פוסט זה הוא פרק בספר "מין ופסיכולוגיה למהנדסים".
הצהרת הבהרה והסתיגות
זהו הסבר פשטני ביותר, ונועד לתת סקירה על הפעולה הביולוגית ועיבוד המידע במוח. אני לא מתייחס כאן לחלקים השונים במוח והתפקודים השונים שלהם במוח. ההתיחסות היא לזכרון ורגשות מתוך הבנה שהרגשות הזיכרון והאישיות הם מערכת ההפעלה שלנו – כלומר הפסיכולוגיה שמפעילה אותנו.
בכל תחומי הביולוגיה אין ידע מושלם על כל התהליכים. גם במדעי המוח, כמו בשאר תחומי הביולוגיה, הידע חלקי. עם זאת, ההבנה שלנו את התהליכים משתפרת באופן משמעותי, עם פריצות דרך רבות, בשנים האחרונות. בהסבר שלי כאן, אני מעדיף להתמקד בהבנה של המכלול ולא בפרטים – לראות את היער מבלי להתעכב על כל עלה. כלומר, אני מעדיף הסבר פשוט ולא מדויק לגמרי, שמעגל את הפינות המדעיות, מאשר הסבר מדויק מדי שמכביד בפרטים. קריאה בהסבר פשטני זה אינה מכשירה את הקורא להיות מנתח מוח.
חלק א – נוירון בודד
כמו שרקמת שריר בנויה מתאי שריר, כך גם המוח בנוי מתאי עצב. תאי העצב הפעילים במוח נקראים נוירונים. במוח יש גם כמות גדולה של תאי גליה, שתפקידם לתמוך בנוירונים ולבצע עבודות תחזוקה שונות עבורם, אך מכאן ואילך לא נתייחס אל תאי הגליה. קיימים סוגים רבים של נוירונים – חלקם גדולים, חלקם קטנים, ארוכים או קצרים.
לכל סוגי הנוירונים מבנה דומה. קל לדמות נוירון טיפוסי במוח למבנה של עץ. כמו שבעולם הצומח קיימים סוגים שונים של עצים – האורן שונה מהאלון, אך שניהם עצים – כך גם קיימים סוגים שונים של נוירונים. לעץ יש ענפים רבים ועליהם המון עלים. לעץ יש גזע, שבתחתיתו יוצא שורש אחד ראשי ולעיתים יותר. גם נוירון בנוי כך: ענפי העץ דומים לדנדריטים של הנוירון, והעלים שעל הענפים הם הסינפסות שעל הדנדריטים. בדימוי הזה, גזע העץ הוא הסומה – מרכז התא, והשורש הוא האקסון של הנוירון, שהוא לרוב החלק הארוך ביותר בתא, ויש בדרך כלל אחד ראשי שיוצא מהסומה ומתפצל בחלקו התחתון (כמו שורש העץ).
לעץ עשויים להיות 10,000 עלים, וכך גם לנוירון ממוצע יש כ-10,000 סינפסות. כאן מגיע לסיומו הדמיון שערכנו בין עץ לנוירון. האקסון של נוירון אחד מחובר דרך סינפסות לדנדריט של נוירונים אחרים. משמעותו של החיבור הזה תובהר בהמשך.
אם נחזור לדימוי העץ, שלא כמו בעולם הצומח, כאן השורשים של עץ אחד מתחברים לעלים של עץ שני ודרכם לענפי העץ השני. כלומר האקסון של נוירון אחד מתחבר דרך הסינפסות לדנדריטים של נוירון אחר. שוב בדימוי של עצים יש לנו כאן שכבות שכבות של עצים. שכבות שבהם השורשים של שכבה אחת מקושרים לעלים של השכבה מתחתיה. ואז שוב בשכבה התחתית יש חיבור לשכבה עוד יותר תחתית וכך הלאה.
