Hermokoodaus on ympäristösignaalien ja kehon sisäisten signaalien muuntamista näiden signaalien esityksiksi hermosolujen toimintamallien muodossa todellisuusmallin luomiseksi, jotta voidaan mukautua ja suorittaa määrätietoisia toimia, ylläpitää kehon eheyttä ja normaalia toimintaa.
Koska todellisuusmallin muodostaminen ja sen pohjalta kehon hallinta on hermoston päätehtävä, hermokoodin dekoodausta voidaan kutsua neurotieteen keskeiseksi aiheeksi . Jos saavutamme ymmärryksen hermokoodin olemuksesta, tietoisuuden sisäinen työ normaaleissa ja patologisissa poikkeamissa tulee saatavillemme. Tämän ongelman ratkaisu on ehkä tärkein suunta humanistisissa tieteissä, koska kaikkien kehomme elämänprosessien kulku riippuu aivojen työstä.
Aivot ovat luonnollisen tietotekniikan evoluution korkein saavutus nopeuden ja tehokkuuden suhteen. Tästä seuraa, että kaikista koodausmenetelmistä todennäköisin ehdokas hermokoodiksi on se, joka tuottaa informaatiota (koodikuvioita) tehokkaimmin.
Kaikki nykyaikaiset mallit pitävät neuronin toimintapotentiaalia (piikki) aivojen kielen peruselementtinä. Kysymys tämän ilmiön lähestymisestä on kuitenkin perustavanlaatuinen. Vaikka todelliset toimintapotentiaalit ovat jatkuvia värähtelyprosesseja ja eroavat toisistaan jaksoltaan, amplitudiltaan ja vaihekuvan muodoltaan, johtavat mallit käsittelevät niitä identtisinä erillisinä tapahtumina.
Tällaiset teoriat voidaan jakaa kahteen luokkaan: keskimääräisen piikkinopeuden koodaus ja ajallinen koodaus. He muotoilevat kysymyksen seuraavasti: joko tieto sisältyy piikkien määrään tietyssä aikaikkunassa tai niiden tarkkaan sijaintiin aika-akselilla. Joka tapauksessa ne ovat kaikki eri versioita piikkijunalaskennasta .
Jotkut näistä malleista ovat ristiriidassa aivojen todellisen tehokkuuden ja nopeuden kanssa. Jotkut kattavat vain osan havaituista ilmiöistä eivätkä voi selittää muita. Nämä mallit ovat olleet olemassa vuosikymmeniä, mutta ne eivät ole johtaneet hermokoodin dekoodaukseen. Ehkä syynä on väärä lähestymistapa hermokoodausprosessin olemukseen. Viime aikoina on ilmestynyt malleja, jotka vastaavat kysymyksiin, jotka ovat ratkaisemattomia sellaisten paradigmien puitteissa, jotka käsittelevät neuronien toimintapotentiaalia identtisinä piikkeinä.
Normaali lähestymistapa hermokoodin tutkimisessa on etsiä yhteyttä tulevan signaalin ja hermosolujen vasteen välillä sekä käänteinen prosessi signaalin palauttamiseksi havaitusta neuronien aktiivisuudesta. Ilman itse koodin mallia tällainen analyysi on kuitenkin kuin yrittäisi lukea tai kirjoittaa tekstiä tuntematta kielioppia. On olemassa eräänlainen noidankehä, kun sinun täytyy tietää se koodin lukemiseksi, ja sen tunnistamiseksi sinun on luettava se.
Kuitenkin mikä tahansa tuntemattoman koodin purkuprosessi perustuu tiettyjen kuvioiden etsimiseen ja niiden yhteyden tunnistamiseen koodatun viestin kanssa. Toisin sanoen, jos haluat lukea hermokoodin, sinun on löydettävä vastaavuus signaaliparametrien ja hermosolujen aktiivisuusmallien välillä.
Mikä tahansa keskimääräinen signaali on värähtelevä energiaprosessi, jolla on tietty amplitudi , taajuus ja vaihekehitys ajassa. Nämä ovat kaksi pääasiallista signaalin mittausakselia: spatiaalinen ja ajallinen. Sen mukaisesti hermokoodilla täytyy olla myös spatiaalisia ja ajallisia ominaisuuksia, jotka luovat mallin koodatusta signaalista.
