Os braços dendríticos de alguns neurônios humanos podem executar operações lógicas que antes pareciam exigir redes neurais inteiras.Foi relatado que as capacidades de processamento de informações do cérebro residem em trilhões de conexões que unem os seus neurônios. Mas, nas últimas décadas, pesquisas crescentes mudaram silenciosamente parte da atenção para neurônios individuais, que parecem assumir muito mais responsabilidade computacional do que antes se imaginava.A última de uma longa linha de evidências veio através da descoberta dos cientistas de um novo tipo de sinal elétrico nas camadas superiores do córtex humano. Estudos de laboratório e modelagem já mostraram que minúsculos compartimentos nos braços dendríticos dos neurônios corticais podem realizar operações complicadas de lógica matemática. Mas agora parece que os compartimentos dendríticos individuais também podem realizar um cálculo específico — “OR exclusivo” — que os teóricos matemáticos haviam anteriormente classificado como insolúvel por sistemas de neurônios únicos.“Acredito que estamos apenas arranhando a superfície do que esses neurônios realmente estão fazendo”, disse Albert Gidon, um pós-doutorando na Universidade Humboldt de Berlim e o primeiro autor do artigo que apresentou essas descobertas na Science no início deste mês.A descoberta marca uma crescente necessidade de estudos do sistema nervoso para considerar as implicações de neurônios individuais como extensos processadores de informação. “O cérebro pode ser muito mais complicado do que pensamos”, disse Konrad Kording, neurocientista computacional da Universidade da Pensilvânia, que não participou do trabalho recente. Essa descoberta também pode levar alguns cientistas da computação a reavaliar estratégias para redes neurais artificiais, tradicionalmente construídas com base na visão dos neurônios como comutadores simples e não inteligentes.As limitações dos neurônios mudosNas décadas de 1940 e 50, uma imagem começou a dominar a neurociência: a do neurônio “burro”, um simples integrador, um ponto de uma rede que apenas resumia suas informações. Extensões ramificadas da célula, chamadas dendritos, receberiam milhares de sinais dos neurônios vizinhos — alguns excitatórios, outros inibidores. No corpo do neurônio todos esses sinais seriam pesados e calculados e, se o total exceder algum limiar, o neurônio dispara uma série de pulsos elétricos (potenciais de ação) que direcionam a estimulação dos neurônios adjacentes.Na mesma época, os pesquisadores perceberam que um único neurônio também poderia funcionar como um portão lógico, semelhante aos dos circuitos digitais (embora ainda não esteja claro o quanto o cérebro realmente calcula dessa maneira ao processar informações). Um neurônio era efetivamente um portão AND, por exemplo, se disparasse somente depois de receber um número suficiente de entradas.>Os próprios dendritos podem atuar como portões AND ou como uma série de outros dispositivos de computação. As redes de neurônios poderiam, portanto, em teoria, realizar qualquer cálculo. Ainda assim, esse modelo do neurônio era limitado. Suas metáforas computacionais orientadoras não eram apenas simplistas, mas, durante décadas, os cientistas não possuíam as ferramentas experimentais para registrar os vários componentes de uma única célula nervosa. “Esse é essencialmente o neurônio colapsado em um ponto no espaço”, disse Bartlett Mel, neurocientista computacional da Universidade do Sul da Califórnia. “Não tinha nenhuma articulação interna de atividade.” O modelo ignorou o fato de que as milhares de entradas que fluem para um dado neurônio aterrissaram em locais diferentes ao longo de seus vários dendritos. E também ignorou a ideia (eventualmente confirmada) de que os dendritos individuais pudessem funcionar de maneira diferente um do outro. Ainda mais, ignorou a possibilidade de que os cálculos pudessem ser realizados por outras estruturas internas.Mas isso começou a mudar nos anos 80. O trabalho de modelagem do neurocientista Christof Koch e outros, posteriormente apoiado por experimentos de bancada, mostrou que neurônios únicos não expressavam um sinal de voltagem único ou uniforme. Em vez disso, os sinais de tensão diminuíam à medida que se moviam ao longo dos dendritos para o corpo do neurônio, e geralmente não contribuíam em nada para o resultado final da célula.Essa compartimentação de sinais significava que dendritos separados poderiam processar informações independentemente um do outro. “Isso estava em desacordo com a hipótese do neurônio ponto, na qual um neurônio simplesmente acrescentava tudo independentemente da localização”, disse Mel.Isso levou Koch e outros neurocientistas, incluindo