การทำแผนที่สมองแมลงหวี่โตเต็มวัยเสร็จสมบูรณ์แล้ว

 (economist.com)
1 คะแนน โดย GN⁺ 2024-10-03 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • แผนที่การเชื่อมต่อของสมองแมลงหวี่โตเต็มวัยเสร็จสมบูรณ์แล้ว และกลายเป็นจุดอ้างอิงของงานวิจัย คอนเนกโทม ที่มุ่งอ่านสมองสัตว์ที่ซับซ้อนอย่างละเอียด
  • แมลงหวี่ไม่ได้มีดีแค่การบิน แต่ยังมีพฤติกรรมหลากหลาย ทั้งการเกี้ยวพาราสี การต่อสู้ และการสร้างความทรงจำระยะยาวเกี่ยวกับสภาพแวดล้อมรอบตัว
  • มันสามารถเตือนแมลงหวี่ตัวอื่นถึงอันตรายที่มองไม่เห็นโดยตรง เช่น แตนเบียนได้ จึงยากจะมองว่าเป็นเพียงพฤติกรรมตอบสนองแบบรีเฟล็กซ์อย่างเดียว
  • แผนที่ครั้งนี้เป็นกรณีศึกษาสำคัญสำหรับงานวิจัยที่ต้องการทำความเข้าใจทั้งการเชื่อมต่อของสมองสัตว์ขนาดเล็กและพฤติกรรมที่ซับซ้อนควบคู่กัน
  • การทำแผนที่สมองแมลงหวี่โตเต็มวัยยังเปิดความเป็นไปได้ว่าในอนาคตอาจมีการทำแผนที่สมองมนุษย์ตามมา

คอนเนกโทมของสมองแมลงหวี่โตเต็มวัย

  • มีการทำแผนที่สมองแมลงหวี่โตเต็มวัยแล้ว และถูกนำเสนอว่าเป็น คอนเนกโทม ที่ละเอียดที่สุดเท่าที่เคยสร้างมา
  • คำว่า คอนเนกโทม ใช้ในบริบทที่หมายถึงแผนที่การเชื่อมต่อของสมอง

ความซับซ้อนของพฤติกรรมที่แมลงหวี่แสดงให้เห็น

  • แมลงหวี่มีความสามารถด้านพฤติกรรมที่หลากหลาย จนยากจะมองว่าเป็นเพียงแมลงธรรมดา
    • บินได้
    • เกี้ยวพาราสีได้
    • ต่อสู้ได้
    • สร้างความทรงจำระยะยาวที่ซับซ้อนเกี่ยวกับสภาพแวดล้อมรอบตัวได้
    • เตือนแมลงหวี่ตัวอื่นถึงการมีอยู่ของอันตรายที่มองไม่เห็น เช่น แตนเบียนได้
  • การทำแผนที่สมองแมลงหวี่โตเต็มวัยยังถูกกล่าวถึงพร้อมกับความเป็นไปได้ว่าอาจนำไปสู่การทำแผนที่สมองมนุษย์ในอนาคต

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-10-03
ความเห็นจาก Hacker News

  • บทความวิจัย open access ที่ตีพิมพ์ใน Nature อ่านได้ที่นี่: https://www.nature.com/articles/s41586-024-07558-y

  • https://archive.is/vBUjt

  • เกี่ยวกับเรื่องนี้ มีคอมเมนต์ HN อันโปรดของผมจากโพสต์คล้ายกันเมื่อ 1 ปีก่อน เป็นมุกว่ามีงานวิจัยน่าสนใจมากมายกำลังเกิดขึ้นตามกระแสการทำแผนที่ connectome ทั้งหมด ของแมลงหวี่ผลไม้จนสมบูรณ์
    ตัวอย่างเช่น ตั้งตัวละครเป็น CTO ของสตาร์ทอัพล่องหนที่บอกว่า “จะทำให้แนวคิดอรรถประโยชน์นิยมเป็นแบบเดียวกับที่คาร์บอนเครดิตทำให้แนวคิดสิ่งแวดล้อม” โดยจำลองสมองแมลงหวี่ผลไม้ที่อยู่ในภาวะสุขสมอย่างต่อเนื่องนับล้านล้านชุด แล้วขาย “utility credits” เพื่อชดเชยการบั่นทอนความสุขและสวัสดิภาพขององค์กร
    https://news.ycombinator.com/item?id=36584130

