In de afgelopen decennia heeft een idee genaamd de kritische hersenhypothese neurowetenschappers geholpen te begrijpen hoe het menselijk brein werkt als een informatieverwerkende krachtpatser. Het stelt dat de hersenen altijd balanceren tussen twee fasen, of modi, van activiteit: een willekeurige fase, waarin ze grotendeels inactief zijn, en een geordende fase, waarin ze overactief zijn en op het punt staan ​​een aanval te krijgen. De hypothese voorspelt dat tussen deze fasen, op een goede plek die bekend staat als het kritieke punt, de hersenen een perfecte balans hebben tussen verscheidenheid en structuur en de meest complexe en informatierijke activiteitspatronen kunnen produceren. Deze toestand stelt de hersenen in staat om meerdere informatieverwerkingstaken tegelijkertijd te optimaliseren, van het uitvoeren van berekeningen tot het verzenden en opslaan van informatie.

Om te illustreren hoe fasen van activiteit in de hersenen - of, meer precies, activiteit in een neuraal netwerk zoals de hersenen - de informatieoverdracht via de hersenen kunnen beïnvloeden, kunnen we een eenvoudig raadspelletje spelen. Stel je voor dat we een netwerk hebben met 10 lagen en 40 neuronen in elke laag. Neuronen in de eerste laag activeren alleen neuronen in de tweede laag, en die in de tweede laag activeren alleen die in de derde laag, enzovoort. Nu zal ik een aantal neuronen in de eerste laag activeren, maar je kunt alleen het aantal actieve neuronen in de laatste laag waarnemen. Laten we eens kijken hoe goed je het aantal neuronen kunt raden dat ik heb geactiveerd onder drie verschillende sterktes van netwerkverbindingen.

Laten we eerst eens kijken naar zwakke verbindingen. In dit geval worden neuronen meestal onafhankelijk van elkaar geactiveerd en is het patroon van netwerkactiviteit willekeurig. Het maakt niet uit hoeveel neuronen ik activeer in de eerste laag, het aantal geactiveerde neuronen in de laatste laag neigt naar nul omdat de zwakke verbindingen de verspreiding van activiteit dempen. Dit maakt ons raadspel ongelooflijk moeilijk. De hoeveelheid informatie over de eerste laag die je kunt leren van de laatste laag is praktisch nihil.

Laten we vervolgens eens kijken naar sterke verbindingen - deze opstelling zal zeker informatie goed overbrengen? Eigenlijk zal het niet. Wanneer één sterk verbonden neuron actief is, activeert het meerdere andere neuronen, waardoor de activiteit wordt verspreid totdat bijna alle neuronen in de laatste laag actief zijn. Activiteit komt door, maar door deze verzadiging kun je niet nauwkeurig raden of ik één neuron in de eerste laag heb geactiveerd of alle 40. De versterking heeft de meeste van die informatie weggespoeld.

Laten we tot slot het tussenliggende "kritieke" geval bekijken, waarbij het aantal verbindingen tussen de vorige twee voorbeelden ligt. We vermijden de valkuilen van overmatige demping of versterking, en het aantal geactiveerde neuronen blijft ruwweg behouden over de lagen heen. Als ik 12 neuronen activeer in de eerste laag, zie je misschien ergens tussen de negen en 15 neuronen actief in de laatste laag. Je zou het nummer kunnen afleiden dat ik heb geactiveerd - niet perfect, maar in ieder geval enigszins nauwkeurig.

We kunnen dit vermogen om beter te raden precies kwantificeren als een maatstaf voor informatieoverdracht. Als ik een getal van 1 tot 40 kies en je vraagt: "Is het minder dan 20?" en ik antwoordde ja, je zou het bereik van je gissingen hebben gehalveerd. Deze reductie van onzekerheid staat gelijk aan één stukje informatie. Je zou het bereik opnieuw kunnen halveren en nog meer informatie krijgen door te vragen "Is het groter dan 10?" Op het kritieke punt kun je nauwkeuriger raden wat de stimulus was, zodat het mogelijk is om meer stukjes informatie door te geven.

Hetzelfde gevoel dat een kritisch brein 'precies goed' is, verklaart ook waarom andere taken moeten worden geoptimaliseerd. Overweeg bijvoorbeeld informatieopslag, die wordt aangestuurd door de activering van groepen neuronen die assemblages worden genoemd. In een subkritisch netwerk zijn de verbindingen zo zwak dat er maar heel weinig neuronen aan elkaar gekoppeld zijn, zodat er maar een paar kleine assemblages kunnen ontstaan. In een superkritisch netwerk zijn de verbindingen zo sterk dat bijna alle neuronen aan elkaar gekoppeld zijn, waardoor er maar één grote verzameling mogelijk is. In een kritisch netwerk zijn de verbindingen sterk genoeg om veel groepen neuronen van gemiddelde grootte te koppelen, maar zwak genoeg om te voorkomen dat ze allemaal samensmelten tot één gigantische verzameling. Deze balans leidt tot het grootste aantal stabiele samenstellingen, waardoor de informatieopslag wordt gemaximaliseerd.

