Uma rede neural , também chamada de rede neuronal , é uma população interconectada de neurônios (normalmente contendo múltiplos circuitos neurais ). [1] Redes neurais biológicas são estudadas para compreender a organização e funcionamento dos sistemas nervosos .
Intimamente relacionadas estão as redes neurais artificiais , modelos de aprendizado de máquina inspirados em redes neurais biológicas. Eles consistem em neurônios artificiais , que são funções matemáticas projetadas para serem análogas aos mecanismos usados pelos circuitos neurais .
Uma rede neural biológica é composta por um grupo de neurônios quimicamente conectados ou funcionalmente associados. [2] Um único neurônio pode estar conectado a muitos outros neurônios e o número total de neurônios e conexões em uma rede pode ser extenso. Conexões, chamadas sinapses , geralmente são formadas de axônios para dendritos , embora sinapses dendrodendríticas [3] e outras conexões sejam possíveis. Além da sinalização elétrica, existem outras formas de sinalização que surgem da difusão de neurotransmissores .
Inteligência artificial, modelagem cognitiva e redes neurais artificiais são paradigmas de processamento de informações inspirados na forma como os sistemas neurais biológicos processam dados. A inteligência artificial e a modelagem cognitiva tentam simular algumas propriedades das redes neurais biológicas. No campo da inteligência artificial , as redes neurais artificiais têm sido aplicadas com sucesso ao reconhecimento de fala , análise de imagens e controle adaptativo , a fim de construir agentes de software (em computadores e videogames ) ou robôs autônomos .
A teoria das redes neurais serviu para identificar melhor como funcionam os neurônios no cérebro e fornecer a base para os esforços para criar inteligência artificial.
História
A base teórica preliminar para redes neurais contemporâneas foi proposta independentemente por Alexander Bain [4] (1873) e William James [5] (1890). Em seu trabalho, tanto os pensamentos quanto a atividade corporal resultaram de interações entre neurônios no cérebro.
Para Bain, [4] cada atividade levava ao disparo de um determinado conjunto de neurônios. Quando as atividades eram repetidas, as conexões entre esses neurônios se fortaleciam. Segundo sua teoria, essa repetição foi o que levou à formação da memória. A comunidade científica geral da época era cética em relação à teoria de Bain [4] porque ela exigia o que parecia ser um número excessivo de conexões neurais dentro do cérebro. É agora evidente que o cérebro é extremamente complexo e que a mesma “ligação” cerebral pode lidar com múltiplos problemas e entradas.
A teoria de James [5] era semelhante à de Bain; [4] , no entanto, ele sugeriu que memórias e ações resultavam de correntes elétricas fluindo entre os neurônios do cérebro. Seu modelo, ao focar no fluxo de correntes elétricas, não exigia conexões neurais individuais para cada memória ou ação.
CS Sherrington [7] (1898) conduziu experimentos para testar a teoria de James. Ele passou correntes elétricas pela medula espinhal de ratos. No entanto, em vez de demonstrar um aumento na corrente elétrica conforme projetado por James, Sherrington descobriu que a intensidade da corrente elétrica diminuía à medida que os testes continuavam ao longo do tempo. É importante ressaltar que este trabalho levou à descoberta do conceito de habituação .
McCulloch e Pitts [8] (1943) também criaram um modelo computacional para redes neurais baseado em matemática e algoritmos. Eles chamaram esse modelo de lógica de limite. Esses primeiros modelos abriram caminho para que a pesquisa em redes neurais se dividisse em duas abordagens distintas. Uma abordagem focou nos processos biológicos no cérebro e a outra na aplicação de redes neurais à inteligência artificial.
O processamento paralelo distribuído de meados da década de 1980 tornou-se popular sob o nome de conexionismo . O texto de Rumelhart e McClelland [9] (1986) forneceu uma exposição completa sobre o uso do conexionismo em computadores para simular processos neurais.
As redes neurais artificiais, tal como utilizadas na inteligência artificial, têm sido tradicionalmente vistas como modelos simplificados de processamento neural no cérebro, embora a relação entre este modelo e a arquitetura biológica do cérebro seja debatida, pois não está claro até que ponto as redes neurais artificiais espelham Função cerebral. [10]
Neurociência
A neurociência teórica e computacional é o campo que se preocupa com a análise e modelagem computacional de sistemas neurais biológicos. Como os sistemas neurais estão intimamente relacionados aos processos cognitivos e ao comportamento, o campo está intimamente relacionado à modelagem cognitiva e comportamental.