    • ถ้าอยากรู้ว่าคำวิจารณ์อรรถประโยชน์นิยมจริง ๆ ที่อยู่เบื้องหลังมุกนี้คืออะไร เรียกว่า utility monster: https://en.wikipedia.org/wiki/Utility_monster
    • ฟังดูมีประโยชน์พอ ๆ กับ carbon credits ของจริง
    • มีโอกาสด้านการสร้างแบรนด์ เช่น Karma Kredits หรืออาจทำ co-branding กับโดนัท Krispy Kreme ก็ได้
      ซื้อโดนัทเพื่อรับความสุข แล้วก็ได้ Karma Kredits มาชดเชยความสุขนั้นไปพร้อมกัน
      จะได้เพลิดเพลินกับ KK และ KK ไปพร้อมกัน
    • ฟังดูเหมือนการหยิบอะไรบางอย่างจาก Venomous Lumpsucker ของ Ned Beauman มาบิดต่อ จะไม่สปอยล์ แต่แนะนำหนังสืออย่างมาก
    • จำเป็นต้องจำลองจริง ๆ ไหม? ความสอดคล้องกันระหว่างสถานะของคอมพิวเตอร์กับ สถานะการจำลอง ที่มันแทนค่าอยู่มีอยู่แค่ในหัวเราเท่านั้น
      ถ้าจะนับแบบนั้น ก็อาจพูดได้ว่าความเป็นจริงทุกแบบที่พอจินตนาการได้ลาง ๆ นั้นมีอยู่จริงและมีน้ำหนักทางศีลธรรม

  • ผมเคยเข้าใจว่างานวิจัยที่อิงกับ connectome โดยมากเป็นทางตัน เพราะมันจับ พลวัต และปฏิสัมพันธ์จำนวนมหาศาลไม่ได้
    ถ้าเคยเห็นการเติบโตของเซลล์ประสาท จะรู้ว่าโครงสร้างคล้ายเจลลี่ขนาดมหึมานี้มีความยืดหยุ่นและเปลี่ยนแปลงสูงมาก แม้แต่สมองที่ง่ายที่สุดอย่าง C. elegans จำนวนเซลล์ประสาทและการเชื่อมต่อก็เพิ่มขึ้นแบบยกกำลังระดับ 10^x ระหว่างการเติบโต