Kun siirryt hermoston teknologisen ketjun hierarkiaa pitkin reuna-antureista aivokuoren integratiivisiin rakenteisiin, hermosolujen toiminta liittyy yhä vähemmän alkuperäiseen signaaliin. Tämä on luonnollinen prosessi, koska neuronit eivät heijasta signaaleja, vaan koodaavat niitä, eli ne luovat esityksiä. Tietoisuus ei ole todellisuuden peili, vaan todellisuuden simulaatio. Esityksen tulee kuitenkin sisältää kaikki samat parametrien mittausakselit. Siten hermokoodin on yksinkertaisesti oltava monimutkainen moniulotteinen rakenne. Samalla tiedon kyllästyminen tulisi yhdistää tehokkuuteen ja nopeuteen.
Vastaavatko nämä vaatimukset ehdotettuja koodausmalleja? Tämän kysymyksen pitäisi olla "lakmuskoe", jolla testataan niiden riittävyyttä hermoston todellisiin prosesseihin.
Toimintapotentiaalin generointinopeuden koodaus on hypoteesi, joka viittaa siihen, että informaatiota signaalista sisältyy neuronin laukaisutaajuuteen. Se ilmestyi Adrianin ja Zottermanin kokeiden jälkeen vuonna 1926. [1] Tässä yksinkertaisessa kokeessa lihaksiin ripustettiin erilaisia painoja. Painon kasvaessa myös lihasta hermottavien hermosolujen impulssien määrä lisääntyi. Kirjoittajat päättelivät, että toimintapotentiaalit ovat diskreettejä tapahtumia ja että niiden taajuus yksittäisten parametrien sijaan on hermoviestinnän perusta.
Idea oli houkutteleva yksinkertaisuudessaan. Huolimatta piikkien rekisteröinnin teknisestä monimutkaisuudesta, tämä oli toteuttamiskelpoinen tehtävä jopa viime vuosisadan laitteiden ominaisuuksien tasolla. Mutta näennäinen yksinkertaisuus on petollinen, koska monia kysymyksiä herää.
Jopa periferian tasolla (anturit ja efektorit) viritystaajuus kasvaa pääsääntöisesti epälineaarisesti ärsykkeen intensiteetin kasvaessa. [2] Piikkinopeuden ja signaalin välillä ei ole suoraa yhteyttä. Lisäksi toimintapotentiaalien järjestys vaihtelee kokeesta toiseen. Siksi nopeuden määrittämiseen käytetään erilaisia mielivaltaisia keskiarvoistusalgoritmeja. Termillä "laukaisunopeus" itsessään on useita erilaisia määritelmiä, jotka viittaavat erilaisiin keskiarvon laskentamenetelmiin, kuten keskiarvo ajan mittaan tai keskiarvo useiden kokeen toistojen aikana. Vaikka pysyisimmekin uskollisena ajatukselle koodista keskimääräisenä nopeudena, käytetyt keskiarvostusmenetelmät eivät välttämättä vastaa lainkaan neuronien itsensä käyttämää algoritmia.
On vielä yksi ongelma. Jos haluamme laskea jonkin keskiarvon, meidän on tiedettävä aikaväli, jonka aikana otamme näytteitä laskettavaksi. Jos analysoimme signaalia, joka toistuu tiukasti jaksoittaisesti, meidän ei ole vaikea määrittää sen jakson aikaa ja laskea keskiarvo. Mutta tällainen jaksollinen signaali ei voi luoda tietoa. Ei ole yllättävää, että neuronit eivät osoita tällaista yksitoikkoisuutta piikeissään.
