インターネットとあなたの脳は思っている以上に似ています

インターネットとあなたの脳は思っている以上に似ています

ソークの科学者が、人工システムと生物学的システムの交通の流れを支配する同様の規則を発見

ラホーヤ — 私たちは今日、音楽やビデオのストリーミング、電子メールやソーシャル メディアのチェック、ニュースの読み物など、オンラインで多くの時間を費やしていますが、コンテンツの配信方法を管理する数学的アルゴリズムについて知っている人はほとんどいません。 しかし、中央機関のない分散システムを通じて情報を公平かつ効率的にルーティングする方法を決定することは、インターネットの創設者にとっての優先事項でした。 今回、ソーク研究所の発見は、インターネットに使用されているアルゴリズムが人間の脳でも働いていることを示しており、この洞察は人工ネットワークとニューラルネットワーク、そして潜在的には学習障害についての理解を深めます。

「インターネットの創設者たちは、情報を効率的に流す方法を検討するのに多くの時間を費やしました」とソーク助教授は言います。 サケット・ナブラハ、オンラインで掲載された新しい研究の共著者 神経計算 「人工システムと進化した生物学的システムが、問題の同様の解決策で生じるという発見は、非常に興味深いです。」

エンジニアリングされたシステムでは、インターネットの混雑度をチェックすることで、ルートが詰まったり、十分に利用されなかったりしないように情報フローを制御することがソリューションに含まれます。 これを実現するために、インターネットでは「加算増加乗算減少」(AIMD) と呼ばれるアルゴリズムが採用されています。このアルゴリズムでは、コンピュータがデータのパケットを送信し、受信側からの確認応答を待機します。パケットがすぐに確認応答されると、ネットワークは正常に動作しません。過負荷になると、データがネットワーク経由でより高速に送信されるようになります。 連続してパケットが成功するたびに、コンピュータは速度を XNUMX 単位増加しても安全であることを認識します。これが加算的な増加部分です。 しかし、確認応答が遅れたり失われたりすると、コンピュータは輻輳が発生していることを認識し、乗算的に減少する部分である半分など、大幅に速度が低下します。 このようにして、ユーザーは徐々に「スイート スポット」を見つけ、速度の低下に気づくとすぐにいわばアクセルから足を外すため、渋滞が回避されます。 ネットワーク全体のコンピュータがこの戦略を利用すると、システム全体が変化する条件に継続的に適応し、全体の効率を最大化できます。

複雑な生物学的ネットワークを理解するアルゴリズムを開発しているナブラハ氏は、数十億のニューロンが分散した脳も同様に情報を管理しているのではないかと疑問に思いました。 そこで、彼と共著者でデューク大学博士研究員ジョナサン・スーエン氏は、神経活動の数学的モデル化に着手した。

AIMD は数あるフロー制御アルゴリズムの 20 つであるため、二人は他の XNUMX つのアルゴリズムもモデル化することにしました。 さらに、XNUMXの実験研究からの神経活動に関する生理学的データにどのモデルが最もよく一致するかを分析しました。 彼らのモデルでは、AIMD が情報の流れをスムーズに保ち、経路が混雑しすぎるとトラフィック レートを調整するのに最も効率的であることが判明しました。 さらに興味深いことに、AIMD は実験的にニューロンに何が起こっているかを最もよく説明できることも判明しました。

ニューロンの相加的増加に相当するものは、長期増強と呼ばれることがわかりました。 これは、XNUMX つのニューロンが次々に近接して発火するときに発生します。これにより、ニューロンのシナプス接続が強化され、最初のニューロンが将来 XNUMX 番目のニューロンをトリガーする可能性がわずかに高くなります。 XNUMX つのニューロンの発火が逆転したとき (最初のニューロンの XNUMX 番目の発火)、ニューロンの乗算的減少と同等の現象が発生します。これにより、それらの接続が弱くなり、最初のニューロンが将来 XNUMX 番目のニューロンをトリガーする可能性が大幅に低くなります。 これを長期うつ病といいます。 ネットワーク全体のシナプスがこのルールに従って弱くなったり強化されたりすると、システム全体が適応して学習します。

「脳とインターネットは明らかにまったく異なるメカニズムを使用して動作していますが、どちらも世界的な安定性を生み出す単純なローカル ルールを使用しています」とスーエン氏は言います。 「生物学的なニューラル ネットワークが、人工的に作られたニューラル ネットワークと同じアルゴリズムを利用していることに最初は驚きましたが、学んだように、効率、堅牢性、シンプルさの要件は、生物と私たちが構築したネットワークの両方に共通しています。」

通常の条件下でシステムがどのように機能するかを理解することは、神経科学者が学習障害などでこれらの結果が中断された場合に何が起こるかをより深く理解するのに役立つ可能性があります。 「AIMD アルゴリズムのバリエーションは、基本的にすべての大規模分散通信ネットワークで使用されています」と Navlakha 氏は言います。 「脳が同様のアルゴリズムを使用しているという発見は、単なる偶然ではないかもしれません。」

この作業は、によって資金提供されました。 国防総省陸軍研究室.