- Pesquisadores mapearam com extremo nível de detalhe um fragmento muito pequeno do cérebro humano, criando um atlas celular que permite observar a estrutura de conexões do cérebro
- Esse atlas celular foi publicado na Science e também disponibilizado como dados online, podendo ser usado em análises posteriores
- O atlas revela novos padrões de conexão entre neurônios e mostra estruturas em nível celular que antes eram difíceis de observar
- Algumas células se enrolam em torno de si mesmas, formando estruturas semelhantes a nós, e também foram identificados pares de neurônios que parecem quase imagens espelhadas
- Mesmo em um tecido pequeno de 1 mm³, aparecem conexões e formas complexas, mostrando a escala de dados necessária para entender a estrutura do cérebro humano
Atlas celular de um fragmento do cérebro humano
- Pesquisadores mapearam em altíssimo nível de detalhe um pequeno fragmento do cérebro humano
- O resultado é um atlas celular que inclui neurônios, as células cerebrais
- O atlas foi publicado em um artigo na Science e também está acessível online
Estruturas reveladas pelo atlas
- Foram identificados novos padrões de conexão entre neurônios
- Algumas células se enrolam em torno de si mesmas, formando estruturas semelhantes a nós
- Também surgem pares de neurônios quase como imagens espelhadas um do outro
1 comentários
Opiniões do Hacker News
Li todos os comentários em 11/05/2024, e é bem surpreendente que, do ponto de vista de professores de grandes universidades, não tenha surgido nenhuma pergunta óbvia
Em vez de apenas despejar conhecimento de manual sobre função cerebral, diferenças entre mamíferos e aves, IA e LLMs, acho que deveríamos perguntar o que fazem aquelas estruturas e objetos estranhos sobre os quais não sabemos absolutamente nada: https://h01-release.storage.googleapis.com/gallery.html
Contei 7
Gosto especialmente do “objeto em forma de ovo sem protrusões conectadas”
Uma estrutura em que o dendrito de uma célula atravessa o corpo celular de outra
A visualização interativa é realmente excelente
Vale ampliar as seções e rolar as camadas para cima e para baixo, e também vale dar zoom nos modelos 3D
Também dá para ver que, ao passar o mouse sobre uma parte de um neurônio, o neurônio inteiro fica destacado: http://h01-dot-neuroglancer-demo.appspot.com/#!gs://h01-release/assets/neuroglancer_states/20210601/c2_library.json
Aquilo é apenas 1 milímetro cúbico do nosso cérebro e tem todas aquelas conexões; dá para entender por que um corvo consegue ser tão inteligente mesmo com um cérebro do tamanho de uma noz
O cérebro talvez seja a coisa mais complexa do universo, e fico pensando se ele pode ser complexo o bastante para entender a si mesmo, e se isso é logicamente possível
Não sei como conseguiram fazer isso
“O mapa 3D cobre um volume de cerca de 1 milímetro cúbico, um milionésimo do cérebro inteiro, e inclui cerca de 57.000 células e 150 milhões de sinapses, que são conexões entre neurônios”
Isso é um bom ponto de referência empírico para calcular por alto quão grande teria de ser um modelo de rede neural para imitar o cérebro humano
150 milhões de sinapses / 57.000 neurônios dá uma média de 2.632 sinapses por neurônio; considerando que o cérebro humano adulto tem cerca de 100 bilhões de neurônios, isso daria um total de 2,6e14 sinapses
Mesmo assumindo apenas 1 parâmetro por sinapse, o modelo mínimo seria centenas de vezes maior que os 1,8e12 parâmetros atribuídos em rumores ao GPT-4
Isso ainda é grosseiro demais; se considerarmos 10 a 100 canais iônicos por sinapse e pelo menos 10 parâmetros por canal iônico, chegamos a 2,6e16 ou mais, ou seja, mais de 4 ordens de grandeza acima do GPT-4