Mutta jos muutos ei ole tiukasti jaksollinen, niin keskiarvoikkunan valinta tulee ratkaisevaksi. Keskiarvoperuste määrittää lopullisen tuloksen. Vaikka hyväksyisimme hypoteesin, että neuronit tuottavat koodia keskimääräisellä tulinopeudella, meidän on ymmärrettävä, että neuronit laskevat tämän keskiarvon suhteessa tuntemaansa syklin pituuteen. Mutta sitten meidän on määriteltävä tämä rytmi. Kokeilijat kuitenkin mittaavat piikkien lukumäärän suhteessa mielivaltaisesti valittuihin aikaikkunoihin. Tyypilliset arvot ovat T = 100 ms tai T = 500 ms, mutta kesto voi olla myös pidempi tai lyhyempi. [3] Päävaatimus on, että aikaikkunassa tulee esiintyä vähintään muutama piikki keskiarvojen saamiseksi.
Syntyy noidankehä: emme tiedä onko koodi todella sellainen, emmekä tiedä kuinka vahvistaa tai kumota sitä, koska emme tiedä järjestelmän kiertokulkua. Tämän seurauksena voimme tehdä loputtomasti mielivaltaisia keskiarvoja, mutta tämä ei toimi.
Mutta on toinen ongelma, joka sisältyy tällaisen koodin ideaan. Voiko identtisistä piikeistä koostuva koodi tarjota havaitun hermoston tiedon rikkauden, nopeuden ja tehokkuuden? Vastaus tähän kysymykseen on valitettavasti kielteinen tällaisen paradigman kannattajille. Tällaista koodia voidaan kutsua tempokoodiksi. Tempovaihtelu ei kuitenkaan sisällä tarpeeksi tietoa edustamaan monimutkaista moniparametrista signaalia. Lisäksi on dilemma: kuinka koodata nopea signaali, jos sinun on kerättävä tarpeeksi piikkejä saadaksesi keskiarvon ja poimiaksesi kaikki tiedot tästä muuttujasta.
Valtavan määrän ympäristösignaalien dynamiikkaa mitataan millisekunneissa, ja näiden millisekuntien aikana hermosolut voivat laukaista vain kerran tai kaksi. Kun on niin paljon piikkejä, on mahdotonta koodata signaalia niiden keskinopeudella. Mutta on myös nopeampia signaaleja. Esimerkiksi lepakko pystyy kaikulokaatioon mikrosekunnin resoluutiolla. [4] Näin ollen signaalin mittausaikaikkuna on yhden piikin sisällä. Tämä on täysin ristiriidassa keskinopeuden paradigman kanssa.
Tällainen koodi on tehoton kaikilta osin. Se ei ole kovin informatiivinen ja liian hidas. Se vaatii monien piikkien luomista yksinkertaisten parametrien koodaamiseksi, eli se on energisesti erittäin kallista. Siksi se ei vastaa todellisuutta aivojen toiminnasta. Tätä mallia käytetään kuitenkin edelleen laajasti paitsi kokeissa myös hermoverkkomalleissa. Tämän seurauksena viime vuosikymmeninä on kertynyt valtava määrä tietoa, mutta se ei vie meitä lähemmäksi koodin merkityksen tulkitsemista.
Temporal CodeSeuraava ehdokas on koodaus, jossa tiedot sisältyvät piikkien tarkkaan sijaintiin ja piikkien välisiin intervalleihin aika-akselilla. Koska tämä malli taas käsittelee toimintapotentiaalia samoina erillisinä tapahtumina, tätä koodin versiota voidaan kutsua rytmiksi 1-0. Ajallinen koodaus sallii sekvenssin 000111000111 tarkoittaa jotain muuta kuin 001100110011, vaikka molempien sekvenssien keskimääräinen laukaisunopeus olisi sama. Tällainen malli oli seuraava ilmeinen idea ja vaihtoehto keskinopeuden koodin tehottomalle ja hitaalle versiolle. [5] [6] [7] [8] [9] [10] [11]
Oletus, että hermokoodi on binäärinen pikemminkin kuin vain piikit, lisää suuresti koodin kapasiteettia ja lisää mallin uskottavuutta. Mutta sama kysymys herää koodin informaatiokapasiteetin ja aivojen todellisen nopeuden korreloinnista, joka onnistuu koodaamaan monimutkaisen moniparametrisen signaalin yhden tai kahden piikin sisällä. Aivoilla ei ole aikaa rakentaa pitkää binaariketjua, joka voisi sisältää kaiken tiedon. Tässä se eroaa pohjimmiltaan keinotekoisista digitaalisista järjestelmistä. Prosessorien valtavasta nopeudesta huolimatta, joka on suuruusluokkaa suurempi kuin aivojen taajuudet , niitä ei voida verrata siihen suorituskyvyn, nopeuden ja energiatehokkuuden suhteen. Ongelmana on, että niiden täytyy käsitellä pitkiä binäärikoodeja .
