Beszélgetés az agyról és a számítógéprõl
Borosy Andrással, Érdi Péterrel és Szirtes Gáborral

A gondolkodó embereket hallatlanul érdekli az agykutatás. A XX. századot – egyebek mellett – gyakran emlegetik az agykutatás évszázadaként. Ezt a századot azonban a számítástechnika kialakulása is jellemzi. A két terület kapcsolatáról, egymásra hatásáról, rokonságáról, különbözõségérõl beszélgettünk a nyár elején.
 

SZEPESVÁRY PÁL: Mielõtt belekapnánk, arra kérlek, mutassátok be magatokat.

ÉRDI PÉTER: A Magyar Tudományos Akadémia Központi Fizikai Kutatóintézetében a Részecske és Magfizikai Kutatóintézet Biofizikai Osztályát vezetem, ahol számítógépes agykutatással foglalkozunk, egy tudománnyal, amelynek tulajdonképpen magyar neve nincs is, a világban computational neuroscience néven ismerik.

SZ. P.: Az agykutatás területén volt egy mestered, Szentágothai János. Õt már érdekelte ez a téma?

É. P.: Szentágothai János Erdõs-száma kettõ volt. Nem kell mondanom, ez mint jelent. Szentágothainak van egy közös cikke Rényi Alfréddal, 1956-ból, amelyben valószínûségszámítási módszereket használnak a neurobiológiában. Az 1968-as akadémiai székfoglalója pedig a neuronhálókról szólt, annak a tudománynak a tárgyáról, amelyet akkor neurokibernetikának hívtak. Õ nagyon is tudatában volt annak, hogy milyen szerepet játszhatnak a modellek az agymûködés megismerésében, milyen fontos, hogy a modellszemléletet ezen a területen is alkalmazzuk.

SZIRTES GÁBOR: Harmadéves doktorandusz vagyok az Eötvös Loránd Tudományegyetemen. Az Információs Rendszerek Tanszéken dolgozom. Csoportunk tevékenysége szerteágazó, engem elsõsorban az agy mint az általunk ismert legösszetettebb információfeldolgozó rendszer érdekel. Mivel csoportunk viszonylag fiatal, eredményeink még nem ismertek széles körben. Ennek többek között az is az oka, hogy kutatási témáink interdiszciplináris jellegûek, így például a biológusok a matematikai eredményeinket fogadják el lassabban, míg a mesterséges intelligencia (gépi tanulás, statisztikus tanulási elméletek) kutatóival a biológiai analógiák elismertetése nehéz idõnként.

BOROSY ANDRÁS: Több okból is kilógok a társaságból...

É. P.: Itt mindenki kilóg!

B. A.: De én nagyon, mert nem alapkutatással foglakozom, hanem az iparban dolgozom. Olyan módszereket használok, amelyekrõl 15 évvel ezelõtt azt hitték, alkalmasak lesznek az agymodellezésre. Kiderült, hogy nem alkalmasak, mi viszont kitûnõen tudjuk õket használni nemlineáris regresszióra.

Másrészt nagyon érdekelnének a használható agymodellek, mert jelenlegi munkahelyemen, a Gyógyszerkutató Intézetben mind a számítógépes kémia, mind a gyógyszerkutatás területén alkalmaznám õket a központi idegrendszerre ható gyógyszerek tervezésekor.

SZ. P.: Milyen konkrét ipari alkalmazásokon dolgoztál már itthon és küföldön?

B. A.: Volt például egy gumiipari feladat, amelynek során mesterséges ideghálózatokat használtunk fel a gumikeverék összetétele, az elõállítás körülményei és a termék (vulkanizált gumi) paraméterei közötti összefüggés megállapítására és a termék tulajdonságainak elõrejelzésére. Most a gyógyszeripar területén használom ezt a módszert mennyiségi szerkezet-hatás összefüggések modellezésére.

SZ. P.: Nehezen egyeztettük beszélgetésünk idejét. Látszott, nagyon elfogaltak vagytok, még július elején is nehezen mondtok le minden óráról. Olyan nehéz szabad órákat találni? És ha így van: szenvedtek ettõl vagy szeretitek ezt az életformát?

É. P.: Én reggel kilenc, fél tízre érkezem fel Csillebércre. Elég sok idõt töltök bent, tanítványaim is ott vannak estig. Lehet, hogy túlságosan jól érezzük magunkat, de délután kettõ-három elõtt nagyon meggondolom, milyen program kedvéért menjek le a városba. Ezzel együtt azok a diákok és kollégák, akik elszármaztak Amerikába, azt mondják, meg sem közelítjük azt a munkatempót, amelyet ott látnak.

