- นักวิจัยทำแผนที่ ชิ้นส่วนขนาดเล็กมาก ของสมองมนุษย์อย่างละเอียดสุดขีด และสร้างแอตลาสของเซลล์ที่ช่วยให้มองเห็นโครงสร้างการเชื่อมต่อของสมอง
- แอตลาสของเซลล์ นี้ได้รับการตีพิมพ์ใน Science และยังเผยแพร่เป็นข้อมูลออนไลน์เพื่อใช้ในการวิเคราะห์ต่อยอดได้
- แอตลาสเผยให้เห็น รูปแบบการเชื่อมต่อใหม่ ระหว่างนิวรอน และแสดงโครงสร้างระดับเซลล์ที่ก่อนหน้านี้มองเห็นได้ยาก
- เซลล์บางส่วนโอบล้อมตัวเองจนเกิด โครงสร้างคล้ายปม และยังพบคู่นิวรอนที่ดูแทบเหมือนภาพสะท้อนในกระจกของกันและกัน
- แม้ในเนื้อเยื่อขนาดเล็กเพียง 1 มม.³ ก็ยังปรากฏการเชื่อมต่อและรูปทรงที่ซับซ้อน แสดงให้เห็นขนาดของข้อมูลที่จำเป็นต่อการทำความเข้าใจโครงสร้างสมองมนุษย์
แอตลาสของเซลล์จากชิ้นส่วนสมองมนุษย์
- นักวิจัยทำแผนที่ชิ้นส่วนเล็ก ๆ ของสมองมนุษย์อย่าง ละเอียดมาก
- ผลลัพธ์คือ แอตลาสของเซลล์ ซึ่งรวมถึงนิวรอนหรือเซลล์ประสาทของสมอง
- แอตลาสดังกล่าวเผยแพร่ผ่านบทความใน Science และเข้าถึงได้ทางออนไลน์ด้วย
โครงสร้างที่เผยให้เห็นในแอตลาส
- พบ รูปแบบการเชื่อมต่อใหม่ ระหว่างนิวรอน
- เซลล์บางส่วนโอบล้อมตัวเองและก่อเป็น โครงสร้างคล้ายปม
- ยังพบคู่นิวรอนที่เกือบเป็น ภาพสะท้อนในกระจก ของกันและกัน
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
ณ วันที่ 2024/05/11 ฉันอ่านคอมเมนต์ทั้งหมดแล้ว และค่อนข้างแปลกใจที่จากมุมมองของศาสตราจารย์มหาวิทยาลัยชั้นนำ กลับไม่มี คำถามที่ชัดเจน โผล่มาเลยสักข้อ
แทนที่จะไล่เรียงแต่ความรู้ระดับตำราเกี่ยวกับการทำงานของสมอง ความแตกต่างระหว่างสัตว์เลี้ยงลูกด้วยนมกับนก หรือ AI และ LLM ก็น่าจะต้องถามไม่ใช่หรือว่า โครงสร้างและวัตถุประหลาดเหล่านั้น ที่เราไม่รู้อะไรเลยทำหน้าที่อะไร: https://h01-release.storage.googleapis.com/gallery.html
ลองนับดูแล้วมี 7 อย่าง
โดยเฉพาะ “วัตถุรูปไข่ที่ไม่มีปุ่มยื่นเชื่อมต่อ” นี่ถูกใจมาก
จะมีโครงสร้างที่เดนไดรต์ของเซลล์หนึ่งทะลุผ่านโซมาของอีกเซลล์ได้อย่างไร
การแสดงผลแบบอินเทอร์แอ็กทีฟ ยอดเยี่ยมมาก
