ko'rinishida taqdim etiladi, bu qo'zg'alishni o'tkazadigan neyronga taalluqlidir. Postynapses dendritlarning qisqa dallanadigan jarayonlarida joylashgan bo'lib, ular qo'zg'alish uzatiladigan neyronga tegishli.

Presinaps tarkibiga vesikulalar, neyrotransmitter moddasining qismlari bo'lgan vesikulalar kiradi. Oldin sinaps noaniqligi aniqlandi, presinapses unda joylashgan neyrotransmitterning qismlari va shuningdek, faollashtirilgan neyrotransmitterning sonida farqlanadi. Presinapsning og'irligi yoki kuchi S harfi bilan belgilanadi.
Postynaps membranasining yuzasida neyrotransmitterga javob beradigan retseptorlar joylashgan. Ushbu retseptorlarning soni sinapsning qanchalik sezgirligini aniqlaydi. Ya'ni, postynaps ham ba'zi xarakteristikalar, og'irlik bilan tavsiflanishi mumkin. Ushbu vaznni A harfi bilan belgilaymiz. Albatta, siz ushbu ikkita parametrni bitta Vt sifatida ifodalashingiz mumkin, bu butun sinapsning kuchini aniqlaydi, ammo mashq paytida ushbu parametrlar boshqacha sozlanishi kerak va ular turli xil neyronlarga tegishli.

Neyronning bunday namoyishi yanada realdir, ammo ayni paytda bu juda murakkab, chunki hozirgi paytda mashg'ulot paytida ushbu parametrlarning barchasini qanday sozlashni tushunish kerak.Men o'zimni algoritm bilan tanishtirmoqchiman, bu orqali postsinapslarda, ya'ni dendritik sinapslarda o'zgarishlar yuz beradi. Bu biologik neyronning ma'lum bir faoliyat darajasini saqlab turishi kerakligiga asoslanadi. Haqiqat shundaki, bir neyron hujayra sifatida tana uchun juda ko'p resurs talab qiladi, u o'z-o'zidan ovqatlana olmaydi, buning uchun sun'iy yo'ldosh hujayralari, glia buni amalga oshiradi. Shuning uchun, biron bir sababga ko'ra neyron o'z funktsiyalarini bajarmagan bo'lsa, unda eng yaxshi variant - bu butun organizmning samaradorligini oshirish uchun undan xalos bo'lish.
Neyronda uzoq vaqt faollik bo'lmaganda, apoptoz jarayoni boshlanishi mumkin, sun'iy yo'ldosh hujayralari bu jarayonni faol ravishda qo'llab-quvvatlaydilar va neyronni bir-biridan ajratib tashlaydilar. Shuning uchun aktivizatsiya manbai etarli bo'lmagan sharoitda neyronni omon qolish uchun dendritik novdalarni rivojlantirish, dendritlardagi sinapslarning sezgirligini oshirish va ba'zan boshqa joylarga ko'chib o'tish kerak (bu juda kamdan-kam hollarda va muayyan sharoitlarda bo'ladi), yaxshi yoki o'z-o'zidan paydo bo'lishi mumkin.
Bu, masalan, ko'rish yoki eshitish organlari qarish tufayli buzilish yoki buzilishlarga duchor bo'lgan odamlarda ko'rish yoki eshitish gallyutsinatsiyalaridan dalolat beradi. Bu haqda Oliver Saxs o'zining "Xotini shlyapa kiygan odam" kitobida batafsil tasvirlangan.

• 
  Ko'chma neyronlar
  

Boshqa tomondan, neyronning haddan tashqari faolligi uning o'limiga ham olib kelishi mumkin. Neyronning faoliyati bu juda murakkab jarayon bo'lib, u ko'plab mexanizmlarning aniq bajarilishini talab qiladi va ularni to'liq bajarmaslik butun hujayrani halokatli oqibatlarga olib keladi. Agar faoliyat manbalari ortiqcha bo'lsa, u holda neyronlar dendritlarning ayrim shoxlarining degradatsiyasi va ularning postinapslarining sezgirligining pasayishi boshlanadi. Shunday qilib, neyron dendritik sinapslarni tartibga solish orqali o'z faoliyatining darajasida ma'lum bir muvozanatni topishga harakat qilmoqda. O'z manfaati uchun harakat qiluvchi mustaqil agent sifatida ishlaydigan neyron butun miyaning ajoyib moslashuvchanligini va plastisiyasini ta'minlaydi. Neyron samaradorligining paradoksiga qaramay, sog'lom miya juda uyg'un ishlaydi va har bir neyron o'z rolini o'ynaydi. Ushbu mexanizm tufayli ko'r odamlarning miya yarim korteksining vizual zonalarining neyronlari vizual tasvirlarni qayta ishlash bilan bog'liq bo'lmagan boshqa asabiy jarayonlarga jalb qilinadi. Va asab hujayralari sonining qisqarishi asab tizimini juda ishonchli qiladi va agar asab to'qimalarining ba'zi qismlari shikastlangan bo'lsa, neyronlar yo'qolgan hujayralarning funktsiyalari va vazifalarini o'z zimmalariga olishlari mumkin.Ushbu versiyaga asoslanib, dendritik sinapslar kognitiv jarayonlarni aniqlaydigan ba'zi mantiqiy funktsiyalarga emas, balki butun asab tizimining moslashuvchan xususiyatlariga ta'sir qiluvchi rol o'ynaydi.Akson sinapslarining presinaplaridagi o'zgarishlar uchun algoritm, ya'ni Hebb qoidasi allaqachon mavjud.