SZ. G.: Nálunk is ugyanez a helyzet. Az egyetem ugyan nem sokat tesz azért, hogy nagyon jól érezzük megunkat, de ahogy a spártaiak tartották, a test túlságos kényeztetése nem segíti a szellem építését. Mindenesetre azt látom, hogy az érdeklõdõ diákok zöme gyorsan be tud kapcsolódni a közös munkába, és akit “megfog” a csoport hangulata, nem megy el TDK-dolgozat, diplomamunka vagy PhD-fokozat nélkül.

B. A.: Engem viszont nem hajtanak...

É. P.: Tudnának?

B. A.: Igen, bár ehhez érdekesebb feladatokra és korszerûbb számítógépi programokra lenne szükség. Ha már a külföld szóba került, nekem az a tapasztalatom – bár az Egyesült Államokban sohasem dolgoztam –, hogy az iparban, legalábbis Nyugat-Európában kevesebbet dolgoznak, mint Magyarországon.

SZ. P.: Negvenkét éve, hogy Neumann János megírta a "Számítógép és az agy" címû könyvet. Ennek hatására, vagy emellett, elterjedt, hogy a számítógép az emberi agy modellje, és mûködésük sokban rokon. Mit gondoltok ma Neumann János nézeteirõl?

Érdi Péter
É. P.: Errõl a kérdésrõl 1985-ben írtam egy hosszabb tanulmányt, "Egy analógia nyomában. Neumann János a számológéprõl és az agyról” címmel. A Világosság címû folyóiratban jelent meg, majd ez év elején újra, egy Benedek Pálnak ajánlott könyvben.[1]

A dolog nem Neumannal kezdõdött. Ismerjük például a Gödel-féle megfogalmazást a nem-teljességi tétellel kapcsolatban, késõbb Turing az akkori axiómákról az algoritmusokra helyezte a hangsúlyt (kiszámíthatósági probléma), és bevezette a “computer” szót (pontosabban õ computort mondott), amin a számítást végzõ embert értette. Létrehozták a számítógépek elsõ matematikai modelljét, a Turing-gépet (akkor még nem voltak számítógépek). 1943-ban McCulloch és Pitts megalkotta az idegrendszer elsõ matematikai modelljét, amellyel az idegrendszer logikai szerkezetét akarták megragadni. Bizonyos szempontból azt is mondhatom, hogy tudatos elkanyarodással, szándékos lemondással nem használtak fel mindent, amit az akkori neurofiziológiából tudhattak.

Az elsõ valódi számítógépek elkészítésekor abban reménykedtek, hogy két szinten is található analógia a számítógépek és az idegrendszer között. Az egyik az elemi hardver szintje, hiszen a McCulloch–Pitts-neuronok is kétállapotúak (a neuron tüzel vagy nem tüzel, beszél vagy csendben van) és a ferritelemek is vezetik vagy nem vezetik, átengedik vagy nem engedik át az áramot. A másik szint a matematikai modellek szintje. Bár nem bizonyíthatták formálisan, már akkor gondoltak arra, amit késõbb, 1956-ban Kleene bizonyított, hogy a Turing-gépek és a McCulloch–Pitts-neuronok ekvivalensek. Optimista szemlélettel azt hihették, hogy mind az elemi hardver szintjén, mind a matematikai tételek szintjén ekvivalencia van.

Arról azonban nem esett szó, hogy az organizációs elvek nagyon különbözõek. Neumannt néha azzal vádolják, hogy miatta beszélünk a számítógépekrõl túlságosan antropomorf kategóriákban. Én a könyvet úgy olvastam, hogy Neumann nemcsak az analógiákra, hanem a különbségekre is felhívja a figyelmet. A vádat nem látom megalapozottnak.

B. A.: Egy modell mindig emberi tákolmány, amely a valóságnak egy részét próbálja jól leírni. De ismerjük-e az agyat annyira, hogy modellezni tudjuk?