רוב רובם של הנוירונים נמצאים במוחנו, אך יש גם בעמוד השדרה, ויש נוירונים שתפקידם להורות לשרירים שלנו לפעול והם מגיעים לכל השרירים בגופנו. במוחנו יש כ- 85,000 מיליונים של נוירונים ( שהם 85 מיליארד או 109*85). ובמוחנו יש גם כ- 100 טריליון (מיליון מיליונים) (שהם 1014) של סינפסות. סינפסות הן המחברים בין נוירונים.
למטה תמונת שכבות של נוירונים בדימוי של טכניקת Brainbow בפיסה דקה של מוח של עכבר
פעילות הנוירון
פעילות הנוירון היא ברובה חשמלית. החשמל נוצר בתהליך כימי, בדומה למצבר.
למי שמתעניין בתהליך הכימי:
ריכוז יוני נתרן (מלח) ואשלגן בתמיסה מחוץ לתא הנוירון, גדול פי עשרות מונים מהריכוז שלהם בתוך תא הנוירון. הפרש ריכוזי היונים יוצר מפל מתח חשמלי בין פנים התא לחוץ התא. כלומר מפל מתח על דופן (כרום) התא. זהו מתח המנוחה, בו נמצא הנוירון רוב הזמן. לאורך דפנות התא פועלות משאבות נתרן ואשלגן, שמפנות מתוך התא את הנתרן והאשלגן. המשאבות שומרות על הפרש ריכוזים זה. כאשר יונים "פורצים" פנימה, הם פורצים דרך תעלות יונים תלויות מתח (Voltage-Gated Ion Channels), שממוקמות לאורך דפנות הנוירון. ריכוז היונים בחוץ ובפנים מתאזן ומפל המתח נשבר. כלומר שינוי מתח מקומי זה. יגרור תגובת שרשרת. שבה תעלות יונים, ליד שינוי המתח, יפרצו גם הן וישנו את המתח שלידן, דבר שיגרום לתעלות ליד (בהמשך) להתפרץ. כך בפעולת שרשרת המתח יתקדם לאורך דופן התא. "פריצה" זו מתרחשת בעשירית של מילי שניה, והיונים מציפים את פנים התא. בהמשך, המשאבות מחזירות את היונים החוצה, ומשקמות את מתח המנוחה. החזרה למתח מנוחה לוקחת כ-2 עד 4 מילי שניות. כלומר בפעימה, המתח עולה בעשירית מילי שניה ודועך לאורך 2-4 מילי שניות.
אם נחלק את האקסון לשני חלקים – "לפני" (קרוב לסומה) ו"אחרי" (קרוב לקצה האקסון) – נבין שכאשר פורץ מתח במקום מסוים, הוא משפיע על הדפנות שלפניו, המתח פורץ דרך התעלות תלויות המתח שלפנים. מדוע "לפני" ולא "אחרי"? מאחר שהאזור מאחור כבר חווה פריצה ועכשיו יש בו הרבה יונים כי המשאבות עדין לא הספיקו לאזן את המצב. מכאן הפעימה החשמלית, מתקדמת מהסומה לאורך כל האקסון ועד לקצוות האקסון. אנחנו אומרים שנוצרה "ירייה" חשמלית, כי היה שינוי מתח לזמן קצר. כאמור, עד שהמשאבות החזירו את המצב לקדמותו.
שלא כמו התקדמות רגילה של חשמל, במוליך חשמלי, ההתקדמות כאן היא כימית. כאשר כל פעם נפרץ האזור מקדימה. התקדמות הפעימה החשמלית לאורך הנוירון היא במהירות כימית איטית יחסית. מהירות שנמדדת במטרים בשנייה ולא בקצב חשמלי של 300 אלף ק"מ בשנייה.
תהליך ביולוגי זה התגלה על ידי אלן הודג'קין (Alan Hodgkin) ואנדרו הקסלי (Andrew Huxley) . במחקר על דיונונים בשנים 1930–1950, ועליו זכו בפרס נובל לרפואה בשנת 1963.
