То, что базальное познание (универсальный вычислитель на НЕнейронной основе) существует, биологи подозревали давно. Одноклеточные формы жизни и соматические клетки многоклеточных организмов принимают гибкие решения на основе входов в их микросреду, задолго до появления нейронов.
Например, биоэлектрические сигналы опосредуют важные аспекты долгосрочной координации, которые удерживают клетки для поддержания плана тела и не допуская развития онкогенеза.
Нейроны же произошли от этих древних типов клеток, которые использовали биоэлектрическую сигнализацию для выполнения вычислений.
В то же время, даже у самых эволюционно развитых многоклеточных (типа людей) многие биопроцессы в организме (вплоть до сложнейшего регулирования морфогенезом и регенерацией), можно рассматривать как процессы, включающие обработку информации и принятие решений без участия мозга.
Память, прогнозирование и решение проблем прекрасно демонстрируются у сперматозоидов, амеб, дрожжей и растений. А у многоклеточных, например, при регенерации, сложность вычислительных задач, решаемых без участия нейронных систем, просто зашкаливает.
Например, хвосты, привитые по бокам саламандры, медленно переделываются в конечности, демонстрируя способность ткани определять свое положение в теле, сравнивать анатомию на уровне органов с целевой анатомией, и переделывая алгоритм регенерации тканей с учетом правильной анатомической корректировки.
Получается, что:
✔️ У живого организма ДВЕ вычислительные системы: нейронная и не-нейронная (на основе обычных клеток).
✔️ И соответственно, ДВА механизма познания: нейронное и базальное (Basal Cognition).
Базальное познание есть у всех неневральных животных, растений, грибов и одноклеточных организмов. А у многоклеточных, включая нас с вами, оно выполняет сложнейшие функции:
• неподъемные для нейронного познания: типа, конструирования и сборки органов — от глаза до сердца;
• и, что еще более важно, — не допускающие ошибок (коих в нейронных сетях избежать трудно).
Новое исследование «Modeling somatic computation with non-neural bioelectric networks» построило модель биоэлектрической сети BEN, способной решать когнитивные задачи в контексте биологических процессов (например, морфогенеза и ремоделирования), где сети НЕнейронных клеток совместно вычисляют и принимают решения.
Схемы архитектуры BEN и ее составляющих.
(a) Общая архитектура сети BEN;
(b) Сеть BEN, состоящая из двух ячеек;
(c) Сеть компонентов (черного цвета), связанных процессами (синий, красный и зеленый) внутри одной ячейки, некоторые из которых получают входные данные от соседних ячеек.
Это подчеркивает периодический характер динамики в BEN.
Сети BEN позволяют реализовывать весь необходимый для вычислений HW: логические вентили, составные логические элементы, детекторы паттернов и память.
Это первое научное доказательство существования класса биологических систем, где вычислительный подход реализован на соматических биоэлектрических сетях.
Кроме того, авторы продемонстрировали, что логика может быть реализована в схемах с двунаправленными соединениями, которые типичны для НЕнейронных тканей, в отличие от традиционных однонаправленных схем, таких как нейронные сети и цифровые электронные схемы.
Мало того, что сети BEN могут вычислять, но они также могут быть устойчивыми к повреждениям, сохраняя вычислительные функцию даже после удаления части клеток.
/Источник/
Journal information