Net als biologische hersenen kunnen kunstmatige neurale netwerken voor het leren afhangen van slow-wave slaap.
Kunstmatige hersenen hebben mogelijk diepe slaap nodig om stabiel te blijven, zo blijkt uit een nieuwe studie, net als echte hersenen.
In de kunstmatige neurale netwerken die nu voor alles worden gebruikt, van het identificeren van voetgangers die straten oversteken tot het diagnosticeren van kankers, worden componenten die neuronen worden genoemd, gegevens aangeleverd en werken ze samen om een probleem op te lossen, zoals het herkennen van afbeeldingen. Het neurale netwerk past herhaaldelijk de interacties tussen zijn neuronen aan en kijkt of deze nieuwe gedragspatronen het probleem beter kunnen oplossen. Na verloop van tijd ontdekt het netwerk welke patronen het beste lijken bij computeroplossingen. Vervolgens worden deze als standaard gebruikt, waarbij het leerproces in het menselijk brein wordt nagebootst.
In de meeste kunstmatige neurale netwerken is de output van een neuron een getal dat continu verandert naarmate de input die het ontvangt verandert. Dit is ongeveer analoog aan het aantal signalen dat een biologisch neuron in de loop van de tijd kan afgeven.
In een spijkerig neuraal netwerk daarentegen, “piekt” of genereert een neuron een uitgangssignaal, alleen nadat het gedurende een bepaalde tijd een bepaald aantal ingangssignalen heeft ontvangen, wat beter nabootst hoe echte biologische neuronen zich gedragen.
Aangezien neurale netwerken die slechts spikes slechts zelden pieken veroorzaken, shuffelen ze veel minder gegevens rond dan typische kunstmatige neurale netwerken en hebben ze in principe veel minder stroom- en communicatiebandbreedte nodig. Een manier om zenuwslopende neurale netwerken te implementeren, is door gebruik te maken van neuromorfe hardware, elektronica die neuronen en hun verbindingen nabootst.
De wetenschappers voerden computersimulaties uit van een stekend neuraal netwerk om erachter te komen wat er gebeurde. Ze ontdekten dat hoewel het kon leren om de gegevens te identificeren waarnaar het was opgeleid om naar te zoeken, wanneer een dergelijke training lang genoeg ononderbroken bleef, zijn neuronen continu begonnen te vuren, ongeacht de signalen die ze ontvingen.
Watkins herinnerde zich dat ze ‘bijna in wanhoop’ probeerden de simulatie in wezen diep te laten slapen. Ze stelden het bloot aan cycli van oscillerend geluid, ongeveer overeenkomend met de langzame hersengolven in diepe slaap, waardoor de simulatie weer stabiel werd. De onderzoekers suggereren dat deze simulatie van slow-wave-slaap kan helpen ‘te voorkomen dat neuronen de kenmerken die ze zoeken in willekeurige ruis hallucineren’, zei Watkins.
Deze bevindingen kunnen helpen verklaren waarom alle bekende biologische neurale systemen die van hun omgeving kunnen leren, van fruitvliegjes tot mensen, een slow-wave slaap ondergaan. Iedereen heeft slow-wave slaap nodig, zei Kenyon. ‘Zelfs in het water levende zoogdieren – walvissen, dolfijnen, enzovoort – hebben perioden van langzame golfslaap nodig, ondanks de duidelijke evolutionaire druk om een alternatief te vinden. In plaats daarvan slapen dolfijnen en walvissen met de helft van hun hersenen tegelijk.’