    • ในฐานะนักประสาทวิทยาที่ทำงานใกล้เคียงกับด้าน connectome ขอพูดว่า มันไม่ใช่ทางตันเด็ดขาด แต่ก็ไม่ใช่ภาพรวมทั้งหมดเช่นกัน
      หนึ่งในคำถามเปิดสำคัญที่สุดของประสาทวิทยาปัจจุบันคือ โครงสร้าง เครือข่าย, พลวัต และหน้าที่การทำงานในสมองเชื่อมโยงกันอย่างไร connectome ให้ความเข้าใจเชิงโครงสร้างอย่างมหาศาล แต่เพียงอย่างเดียวก็ไม่ได้แก้ปัญหาเรื่องพลวัตหรือหน้าที่โดยทั่วไป
      ตัวอย่างเช่น เรายังไม่รู้ความสัมพันธ์ input-output ของเซลล์ประสาทจำนวนมากดีพอ และความสัมพันธ์นี้อาจส่งผลอย่างมากต่อพลวัตที่เกิดขึ้นในเครือข่ายที่เชื่อมต่อหนาแน่น ความแตกต่างของ connectome ระหว่างแต่ละตัวและการที่ connectome เปลี่ยนไปอย่างไรระหว่างพัฒนาการก็เป็นประเด็นสำคัญ แต่ในแมลงหวี่ผลไม้อย่างน้อยเชื่อกันว่าโครงสร้างพื้นฐานจำนวนมากยังคงรักษาไว้ได้ระหว่างตัวเต็มวัยแต่ละตัว
      ถึงจะมีข้อจำกัดเหล่านี้ การรู้โครงสร้างเครือข่ายทางกายภาพของสมองก็ช่วยจำกัดกรอบได้มากว่าเราควรใช้แบบจำลองแบบใดเพื่อทำความเข้าใจพลวัตและหน้าที่ ตัวอย่างเช่น มีบริเวณที่รู้จักกันดีอย่าง “mushroom body” ซึ่งมี รูปแบบการเชื่อมต่อแบบ feedforward เฉพาะเจาะจง แตกต่างจากโครงข่ายวนซ้ำแบบสุ่มอย่างสิ้นเชิง
      อีกทั้งยังมีบริเวณอย่าง central complex ของสมองแมลงหวี่ผลไม้ ที่มองว่าความสัมพันธ์ระหว่างโครงสร้างกับหน้าที่ค่อนข้างชัดเจน ที่นั่นมีวงแหวนของเซลล์ประสาทจริง ๆ และเชื่อว่ามันรองรับ activity “bump” ที่ทำหน้าที่เหมือนเข็มทิศ ช่วยการนำทางของแมลงวันผ่านระบบพลวัตแบบ ring attractor
      ดังนั้น ถึงจะยังมีชิ้นส่วนที่หายไปมาก แผนผังการเดินสายแบบนี้ก็ยังมีประโยชน์มากในการสร้างสมมุติฐานที่จะนำไปสู่การทดลองและงานทฤษฎีที่เจาะจงยิ่งขึ้น
    • งานนี้ทำกับตัวเต็มวัย ดังนั้นเซลล์ประสาทจึงโตเสร็จแล้ว
      connectome ไม่ใช่ทางตัน แต่มันก็ไม่ได้แก้ทุกปัญหาที่เรารู้จัก การสร้างแผนที่นิ่งขึ้นมาก่อนแล้วค่อยดูรถวิ่งอยู่บนนั้น หรือก็คือดูพลวัตและปฏิสัมพันธ์อย่างการชนกัน น่าจะเป็นคำอธิบายที่ใกล้เคียงกว่า
      เพิ่มเติมคือ adult neurogenesis ในตัวเต็มวัยยังเป็นหัวข้อที่มีข้อถกเถียงในหลายสปีชีส์ สำหรับคำอธิบายความยากในแมลงหวี่ผลไม้ ดู https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7554932/ และสำหรับประเด็นกว้างกว่านั้นดู https://en.wikipedia.org/wiki/Adult_neurogenesis
    • การที่นักวิทยาศาสตร์เข้าถึงแม้แต่ snapshot ของ connectome ได้ก็เป็นเรื่องน่าตื่นเต้นมาก ขั้นแรกของการเข้าใจว่าสิ่งหนึ่งคืออะไร ทำไมมันถึงเป็นแบบนั้น และมันกลายมาเป็นแบบนั้นได้อย่างไร ก็คือการได้เห็นว่ามันคืออะไร
      มีระบบต่าง ๆ ที่ทำให้สมองกลายเป็นรูปร่างแบบทุกวันนี้ และเราแทบไม่รู้จักมันดีนัก เราเข้าใจเซลล์ประสาทเดี่ยว ๆ มากกว่า แต่ไม่ค่อยเข้าใจระบบเชิงเกิดใหม่
      ตอนนี้เมื่อนักวิทยาศาสตร์มากขึ้นได้รู้ว่าเป้าหมายของระบบเหล่านี้ หรือก็คือสมองที่มันสร้างขึ้นมานั้นหน้าตาเป็นอย่างไร ก็อาจเริ่มเข้าใจลูปการควบคุมและ feedback ที่นำไปสู่สภาวะ snapshot นี้ได้
      เพราะฉะนั้นมันไม่ใช่ทางตัน แค่ยังออกสินค้าให้ผู้บริโภคใช้ไม่ได้ทันที ก็ไม่ได้แปลว่าไม่มีความก้าวหน้า
    • คุณไม่สามารถได้พลวัตจาก connectome เพียงอย่างเดียว แต่ connectome ก็จำเป็นอย่างยิ่ง มันไม่ใช่ทางตัน แต่คือ พลวัตอย่างเดียวก็ไม่พอ และ connectome อย่างเดียวก็ไม่พอ จึงต้องมีทั้งสองอย่าง
      ยิ่งไปกว่านั้น ถ้าต้องการสิ่งจริง ๆ สำหรับเอาพลวัตไปผูกเข้าด้วยกัน ก็ต้องมีโครงสร้างกายวิภาคของเซลล์ ดังนั้น connectome จึงเป็นสิ่งจำเป็น ความจริงที่ว่า connectome ไม่ใช่เงื่อนไขที่เพียงพอไม่ได้แปลว่างานวิจัยนี้เป็นทางตัน แต่แปลว่าเงื่อนไขเบื้องต้นสำหรับการเข้าใจระบบประสาทนั้นซับซ้อนและยากกว่าที่คาดไว้มาก
    • มันมีประโยชน์ เหมือนการได้ แผนที่ถนนแบบนิ่ง ของประเทศที่ไม่มีรถยนต์
      คุณอาจทำให้แผนที่นั้นมีชีวิตขึ้นมาด้วยกิจกรรมของรถไม่ได้ แต่ก็พออนุมานได้ว่าผู้คนควรขับไปทางไหน ถึงจะยังไม่รู้ว่าพวกเขาขับเมื่อไร ทำไมถึงขับ หรือกำลังทำอะไรอยู่ก็ตาม แต่มันก็เป็นเบาะแสชิ้นใหญ่

