[論文レビュー] How brains are built: Principles of computational neuroscience

Richard Granger|arXiv (Cornell University)|Mar 29, 2017

Neural dynamics and brain function参考文献 96被引用数 5

ひとこと要約

本論文は、計算神経科学が第一原理から神経系をシミュレートすることによって、脳機能の深い理解を達成すると提案している。計算をハードウェアではなく、背後にあるメカニズムの研究として捉える。完全にシミュレートされた脳のプロセス—機能的な代替物—は、理解の最終的テストであると主張し、科学的洞察と脳にインspiredされた工学的応用の両方に影響を与える。

ABSTRACT

'If I cannot build it, I do not understand it.' So said Nobel laureate Richard Feynman, and by his metric, we understand a bit about physics, less about chemistry, and almost nothing about biology. When we fully understand a phenomenon, we can specify its entire sequence of events, causes, and effects so completely that it is possible to fully simulate it, with all its internal mechanisms intact. Achieving that level of understanding is rare. It is commensurate with constructing a full design for a machine that could serve as a stand-in for the thing being studied. To understand a phenomenon sufficiently to fully simulate it is to understand it computationally. 'Computation' does not refer to computers per se. Rather, it refers to the underlying principles and methods that make them work. As Turing Award recipient Edsger Dijkstra said, computational science 'is no more about computers than astronomy is about telescopes.' Computational science is the study of the hidden rules underlying complex phenomena from physics to psychology. Computational neuroscience, then, has the aim of understanding brains sufficiently well to be able to simulate their functions, thereby subsuming the twin goals of science and engineering: deeply understanding the inner workings of our brains, and being able to construct simulacra of them. As simple robots today substitute for human physical abilities, in settings from factories to hospitals, so brain engineering will construct stand-ins for our mental abilities, and possibly even enable us to fix our brains when they break.

研究の動機と目的

• 脳機能の理解のための計算シミュレーションをゴールドスタンダードとして確立すること。
• 神経科学における「計算」がデジタルコンピュータではなく、背後にある原理を指すことを明確にすること。
• シミュレーションを通じて、科学的理解と工学的応用を統合すること。
• 脳に類似したシステムを構築できることだけが、真の理解を主張できる根拠であると主張すること。
• 脳工学を次世代のフロンティアとして位置づけること。これは物理的システムにおけるロボティクスに類似している。

提案手法

• リチャード・ファインマンの原則を採用：「もし私がそれを構築できないのなら、私はそれを理解していない。」
• 「計算」をコンピュータ技術ではなく、複雑系を支配する隠れたルールの研究として定義すること。
• 神経機能のモデルをテスト・検証するためのメカニズムとしてシミュレーションを用いること。
• 完全な因果的・機械的忠実性を保つことで、完全なシミュレーションが可能な脳系のモデル化。
• 物理学や天文学などの他の分野と類似点を明らかにすること。
• 脳工学を、精神的機能の機能的模造物の構築として位置づけること。

実験結果

リサーチクエスチョン

• RQ1 生物学的システム、たとえば脳のような現象の真の理解を定義する基準は何であるか？
• RQ2 計算シミュレーションが科学的理解のベンチマークとしてどのように機能するか？
• RQ3 神経科学における「計算」とは、デジタルコンピューティングとはどのように異なるか？
• RQ4 脳研究において、科学的洞察と工学的能力の関係は何か？
• RQ5 脳機能のシミュレーションが、精神的機能の修復や強化に実用的応用をもたらす可能性は何か？

主な発見

• 現象の完全な因果的・結果的連鎖をシミュレートできる場合にのみ、真の理解が達成される。
• システムを計算的にシミュレートできる能力は、その背後にあるメカニズムを理解していることに等しい。
• 計算神経科学は、脳機能の機能的模造物を構築することを目的とし、科学と工学を統合する。
• シミュレーションを検証手段とする原則は、脳と物理的システムの両方に同様に適用可能である。
• 将来的には、脳工学が人間の精神的能力を再現または拡張する人工システムを生み出す可能性がある。
• このアプローチは、物理学やコンピュータ科学の基礎的アイデアに根ざしており、技術ではなく原理を重視する。