ลองซูมดูชิ้นตัดและเลื่อนดูชั้นขึ้นลงก็ดี และโมเดล 3D ก็คุ้มค่าที่จะซูมดูเช่นกัน
ถ้าเอาเมาส์ไปวางบนส่วนใดส่วนหนึ่งของนิวรอน ก็จะเห็นว่านิวรอนทั้งตัวถูกไฮไลต์ด้วย: http://h01-dot-neuroglancer-demo.appspot.com/#!gs://h01-release/assets/neuroglancer_states/20210601/c2_library.json
นี่เป็นเพียง 1 ลูกบาศก์มิลลิเมตร ของสมองเราเท่านั้น แต่มีการเชื่อมต่อมากขนาดนั้น จึงพอเข้าใจได้ว่าทำไมอีกาถึงฉลาดได้มากทั้งที่มีสมองขนาดแค่วอลนัต
สมองอาจเป็นสิ่งที่ซับซ้อนที่สุดในเอกภพก็ได้ และก็อดสงสัยไม่ได้ว่ามันจะซับซ้อนพอที่จะเข้าใจตัวมันเองหรือไม่ หรือว่านั่นเป็นสิ่งที่เป็นไปได้ในเชิงตรรกะหรือเปล่า
ไม่รู้จริง ๆ ว่าเขาทำแบบนั้นได้อย่างไร
“แผนที่ 3D นี้ครอบคลุมปริมาตรราว 1 ลูกบาศก์มิลลิเมตร ซึ่งคิดเป็น 1 ในล้านของสมองทั้งหมด และมีเซลล์ราว 57,000 เซลล์ รวมถึงไซแนปส์ 150 ล้านจุดซึ่งเป็นการเชื่อมต่อระหว่างนิวรอน”
นี่เป็น จุดอ้างอิงจากการวัดจริง ที่ดีสำหรับคำนวณคร่าว ๆ ว่าโมเดลโครงข่ายประสาทต้องใหญ่แค่ไหนจึงจะเลียนแบบสมองมนุษย์ได้
150 ล้านไซแนปส์ / 57,000 นิวรอน เท่ากับเฉลี่ย 2,632 ไซแนปส์ต่อนิวรอน และถ้าสมองมนุษย์วัยผู้ใหญ่มีนิวรอนราว 100,000 ล้านเซลล์ ก็จะได้ไซแนปส์รวม 2.6e14 จุด
ต่อให้กำหนดเพียง 1 พารามิเตอร์ต่อไซแนปส์ โมเดลขั้นต่ำก็ยังใหญ่กว่าข่าวลือเรื่อง GPT-4 ที่มีพารามิเตอร์ 1.8e12 อยู่หลายร้อยเท่า
ซึ่งนี่ก็ยังหยาบเกินไปอยู่ดี ถ้าคิดว่าแต่ละไซแนปส์มี 10~100 ช่องไอออน และแต่ละช่องไอออนมีอย่างน้อย 10 พารามิเตอร์ ก็จะเกิน 2.6e16 หรือใหญ่กว่า GPT-4 มากกว่า 4 หลัก
แน่นอนว่ายังมีปัญหาอื่น เช่น การทำให้เกิด neuroplasticity แต่ก็เป็นการคำนวณคร่าว ๆ ที่น่าสนุก
ความสามารถในการคำนวณอาจไปถึงจุดนั้นได้ราวปี 2048: https://news.ycombinator.com/item?id=38919548
ซึ่งแทบจะตรงข้ามกับความเชื่อที่มีมาหลายสิบปีว่า artificial neuron เป็นเพียงแบบจำลองที่หยาบมากของนิวรอนจริง
