fMRI-gegevens onthullen het aantal parallelle processen in de hersenen

Het menselijk brein wordt vaak beschreven als een massaal parallelle computermachine. Dat roept een interessante vraag op: hoe parallel is het?

Vandaag krijgen we een antwoord dankzij het werk van Harris Georgiou aan de National Kapodistrian University van Athene in Griekenland, die het aantal CPU-kernen heeft geteld dat aan het werk is in de hersenen, omdat deze eenvoudige taken uitvoert in een functionele magnetische resonantiebeeldvorming (fMRI) machine. Het antwoord zou kunnen leiden tot computers die beter aansluiten bij de prestaties van het menselijk brein.

De hersenen zelf bestaan ​​uit ongeveer 100 miljard neuronen die elk tot 10.000 verbindingen maken met hun buren. Dit alles is verpakt in een structuur ter grootte van een feesttaart en werkt met een piekvermogen van slechts 20 watt, een prestatieniveau dat computerwetenschappers met onverholen jaloezie observeren.

fMRI-machines onthullen deze activiteit door veranderingen te meten in het zuurstofgehalte in het bloed dat door de hersenen gaat. De gedachte is dat actievere gebieden meer zuurstof verbruiken, dus zuurstofgebrek is een teken van hersenactiviteit.

Doorgaans verdelen fMRI-machines de hersenen in driedimensionale pixels, voxels genaamd, die elk ongeveer vijf kubieke millimeter groot zijn. De volledige activiteit van de hersenen op elk moment kan worden geregistreerd met behulp van een driedimensionaal raster van 60 x 60 x 30 voxels. Deze metingen worden ongeveer elke seconde herhaald, meestal voor taken die twee of drie minuten duren. Het resultaat is een dataset van ongeveer 30 miljoen datapunten.

Georgiou's werk is het bepalen van het aantal onafhankelijke processen dat aan het werk is binnen deze enorme dataset. Dit is niet veel anders dan proberen het (minimale) aantal werkelijke 'cpu-cores' te herstellen dat nodig is om alle actieve cognitieve taken te 'uitvoeren' die zijn geregistreerd in het hele 3D-hersenvolume, zegt hij.

Gezien de omvang van de dataset is dit een lastige opgave. Om zijn signaalverwerkingstechniek te testen, begon Georgiou met het maken van een synthetische fMRI-dataset bestaande uit acht verschillende signalen met statistische kenmerken die vergelijkbaar zijn met die in de hersenen. Vervolgens gebruikte hij een standaard signaalverwerkingstechniek, onafhankelijke componentenanalyse genaamd, om uit te rekenen hoeveel verschillende signalen er aanwezig waren, en ontdekte dat er inderdaad acht zijn, zoals verwacht.

Vervolgens paste hij dezelfde onafhankelijke componentanalysetechniek toe op echte fMRI-gegevens die waren verzameld van proefpersonen die twee eenvoudige taken uitvoerden. De eerste was een eenvoudige visuo-motorische taak waarbij een proefpersoon naar een scherm kijkt en vervolgens een eenvoudige taak moet uitvoeren, afhankelijk van wat er verschijnt.

In dit geval wordt op het scherm links of rechts een rood of groen vak weergegeven. Als het vakje rood is, moet de proefpersoon dit met de rechterwijsvinger aangeven, en als het vakje groen is, geeft de proefpersoon dit aan met de linkerwijsvinger. Dit is gemakkelijker wanneer het rode vak aan de rechterkant verschijnt en het groene vak aan de linkerkant, maar is moeilijker wanneer de posities worden verwisseld. De gegevens bestonden uit bijna 100 onderzoeken die werden uitgevoerd bij negen gezonde volwassenen.

De tweede taak was gemakkelijker. De proefpersonen kregen een reeks afbeeldingen te zien die in categorieën vallen, zoals gezichten, huizen, stoelen, enzovoort. De taak was om te zien wanneer hetzelfde object twee keer verschijnt, zij het vanuit een andere hoek of onder verschillende lichtomstandigheden. Dit is een klassieke visuele herkenningstaak.

De resultaten zorgen voor interessante lectuur. Hoewel de analyse complex is, is de uitkomst eenvoudig te formuleren. Georgiou zegt dat onafhankelijke componentenanalyse onthult dat ongeveer 50 onafhankelijke processen aan het werk zijn in de menselijke hersenen die de complexe visuo-motorische taken uitvoeren om de aanwezigheid van groene en rode vakjes aan te geven. De hersenen gebruiken echter minder processen bij het uitvoeren van eenvoudige taken, zoals visuele herkenning.

Dat is een fascinerend resultaat dat belangrijke implicaties heeft voor de manier waarop computerwetenschappers chips moeten ontwerpen die bedoeld zijn om menselijke prestaties na te bootsen. Het impliceert dat parallellisme in de hersenen niet optreedt op het niveau van individuele neuronen, maar op een veel hoger structureel en functioneel niveau, en dat er ongeveer 50 zijn.

Georgiou wijst erop dat een typische voxel overeenkomt met ongeveer drie miljoen neuronen, elk met enkele duizenden verbindingen met zijn buren. De huidige state-of-the-art neuromorfische chips bevatten echter een miljoen kunstmatige neuronen met elk slechts 256 verbindingen. Wat uit dit werk duidelijk wordt, is dat het parallellisme dat Georgiou heeft gemeten op veel grotere schaal voorkomt.

Dit betekent dat, in theorie, een kunstmatig equivalent van een hersenachtige cognitieve structuur misschien geen massaal parallelle architectuur vereist op het niveau van enkele neuronen, maar eerder een goed ontworpen set van beperkte processen die parallel lopen op een veel lagere schaal, concludeert hij.

Iedereen die erover denkt om hersenachtige chips te ontwerpen, vindt dit misschien een nuttige tip.

Referentie:arxiv.org/abs/1410.7100: Schatting van de intrinsieke dimensie in fMRI-ruimte via dataset Fractal-analyse

zich verstoppen