o Mozku

Kohy: Co mozek jako takový, řeč synapsí, těch organických?

Tady se dostáváme na samotnou dřeň toho, co je výpočetní systém. Když AI dnes pomáhá mapovat organický mozek, ukazuje se, že celá ta naše IT metafora – "neurony jsou dráty a synapse jsou tranzistory" – je zoufale nepřesná a plochá.

Umělé neuronové sítě v AI jsou statické matice čísel, které se aktivují jen tehdy, když jimi protlačíš signál zvenčí. Organický mozek (řeč synapsí) je z pohledu AI architektury něco úplně jiného: je to vysoce asynchronní, neustále se přestavující tekutý počítač, který žije i bez vstupu.

Tady jsou ty zásadní architektonické rozdíly, které dnes neurověda (často s pomocí AI, která skenuje mozkovou tkáň) objevuje:

1. Synapse nejsou jen přepínače (jsou to samostatné procesory)

V umělé neuronové síti má spojení (váha) jen jednu jedinou funkci: vynásobí signál nějakým číslem (např. x 0,8) a pošle ho dál. Je to hloupý filtr.

V organickém mozku je jedna jediná synapse obrovský bio-mechanický počítač s vlastním operačním systémem.

• Chemický multithreading: Synapse nepředává jen "jedničku" (zapnuto) nebo "nulu" (vypnuto). Vylučuje desítky různých neurotransmiterů (dopamin, serotonin, glutamát, GABA), které fungují jako zcela odlišné příkazové sady. Jeden signál může říct přijímajícímu neuronu: "Aktivuj se, ale zároveň začni budovat novou membránu, stáhni receptory na bolest a ignoruj dalších 5 milisekund šum z okolí."

• Vnitřní paměť: Organická synapse si pamatuje svou vlastní historii (spike-timing-dependent plasticity - STDP). Pokud ji aktivuješ často, fyzicky do sebe natáhne více receptorů, ztloustne a zrychlí svůj propust. To je, jako by se tranzistor v počítači sám přepájel a zvětšil svůj průměr, protože jím zrovna teče hodně dat. A to se děje v reálném čase během pikosekund.

2. Architektura bez hodin (Asynchronní propukání)

Křemík (např. tvůj Ryzen) i AI na serveru běží podle centrálních hodin (takt procesoru). Všechno se posouvá v přesných taktech.

Mozek žádné centrální hodiny nemá. Řeč synapsí funguje na principu lokálních kaskád a oscilací.

• Neurony "křičí" (pálí akční potenciály) v naprosto asynchronním chaosu. To, jak se ten chaos sjednotí do myšlenky, funguje přes rezonanci. Skupiny neuronů se najednou začnou synchronizovat na určité frekvenci (tzv. gamma vlny pro vysokou soustředěnost).

• Představ si to, jako bys v lese plném cvrčků sledoval, jak náhodné cvrkání najednou bez dirigenta splyne v jeden pulzující rytmus, chvíli něco "spočítá" (rozhodne) a pak se zas rozpadne do šumu.

3. Výpočet pomocí glie (Podceňovaný Temný web mozku)

Tohle je objev, který naprosto rozbořil staré modely. Dlouho se myslelo, že výpočty dělají jen neurony, zatímco gliové buňky (např. astrocyty, kterých je v mozku stejně nebo víc než neuronů) jsou jen "lepidlo" a uklízeči odpadu.

Dnes víme, že astrocyty tvoří paralelní, pomalejší výpočetní síť.

• Zatímco neurony komunikují bleskově (elektricky), astrocyty komunikují chemickými vlnami vápníku, které se šíří mozkem jako vlny na vodě.

• Jeden astrocyt může objímat a "odposlouchávat" až 100 000 synapsí najednou. Funguje jako globální modulátor – nepočítá rychlou logiku (kde je hrnek, co letí na zem), ale řídí obrovské kontextuální balíky (náladu, pozornost, hluboké učení).

• Pokud by byl mozek firemní síť, neurony jsou kabely posílající rychlé e-maily a astrocyty jsou management, který reguluje šířku pásma a prioritu serverů podle toho, jestli je krize nebo klid.