Szirtes Gábor
SZ. G.: Az idegrendszert valóban nem ismerjük, és így próbáljuk modellezni. De minden kutatott jelenség ilyen, különben mire irányulna a kutatás? Az más kérdés, hogy a kutatások célja a mi esetünkben kétféle lehet, ezért a kapott válaszok sem feltétlenül egyeznek. Az egyik irányt talán hívhatnánk mérnöki megközelítésnek: van egy adott probléma (optimalizálás, becslés, mintázatfelismerés stb.), és valamilyen értelemben hatékony módszereket keresünk a probléma megoldására. Az agykutató kiindulási pontja viszont az, hogy van egy igen összetett rendszer, melyet az evolúció fejlesztett ki, és a létezésünk a bizonyíték arra, hogy meglehetõsen hatékonyan mûködik. Senki nem állítja, hogy a leghatékonyabb az eltérõ problémák megoldásában, de sok esetben már ezzel a hatékonysággal is meg lennénk elégedve, mondjuk, egy számítógépes eljárás esetén. Az biztos, hogy a túlzottan szoros analógiák mindig veszélyesek. A következõ hasonlatot említeném meg (sajnos nem emlékszem a forrásra): a számítógép olyan örök életû rendszer, amelyet a meghalás fenyeget. Ez akkor következhet be, ha bármelyik komponense kiesik a rendszerbõl. Az agyunk ugyanakkor véges életû rendszer, amely képes alkalmazkodni mind a külsõ, mind a belsõ állapotok megváltozásához, így egyes részeinek kiesésével is képes megbirkózni.

É. P.: Ne felejtsük el, hogy két dolognak semmi köze egymáshoz. Az egyik a számítógép-agy metafora kérdése, a másik az, hogy az idegrendszeri jelenségekre milyen matematikai modelleket tudunk adni. Az agy-számítógép analógia helyett jobban szeretek az agy-tudat-számítógép hármasságról beszélni, ahol valójában három dichotómia van: az agy-számítógép párhuzam, az agy-tudat õsi, monista-dualista filozófiai problémája és a harmadik, amelyet úgy hívnak, hogy computational theory of mind, a tudat számítástechnikai elmélete. Vannak bizonyos filozófiai indíttatású elméletek, amelyek azt mondják, hogy ez a három, történetileg szeparáltan kezelt dichotómia valahogyan egységesen kezelhetõ. Létezik tehát egyrészrõl a filozófiai indíttatású agy-tudat-számítógép elméleti probléma, másrészrõl pedig az, hogy egy konkrét idegrendszeri jelenségre milyen matematikai modelleket tudunk adni.

Neumann János a kibernetikusok mozgalma alatt, annak végén írta az elõbb említett könyvet. Õ maga benne volt a kibernetikusok mozgalmában, amely a "szabályozás az élõben és a társadalmakban" szlogennel kezdõdött. Az önszervezõdést és a visszacsatolást hangsúlyozva próbáltak valami közöset találni. Ebben az idõben jött elõ az agy-számítógép metafora.

A mesterséges intelligencia kutatás azzal kezdõdött, hogy ne foglalkozzunk tovább struktúrákkal, foglalkozzunk csak a funkciókkal, írjunk heurisztikus programokat, de ne törõdjünk azzal, hogy az idegrendszer hogyan csinálja. A "nulla és egy" helyett térjünk át általános szimbólum-manipulációs rendszerekre. Ezzel kezdõdött a Newell–Simon-féle mesterséges intelligencia kutatás, tételbizonyítás stb. Radikálisan szakítottak a mechanizmusokkal. A kognitív tudomány késõbb valamelyest visszahozta azt a szemléletet, hogy a mechanizmusok is érdekesek, és ezt felhasználta az idegrendszeri számítástechnika szakmája.

SZ. P.: A mesterséges intelligencia kérdéseihez térjünk vissza késõbb, most beszéljünk arról, milyen eredményeket hozott a “modellszemlélet”.

É. P.: Tekintsük példaként a neurális és pszichiátriai rendellenésségek modellezését. Nemcsak a normális idegrendszeri jelenségeket modellezik ugyanis, hanem a neurológiai, pszichiátriai rendellenességeket, azok mechanizmusát is. Az egyik például a gyakran elõforduló Alzheimer-kór, amelynek patogenezis-mechanizmusát igen alaposan tanulmányozták az utóbbi évtizedben. Ha nem is tisztázott teljesen, de neuronhálózati modelleken alapuló asszociatív memóriamodellekkel kimutatták, hogy a szinapszisok szabályozórendszerének meghibásodása hogyan vezethet a memória romlásához. A szinapszisok számának csökkenését a megmaradó szinapszisok erõsödése – különbözõ kompenzációs stratégiák segítségével – részben ellensúlyozhatja. Az Alzheimer-betegség esetleg a kompenzációs mechanizmus sérülésével lehet kapcsolatos.

Borosy András
Az epilepsziához egy másfajta egyensúly-felborulás kötõdhet. Az idegrendszer stabil mûködése mögött a gerjesztés és a gátló kapcsolatok megfelelõ aránya áll. Mind az élettani kísérletek, mind az élettani kísérletekkel párhuzamos, matematikai modelekkel végzett szimulációs kísérletek megmutatták, hogy a gátlás gátlása az egyensúly felborulásához vezet, az agykéreg és a hippokampusz gerjesztõ piramissejtjei túlszinkronizált állapotba kerülnek. Ez az epilepsziás rohamok kiváltásának oka. Bizonyos antiepileptikumok éppen ezeknek a gátló sejteknek a mûködését serkentik.