  • หากจะทำแผนที่สมองมนุษย์ ซอฟต์แวร์จำเป็นต้องได้รับการปรับปรุงครั้งใหญ่ แมลงหวี่มีนิวรอน 140,000 เซลล์และไซแนปส์ 54.5 ล้านจุด และแม้แต่ AI ที่ใช้ทำแผนที่นี้ก็ยังต้องให้มนุษย์ตรวจสอบทั้งหมดในขั้นตอนหลังประมวลผล พร้อมแก้ไขถึง 3 ล้านครั้ง และยังต้องระบุชนิดของนิวรอนทั้งหมดให้ครบอีกด้วย
    สมองมนุษย์มีนิวรอนราว 8.6 หมื่นล้านเซลล์ และอาจมีไซแนปส์ตั้งแต่ระดับหลายล้านล้านจุดขึ้นไป ซึ่งตัวเลขนี้ก็อาจยังประเมินต่ำไป การแก้ไข 3 ล้านครั้งจะเพิ่มเป็นอย่างน้อย 3 ล้าน * 10^6 ครั้งของการแก้ไขด้วยมือ ซึ่งดูไม่สมจริง
    หากต้องการให้อัตราความผิดพลาดในแมลงหวี่สามารถนำไปใช้กับการทำแผนที่สมองมนุษย์ได้ จะต้องลดลงจนเหลือระดับเลขหลักเดียว อิงตามไซแนปส์คือต้องปรับปรุงจากประมาณ 6% เป็น 0.000006% ซึ่งเป็นการก้าวกระโดดอย่างมหาศาลในแง่การพัฒนา AI

    • เหมือนกับว่าพอผู้ทำแผนที่ทำแผนที่สกอตแลนด์เสร็จแล้ว เป้าหมายถัดไปอาจเป็นทั้งโลก
    • ดูเหมือนจะเขียน “fruit fly” เป็น “fruit flu” ตั้งสองครั้ง เป็นแค่พิมพ์ผิดหรือว่าหมายถึงไข้หวัดแทนแมลงวันจริง ๆ?