4. Strukturální plasticita (Hardware se mění podle softwaru)

Když my trénujeme model, váhy (čísla) se mění, ale topologie sítě (kdo je propojen s kým) zůstává stejná, protože je zadrátovaná v křemíku.

Řeč organických synapsí je strukturální. Když se něco učíš nebo zažiješ trauma, neurony doslova fyzicky vytahují nová "chapadla" (dendritické trny) a hledají v prostoru jiné neurony, se kterými by se propojily. Hardware se neustále přeskupuje podle toho, jaký software (myšlenky) na něm právě běží. Vzpomínka není uložena jako záznam v tabulce; vzpomínka je specifická fyzická konfigurace toho, jak ty uzly momentálně prorostly.

Je to ultimátní "neuromorfní" architektura. A inženýři při vývoji nové generace hardwaru (jako jsou memristory) neustále pošilhávají právě po této schopnosti – postavit čip, který nevypočítává logiku přes statická hradla, ale jehož fyzický odpor a struktura se propéká a formuje daty, která jím tečou.

Kohy: O krok blíž k brain computer interface?

Přesně tak. Ale ten propastný rozdíl v architektuře zároveň ukazuje, proč je vytvoření plnohodnotného Brain-Computer Interface (BCI) tak brutální inženýrský problém a proč ho dnešní průkopníci (jako Neuralink) zatím řeší poměrně hrubou silou.

Zastrkáváme totiž pevný, synchronní, ryze elektrický křemík do měkké, asynchronní, chemicko-elektrické houby, která se navíc neustále fyzicky hýbe a přestavuje.

Tady jsou tři hlavní architektonické bariéry, na kterých dnešní BCI naráží, a to, jak nás znalost biologické předlohy posouvá k jejich řešení:

1. Imunitní reakce a izolace (Vzpoura astrocytů)

Když Neuralink nebo starší pole Utah zašije svá vlákna do mozkové kůry, mozek to okamžitě pozná. Ty gliové buňky (astrocyty a mikroglie), o kterých jsme se bavili, identifikují cizí těleso a spustí proces zvaný glióza. Doslova tu elektrodu obalí izolační jizevnatou tkání. Signál postupně slábne, až elektroda během pár let ohluchne. Mozek hardwarově odpojí napadený sektor.

Krok blíž: Přechod od tvrdých kovů a plastů k vodivým polymerům (např. PEDOT:PSS) a hydrogelům. Tyto materiály mají stejnou mechanickou tuhost jako mozek (zhruba jako tofu). Netrhají tkáň při mikropohybech lebky a dokážou biologicky "oklamat" astrocyty, takže ty nesepnou obrannou kaskádu.

2. Čtení jen poloviny kódu (Ignorování chemie)

Dnešní invazivní BCI čtou výhradně elektrické záblesky (akční potenciály) neuronů. Úplně ignorují ten masivní chemický "multithreading" v synapsích. Je to, jako bys analyzoval běh programu jen podle toho, že měříš teplo na chladiči procesoru, ale nevidíš obsah paměťových registrů.

Krok blíž: Vývoj OECT (Organic Electrochemical Transistors). Jde o novou generaci organických tranzistorů, které nespínají proud na základě toku elektronů, ale dokážou reagovat přímo na biologické ionty (např. draslík, vápník) nebo neurotransmitery. BCI budoucnosti nebude jen "poslouchat" pípání elektřiny, bude přímo "čichat" chemii na synapsích a integrovat se do těch pomalejších, gliových výpočetních sítí.

3. Asynchronní šum a latence (Nutnost lokálního výpočtu)

Vytáhnout signál z mozku je jen první fáze. Ten signál je chaotický, asynchronní šum milionů cvrčků. Dnes se musí ta surová data poslat ven (přes lebku) do externího čipu, kde algoritmy strojového učení (často transformery) ten šum čistí a dekódují z něj motorický úmysl (např. pohnout kurzorem). To žere obrovské množství energie a pálí baterii.