Lisäksi herää jälleen kysymys järjestelmän tahdikkuudesta. Kaksi koodinollaa on kaksi kertaa yhtä pitkä tauko kuin yksi nolla. Mutta kuinka voimme määrittää, että piikkien välinen tauko tarkoittaa kahta nollaa tai yhtä, jos emme tiedä tutkittavan järjestelmän aikaskaalaa? Tauon mittaaminen ulkoisella kellolla antaa meille paljon tietoa, mutta se ei kerro mitään siitä, kuinka monta nollaa kyseisessä tauossa on ja kuinka ne suhteutetaan piikkiyksiköihin. Toisin sanoen emme voi määrittää, tarkoittaako hermosolujen aktiivisuus numeroa 0001 vai 001.
Todellista kvalitatiivista analyysiä varten on välttämätöntä normalisoida järjestelmätiedot omalla aikallaan, sen taajuuksilla. Sitten voimme ilmaista analyysimme millä tahansa mittayksiköllä. Tämän perustaajuuden löytäminen normalisoinnin perustaksi on luultavasti äärimmäisen tärkeää, kun yritämme purkaa aivokoodia riippumatta siitä, mitä koodimallia testaamme, koska aikaparametri säilyy joka tapauksessa.
Jotkut tutkijat uskovat, että on olemassa sekä tempo- että temporaalinen koodi, ja näiden koodien välillä on kääntäjäneuroneja. [12] Tämä ajatus tietysti sovittaa nämä kaksi käsitettä, mutta ei ratkaise molempien luontaisia ongelmia.
Piikkivaiheen koodausTämän koodin version tarkoituksena on päästä eroon aikaisempien mallien umpikujasta. Hän osoittaa, että piikkien laskeminen vaatii sitoutumista tiettyyn aikaleimaan ja ehdottaa tällaisen viitekehyksen etsimistä aivojen taajuuksista. [13] [14]
Kokeet osoittavat, että neuronit koodaavat ympäristösignaaleja korreloivat aktivointiajan hermoverkon virran värähtelyjen vaiheeseen. [15] Siten muodostuu tietty sarja piikkejä, jotka korreloivat verkon yleisen aika-asteikon kanssa. Perusasia on kantoaallon taajuuden määrittely, jota voitaisiin kutsua luotettavasti referenssijärjestelmäksi.
Tutkijat pitävät tällaista mallia lisäyksenä palonopeuskoodiin. [16] He pitävät piikkejä edelleen identtisinä impulsseina ja näkevät tiedot vain hermosolujen aktivoitumisen rytmisissä kuvioissa.
VäestötunnusKoodista on olemassa versioita, joissa sanotaan, että yksittäisten hermosolujen aktiivisuus ei sisällä mitään tietoa ja merkitys on etsittävä yhdistetyn toiminnan malleista. Tällaisissa malleissa hermosolujen katsotaan ampuvan satunnaisessa järjestyksessä Poisson-jakauman kanssa, ja tällainen kaaos luo järjestystä populaatiokoodin muodossa. [17] Samaan aikaan malli ei kerro mitään tällaisen koodin toimintamekanismista ja säännöistä.
Hienot mittausmenetelmät, joissa käytetään istutettuja elektrodeja ja yksityiskohtainen tutkimus itse piikkien ajallisesta rakenteesta ja piikkien välisistä väleistä, osoittavat, että sillä ei ole Poisson-jakauman luonnetta, ja jokainen ärsykeattribuutti ei muuta vain piikkien absoluuttista määrää, vaan myös niiden ajallinen malli. [18] Huolimatta valtavasta vaihtelusta hermosolujen aktiivisuudessa, piikkisekvenssit ovat erittäin tarkkoja. Tämä tarkkuus on tarpeen tiedonsiirrossa korkearesoluutioisella koodilla. Aktivoinnin näennäinen satunnaisuus johtuu koodin olemuksen väärinymmärryksestä.