Gordon Shepherd, na Escola de Medicina de Yale, a modelar como a estrutura dos dendritos poderia, em princípio, permitir que os neurônios atuassem não como simples portas lógicas, mas como sistemas complexos de processamento de várias unidades. Eles simularam como as árvores dendríticas poderiam hospedar numerosas operações lógicas, através de uma série de complexos mecanismos hipotéticos.Yiota Poirazi, neurocientista computacional do Instituto de Biologia Molecular e Biotecnologia da Grécia, é uma das pesquisadoras que reconheceu que os sinais medidos em dendritos podem significar que alguns neurônios operam como uma rede de processamento de informações em várias camadas.Mais tarde, Mel e vários colegas analisaram mais de perto como a célula pode gerenciar várias entradas em seus dendritos individuais. O que eles descobriram os surpreendeu: os dendritos geraram picos locais, tinham suas próprias curvas de entrada e saída não-lineares e seus próprios limiares de ativação, distintos dos do neurônio como um todo. Os próprios dendritos podem atuar como portões AND ou como uma série de outros dispositivos de computação.Mel, junto com sua ex-aluna de graduação Yiota Poirazi (agora uma neurocientista computacional do Instituto de Biologia Molecular e Biotecnologia da Grécia), percebeu que isso significava que eles podiam conceber um único neurônio como uma rede de duas camadas. Os dendritos serviriam como subunidades de computação não lineares, coletando entradas e cuspindo saídas intermediárias. Esses sinais seriam combinados no corpo da célula, o que determinaria como o neurônio como um todo responderia.Ainda não estava claro se a atividade no nível dendrítico influenciou o disparo do neurônio e a atividade dos neurônios vizinhos. Mas, independentemente disso, esse processamento local pode preparar ou condicionar o sistema a responder de maneira diferente à entradas futuras ou ajudar a conectá-lo de novas maneiras, de acordo com Shepherd.Seja qual for o caso, “a tendência era ‘OK, tenha cuidado, o neurônio pode ser mais poderoso do que você pensava’”, disse Mel.Shepherd concordou. “Grande parte do poder do processamento que ocorre no córtex é na verdade sublimiar”, disse ele. “Um sistema de neurônio único pode ser mais do que apenas um sistema integrador. Pode ser um sistema de duas camadas, ou até mais. ” Em teoria, quase qualquer cálculo imaginável pode ser realizado por um neurônio com dendritos suficientes, cada um capaz de executar sua própria operação não linear.No artigo recente da Science, os pesquisadores levaram essa ideia um passo adiante: sugeriram que um único compartimento dendrítico poderia executar esses cálculos complexos por conta própria.Pontos inesperados e velhos obstáculosMatthew Larkum, neurocientista de Humboldt, e sua equipe começaram a olhar para os dendritos com uma pergunta diferente em mente. Como a atividade dendrítica havia sido estudada principalmente em roedores, os pesquisadores queriam investigar como a sinalização elétrica poderia ser diferente nos neurônios humanos, que possuem dendritos muito mais longos. Eles obtiveram fatias de tecido cerebral das camadas 2 e 3 do córtex humano, que contêm neurônios particularmente grandes com muitos dendritos. Quando eles estimularam esses dendritos com uma corrente elétrica, eles notaram algo estranho.Eles viram picos inesperados e repetidos — e esses picos pareciam completamente diferentes de outros tipos conhecidos de sinalização neural. Eles eram particularmente rápidos e breves, como potenciais de ação, e surgiam de fluxos de íons cálcio. Isso foi digno de nota porque os potenciais de ação convencional são geralmente causados por íons sódio e potássio. E enquanto a sinalização induzida por cálcio havia sido observada anteriormente em dendritos de roedores, esses picos tendiam a durar muito mais tempo.Mais estranho ainda, alimentar mais dendritos com estimulação elétrica diminuiu a intensidade do disparo do neurônio, em vez de aumentá-lo. “De repente, estimulamos mais e obtemos menos”, disse Gidon. “Isso chamou nossa atenção.”Para descobrir o que o novo tipo de elevação elétrica poderia estar fazendo, os cientistas se uniram a Poirazi e uma pesquisadora em seu laboratório na Grécia, Athanasia Papoutsi, e criaram em conjunto um modelo para refletir o comportamento dos neurônios.