[论文解读] Neural Autopoiesis: Organizing Self-Boundary by Stimulus Avoidance in Biological and Artificial Neural Networks

Atsushi Masumori, Lana Sinapayen+6 more|arXiv (Cornell University)|Jan 27, 2020

Neural dynamics and brain function参考文献 51被引用 4

一句话总结

本文提出神经自生（neural autopoiesis）——一种通过刺激回避实现神经网络自我边界的形成机制。通过培养的生物神经元和具有非对称STDP的脉冲神经网络，研究显示网络能自主调节自我/非我区分：可控刺激通过习得行为被回避，而不可控刺激则通过减弱突触连接被忽略，从而动态定义内部自我。

ABSTRACT

Living organisms must actively maintain themselves in order to continue existing. Autopoiesis is a key concept in the study of living organisms, where the boundaries of the organism is not static by dynamically regulated by the system itself. To study the autonomous regulation of self-boundary, we focus on neural homeodynamic responses to environmental changes using both biological and artificial neural networks. Previous studies showed that embodied cultured neural networks and spiking neural networks with spike-timing dependent plasticity (STDP) learn an action as they avoid stimulation from outside. In this paper, as a result of our experiments using embodied cultured neurons, we find that there is also a second property allowing the network to avoid stimulation: if the agent cannot learn an action to avoid the external stimuli, it tends to decrease the stimulus-evoked spikes, as if to ignore the uncontrollable-input. We also show such a behavior is reproduced by spiking neural networks with asymmetric STDP. We consider that these properties are regarded as autonomous regulation of self and non-self for the network, in which a controllable-neuron is regarded as self, and an uncontrollable-neuron is regarded as non-self. Finally, we introduce neural autopoiesis by proposing the principle of stimulus avoidance.

研究动机与目标

• 研究神经网络如何在环境刺激下自主调节其自我边界。
• 通过研究真实的生物和人工神经系统，弥合抽象自生理论与具体神经动力学之间的鸿沟。
• 识别并建模神经网络通过刺激回避区分自我与非我的机制。
• 通过引入刺激回避作为自组织驱动力，将自生概念扩展至神经系统，提出新原则。

提出的方法

• 在高密度CMOS微电极阵列上对培养的神经网络进行实验，观察其对受控刺激的实时神经反应。
• 构建具有非对称脉冲时序依赖可塑性（STDP）的生物合理脉冲神经网络模型，以模拟神经动力学。
• 施加两种刺激条件：可控（可通过行为避免）和不可控（无法避免）刺激，以观察网络的差异反应。
• 追踪突触权重变化和尖峰时间相关性，以识别刺激回避背后的学习机制。
• 采用STDP规则：突触前神经元先放电、突触后神经元后放电则增强突触（LTP）；反之则减弱（LTD），非对称性实现选择性抑制。
• 提出新原则——神经自生，即自我/非我边界源于可控性与突触适应的网络级动态。

实验结果

研究问题

• RQ1 生物神经网络如何在环境刺激下动态调节其自我边界？
• RQ2 神经网络中可控与不可控刺激区分的机制是什么？
• RQ3 人工脉冲神经网络能否复现培养神经网络中观察到的自组织行为？
• RQ4 刺激回避如何促进神经系统中自我/非我边界的出现？
• RQ5 非对称STDP在实现神经网络自主自我调节中起什么作用？

主要发现

• 培养的神经网络通过发展基于动作的行为反应，学会回避可控刺激，与刺激回避学习一致。
• 当刺激不可控时，网络通过减弱输入神经元的突触连接，减少刺激诱发的尖峰活动，从而有效忽略输入。
• 这种对不可控刺激的抑制性适应在人工脉冲神经网络中通过非对称STDP得以复现。
• 网络动态重新分类刺激：可控输入因被学习而成为内部（自我），而不可控输入则被隔离为非我。
• 自我/非我边界并非预先定义，而是源于可控性与突触可塑性的网络级动态。
• 所提出的刺激回避原则可实现神经自生，即通过行动、预测与选择，实现网络边界的自组织。