Tällaista mallia voidaan kutsua reaktioksi siihen, että vuosikymmeniä kestäneet yritykset purkaa hermokoodia laskemalla piikkejä ja etsimällä merkitystä niiden sekvenssien nopeudesta tai ajallisesta rakenteesta eivät ole johtaneet tulokseen.
Kaiken kaikkiaan koodin populaatioversio osoittaa aivan oikein, että signaaliesitykset ovat seurausta monien hermosolujen toiminnasta. Jokainen neuroni ottaa paikkansa merkityksien muodostusprosessissa ja on erikoistunut suodattimeksi tiettyjen signaaliparametrien muuntamiseen. Herää kuitenkin kysymys, kuinka kunkin hermosolun aktiivisuusmallit yhdistetään yhteiseksi signaaliesitykseen kaikilla parametreilla ja miten yksittäisten signaalien esitykset sulautuvat yhdeksi ja koherentiksi todellisuusmalliksi säilyttäen samalla yksilöllisyytensä. Neurotieteessä tätä kutsutaan "yhteysongelmaksi" (eng-bound problem ).
Jotkut populaatiokoodimallit kuvaavat tämän prosessin matemaattisesti kaikkien tietyn signaalin koodaamiseen osallistuvien neuronien vektorien summana. Vektorikoodaus on esimerkki yksinkertaisesta keskiarvon laskemisesta. On olemassa monimutkaisempia matemaattisia malleja, jotka käyttävät todennäköisyysteorian käsitteitä. [19] [20] Tällaisten mallien yleinen ongelma on kuitenkin selityksen puute fyysisestä mekanismista, joka voisi toteuttaa aivojen luoman todellisuusmallin havaitun yhtenäisyyden säilyttäen samalla signaaliesitysten yksilöllisyyden.
KorrelaatiokoodausTämä koodausmalli toteaa, että piikkiketjun toimintapotentiaalien väliset korrelaatiot voivat sisältää lisätietoa pelkän piikkien ajoituksen lisäksi. Esimerkiksi kokeet osoittavat, että tietyn taajuuden äänisignaali lisää korreloitujen piikkien määrää kuulokuoressa eikä vaikuta keskimääräiseen piikkitaajuuteen. [21] On selvää, että toimintapotentiaalien suhde toisiinsa kuljettaa tietoa koko koodausprosessissa. Tätä ajatusta voidaan kutsua liikkeeksi keskinopeuskoodista kohti sopivampaa mallia, joka puhuu hermosolujen toiminnan spatio-temporaalisten mallien informaatiokylläisyydestä. Sitä ei kuitenkaan voida kutsua itsenäiseksi ja muodostuneeksi hermokoodin malliksi.
Koodi harvakseltaanHermokoodin harvalukuisuuden käsite voi viitata ajan harvaan tai aktiivisen neuronipopulaation harvaan. Tätä ei kuitenkaan voida kutsua koodimalliksi, koska se on yksinkertaisesti toteamus, että "neuroneilla on taipumus olla harvaa, sekä siinä mielessä, että tiettynä ajankohtana on pieni määrä aktiivisia hermosoluja, että siinä mielessä, että yksittäinen neuroni voi ampua melko harvoin tietyn ajan." [22]
Koodausharvaisuutta on havaittu kokeellisesti monissa järjestelmissä, mukaan lukien näkö [23] , kuulo [24] , kosketus [25] ja haju. [26] Tämä tosiasia korostaa jälleen kerran keskinopeusmallin riittämättömyyttä, koska se edellyttää suuren määrän piikkejä pienenkin tietojoukon saamiseksi.