En dit is niet alleen theorie of simulatie: experimenten zowel op geïsoleerde netwerken van neuronen als in intacte hersenen hebben stand gehouden veel van deze voorspellingen. Verder hebben we gezien dat deze voordelen zich voordoen bij veel verschillende soorten, in schildpadden, katten en zelfs mensen. De meeste van deze studies hebben zich gericht op het buitenste deel van de hersenen, bekend als de cortex, hoewel sommige ook subcorticale gebieden omvatten. Over het algemeen hebben de onderzoeken aangetoond dat deze netwerken dicht bij het kritieke punt opereren.

Ondanks de alomtegenwoordigheid van dit fenomeen, is het mogelijk om het te verstoren. Wanneer bijvoorbeeld een oog van een rat bedekt is, wordt zijn visuele cortex weggeduwd van het kritieke punt en wordt informatie grilliger overgedragen. (De cortex lijkt zich aan te passen aan deze verandering en keert na twee dagen spontaan terug naar het kritieke punt.) Evenzo, wanneer mensen slaapgebrek hebben, worden hun hersenen superkritisch, hoewel een goede nachtrust hen terug kan brengen naar het kritieke punt. Het blijkt dus dat hersenen vanzelf neigen naar opereren in de buurt de kritisch punt, misschien net zoals het lichaam ondanks veranderingen in de omgeving de bloeddruk, temperatuur en hartslag binnen een gezond bereik houdt. Dit inzicht is belangrijk voor het begrijpen van de neurologische gezondheid: nieuw onderzoek heeft gesuggereerd dat hersenziekten zoals epilepsie worden geassocieerd met het niet functioneren in de buurt van het kritieke punt of om daarnaar terug te keren als het eenmaal is weggeduwd.

Dus waarom is deze kijk op het kritische brein nog steeds slechts een hypothese? Hoewel het bewijs in zijn voordeel goed is, wordt er nog steeds over gediscussieerd. De bewering dat de cortex dichtbij het kritieke punt werkt, is veelomvattend en omvat optimale informatieverwerking, neurologische gezondheid en een bijna universele toepassing voor alle soorten. De noodzaak van streng toezicht is niet verwonderlijk.

Vroege kritiek wees erop dat om te bewijzen dat een netwerk bijna het kritieke punt naderde, betere statistische tests nodig waren. Het veld reageerde constructief en dit soort bezwaar hoor je tegenwoordig nog maar zelden. Meer recentelijk heeft enig werk aangetoond dat wat voorheen als een teken van kritiek werd beschouwd, ook het resultaat kan zijn van willekeurige processen. Onderzoekers onderzoeken die mogelijkheid nog steeds, maar velen van hen hebben al nieuwe criteria voorgesteld om onderscheid te maken tussen de schijnbare kritiek van willekeurige ruis en de werkelijke kritiek van collectieve interacties tussen neuronen.

Ondertussen is het onderzoek op dit gebied de afgelopen 20 jaar steeds zichtbaarder geworden. De breedte van methoden die worden gebruikt om het te beoordelen, is ook gegroeid. De grootste vragen zijn nu gericht op hoe werken in de buurt van het kritieke punt de cognitie beïnvloedt, en hoe externe input een netwerk ertoe kan brengen om rond het kritieke punt te bewegen. Ideeën over kriticiteit beginnen zich ook buiten de neurowetenschappen te verspreiden. Onder verwijzing naar enkele van de originele artikelen over kritiek in levende neurale netwerken, hebben ingenieurs aangetoond dat zelfgeorganiseerde netwerken van atomaire schakelaars kunnen worden gemaakt om dichtbij het kritieke punt te werken, zodat ze veel functies optimaal kunnen berekenen. De diepe lerende gemeenschap is ook begonnen te onderzoeken of werken in de buurt van het kritieke punt kunstmatige neurale netwerken verbetert.

De kritische hersenhypothese kan nog onjuist of onvolledig blijken te zijn, hoewel het huidige bewijs dit wel ondersteunt. Hoe dan ook, het inzicht dat het biedt, genereert een lawine van vragen en antwoorden die ons veel meer vertellen over de hersenen - en computers in het algemeen - dan we eerder wisten.