Claro que há outros problemas, como implementar neuroplasticidade, mas é um cálculo aproximado interessante
A capacidade computacional talvez chegue lá por volta de 2048: https://news.ycombinator.com/item?id=38919548
Isso é quase o oposto do que se acreditou por décadas, que neurônios artificiais eram modelos pobres dos neurônios reais
Há uma citação que diz: “Nosso cérebro tem 100 trilhões de conexões. Grandes modelos de linguagem têm, no máximo, 500 bilhões, talvez 1 trilhão. E, no entanto, o GPT-4 sabe centenas de vezes mais coisas do que qualquer pessoa. Talvez ele tenha um algoritmo de aprendizado muito melhor que o nosso”
Pela densidade desta amostra cerebral, as conexões do GPT-4 ocupariam 5 centímetros cúbicos, ou seja, 1% do volume do córtex cerebral humano
Ainda assim, o GPT-4 fala 80 idiomas com alguma fluência, traduz, escreve código, imita o estilo de centenas ou milhares de autores e consegue conversar sobre filosofia, culinária, ciência, direito e muito mais
O interior das células é cheio de maquinário em nanoescala complexo, e é possível que parte dele participe de processos cognitivos
Conheço pelo menos um estudo que identificou nanoestruturas diretamente envolvidas na forma como a memória funciona nos neurônios
Além disso, muitos processos também têm uma dimensão bastante analógica
Lembro de um neurologista dizendo em uma entrevista que, ao longo dos séculos, a humanidade comparou o cérebro à tecnologia mais complexa de sua época
Primeiro a mecanismos, depois a tubos e vapor, circuitos elétricos, eletrônica, e agora a computadores; mas o cérebro não funciona como nenhuma dessas coisas, então precisamos reconhecer os limites dos nossos modelos
Não vejo o que a impediria, então como não existiria?
Não acho que dê para modelar o funcionamento das sinapses apenas como mais sinais
Então talvez seja necessária muito menos massa cerebral para inteligência geral
Embora seja um resultado importante e impressionante, ele faz lembrar um problema fundamental da neurociência
Se pudéssemos apenas prender eletrodos a um die, sabendo quase nada sobre o processador, seria possível descobrir em detalhes, só a partir das medições, como o processador executa um programa e o que esse programa faz?
Agora aumente isso em algumas ordens de grandeza e acrescente a sensibilidade ao timing de chegada dos sinais: isso é o cérebro
Mesmo que agora tenhamos dados em escala de petabytes, será que isso realmente nos aproxima de entender, por exemplo, como a cognição funciona?
Quando fiz uma disciplina introdutória de neurociência computacional, fiquei bastante chocado ao descobrir que praticamente não existe matemática capaz de lidar com mais do que alguns neurônios no domínio do tempo
Neurônios reais operam no domínio do tempo, o timing é importante no aprendizado hebbiano, e não há um relógio global
Tudo o que o cérebro faz é um processo contínuo
Em segundo lugar, o fato de que nem mesmo os cerca de 300 neurônios do C. elegans, já bem mapeados, tenham sido modelados adequadamente pelo OpenWorm diz muito
Um dos argumentos da pesquisa em IA era: “não se descobre o princípio do voo olhando para as penas de um pássaro em um microscópio eletrônico”
É interessante, mas não acho que vamos entender a inteligência por esse caminho
Fenômenos emergentes fazem parte da teoria de sistemas complexos, e não temos a matemática para lidar com isso
Nossa ignorância nessa área é grande
Quando eu era criança, ouvia com frequência a frase “será que o cérebro consegue entender a si mesmo?”