מהרגע שהנוירון ביצע "ירייה" חשמלית, עד שהמתח חוזר למצב מנוחה, אנו מגדירים שהנוירון, (במהלך הירייה), זמן של (2-4mSec) נמצא במצב של "1" לוגי. ואילו מתח המנוחה מוגדר כ"0" לוגי. נוירונים רבים לא יורים ירייה בודדת אלא צרורות של יריות.
האקסון מעביר את המתח החשמלי דרך הסינפסות לדנדריטים של נוירונים אחרים, לפעמים באקסון ארוך לנוירונים רחוקים. "כמות החשמל" שסינפסה מעבירה לדנדריט משתנה. כאמור יש כ-10,000 סינפסות (העלים בעץ) בנוירון אחד, כל אחת מהן מעבירה "מידע" ממקור אחר. "מידע" זה הוא חשמל שזורם דרך הדנדריט לסומה. התהליך הכימי של זרימת החשמל בדנדריט דומה אך אינו זהה לתהליך שהוסבר באקסון. אם המתח (האנרגיה) שמצטברת ומסוכמת בסומה מכל הדנדריטים עובר סף מסוים, הסומה מעוררת את האקסון ויוצרת ירייה חשמלית חדשה, פעימה שמתקדמת מתחילת האקסון ועד לקצותיו. מהבנה זו עולה כי הנוירון פועל בשני מצבים – "1" ו-"0" לוגיים. לאקסון אין "מצב בינים או שהוא "יורה" (פעימה חשמלית) או שהוא במנוחה – ולכן המוח הוא מערכת היברידית, שמשלבת עיבוד דיגיטלי ואנלוגי.
כאמור הפעימה החשמלית תזרום עד קצה האקסון ובדרכה תעביר חשמל לכל הסינפסות שאליהן מחובר אקסון זה. זהו מרוץ שליחים בו מעבירים "חבילה". ירייה שנוצרה בסומה של נוירון אחד עוברת דרך הסינפסות לדנדריטים של נוירון שני. הדנדריטים של הנוירון השני מעבירים לסומה של הנוירון השני. באם סכום האנרגיה שהגיעה לסומה של הנוירון השני עבר את הסף הנדרש, הסומה של השני תייצר ירייה חדשה, תעביר את "החבילה" לתוך האקסון שלה. האקסון השני דרך הסינפסות, מעביר את "החבילה" לדנדריטים של התא השלישי, וכך הלאה והלאה. אבל לא כל ירייה של האחד בהכרח תפעיל את השני. כאמור "כמות החשמל" (האנרגיה) שסינפסה מסוימת מעבירה אינה קבועה. כלומר באם הסינפסה "החליטה" להעביר "מעט חשמל", רק מעט יגיע לסומה ולכן לא יעבור את הסף הנדרש. מכאן הסומה לא תעורר את האקסון. מכאן והתנועה החשמלית בנוירון זה תיעצר.
אלא אם כן, סינפסה אחרת שמחוברת לאקסון אחר ,שבדיוק יורה עכשיו ,"תחליט" להעביר מספיק חשמל. "מספיק חשמל", הכוונה היא שביחד עם כלל העברות שכלל הסינפסות מעבירות, יספקו מספיק אנרגיה לעבור את הסף של הסומה. אז הסומה תעורר את האקסון ומרוץ השליחים ימשיך.
מי שמכיר ANN – Artificial Neural Network (רשת נוירונים מלאכותית), רואה בשלב זה שהמוח פועל בצורה דומה ל-ANN. בפועל ה-ANN, זו העתקה של פעילות הנוירונים הביולוגית במוח לפעילות במחשב. (גם במחשבים התאים השונים שמבצעים את הסיכום של המשקלים נקראים נוירונים).