มีคำพูดหนึ่งว่า “สมองของเรามีการเชื่อมต่อ 100 ล้านล้านจุด ส่วน large language model มีอย่างมาก 5 แสนล้าน ถึง 1 ล้านล้านจุด แต่ GPT-4 กลับรู้มากกว่าคนคนหนึ่งหลายร้อยเท่า บางทีอาจเป็นเพราะมันมีอัลกอริทึมการเรียนรู้ที่ดีกว่าเรามากก็ได้”
ถ้าดูจากความหนาแน่นของตัวอย่างสมองนี้ การเชื่อมต่อของ GPT-4 จะกินปริมาตร 5 ลูกบาศก์เซนติเมตร หรือราว 1% ของเปลือกสมองมนุษย์
ทั้งที่เป็นเช่นนั้น GPT-4 ก็ยังพูดได้ค่อนข้างคล่องใน 80 ภาษา แปลภาษา เขียนโค้ด เลียนแบบสำนวนของนักเขียนหลายร้อยหรือหลายพันคน และสนทนาได้ตั้งแต่ปรัชญาไปจนถึงการทำอาหาร วิทยาศาสตร์ และกฎหมาย
ภายในเซลล์เต็มไปด้วย เครื่องจักรระดับนาโน ที่ซับซ้อน และบางส่วนอาจเกี่ยวข้องกับกระบวนการรับรู้ด้วย
อย่างน้อยฉันก็รู้จักงานวิจัยหนึ่งชิ้นที่ระบุโครงสร้างนาโนซึ่งเกี่ยวข้องโดยตรงกับวิธีที่ความทรงจำทำงานในนิวรอน
ยิ่งไปกว่านั้น หลายกระบวนการก็มีมิติแบบแอนะล็อกอยู่มากพอสมควร
ฉันจำได้ว่านักประสาทวิทยาคนหนึ่งเคยพูดในบทสัมภาษณ์ว่า มนุษย์เราเปรียบสมองกับเทคโนโลยีที่ซับซ้อนที่สุดของแต่ละยุคมาหลายศตวรรษแล้ว
ตอนแรกก็เทียบกับเครื่องกล ต่อมากับท่อและไอน้ำ วงจรไฟฟ้า อิเล็กทรอนิกส์ และตอนนี้คือคอมพิวเตอร์ แต่สมองไม่ได้ทำงานเหมือนสิ่งใดสิ่งหนึ่งเหล่านั้นเลย ดังนั้นเราจึงต้องตระหนักถึงข้อจำกัดของแบบจำลองของเรา
ไม่มีอะไรมาขวางไว้ แล้วจะไม่มีได้อย่างไร
ฉันไม่คิดว่าการทำโมเดลการทำงานของไซแนปส์ให้เป็นเพียงสัญญาณที่มากขึ้นจะเพียงพอ
ดังนั้นสำหรับสติปัญญาทั่วไป อาจต้องใช้เนื้อสมองน้อยกว่ามากก็ได้
แม้จะเป็นผลลัพธ์ที่สำคัญและน่าทึ่งมาก แต่ก็ทำให้นึกถึงปัญหาพื้นฐานของประสาทวิทยา
ถ้าเราแทบไม่รู้อะไรเกี่ยวกับโปรเซสเซอร์เลย และทำได้แค่ติดอิเล็กโทรดลงบนได เราจะสามารถใช้แค่ค่าที่วัดได้เพื่อหาว่าโปรเซสเซอร์รันโปรแกรมอย่างไร และโปรแกรมนั้นทำอะไรอยู่ได้อย่างละเอียดจริงหรือ?
ถ้าขยายสเกลขึ้นไปอีกหลายลำดับขั้น และเพิ่มความไวต่อจังหวะเวลาที่สัญญาณมาถึงเข้าไป นั่นก็คือสมอง
ต่อให้ตอนนี้เรามีข้อมูลระดับเพตะไบต์แล้ว เราจะเข้าใกล้การเข้าใจว่า การรู้คิดทำงานอย่างไร ได้จริงหรือ?