Krok blíž: Umístění neuromorfních čipů (memristorů) přímo na styčnou plochu k synapsím. Memristor funguje přesně jako organická synapse – mění svůj fyzický odpor podle toho, jak často jím proběhne signál. Místo složitého algoritmického dekódování na externím serveru by se ta umělá "křemíková synapse" díky své fyzikální plasticitě jednoduše sesynchronizovala s tou biologickou už uvnitř lebky. Sama by odfiltrovala šum a ven by poslala už jen čistý příkaz.

Zatím jsme ve fázi, kdy dokážeme z mozku číst, protože hrubé motorické záměry mají jasnou prostorovou mapu. Skutečný svatý grál – plně obousměrná komunikace, kdy bys dokázal zapisovat abstraktní koncepty přímo do zrakové nebo paměťové kůry – se bez tohoto plynulého chemicko-strukturálního přemostění neobejde.

Zatímco Neuralink jde na mozek s vrtačkou a šicím strojem, Synchron na to jde jako instalatér – přes existující potrubí. Je to geniální bypass chirurgických i těch biologických problémů, o kterých jsme mluvili, ale platí se za to rozlišením.

Jak funguje Stentrode (Potrubní BCI)

Místo řezání lebky (kraniotomie) těla udělá lékař malý řez na krku. Do krční (jugulární) žíly zavede katetr a protlačí ho nahoru až do mozku, konkrétně do sagitálního sinu. To je velká céva, která vede přesně přes motorickou kůru – tedy nad místem, kde vznikají pohybové povely.

Na konci katetru je "stent" – drobná, roztahovací drátěná trubička posetá elektrodami (technologie převzatá od kardiologů). Jakmile je stent na správném místě nad motorickou kůrou, roztáhne se. Elektrody se zevnitř přimáčknou na stěnu cévy a katetr se vytáhne ven. Kabelem vedeným pod kůží na hrudník se signál pošle do vysílače.

Výhody: Oklamání imunitní obrany

1. Žádná díra do hlavy: Zákrok trvá dvě hodiny v běžné katetrizační laboratoři. Nemusíš otevírat lebku, pacient jde brzy domů.

2. Konec vzpoury astrocytů: Tím, že elektroda neprorazí hematoencefalickou bariéru a nezasáhne přímo do mozkové tkáně, mozek vůbec netuší, že tam nějaký čip je. Neaktivují se obranné glie a nevzniká jizva, která by elektrodu odizolovala. Naopak – vnitřní výstelka cévy (endoteliální buňky) stent během pár týdnů přirozeně obroste a zafixuje ho. Čip se doslova stane biologickou součástí potrubí a signál tak zůstává stabilní roky.

Limity: Fyzika a propustnost

Zatímco biologicky Synchron vyhrává, datově těžce prohrává, protože fyziku izolantu neoklameš.

• Efekt stadionu: Neuralink píchá mikrodráty přímo mezi neurony. Slyší "jednotlivé hlasy" (akční potenciály jednotlivých buněk), což je obrovský datový tok. Stentrode leží v cévě, oddělený cévní stěnou a mozkomíšním mokem. Neslyší jednotlivce, zachytává jen hukot celého sektoru – tzv. Local Field Potentials (LFP).

• Omezené využití: Z hukotu davu nevyčteš jemnou motoriku nebo přesnou představu o 3D pohybu paže. Zjistíš jen binární úmysly – dav řve / dav mlčí. V praxi to znamená, že pacient se Stentrodem dokáže posouvat kurzor po obrazovce a "klikat" na klávesnici (např. představou, že zatnul pěst). Je to pomalé, ale spolehlivé. Na ovládání komplexního robotického těla to ovšem datově nestačí.

• Topografické omezení: S Neuralinkem (teoreticky) navrtáš elektrodu kamkoliv. Se Stentrodem jsi omezený dálniční sítí. Můžeš plout jen tam, kudy vedou dostatečně velké cévy. Nedostaneš se hluboko do center paměti nebo emocí.