Talvez não, mas o esforço de tentar entender ainda tem valor
Precisamos de uma ruptura nos estudos de teoria de sistemas complexos
Em vez de prender eletrodos, você dispara partículas e analisa as trajetórias dos fragmentos
Também não surpreende que métodos próprios de macacos continuem revelando cognição própria de macacos
É hora de reler “There's plenty of room at the bottom”, de Feynman: https://web.pa.msu.edu/people/yang/RFeynman_plentySpace.pdf
Vale ver a parte em que os biólogos pedem a ele para construir um microscópio eletrônico 1.000 vezes mais potente, e também observar que tecnologia foi usada para escanear estas imagens
Na época, o estado da arte conseguia resolver cerca de 10 angstroms, ou seja, por volta de 1 nm, e uma melhoria de 100 vezes levaria a 0,1 angstrom / 0,01 nm
Parece que houve algum progresso
Pesquisando, parece que microscópios eletrônicos de transmissão chegam a até 0,05 nm, e microscópios eletrônicos de varredura a menos de 0,1 nm: https://www.kentfaith.co.uk/blog/article_which-electron-microscope-has-the-highest-resolution_4737
Para comparar, acho que a distância entre os núcleos de hidrogênio no H2 é de cerca de 0,074 nm
Dá para ver o formato das moléculas, mas átomos individuais ainda ficam um pouco borrados: https://cosmosmagazine.com/science/chemistry/molecular-models-electron-microscopy/
Ao ver a imagem de um único neurônio, parece que o pessoal de simulação cerebral vai ter que recalcular suas estimativas de capacidade computacional necessária
Fico me perguntando se existe um nome para a sensação meio desconfortável que dá ao ver coisas assim
Queria explicar melhor, mas quando me deparo com imagens microscópicas de tecido cerebral, fico com uma sensação estranhamente esquisita
É uma reação normal?
O cérebro tem um gerenciamento de cabos horrível
Ainda assim, também sinto um vazio sinistro na imagem
A primeira coisa que me veio à cabeça foi que a minha “implementação”, como ser consciente, é justamente isso: um emaranhado de fibras preso na escuridão total do crânio
As imagens de tecido cerebral humano também têm algo sombrio pelo fato de terem pertencido a uma pessoa que um dia teve vida e experiências
É o meu cérebro vivo olhando para um cérebro morto
Não sei se é parecido com padrões de buracos que incomodam algumas pessoas, ou se é uma sensação mais abstrata, tipo “fragmentos incognoscíveis da realidade mais íntima de alguém fluíram por ali”
De qualquer forma, não sei o nome, mas a própria forma, nesse contexto, poderia representar algum aspecto de uma memória ou de uma personalidade; vai saber
Quando se vê que toda a experiência humana, o amor, a tragédia e as conquistas, são apenas potenciais elétricos transmitidos por essas células sinuosas, desaparece aquela sensação de magia que eu sentia nas pessoas
É como estar diante de algo muito direto e, ao mesmo tempo, de algo tão vasto que jamais serei capaz de compreender
Um romance de Neal Stephenson trata bem desse tema: https://en.wikipedia.org/wiki/Fall;_or,_Dodge_in_Hell
Em um fork do Neuroglancer, foi desenvolvido um algoritmo que anota dados volumétricos sem rótulos usando aprendizado autossupervisionado
Espera-se mais progresso em projetos de mapeamento cerebral em larga escala
Detalhes do projeto: https://www.ll.mit.edu/sites/default/files/other/doc/2023-02/TVO_Technology_Highlight_45_NeuroTrALE.pdf
“A amostra foi cortada em cerca de 5.000 seções; cada seção tinha 34 nanômetros de espessura e pôde ser fotografada com microscópio eletrônico”
Alguém sabe como se faz isso sem danificar a amostra?
Artigo: https://www.biorxiv.org/content/10.1101/2021.05.29.446289v4
Veja a Figura 1
O ATUM é explicado em mais detalhes aqui: https://www.eden-instruments.com/en/ex-situ-equipments/rmc-em-sample-prep-solutions/atumtome/
Também há muitas boas fotos e explicações aqui: https://www.wormatlas.org/EMmethods/ATUM.htm
Em resumo, este projeto está aproveitando todos os benefícios da tecnologia do século XXI