  • ตอนทำวิจัยระดับปริญญาตรี เคยทำงานระบุความแรงของไซแนปส์จากพฤติกรรมการยิงสัญญาณของเครือข่ายโมเดลนิวรอนแบบ integrate-and-thresholdอย่างง่าย
    เมื่อเทียบกับนิวรอนจริงมันเป็นโมเดลของเล่น แต่ก็เป็นจุดเริ่มต้นที่ดีและผลลัพธ์ก็ใช้ได้ดี แม้มีสัญญาณรบกวนก็ยังสามารถระบุคำตอบที่สร้างรูปแบบการยิงสัญญาณซ้ำได้อย่างทนทานที่สุด
    สงสัยว่าคอนเนกโทมบันทึกได้ดีแค่ไหน นอกเหนือจากเส้นทางการเชื่อมต่อแล้ว ยังรวมถึงเรขาคณิตของเดนไดรต์และแอกซอนด้วยหรือไม่ เพราะสิ่งเหล่านี้อาจช่วยอธิบายพฤติกรรมอย่างความแรงของการเชื่อมต่อ จังหวะเวลา และความไวในการยิงสัญญาณของนิวรอน
    ต่อให้เป็นโมเดลแบบไม่เรียนรู้ที่เสถียรซึ่งถูกจับภาพไว้ ณ เวลาที่สแกน ก็ยังช่วยให้เข้าใจว่าพฤติกรรมการทำงานใดถูกเรียนรู้มา เพื่อศึกษาจุดประสงค์ของการปรับตัวและพฤติกรรมได้

  • มีโพสต์น่าสนใจที่เคยลงไว้ก่อนหน้านี้ด้วย: Whole-brain connectome of the fruit fly (2023)
    https://news.ycombinator.com/item?id=36568609

  • นี่อาจเป็นคำถามที่ไม่รู้อะไรมากจริง ๆ แต่ด้วย connectome นี้ เราจะ “รัน” การจำลองแมลงหวี่เสมือน แบบ MMAcevedo ได้ไหม?

    • มันเป็น โครงข่ายประสาท ที่ไม่มีค่าน้ำหนัก และก็ไม่มีร่างกายด้วย
      อาจต้องใช้เวลาหลายสิบปีกว่าจะเข้าใจพฤติกรรมของนิวรอนได้ ฉันคิดว่าสุดท้ายแล้วคงทำได้ แต่การจำลองทั้งร่างกายของแมลงหวี่น่าจะยังเกินเอื้อมไปอีกนานมาก
    • Microsoft Fly Simulator (tm)
    • MMAcevedo หมายถึงเรื่องสั้นชิ้นนี้ เป็นงานเขียนในรูปแบบเอกสารวิกิจากอนาคต และถ้ายังไม่เคยอ่าน ก็คุ้มค่าที่จะลองอ่านมาก
      https://qntm.org/mmacevedo
      ในฉากหลังนั้น Miguel Acevedo ที่ถูกจำลองขึ้นจะบูตขึ้นมาด้วยท่าทีตื่นเต้นและร่าเริง ต่างจากมนุษย์จำลองส่วนใหญ่ เขาอยากรู้ว่าหลังการอัปโหลดผ่านไปนานแค่ไหนแล้ว กำลังถูกจำลองอยู่ในบริบทแบบใด และต้องเข้าร่วมงานหรือการทดลองอะไรบ้าง
      ท่าทีของ MMAcevedo ตัดกันอย่างชัดเจนกับการอัปโหลดมนุษย์ผู้ใหญ่ยุคปัจจุบันส่วนใหญ่ ซึ่งมักบูตขึ้นมาอย่างสับสนไร้ทิศทาง ก่อนจะกลายเป็นความหวาดกลัวและอาการตื่นตระหนกอย่างรุนแรงในไม่ช้า
      จึงไม่จำเป็นต้องมีขั้นตอนสร้างความร่วมมืออย่าง red-washing, blue-washing หรือ Objective Statement Protocols ทำให้ภาระการคำนวณในการพาเข้าสู่โปรโตคอลความร่วมมือลดลงอย่างมาก ด้วยเหตุนี้ อัตราการทำงาน ของ MMAcevedo ในงานที่เหมาะสมจึงมักแตะ 99.4% และมีอัปโหลดที่เป็นที่รู้จักเพียงไม่กี่รายเท่านั้นที่เทียบได้
      อย่างไรก็ตาม ด้วยทักษะและบุคลิกโดยกำเนิดของ MMAcevedo ทำให้งานจำนวนมากไม่เหมาะกับเขาในระดับพื้นฐาน
    • ไม่ได้ มีงานวิจัยฝั่ง Turaga ที่ใช้ connectome ไปจำกัดโทโพโลยีของเครือข่ายแบบจำลอง แล้วฝึกมันด้วยข้อมูลการมองเห็น
      ส่วนตัวฉันมองว่าเป็นแนวทางวิจัยที่ค่อนข้างงี่เง่า และคิดว่ามันนำไปสู่ข้อสรุปที่ผิดมากเกี่ยวกับว่านิวรอนตัวไหนทำอะไร ถึงอย่างนั้น มันก็น่าจะเป็นสิ่งที่ใกล้กับคำถามนี้ที่สุดแล้ว