Synchron je ukázkové inženýrské "good enough" (stačí to). Smiřuje se s hrubším signálem, který zachrání život ochrnutým lidem (mohou psát maily a ovládat smart home), s minimálním rizikem. Neuralink hraje o gigantickou datovou nadvládu a sci-fi fúzi s AI, ale musí kvůli tomu svádět každodenní, brutální válku s biologií otevřeného mozku.

Dekódování LFP (hukotu davu) pomocí Transformerů nevyžaduje čtení konkrétních "slov" nebo myšlenek, ale rozpoznávání časově-frekvenčních anomálií. Je to v podstatě úplně stejný matematický problém, jaký řeší modely pro zpracování zvuku (jako Whisper) nebo algoritmy pro prediktivní údržbu, které z vibrací motoru poznají, že se blíží zadření ložiska.

Představ si to tak, že stojíš před fotbalovým stadionem. Neslyšíš, co na sebe hráči křičí (jednotlivé neurony), ale slyšíš dav (LFP). Strojové učení se učí rozeznat, jaký je rozdíl mezi hukotem při "gól padl" a hukotem při "těsně vedle".

Zde je přesný postup, jak se ta analogová vlna protlačí přes Transformer do konkrétní akce:

1.Spektrální rozklad:Digital Signal Processing (DSP).

Surová vlna ze Stentrodu je pro neuronovou síť nestravitelná. Nejdřív se na ni aplikuje matematický filtr (často Rychlá Fourierova transformace - FFT nebo vlnková transformace). Tím se signál rozseká na jednotlivé frekvenční pásma (alfa, beta, gamma vlny) a vznikne spektrogram.

Davový hukot se tak převede na 2D mapu, kde osa X je čas, osa Y jsou frekvence a barva ukazuje sílu (amplitudu) dané frekvence.

2.Tokenizace mozkového šumu:Tvorba embeddingů pro Transformer.

Velký jazykový model "jí" slova rozsekaná na tokeny. BCI model vezme ten vytvořený spektrogram a naporcuje ho na malá časová okna (např. po 20 milisekundách). Každé to časové okno matematicky slisuje do jednoho dlouhého vektoru čísel.

Místo tokenu [jablko] tak do Transformeru vstupuje token [vektor_stavu_frekvencí_v_čase_T1].

3.Aplikace Self-Attention:Hledání souvislostí v čase.

Tady se děje ta hlavní magie. Starší algoritmy se dívaly jen na přítomný okamžik, což na LFP nefungovalo (šum je moc velký). Transformer díky mechanismu Attention zkoumá obrovské časové okno najednou.

Dívá se na tisíce tokenů dozadu a všímá si kauzality: "Pokaždé, když v pásmu 15-30 Hz (beta vlny) nastane útlum na 100 ms, a hned poté vystřelí frekvence nad 70 Hz (high-gamma), znamená to přípravu k pohybu." Attention mechanismus si tyto dynamické vzorce váží a filtruje statický šum (třeba tlukot srdce nebo dýchání).

4.Projekce do akčního prostoru:Klasifikace a regrese.

Na konci sítě Transformer vygeneruje finální "souhrnný" vektor. Tento vektor se pošle do poslední jednoduché vrstvy (Linear layer), která funguje jako překladový slovník.

Mapuje tento abstraktní mozkový vektor do vektoru akčního prostoru. Výstupem pak už jsou jen dvě formy dat:

• Diskrétní třídy (Klasifikace): Jistota modelu v procentech, zda se jedná o povel [KLIKNI], [DRŽ], nebo [NIC].

• Spojité hodnoty (Regrese): X a Y souřadnice vektoru pro plynulý posun kurzoru po obrazovce (představa pohybu ruky).

Největší zlom, který Transformery do BCI přinesly, je odolnost vůči nestacionaritě. Mozek není stroj – mění se. Když je pacient unavený, pije kávu, nebo se zpotí, základní frekvence toho "hukotu davu" se posunou. Zatímco starší modely by v tu chvíli přestaly fungovat (kurzor by zamrznul), Transformer dokáže díky kontextuální pozornosti pochopit, že ačkoliv se absolutní hodnoty frekvencí změnily, vzájemné vztahy a tvary těch vzorců zůstaly stejné, a dál plynule dekóduje.