A Parkinson-kórnak is léteznek matematikai modelljei. A betegség az idegrendszer fõ integrációs központjával (a törzsdúccal) és a törzsdúc dopamin anyagcseréjének zavarával kapcsolatos. A szabályozórendszer szempontjából nyilvánvaló, hogy az oszcilláció, a remegés káros és a tüneti kezelés feladata az, hogy az oszcilláció helyett egyensúlyba vigyük a rendszert. Nem merülhetek részletekbe, de világos, hogy itt a dinamikus modelleken alapuló szemlélet a fontos, az tehát, hogy a neurológiai rendellenességekre úgy nézzünk, mint dinamikus betegségekre. A dinamikus betegségek a szabályozórendszerek meghibásodásából adódó betegségek. Nem biztos. hogy az ilyen meghibásodásokra a "3 x 1 tabletta" a felelet.

SZ. G.: A Parkinson-kór esetében az elméleti kutatások és a gyógyászat összjátéka – saját kutatásaink alapján is – rendkívüli sikerrel kecsegtet. A kór tüneteinek enyhítésére használt invazív (beavatkozó) technikák alkalmazása során mind magát az operációt, mind a beültetett készülék szabályozását, mind pedig a beteg állapotának figyelését, regisztrálását (remélhetõleg) elõ tudjuk segíteni modellezõ kutatásaink segítségével.

SZ. P.: Szeretném, ha most egy másik, viszonylag konkrét kérdést is szemügyre vennénk. Létezik a mesterséges ideghálózatok, az artificial neural networks (ANN) néven ismert, széltében használt és sikeres algoritmuscsalád. Van ennek az eljárásnak valami köze a természetes ideghálózatokhoz, vagy pusztán nemlineáris paraméterbecslõ matematikai procedúra?

B. A.: A mesterséges ideghálózatok alapötlete ugyan a tanulás folyamatának modellezése volt, és alapegységei, a mesterséges perceptronok valóban modellezik valamennyire a természetes ideghálózatok egységeit, de a természet egészen másként tanul, mint ahogyan azt a mi algoritmusunk teszi. A rövid válasz az, hogy az agynak a mesterséges ideghálózat valószínûleg nem jó modellje, ugyanakkor nemlineáris regressziós és nemlineáris csoportosítási eljárásnak kiváló.

É. P.: Amikor a neuronhálózatos modellt tõzsdei elõrejelzésre használják, akkor nyilvánvaló, hogy az nem idegrendszeri modell. A baj az, és a visszaélések akkor keletkeznek, amikor az ANN-modellekkel idegrendszeri jelenségeket modelleznek és nem mondják meg világosan, hogy ez egy formális fenomenologikus modell, és semmi köze az élettani mechanizmusokhoz. Erre sok példa van.

Öt-nyolc évvel ezelõtt világos volt, hogy a két szakma kettévált. Az elmúlt három évben azonban azt vettem észre a mesterséges neuronhálós konferenciákon, hogy a neurális számítógép-mérnökökben feltámadt a vágy, hogy tizenöt év után valahogy visszatérjenek a neurális alapokhoz. Ebben az évben a bécsi ICANN (International Conference on Artificial Neural Network) konferencián beszélni fogok arról, hogy az idegtudomány utóbbi tizenöt évének történései közül mirõl érdemes tudniuk az ANN-kutatóknak.

B. A.: Az a gyanúm, hogy ha születik egy új, okos eljárás, amely valami olyasmit tud, amit az embertõl várnánk el, akkor ezt az eljárást belepréselik a mesterséges intelligencia fogalmába. Így járnak el például a mesterséges ideghálózatokkal, a gépi tanulással, amely az elõbbi egyfajta részhalmaza, a logikai programozással és a heurisztikus algoritmusokkal. A lineáris regresszióval azonban nem, holott ez is "mesterséges intelligencia", hiszen megmutatjuk a számítógépnek az adatsorunkat, és ha az interpoláció során behelyettesített értékre olyan választ kapunk, amely közel esik a kísérleti értékünkhöz, örülünk. De mivel ez a számításmód sokkal hamarabb kialakult, mint a mesterséges intelligencia, soha sem sorolják oda.

SZ. P.: Mire számíthatunk a közeljövõben?