לנוירונים יש "טעיות" רבות, מעל 10% של טעויות. כלומר הנוירון יורה כאשר בהתאם לתנאים המתמטיים, הוא לא היה אמור לירות. או להיפך יורה "סתם", כאשר לפי התנאים לא הייתה אמורה להתרחש ירייה. המוח בכל זאת, מצליח לעבוד, זאת בגלל היתירות העצומה שקימת במערכת הביולוגית. אבל ל"טעויות" הללו יש יתרון עצום, הן מאפשרות לקדם אסוציאציות במחשבה שלכאורה אין ביניהן קשר. כלומר קפיצות מחשבתיות שמהוות את הבסיס ליצירתיות. גם במערכות ANN מכניסים טעויות אקראיות כדי לאפשר למערכת לצאת ממצבי "מינימום מקומי". אבל כאשר עוברים את הסף שמעל ל-1% טעויות במערכת ANN, המערכת מתחילה להוציא זבל מוחלט.
המפתח של המודל המתמטי הראשוני של ANN היה הפסיכולוג Frank Rosenblatt ב- 1958 (8 שנים אחרי תגלית הפעילות החשמלית בנוירון) הוא בנה את מודל ה- Perceptron, אבל עד שנות ה-2000 מערכות המחשוב לא יכלו להשתמש במודל מעשי של ANN משתי סיבות עיקריות: סיבה אחת: מעבדים גרפיים (GPU) היו עדין יחסית חלשים ומעבדים רגילים (CPU) לא מתאימים למשימה זו. סיבה שנייה: אלגוריתמים של מחשבים כמו "התפשטות לאחור" עדין לא היו. ב-2010 הובן ש – GPU (מעבדים גרפיים) בעלי אלפי ליבות וכוח מחשוב מועט יחסית, מתאימים למשימה. לפני 15 שנה, ב-2010, NVIDIA הובילה את שוק הכרטיסים הגרפיים למחשבים, ותכננה את המעבדים הגרפיים (GPU) לכרטיסיה בעצמה. אז, ב-2010 ערך המנייה של NVIDIA שהובילה את שוק ה-GPU היה כ-0.30$, מרגע שהובן ש-AI צריך GPU מתקדם, ערך המניה החל לזנק. היום ערך המניה מעל 130$. שווי שוק של חברת NVIDIA עבר מזמן את ה-3 טריליון $. זהו שווי שוק שהוא מעל פי 3, מכל החברות הישראליות ביחד. כלומר שווי השוק של חברת NVIDIA, גדול ביותר מפי 3, מהשווי הכלכלי של מדינת ישראל כולה.
הקישור:
מסביר בקווים כלליים איך ANN מבדיל בין חתול לכלב.
במערכות AI- Artificial intelligence, "כמות החשמל" שהסינפסה מעבירה, נקרא משקל. כלומר אם סכום המשקלים, של נוירונים של מקור, שנמצאים ב-"1" לוגי, עובר סף מסוים, אז גם נוירון היעד יעבור למצב "1" לוגי. אחרת הוא יהיה במצב "0" לוגי.
לימוד וזיכרון
כיצד הסינפסה "מחליטה", על "כמות החשמל" שהיא תעביר?
כאמור "כמות החשמל" שהסינפסה תעביר נקרא משקל הסינפסה. התהליך בו נקבע משקל הסינפסה הוא תהליך שבו הסינפסות באמצעות משוב משנות את משקלן. ב-1949 החוקר Donald Hebb גילה והסביר תהליך זה. העיקרון של שינוי משקל הסינפסות השפיע עמוקות על ANN והביא את ה-AI שבנויה בעיקר על "לימוד עמוק" של רשתות נוירונים מלאכותיות, למצבה היום.