Mitkä ovat neuronien tehtävät ulkoisen ja sisäisen ympäristön signaalien käsittelyssä? Ensinnäkin neuronien on tuotettava informaatiotehokas koodi. Toiseksi neuronien on luotava energiatehokas koodi. Nämä vaatimukset johtavat koodin harvuuteen siinä mielessä, että nopeassa aikaikkunassa on pieni määrä elementtejä ja pieni joukko peruskoodielementtejä, jotka voivat koodata monimutkaista tietoa yhdistelmillään. Tästä seuraa johtopäätös, että jokaisen elementin tulee olla tietorikas. Toisin sanoen hermokoodin on yhdistettävä harvalukuisuus ja kylläisyys. Nämä eivät ole toisiaan poissulkevia, vaan täydentäviä vaatimuksia.
Yhteenveto hermopiikkimalleistaHerää kysymys: voiko neuronipiikki olla informaatiokyllästetty, jos se on diskreetti tapahtuma, jolla ei ole sisäisiä ominaisuuksia? Tässä muotoilussa kysymyksestä tulee retorinen ja vastaus siihen on ilmeisen kielteinen. Valitettavasti kaikki yllä olevat mallit perustuvat olettamukseen, että neuronien toimintapotentiaalit ovat samat. Mutta seuraava kysymys herää: onko se todella niin? Lisäksi herää kysymys: ovatko toimintapotentiaalin piikit?
Vakiokuva hermosolujen aktiivisuudesta näyttää piikkeiltä, jotka on asetettu eri tiheydillä aika-akselilla:
Ehkä toimintapotentiaalit ovat todellakin sellaisia tasaisia tikkuja? Ei oikeastaan. Joten niitä yksinkertaistetaan tutkimuksissa, jotta ne olisivat mallille sopivia. Mutta tämä ei ole ensimmäinen eikä luultavasti viimeinen kerta tieteessä, kun todellisuus mukautetaan teoriaan, eikä mallia muuteta, kun se on ristiriidassa todellisuuden kanssa.
"Piikki lisätään käsin esteettisistä syistä ja lukijan huijaamiseksi uskomaan, että neuroni tuottaa piikin... Kaikkien piikien oletetaan olevan samankokoisia ja kestoltaan samanlaisia... Kaikista puutteistaan huolimatta integroitu- ampumamalli on hyväksyttävä uhraus matemaatikolle, joka haluaa todistaa lauseita ja johtaa analyyttisiä kaavoja. Tällainen malli voi kuitenkin olla vain ajanhukkaa.” [27]
Itse asiassa vuosikymmenten aikana tämän lähestymistavan puitteissa on kirjoitettu satoja tuhansia tieteellisiä julkaisuja ja satoja teorioita ja malleja hermokoodista, jotka perustuvat identtisten piikkien idealisointiin ja piirtämiseen. Ehkä tämä on todellakin ajanhukkaa, koska tällaiset mallit eivät vastaa todellisuutta ja johtavat ratkaisemattomiin umpikujaan.
Ymmärtääksemme, heijastaako tämä kuva todellisuutta vai ei, meidän on käännyttävä itse neuronin ajalliseen tasoon. Jos lisäät resoluutiota aika-akselilla, huomaat, että neuronit eivät ammu teräviä piikkejä, vaan värisevät pehmeinä aaltoina.
Kun vuosikymmeniä on tarkasteltu erillisiä yksiköitä, joissa todella on aaltoja, palaamme jälleen kysymykseen: "Mikä on hermokoodin rakenne, joka mahdollistaa näin korkean tiedonsiirron? ... Tarvitsemme teorian tällaisista laskelmista ... Luonto on rakentanut laskentakoneen, jolla on hämmästyttävä tarkkuus ja sopeutumiskyky ... Tarina alkoi, enemmän tai vähemmän, Hadrianuksen havainnosta, että piikit ovat yksiköitä, joista havaintomme on rakennettava . Tulemme siihen tulokseen, että jokainen näistä yksiköistä antaa selvän ja mitattavissa olevan panoksen tähän käsitykseen. Jokainen piikki, joka niin usein lasketaan keskiarvoksi naapureidensa kanssa, ansaitsee enemmän kunnioitusta." [28]
Sinfonisen hermokoodin hypoteesi ehdottaa, että hermokoodi ei ole digitaalinen, vaan analoginen-digitaalinen. [29] Tämä tarkoittaa, että neuronin aktiivisuus sisältää kunkin toimintapotentiaalin parametrit piikin analogisena (aalto)komponenttina, joka on myös koodin erillinen yksikkö.
