İnsan nöronu sıçan nöronundan daha karmaşık hesap yapıyor

Kudüs İbrani Üniversitesi'nden bir araştırma ekibi, insan beyin kabuğundaki (korteks) piramidal nöronların sıçanlardaki karşılıklarına göre belirgin biçimde daha karmaşık girdi-çıktı işlemleri yürüttüğünü gösterdi. Prof. Idan Segev ile Prof. Mickey London'ın yürüttüğü çalışma, Proceedings of the National Academy of Sciences (PNAS) dergisinde 7 Temmuz 2026'da çevrim içi yayımlandı; üniversite sonuçları ertesi gün kamuoyuna duyurdu.

Bulgu, insan zekâsının kaynağına dair yerleşik bir açıklamaya yeni bir halka ekliyor. Uzun süredir öne çıkan görüş, bilişsel üstünlüğü büyük ölçüde nöronların sayısına ve aralarındaki bağlantıların yoğunluğuna bağlıyordu. Yeni çalışma ise hesaplama yükünün bir kısmının tek tek hücrelerin içinde taşındığını, insan nöronunun bu açıdan başlı başına küçük bir işlem birimi gibi davrandığını öne sürüyor.

Segev, üniversitenin duyurusunda nöronların çoğu zaman basit bir açma-kapama anahtarı gibi düşünüldüğünü hatırlattı ve ekibin gösterdiği şeyin, tek bir insan nöronunun kendi başına son derece gelişmiş bir hesaplama aracı olduğunu söyledi.

Karmaşıklık nasıl ölçüldü

Ekip, bir nöronun ne kadar zor bir iş yaptığını sayıya dökmek için İşlevsel Karmaşıklık Endeksi (Functional Complexity Index, FCI) adını verdiği bir ölçüt geliştirdi. Yöntemin mantığı basit: Önce hücrenin ayrıntılı bir biyofiziksel bilgisayar modeli kuruluyor. Ardından derin öğrenmeye dayalı bir yapay sinir ağı, bu modelin hangi girdiye hangi çıktıyı verdiğini taklit etmeye çalışıyor. Taklit ne kadar zorlaşırsa, nöronun yaptığı hesap da o kadar karmaşık sayılıyor.

Bu yaklaşım farklı türlerden ve farklı beyin katmanlarından hücreleri aynı cetvelle karşılaştırmaya imkân veriyor. Makalenin özetinde, nöron özelliklerinin işlevsel karmaşıklığa katkısını ölçen standart bir yöntemin şimdiye kadar bulunmadığı vurgulanıyor.

İnsan ve sıçan nöronları arasındaki fark

Araştırmacılar korteksin farklı katmanlarındaki piramidal nöronları insan ve sıçan örnekleri üzerinden karşılaştırdı. İnsan hücrelerinin işlevsel karmaşıklığı, sıçan hücrelerininkinden istatistiksel olarak anlamlı ölçüde yüksek çıktı.

Makaleye göre farkın iki ana kaynağı var. Birincisi yapısal: insan nöronlarının dendritleri, yani hücreye gelen sinyalleri toplayan dallı uzantıları, daha geniş bir zar yüzeyine ve farklı bir dallanma düzenine sahip. İkincisi fizyolojik: sinapslardaki NMDA reseptörlerinin yoğunluğu ve bu reseptörlerin doğrusal olmayan tepkisi insan hücrelerinde farklılaşıyor. Doğrusal olmayan tepki, hücrenin gelen sinyalleri düz bir toplama yerine belirli örüntülere seçici biçimde karşılık vermesini sağlıyor.

Makalenin yazarları arasında Edmond ve Lily Safra Beyin Bilimleri Merkezi'nden doktora öğrencileri Ido Aizenbud ile Daniela Yoeli, David Beniaguev ve Amsterdam Özgür Üniversitesi'nden Prof. Christiaan de Kock da yer alıyor.

Arka plan: nöronu derin ağla ölçmek

Yeni makale, aynı grubun daha önceki bir çalışmasının devamı niteliğinde. Beniaguev, Segev ve London, 2021'de Neuron dergisinde yayımlanan makalelerinde, sıçan korteksinin 5. katmanındaki bir piramidal hücrenin gerçekçi modelini milisaniye çözünürlüğünde taklit edebilmek için beş ila sekiz katmanlı, zaman ekseninde evrişim kullanan bir derin sinir ağı gerektiğini göstermişti. Aynı çalışmada NMDA reseptörleri modelden çıkarıldığında, tek gizli katmanlı çok daha sade bir ağ yetmişti. Yani karmaşıklığın önemli bir bölümünün bu reseptörlerden geldiği o zamandan biliniyordu.

İnsan dendritlerine dair dikkat çekici bir bulgu da 2020'de Science dergisinden gelmişti. Matthew Larkum'un da aralarında bulunduğu bir ekip, insan korteksinin 2. ve 3. katmanlarındaki nöronlarda kalsiyum aracılı, daha önce tanımlanmamış bir dendritik aksiyon potansiyeli türü bulmuştu. Bu sinyaller, normalde çok katmanlı ağ gerektirdiği düşünülen bir sınıflandırma işlemini tek bir hücrenin dendritinde mümkün kılıyordu. İbrani Üniversitesi ekibinin yeni katkısı, bu tür farkları türler ve katmanlar arasında kıyaslanabilir tek bir ölçüte bağlamak.

Neden önemli

Sonuçlar iki alanı birden ilgilendiriyor. Sinirbilim açısından, insanın bilişsel yeteneklerini açıklarken yalnız ağın büyüklüğüne değil, ağı oluşturan parçaların kendi kapasitesine de bakmak gerektiğini gösteriyor. Araştırmacılar bulgularını, gelişmiş bilişimizin altında yatan yapısal ve biyofiziksel temeli anlamaya yönelik bir adım olarak tanımlıyor.

Yapay zekâ tarafında ise üniversitenin duyurusu, bugünün önde gelen makine öğrenmesi sistemlerinin son derece basitleştirilmiş yapay birimlerden kurulduğuna dikkat çekiyor. Duyuruya göre biyolojik nöronlara daha çok benzeyen, kendi içinde derin ve güçlü birimlerden oluşan beyin esinli sistemler bu bulgulardan yararlanabilir.

Çalışmanın bilgisayar modellerine dayandığını da not etmek gerekiyor. Ölçülen şey hücrelerin hesaplama potansiyeli; bu potansiyelin canlı beyinde düşünme ve davranışa nasıl yansıdığı, sonraki deneylerin cevaplaması gereken soru olarak duruyor.