בצורה פשטנית, נניח שהמוח כמכלול, "רצה" לבצע פעולה מסוימת. נניח שהמוח רצה להזיז את הבוהן. נניח גם, שהסינפסה המדוברת היא במסלול שאחראי על הזזת הבוהן. אז אם הפעולה הצליחה, הסינפסה בתהליך המשוב תקבל "פרס" והמשקל שלה יוגדל. אם המוח לא הצליח להזיז את הבוהן הסינפסה תקבל "עונש" ומשקלה יופחת. כאשר אנו לומדים, כל לימוד, מתינוק שלומד ללכת, דרך פתרון של משוואות דיפרנציאליות, זהו תהליך בו הסינפסות באמצעות משוב על הצלחת הלימוד או כישלונו, משנות את משקלן.
בצורה פשטנית, גם הזיכרון, בנוי על תהליך אימון במשוב של הסינפסות. כאן האימון הוא מעגלי (מרוץ שליחים מעגלי שבו החבילות עוברות במעגל, בתנועה אינסופית). המעגל מחזיק איזה שהוא רצף של "1"ים ואפסים לוגים. הרצף הוא האינפורמציה אותה אנו זוכרים. לאחר שהמשקלים בסינפסות נצרבו, כבר אין צורך להמשיך את המרוץ המעגלי. כאשר נרצה להיזכר הנוירון בתחילת המעגל יכול לבצע ירי אחד כך שנוירון בסוף המעגל יוציא את הרצף שהוא הזיכרון בו רצינו להיזכר. אבל הסינפסות לא נשארות עם אותו משקל, עם הזמן המשקל "מתנדף" כלומר המשקל דועך. באם לא נחזור לזיכרון, לא במעשה, לא כזיכרון בו נזכרנו, לא בזמן שאנו ערים, ולא בזמן שינה, אז הסינפסות יעבדו את צריבת הזיכרון. זה מאוד דומה לקבלים המזעריים בזיכרון RAM במחשב. באם לא נבצע ל-RAM מחזורי ריענון, הקבלים יאבדו את המתח שלהם והמידע בזיכרון יתנדף.
כאן אנו נוגעים באחד מהתפקידים המרכזים של השינה. השינה מתפקדת כמו מחזור ריענון של ה-RAM. אבל במקום למלא את הקבלים של ה-RAM, היא משמרת את המשקל של הסינפסות. תהליך שיחזור המשקל בסינפסות הוא תהליך מתוחכם. התהליך כולל גם דחיסה ועיבוד של הזיכרון וגם קישור הזיכרון לזכרונות אחרים (בדומה לקישור של HTTP). בחלום אנחנו נזכרים באירועי התקופה האחרונה ולפעמים גם אירועים מתקופות רחוקות. עצם הזיכרון גורם לחשמל לעבור דרך הסינפסות הרלוונטיות ולמלא אותן. אבל אנחנו לא נזכרים באירוע בדיוק כפי שקרה, אלא וריאציות של האירוע. וריאציות אלו מושפעות מאוד מהרגשות שאנו מנתבים לאירוע, מהפחדים שהיו באירוע ורצון שמלווה את האירוע . פסיכולוגים ופסיכואנליטיקאים שמנתחים חלומות משתמשים בחלום בשביל לזקק את הרגשות, הפחדים והרצונות שלנו. התהליך גם מחבר בין זיכרון אחד לשני, כלומר הזיכרון של איך פותרים משוואה לינארית, יכול להתחבר לפתרון של משוואה דיפרנציאלית. חלק מפתרון הבעיות שלנו גם בצד הרגשי אבל גם בצד הקוגנטיבי יכול להיפתר רק אחרי שינה. נתיבים של נוירונים מזיכרון אחד יכולים להגיע (סינפסות שמשקלן עולה) לאזורים של זיכרון אחר. כך נוצר קשר אסוציאטיבי בין מקרים שלכעורה אינם קשורים קוגניטיבית.
להבדיל מ-AI בטכנולוגיה הקיימת היום, סינפסות חדשות בין אקסון של נוירון אחד לדנדריט של אחר יכולות "להיוולד" במהלך לימוד וזכרון ארוך טווח. כמו גם סינפסות שיכולות "למות" ולהעלם.