Dynamics of specialization in neural modules under resource constraints

要約

脳は構造と機能の両方の点で高度にモジュール化されていると長い間信じられてきましたが、最近の証拠により、両方のタイプのモジュール化の程度に疑問を抱く人もいます。
私たちは人工ニューラル ネットワークを使用して、構造モジュール性が機能の特殊化を保証するのに十分であるという仮説を検証しました。その結果、一般に、これは極端なレベルを除いて必ずしも成り立たないことがわかりました。
次に、環境とネットワークのどの機能が専門化の出現につながるかを系統的にテストしました。
私たちは、正確な制御を可能にする単純なおもちゃの環境、タスク、ネットワークを使用し、この設定では、いくつかの異なる専門化の尺度が定性的に同様の結果をもたらすことを示しました。
さらに、(1) 特殊化は、その環境の機能が有意に分離可能な環境でのみ出現する、(2) 特殊化は、ネットワークのリソースが強く制約されている場合に優先的に出現する、(3) これらの発見は、異なるネットワーク アーキテクチャ間で質的に類似していることもわかりました。
ですが、量的な関係はアーキテクチャの種類によって異なります。
最後に、機能の特化が時間の経過とともに動的に変化することを示し、これらの動態がネットワーク内の情報フローのタイミングと帯域幅の両方に依存することを示します。
私たちは、構造的なモジュール性に基づく特殊化の静的な概念は、現実世界の複雑な状況におけるインテリジェント システムを理解するには単純すぎるフレームワークである可能性が高いと結論付けています。
私たちは、より複雑なデータ、ネットワーク モデル、電気生理学的記録に拡張する前に、単純化されたシナリオで機能モジュール性の候補定義を徹底的にストレス テストすることが、有益なアプローチになる可能性が高いと提案します。

要約(オリジナル)

It has long been believed that the brain is highly modular both in terms of structure and function, although recent evidence has led some to question the extent of both types of modularity. We used artificial neural networks to test the hypothesis that structural modularity is sufficient to guarantee functional specialization, and find that in general, this doesn’t necessarily hold except at extreme levels. We then systematically tested which features of the environment and network do lead to the emergence of specialization. We used a simple toy environment, task and network, allowing us precise control, and show that in this setup, several distinct measures of specialization give qualitatively similar results. We further find that (1) specialization can only emerge in environments where features of that environment are meaningfully separable, (2) specialization preferentially emerges when the network is strongly resource-constrained, and (3) these findings are qualitatively similar across different network architectures, but the quantitative relationships depends on the architecture type. Finally, we show that functional specialization varies dynamically across time, and demonstrate that these dynamics depend on both the timing and bandwidth of information flow in the network. We conclude that a static notion of specialization, based on structural modularity, is likely too simple a framework for understanding intelligent systems in situations of real-world complexity. We propose that thoroughly stress testing candidate definitions of functional modularity in simplified scenarios before extending to more complex data, network models and electrophysiological recordings is likely to be a fruitful approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google