Agar A hujayrasi aksoni B hujayrasini qo'zg'atishga yetarlicha yaqin bo'lsa va u doimiy ravishda yoki doimiy ravishda uning qo'zg'alishida ishtirok etsa, u holda bir yoki har ikkala hujayrada o'sish yoki metabolik o'zgarishlar mavjud bo'lib, A qo'zg'aluvchan B hujayralarining biri sifatida A ning samaradorligini oshirishga olib keladi.

Hebb, D. O. The organization
of behavior: a neuropsychological theory. New York (2002) (Оригинальное издание — 1949)
Men Hebb qoidasining to'liq matnini keltiraman, chunki uning semantik ma'nosini o'zgartiradigan talqinlar ko'p.Ko'rinib turibdiki, asosiy e'tibor qo'zg'alishni uzatuvchi neyronga, ya'ni qabul qiluvchi neyronning dendritik sinapslariga emas, aksonning aksonlariga qaratilgan. Presynaps va postsinaplar albatta bir-biriga ta'sir qiladi. Masalan, faollashuv etishmovchiligi bilan neyron birinchi navbatda ko'proq foydalaniladigan postsinaps sezgirligini oshiradi. Va agar faollashtirish darajasini pasaytirish kerak bo'lsa, kamroq tez-tez ishlatilgan postinapslar avval yomonlashadi. Bu moslashtirish jarayonlarida o'quv mantig'ini saqlash muhimligi bilan bog'liq.Agar biz sun'iy neyron tarmog'ini yaratmoqchi bo'lsak, unda biz moslashuv mexanizmlarini e'tiborsiz qoldiramiz, chunki biologik tizimlar har bir element tomonidan resurslarni tejashni sun'iy modellarga qaraganda ko'proq talab qiladi.Ma'lum bo'lishicha, kompyuter neyron tarmoqlarining asosini neyron modeli tashkil etadi, bunda biologik neyronga qaraganda ko'proq e'tibor beriladi. Shuning uchun ushbu yo'nalishni rivojlantirishda sifatli natijaga ishonmaslik kerak. Ammo bu muammolarni tushunib, siz vaziyatni o'zgartirishingiz mumkin, siz yana neyron tarmoqlar kontseptsiyasini yaratishingiz, uni qayta ko'rib chiqishingiz, to'g'ri poydevor qo'yishingiz kerak.

• 
  Tahlil va sintez
  

Neyrofiziologiya yosh, hali yetuk bo'lmagan fan bo'lib, u fizikadagi qonunlar kabi qat'iy fundamental qonunlarga ega emas, garchi unda ko'p sonli nazariya va dalillar mavjud. Menimcha, bunday qonunlar Ivan Petrovich Pavlovning refleks nazariyasining postulatlari va tamoyillari bo'lishi mumkin. Ularni fizikadagi Nyuton qonunlari bilan taqqoslash mumkin. Neyrofiziologiyada yangi nazariyalarni yaratishda biz savol berishimiz kerak: reflekslar bizning nazariyamiz doirasida qanday paydo bo'ladi va qanday shakllanadi va sintez va tahlil jarayonlari qanday o'zini namoyon qiladi.Tahlil va sintez alohida e'tibor talab qiladi. Ushbu tushunchalar juda mavhum ko'rinadi, ammo bu asab tizimida yuzaga keladigan o'ziga xos jarayonlardir. I.P. Pavlov tahlil va sintez miya yarim korteksida doimiy ravishda oqadi deb ishondi. Ushbu jarayonlar kognitiv faoliyat uchun asosdir. Men ushbu jarayonlarning mohiyatini aniq tushuntirishga harakat qilaman, bu neyron tarmoqlarida kognitiv jarayonlarni qayta tiklash uchun juda muhimdir.Sintez - bu turli xil belgilarni bitta tasvirga yoki harakatga birlashtirish, umumlashtirish mexanizmi.