Tämä teoria käyttää analogiaa musiikillisen koodin (nuotinkirjoituksen) kanssa. Tässä mielessä jokainen hermosolujen toimintapotentiaali on aivomusiikin sävel, ts. sillä on aaltomuodon yksilölliset ominaisuudet (jakso, amplitudi, vaihekuva). Yksittäiset sävelet muodostavat tietyn hermosolun toimintamallin, jolla on selkeä tila-ajallinen organisaatio, joka mahdollistaa integroitumisen aivojen yleiseen musiikkiin sen melodioineen (taajuuskuvio), rytmeineen (vaihekuvioineen) ja harmonioineen (samanaikainen olemassaolo erilaisia kuvioita). Jokaisen sävelen (toimintapotentiaali) ja jokaisen tauon (lepopotentiaali) informaatiokylläisyys on erittäin korkea. Siten monimutkaista informaatiota voidaan sisällyttää hyvin harvojen piikki/tauko-sekvenssien ketjuun ja jopa yhteen piikkiin. Tämän ansiosta koko järjestelmällä kokonaisuutena on valtava prosessointiteho, tehokkuus ja nopeus.
Tietyssä mielessä tämä malli yhdistää monia aikaisempia hypoteeseja. Se osoittaa, että piikkien muodostumisnopeus tapahtuu koodin yleisessä rakenteessa. Mutta kuten musiikissa, tempolla ei ole itsenäistä merkitystä. Mallissa korostetaan ajallisen (rytmisen) rakenteen merkitystä, joka kantaa suuren informaatiokuorman. Tämä on tietysti vaihekoodausmalli, koska aktivointi/deaktivointidynamiikka ja kunkin toimintapotentiaalin vaihekuvan sisäinen rakenne mahdollistavat signaalien koodaamisen jopa vaiheensiirtoaikaikkunassa yhden aktivointijakson sisällä. Tämä on populaatiokoodimalli, joka ei näe hermosoluja järjettöminä tai meluisina järjestelmän komponentteina, jotka jotenkin taianomaisesti luovat järjestystä kaaoksesta, vaan miljardien muusikoiden aivoorkesterin jäseninä, jotka soittavat yhtenäistä sinfoniaa, jossa jokaisella osalla on oma merkityksensä. . Tämä on tietysti korrelaatiokoodaus, koska jokainen erä sijaitsee koko rakenteen kontekstissa. Tämä on myös harvakoodimalli, koska sinfonia voi koostua potentiaalisesti loputtomista yhdistelmistä pienestä perussäveljoukosta (koodielementit), ja pieni määrä muusikoita (neuroneja) voi osallistua monimutkaisen yhdistelmän luomiseen. Samalla tämä on rikas koodausmalli, koska jokainen nuotti kantaa suuren tietokuorman.
Musiikin terminologian käyttö ei ole metafora, vaan fyysinen analogia. Neuraalisen koodausprosessin fysiikka perustuu värähtely- ja aaltoilmiöihin, kuten myös musiikiksi kutsumien äänten luominen. Pääparadigman muutos on se, että neuronia ei pidetä identtisten otosten tuottajana, vaan oskillaattorina, jolla on monimutkainen vaihekuva. Tällainen malli osoittaa kunnioitusta jokaiselle toimintapotentiaalille. Kaikki solunsisäisten ja solujen välisten prosessien organisointi- ja kinetiikka on tarkoitettu luomaan hermosolujen värähtelyjen parametrit. Malli tarjoaa yksityiskohtaisen fysikaalisen, matemaattisen ja teknologisen kuvauksen hermokoodauksen prosessista, joka selittää aivojen informaation, ajallisen ja energiatehokkuuden.