ตอนเรียนวิชาเกริ่นนำประสาทวิทยาเชิงคำนวณ ผมค่อนข้างช็อกที่พบว่าแทบไม่มีคณิตศาสตร์ที่ใช้จัดการนิวรอนเกินไม่กี่ตัวในโดเมนเวลาได้
นิวรอนจริงทำงานในโดเมนเวลา และการเรียนรู้แบบ Hebb ก็ขึ้นกับจังหวะเวลา อีกทั้งยังไม่มี นาฬิกา ส่วนกลางด้วย
ทุกอย่างที่สมองทำนั้นเป็นกระบวนการต่อเนื่อง
อีกอย่างหนึ่งคือแม้แต่ C. elegans ที่มีนิวรอนราว 300 ตัวและถูกทำแผนที่ไว้อย่างดีแล้ว OpenWorm ก็ยังจำลองได้ไม่สำเร็จ ซึ่งบอกอะไรได้มาก
หนึ่งในเหตุผลที่ใช้กันในงานวิจัย AI คือ “การเอากล้องจุลทรรศน์อิเล็กตรอนไปส่องขนนก ไม่ได้ทำให้เรา discover หลักการบิน”
มันน่าสนใจ แต่ผมไม่คิดว่าวิธีนี้จะทำให้เราเข้าใจสติปัญญาได้
ปรากฏการณ์เกิดใหม่ เป็นส่วนหนึ่งของทฤษฎีระบบซับซ้อน และเรายังไม่มีคณิตศาสตร์ที่ใช้กับมัน
ความไม่รู้ของเราในด้านนี้มีมาก
ตอนเด็ก ๆ ผมได้ยินบ่อยว่า “สมองจะเข้าใจตัวเองได้ไหม?”
อาจจะไม่ได้ แต่ความพยายามที่จะเข้าใจก็ยังมีคุณค่า
เราต้องการจุด突破ในงานวิจัยทฤษฎีระบบซับซ้อน
แทนที่จะติดอิเล็กโทรด ก็ ยิงอนุภาคเข้าไป แล้ววิเคราะห์วิถีของเศษซากที่กระจายออกมา
วิธีแบบลิงยังคงเผยให้เห็นการรู้คิดแบบลิง ก็คงไม่ใช่เรื่องน่าแปลกใจ
ถึงเวลาอ่าน “There's plenty of room at the bottom” ของ Feynman อีกรอบ: https://web.pa.msu.edu/people/yang/RFeynman_plentySpace.pdf
ลองดูช่วงที่นักชีววิทยาบอกเขาว่าอยากได้ กล้องจุลทรรศน์อิเล็กตรอนที่ทรงพลังกว่าเดิม 1,000 เท่า และดูด้วยว่าใช้เทคโนโลยีอะไรในการสแกนภาพเหล่านี้
ตอนนั้นของล้ำสมัยสุดแยกได้แค่ราว 10 อังสตรอม หรือประมาณ 1 nm และถ้าดีขึ้น 100 เท่าก็จะเป็น 0.1 อังสตรอม / 0.01 nm
ดูเหมือนเราจะก้าวหน้ามาได้พอสมควร
ลองค้นดูแล้วพบว่ากล้องจุลทรรศน์อิเล็กตรอนแบบส่องผ่านไปได้ถึง 0.05 nm และแบบส่องกราดต่ำกว่า 0.1 nm: https://www.kentfaith.co.uk/blog/article_which-electron-microscope-has-the-highest-resolution_4737
เทียบกันแล้ว ผมเข้าใจว่าระยะระหว่างนิวเคลียสไฮโดรเจนใน H2 อยู่ที่ประมาณ 0.074 nm
เรามองเห็นรูปร่างของโมเลกุลได้ แต่แต่ละอะตอมก็ยังเบลออยู่บ้าง: https://cosmosmagazine.com/science/chemistry/molecular-models-electron-microscopy/
พอดูภาพนิวรอนเดี่ยวแล้ว รู้สึกว่าคนทำด้าน การจำลองสมอง คงต้องกลับไปคำนวณประมาณการพลังประมวลผลที่ต้องใช้อีกครั้ง
สงสัยว่าความรู้สึกอึดอัดนิด ๆ ที่เกิดขึ้นเวลาเห็นสิ่งนี้มีชื่อเรียกไหม
อยากอธิบายให้ดีกว่านี้ แต่พอเจอ ภาพกล้องจุลทรรศน์ของเนื้อเยื่อสมอง แล้วจะรู้สึกแปลก ๆ อย่างประหลาด
นี่เป็นปฏิกิริยาปกติไหม?