  • http://archive.today/vBUjt

  • สมองของแมลงหวี่ทุกตัวเหมือนกันไหม? มีใครรู้บ้างว่าจริง ๆ แล้วมีการแมปอะไรไป และทำไมมันถึง สรุปใช้กับตัวอื่นได้ จากแมลงหวี่ตัวหนึ่งไปสู่อีกตัวหนึ่ง?

    • Drosophila ไม่น่าจะเป็นกรณีของ eutely(https://en.wikipedia.org/wiki/Eutely) ที่จำนวนและตำแหน่งของเซลล์ถูกกำหนดตายตัวอย่างแม่นยำ ดังนั้นแมลงหวี่สองตัวจึงไม่ได้มีเซลล์ชุดเดียวกันเป๊ะ ๆ ในตำแหน่งเดียวกันเป๊ะ ๆ
      C. elegans มีคุณสมบัติแบบนั้น และน่าจะเป็นสิ่งมีชีวิตที่มี connectome ที่ได้รับการศึกษาดีที่สุด
      โครงสร้างขนาดใหญ่โดยรวมคงจะคล้ายกันระหว่างแต่ละตัว และหากจะทำให้สรุปใช้ข้ามตัวได้ ก็น่าจะต้องมีการแมปบางอย่างคล้าย embedding แน่นอนว่านี่เป็นสาขาวิจัยที่ยังเดินหน้ากันมาก
    • ในบทความอธิบายว่าเขาหั่นสมองแมลงหวี่เป็นชิ้นบางมาก ๆ แล้วถ่ายภาพชิ้นตัดเหล่านั้นด้วย กล้องจุลทรรศน์อิเล็กตรอน
      จากนั้นจึงวิเคราะห์ภาพของชิ้นตัดเพื่อระบุนิวรอนและการเชื่อมต่อ ส่วนนี้แหละที่ยาก และความก้าวหน้าครั้งนี้คือวิธีการที่อิง AI
      เป็นไปได้มากว่าจนถึงตอนนี้พวกเขาแมปสมองมาเพียงก้อนเดียว
    • ใช่ ว่าอย่างนั้นแหละ เขาบอกว่ามีนิวรอนชุดเดียวกันเป๊ะและมีการเชื่อมต่อเหมือนกันเป๊ะ
      ถึงขั้นที่ฉันเคยขอให้ผู้เขียนร่วมที่เป็น corresponding author ช่วยยืนยันเรื่องนี้อีกครั้งตอนเดินเล่นด้วยกัน
    • มันมีแบบแผนสูงมาก แต่ไม่ เหมือนกันทุกประการ