Lisäksi lähestymistapa koodausprosessiin eri parametrien omaavien oskillaattorien vuorovaikutuksessa antaa meille mahdollisuuden tarkastella kytkentäongelmaa täysin eri tavalla ja näyttää taajuuden ja vaiheen kytkennän todellisen fyysisen mekanismin, joka luo yhden tietoisuuden sinfonian. harmoninen rakenne säilyttäen samalla kunkin esityksen yksilölliset ominaisuudet. [30] Tällaisen mallin avulla voimme myös tarkastella patologioita, joita tällä hetkellä pidetään mysteerisinä "mielenterveyshäiriöinä" (kuten autismi ja skitsofrenia ), erityisinä häiriöinä maailman signaalien koodauksessa ja mukautuvan todellisuusmallin luomisessa. [31]
Meidän on kunnioitettava yksilöllisiä toimintapotentiaalia ja kaikkea hermotoiminnan spatiotemporaalisten mallien hienovaraista dynamiikkaa, jotka ovat koodausprosessin ytimessä. Toisaalta se vie meidät ulos labyrintin loputtomista vaelluksista ja antaa meille " Ariadnen langan " päästäksemme ulos valoon. Toisaalta tällä on seurauksia, jotka eivät ole triviaaleja kahdesta syystä. Ensinnäkin se on vastoin vallitsevia teorioita ja vaatii paradigman muutosta, mikä ei ole helppoa. Toiseksi kuvausparametrien tila kasvaa jyrkästi. "Ei selvästikään ole mahdollista hypätä piikkilaskuista "täydelliseen" analyysiin. [28] Tutkijat eivät ole valmiita "hyppäämään". On paljon kätevämpää pysyä normaalissa, lähes sata vuotta käytössä olleen piikkilaskentatilassa.
On väärin sanoa, että se oli ajanhukkaa, koska tieteellisessä tutkimuksessa mikä tahansa tulos, jopa negatiivinen, on tärkeä. Minkä tahansa koodin purkaminen on pitkä tie, jossa on umpikujia. Mutta ainoa tie ulos on ymmärtää, että tämä on umpikuja, ja muuttaa reittiä. Tavalla tai toisella on matkan varrella kehitetty monia aivojen tutkimiseen tarkoitettuja teknologioita. Perinteiset työkalut (esim. EEG , MEG , fMRI ) eivät sovellu koodin purkamiseen, koska niillä ei tällä hetkellä ole tarvittavaa spatiotemporaalista resoluutiota eivätkä ne mittaa hermosolujen aktiivisuutta suoraan. Muut tekniikat (esim. mikroelektrodiryhmät , paikallinen potentiaalin kiinnitysmenetelmä ) sopivat paremmin tähän tehtävään, mutta niillä on haittapuolensa. Jotkut uudet tekniikat, kuten optogenetiikka , mahdollistavat yksittäisten hermosolujen toiminnan mittaamisen ja jopa säätelyn. [32] [33]
Kauan odotetulla paradigman muutoksella on monimutkaisia käsitteellisiä ja teknologisia vaikutuksia kokeellisen tutkimuksen prosessiin. Hermokoodi ei osoittautunut niin yksinkertaiseksi kuin luulimme, koska sen koodaama maailma ei ole yksinkertainen. Aivot ovat monimutkaisia, mutta se tarkoittaa, että ne voivat analysoida itseään. Mielemme pystyy tulkitsemaan oman koodinsa. Tätä varten hänen on luotava oikea malli, joka näyttää tien ulos "sokkelosta". Jos käsitteellinen läpimurto tapahtuu, tekniikka seuraa perässä.
Neuraalikoodin purkaminen on monimutkaisuudeltaan ja merkitykseltään laajamittainen tehtävä. On vaikea yliarvioida mahdollisuuksia, että kyky lukea ja kirjoittaa neurokoodia avautuu meille. Ne eivät koske vain mielenterveys- ja neurologisten häiriöiden, vaan kaikkien kehon sairauksien hoitoa kolmesta pääsairauksista (sydän- ja verisuonitaudit, syöpä ja diabetes) vähemmän vakaviin, mutta silti elämänlaatuun vaikuttaviin sairauksiin. Se avaa myös uusia näkökulmia tekoälyteknologian kehittämiseen ja niiden integroimiseen luonnollisiin aivoteknologioihin.