O objetivo da área é criar modelos de sistemas neurais biológicos para entender como funcionam os sistemas biológicos. Para obter essa compreensão, os neurocientistas se esforçam para fazer uma ligação entre os processos biológicos observados (dados), mecanismos biologicamente plausíveis para processamento e aprendizagem neural (modelos de redes neurais) e teoria (teoria da aprendizagem estatística e teoria da informação ).
Tipos de modelos
Muitos modelos são usados; definidos em diferentes níveis de abstração e modelando diferentes aspectos de sistemas neurais. Eles variam desde modelos do comportamento de curto prazo de neurônios individuais , passando por modelos da dinâmica dos circuitos neurais decorrentes de interações entre neurônios individuais, até modelos de comportamento decorrentes de módulos neurais abstratos que representam subsistemas completos. Estes incluem modelos da plasticidade de longo e curto prazo dos sistemas neurais e sua relação com a aprendizagem e a memória, desde o neurônio individual até o nível do sistema.
Conectividade
Em agosto de 2020, cientistas relataram que conexões bidirecionais, ou conexões de feedback apropriadas adicionadas, podem acelerar e melhorar a comunicação entre e nas redes neurais modulares do córtex cerebral do cérebro e diminuir o limiar para sua comunicação bem-sucedida. Eles mostraram que adicionar conexões de feedback entre um par de ressonância pode suportar a propagação bem-sucedida de um único pacote de pulso por toda a rede. [11] [12]
Melhorias recentes
Embora inicialmente a pesquisa se preocupasse principalmente com as características elétricas dos neurônios, uma parte particularmente importante da investigação nos últimos anos tem sido a exploração do papel dos neuromoduladores como a dopamina , a acetilcolina e a serotonina no comportamento e na aprendizagem.
Modelos biofísicos , como a teoria BCM , têm sido importantes na compreensão dos mecanismos de plasticidade sináptica , e têm tido aplicações tanto na ciência da computação quanto na neurociência.
Veja também
Referências
- ^ Hopfield, JJ (1982). “Redes neurais e sistemas físicos com capacidades computacionais coletivas emergentes” . Processo. Nacional. Acad. Ciência. EUA . 79 (8): 2554–2558. Código Bib : 1982PNAS...79.2554H . doi : 10.1073/pnas.79.8.2554 . PMC346238 . PMID6953413 .
- ^ Sterratt, D., Graham, B., Gillies, A., & Willshaw, D. Capítulo 9 (2011). Princípios de Modelagem Computacional em Neurociências, Capítulo 9. Cambridge, Reino Unido: Cambridge University Press.
- ^ Arbib, p.666
- ^ Bain ( 1873 ) . Mente e Corpo: As Teorias de Sua Relação . Nova York: D. Appleton and Company.
- ^ James (1890) . Os Princípios da Psicologia . Nova York: H. Holt and Company.
- ^ Cuntz, Hermann (2010). "Imagem da edição de biologia computacional PLoS | Vol. 6(8) agosto de 2010" . Biologia Computacional PLOS . 6 (8): ev06.i08. doi : 10.1371/image.pcbi.v06.i08 .
- ^ Sherrington, CS (1898). "Experiências no exame da distribuição periférica das fibras das raízes posteriores de alguns nervos espinhais" . Anais da Royal Society de Londres . 190 : 45–186. doi : 10.1098/rstb.1898.0002 .
- ^ McCulloch, Warren; Walter Pitts (1943). "Um cálculo lógico de ideias imanentes na atividade nervosa". Boletim de Biofísica Matemática . 5 (4): 115–133. doi : 10.1007/BF02478259 .
- ^ Rumelhart, DE; James McClelland (1986). Processamento Distribuído Paralelo: Explorações na Microestrutura da Cognição . Cambridge: MIT Press.
- ^ Russel, Ingrid. “Módulo de Redes Neurais” . Arquivado do original em 29 de maio de 2014.
- ^ “Neurocientistas demonstram como melhorar a comunicação entre diferentes regiões do cérebro” . medicalxpress.com . Recuperado em 6 de setembro de 2020 .
- ^ Rezaei, Hedyeh; Aertsen, anúncio; Kumar, Arvind; Valizadeh, Alireza (10 de agosto de 2020). “Facilitando a propagação de atividades de pico em redes feedforward, incluindo feedback” . Biologia Computacional PLOS . 16 (8): e1008033. Código Bib : 2020PLSCB..16E8033R . doi : 10.1371/journal.pcbi.1008033 . ISSN 1553-7358 . PMC 7444537 . PMID32776924 . S2CID221100528 . Licença Creative Commons Atribuição 4.0 Internacional.