สมองจัดสายเคเบิลได้แย่มาก
แต่ผมก็รู้สึกถึงความว่างเปล่าน่าขนลุกจากภาพเหล่านั้นด้วย
ความคิดแรกคือ “implementation” ของตัวผมในฐานะสิ่งมีชีวิตที่มีสติ ก็คือกองเส้นใยแบบนี้ที่ถูกขังอยู่ในความมืดสนิทของกะโหลก
ภาพเนื้อเยื่อสมองมนุษย์ยังให้ความหม่นหมองจากข้อเท็จจริงที่ว่ามันเคยเป็นคนที่มีชีวิตและประสบการณ์มาก่อน
เหมือนสมองที่ยังมีชีวิตของผมกำลังมองดูสมองที่ตายแล้ว
คล้ายกับที่ลวดลายเป็นรู ๆ ทำให้บางคนรู้สึกไม่สบายใจ หรือเป็นความรู้สึกเชิงนามธรรมมากกว่าว่า “เศษเสี้ยวอันลึกลับของความจริงที่ลึกที่สุดของใครบางคนเคยไหลผ่านตรงนั้น”
ไม่ว่าแบบไหนผมก็ไม่รู้ชื่อมัน แต่ตัวรูปทรงเองในบริบทนี้อาจแทนแง่มุมหนึ่งของความทรงจำหรือบุคลิกก็ได้ ใครจะไปรู้
เมื่อเห็นว่าประสบการณ์ทั้งหมดของมนุษย์ ทั้งความรัก โศกนาฏกรรม และความสำเร็จ เป็นเพียงศักย์ไฟฟ้าที่เซลล์คดเคี้ยวเหล่านั้นส่งต่อกัน ความรู้สึกมหัศจรรย์ที่เคยมีต่อมนุษย์ก็หายไป
มันเหมือนเผชิญหน้ากับบางสิ่งที่ตรงไปตรงมามาก แต่ในขณะเดียวกันก็ยิ่งใหญ่เกินกว่าที่ผมจะเข้าใจได้ตลอดไป
นิยายของ Neal Stephenson พูดถึงประเด็นนี้ได้ดี: https://en.wikipedia.org/wiki/Fall;_or,_Dodge_in_Hell
ในฟอร์กของ Neuroglancer มีการพัฒนาอัลกอริทึมสำหรับใส่คำอธิบายประกอบข้อมูลเชิงปริมาตรที่ไม่มีฉลากด้วย self-supervised learning
คาดว่าจะได้เห็นความคืบหน้าเพิ่มเติมจากโครงการทำแผนที่สมองขนาดใหญ่
รายละเอียดโครงการ: https://www.ll.mit.edu/sites/default/files/other/doc/2023-02/TVO_Technology_Highlight_45_NeuroTrALE.pdf
“ตัวอย่างถูกตัดออกเป็นชิ้นบางประมาณ 5,000 ชิ้น และแต่ละชิ้นมีความหนา 34 นาโนเมตร ซึ่งสามารถถ่ายภาพด้วยกล้องจุลทรรศน์อิเล็กตรอนได้”
มีใครรู้ไหมว่าทำแบบนี้โดยไม่ทำให้ตัวอย่างเสียหายได้อย่างไร?
งานวิจัย: https://www.biorxiv.org/content/10.1101/2021.05.29.446289v4
ดู Figure 1 ได้เลย
มีคำอธิบาย ATUM แบบละเอียดกว่าที่นี่: https://www.eden-instruments.com/en/ex-situ-equipments/rmc-em-sample-prep-solutions/atumtome/
ที่นี่ก็มีรูปและคำอธิบายดี ๆ อีกมาก: https://www.wormatlas.org/EMmethods/ATUM.htm
สรุปคือโครงการนี้กำลังได้รับประโยชน์จากเทคโนโลยีแห่งศตวรรษที่ 21 อย่างเต็มที่