É. P.: Három területet vázolnék fel. Az elsõ: az idegrendszeri modellezés alternatív stratégiái. A második: a Human Brain Project és a neuroinformatika, amely a Human Genom Project után indult. A harmadik probléma a filozófia szükségessége az agykutatásban, illetve ezek kölcsönhatása.

Egy nagy rendszert kétféle stratégiával közelíthetünk meg. Az egyik szerint a rendszer egészét tekintjük, és megpróbáljuk kitalálni, hogyan mûködik, majd kigondoljuk, milyen mechanizmussal – a mi példánkban milyen neurális implementációval – teszi ezt. A másik: meg kell próbálni felépíteni a rendszert az alapelemekbõl, például a neuronokból. El kell képzelnünk, ezek hogyan kapcsolódnak össze, milyen viselkedést, ritmusokat mutatnak a maguk szintjén, milyen tanulási szabályokkal ismernek meg bizonyos mintázatokat, végül hogyan mûködik az egész.

Tehát top-down és bottom-up megközelítéssel dolgozhatunk. Gáborékkal azért sincs vitánk, mert õk top-down elemzéseket végeznek, mi meg fõleg bottom-up-ot. A bottom-up technikáknak is vannak azonban különféle szintjei. A neuronról mondhatjuk azt, hogy tüzel vagy nem tüzel, tehát jellemezhetjük binárisan, vagy foglalkozhatunk azzal az egész elektrokémiai masinériával, amely akciós potenciált, vagyis egy jelet generál. Ilyenkor jónéhány differenciálegyenlet kell ahhoz, hogy egyetlen neuron viselkedését leírjuk. 1010 neuron esetén ez nyilvánvalóan lehetetlen.

A neuronhálózatosok aktivitásdinamikát és esetleg tanulási szabályzatot dolgoznak ki. Kétszintû dinamikát használnak, az egyik a csomópontok dinamikája, a másik az éleké.

Mi régóta foglalkozunk azzal, hogy – valamiféle kompromisszumot kötve – úgy építsünk ki egy statisztikus neurodinamikát, hogy a mikroszkopikus és makroszkopikus szintet valamiképpen összekötve megtartsunk az egységes tulajdonságokból legalább annyit, amennyi feltétlenül fontos, és még számítható is maradjon a rendszer.

A másodikként említett Human Brain Project még nem kapott akkora teret, mint a Human Genom project. A kérdés az: informatikai eszközökkel mit lehet és kell csinálni az idegrendszer kutatásában. Egyrészrõl hatalmas adatbázisok jelennek meg. Szimulációs kísérleteinket mi is ezekre építjük. Az adatbázisok részint a különbözõ agyterületek összeköttetéseirõl, részint a különbözõ agyleképezési módszerek (EEG, PET stb.) eredményeirõl tartalmaznak adatokat. Az adatbázisok tervezése, szervezése, visszakeresése, elérhetõvé tétele nagyon forrongó téma. Az is nagy kérdés, hogy mit lehet kezdeni ezekkel az adatokkal. Elõbb-utóbb azonban be kell látnia a neurokutatóknak, hogy az óriási irodalmi adattömeget és a folyamatosan generált adatokat meg kell próbálni koherens képpé szervezni. Ez nem lehetséges modellek nélkül. Ezt a magyar idegtudósoknak is be kell látni.

Idegtudományi konferenciákon, ha tágabb tárgykörû diszkusszió van, fel szoktam szólalni és a filozófia szükségességét hangsúlyozom. Nemrégiben jelent meg Jean-Pierre Changeux párizsi neurobiokémikus és az egyik leghíresebb francia fenomenologikus filozófus, Paul Ricoeur könyve, "A természet és a szabályok". Ez párbeszéd arról, hogy mennyire lehet neurobiológiával élményvilágot megközelíteni. Paul Ricoeur, akinek a megközelítése hermeneutikus és fenomenologikus, eléggé szkeptikus.

Pár éve eljátszottam azzal a gondolattal, hogy agyunk hermeneutikai készülék. A hermeneutika az interpretáció mûvészete, amely a bibliai szövegek elemzésébõl indult ki. És mit csinál a mi agyunk? Folyamatosan interpretálja a külvilág jeleit és a belsõ elvárást is, majd a kettõt megpróbálja valahogy összhangba hozni.
 
 

Az interjút készítette: Szepesváry Pál
2001. július-szeptember


[1] Érdi Péter: Teremtett valóság, Typotex Kiadó, Budapest, 2000.
Lásd még: Érdi, Aradi, Grõbler, Barna: A matematikai modellek szerepe az idegrendszerkutatásban (1997)

http://www.kfki.hu/chemonet/
http://www.chemonet.hu/