>Talvez tenhamos uma rede profunda dentro de um único neurônio. E isso é muito mais poderoso em termos de aprendizado de problemas difíceis, em termos de cognição. O modelo descobriu que o dendrito disparou em resposta a duas entradas separadas — mas falhou ao fazer isso quando essas entradas foram combinadas. Isso foi equivalente a um cálculo não linear conhecido como OR exclusivo (ou XOR), que produz uma saída binária de 1 se uma (mas apenas uma) das entradas for 1.Essa descoberta imediatamente afetou a comunidade de ciência da computação. As funções XOR foram por muitos anos consideradas impossíveis em neurônios únicos: em seu livro de 1969, Perceptrons, os cientistas da computação Marvin Minsky e Seymour Papert ofereceram uma prova de que redes artificiais de camada única não podiam realizar XOR. Essa conclusão foi tão devastadora que muitos cientistas da computação a culparam pela crise que a pesquisa em redes neurais caiu até os anos 80.Pesquisadores de redes neurais acabaram encontrando maneiras de evitar o obstáculo identificado por Minsky e Papert, e os neurocientistas encontraram exemplos dessas soluções na natureza. Por exemplo, Poirazi já sabia que o XOR era possível em um único neurônio: apenas dois dendritos juntos poderiam alcançá-lo. Mas nessas novas experiências, ela e seus colegas estavam oferecendo um mecanismo biofísico plausível para facilitar — em um único dendrito.“Para mim, é outro grau de flexibilidade que o sistema possui”, disse Poirazi. “Isso apenas mostra que este sistema tem muitas maneiras diferentes de calcular”. Ainda assim, ela ressalta que, se um único neurônio já poderia resolver esse tipo de problema, “por que o sistema enfrentaria todos os problemas para criar unidades mais complicadas dentro do neurônio?”Processadores dentro de processadoresCertamente nem todos os neurônios são assim. Segundo Gidon, existem muitos neurônios menores e pontuais em outras partes do cérebro. Presumivelmente, então, essa complexidade neural existe por uma razão. Então, por que compartimentos únicos dentro de um neurônio precisam da capacidade de fazer o que todo o neurônio, ou uma pequena rede de neurônios, pode fazer bem? A possibilidade óbvia é que um neurônio que se comporte como uma rede de várias camadas tenha muito mais poder de processamento e, portanto, possa aprender ou armazenar mais. Talvez tenhamos uma rede profunda dentro de um único neurônio. E isso é muito mais poderoso em termos de aprendizado de problemas difíceis, em termos de cognição.Talvez, acrescentou Kording, “um único neurônio possa calcular funções verdadeiramente complexas. Por exemplo, ele pode, por si só, ser capaz de reconhecer um objeto. ” Ter neurônios individuais tão poderosos, de acordo com Poirazi, também pode ajudar o cérebro a economizar energia.O grupo de Larkum planeja procurar sinais semelhantes nos dendritos de roedores e outros animais, para determinar se essa capacidade computacional é exclusiva para os seres humanos. Eles também querem ir além do escopo de seu modelo para associar a atividade neural que observaram com o comportamento real. Enquanto isso, Poirazi agora espera comparar os cálculos nesses dendritos com o que acontece em uma rede de neurônios, para descobrir quaisquer vantagens que o primeiro possa ter. Isso incluirá testes para outros tipos de operações lógicas e explorará como essas operações podem contribuir para o aprendizado ou a memória. “Até mapearmos isso, não podemos realmente dizer o quão poderosa é essa descoberta”, disse Poirazi.Embora ainda haja muito trabalho a ser feito, os pesquisadores acreditam que essas descobertas marcam a necessidade de repensar como eles modelam o cérebro e suas funções mais amplas. Focar na conectividade de diferentes neurônios e regiões do cérebro não será suficiente.Os novos resultados também parecem propensos a influenciar questões nos campos de aprendizado de máquina e inteligência artificial. As redes neurais artificiais dependem do modelo pontual, tratando os neurônios como nós que registram entradas e passam a soma através de uma função de atividade. “Poucas pessoas levaram a sério a noção de que um único neurônio poderia ser um dispositivo computacional complexo”, disse Gary Marcus, cientista cognitivo da Universidade de Nova York e cético em relação a algumas afirmações feitas para aprendizado profundo.Embora o artigo da Science seja apenas uma descoberta em uma extensa história do trabalho que demonstra essa ideia, ele acrescentou, os cientistas da computação podem ser mais receptivos a ela porque ela enquadra a questão em termos do problema XOR que perseguiu a pesquisa de redes neurais por tanto tempo. “Eles estão dizendo: nós realmente precisamos pensar sobre isso”, disse Marcus. “O jogo inteiro — para descobrir como você obtém uma cognição inteligente de neurônios burros — pode estar errado.”“Esta é uma demonstração super limpa disso”, acrescentou. “Com certeza vai se sobressair.”** Tradução do artigo originalmente publicado pela Quanta Magazine: Hidden Computational Power Found in the Arms of Neurons