Erforschen, wie das menschliche Gehirn und künstliche neuronale Netze Wissen zusammentragen

Feature vom 8. Juni 2023

Dieser Artikel wurde gemäß dem Redaktionsprozess und den Richtlinien von Science X überprüft. Die Redakteure haben die folgenden Attribute hervorgehoben und gleichzeitig die Glaubwürdigkeit des Inhalts sichergestellt:

faktengeprüft

peer-reviewte Veröffentlichung

vertrauenswürdige Quelle

Korrekturlesen

von Ingrid Fadelli, Medical Xpress

Wenn Menschen die Welt um sich herum erkunden und neue Dinge erleben, beginnen sie von Natur aus zu verstehen, was ihnen begegnet, und stellen mentale Verbindungen zwischen den Objekten, Menschen, Orten und Ereignissen her, denen sie begegnen. Neurowissenschaftler versuchen seit Jahrzehnten, die neuronalen Prozesse zu identifizieren, die dieser „mentalen Ansammlung von Wissen“ zugrunde liegen, und ihre Studien haben mehrere wichtige Erkenntnisse gesammelt.

In den letzten Jahren hat sich die Forschung zu diesem Thema aufgrund des Aufkommens künstlicher neuronaler Netze (KNNs) etwas intensiviert. Hierbei handelt es sich um Rechenwerkzeuge, die von der Struktur und Funktion neuronaler Netze im Gehirn inspiriert sind und für die Bewältigung verschiedener Aufgaben trainiert werden können. Ein besseres Verständnis der neuronalen Prozesse, die den erfolgreichen Aufbau von Wissen beim Menschen ermöglichen, könnte letztendlich dazu beitragen, das Design von KNNs anzupassen und ihre Leistung bei Aufgaben zu verbessern, die von dieser Fähigkeit profitieren können.

Gleichzeitig haben einige Forscher auch damit begonnen, die Art und Weise, wie das menschliche Gehirn bestimmte Aufgaben bewältigt, mit den Prozessen zu vergleichen, die der Funktionsweise von KNNs zugrunde liegen. Diese Vergleiche könnten interessante Parallelen zwischen KI und dem menschlichen Gehirn aufdecken, die sowohl für die neurowissenschaftliche als auch für die Informatikforschung von Vorteil sein könnten.

Eine Forschungsgruppe an der Universität Oxford hat kürzlich eine interessante Studie durchgeführt, die sich speziell mit der Zusammenstellung von Wissen durch das menschliche Gehirn und KNN-basierten Rechenmodellen befasst. Ihr in Neuron veröffentlichtes Papier führte zur Identifizierung eines Ansatzes, der dazu beitragen könnte, die Wissenszusammenstellung in KI-Tools zu verbessern.

„Das menschliche Verständnis der Welt kann sich schnell ändern, wenn neue Informationen ans Licht kommen, etwa wenn es in einem Roman zu einer Wendung kommt“, schreiben Stephanie Nellie, Lukas Braun und ihre Kollegen in ihrer Arbeit. „Diese flexible ‚Wissensassemblierung‘ erfordert eine Neuorganisation neuronaler Codes für Beziehungen zwischen Objekten und Ereignissen in wenigen Schritten. Allerdings schweigen bestehende Computertheorien weitgehend darüber, wie dies geschehen könnte.“

Um zu untersuchen, wie das menschliche Gehirn Wissen zusammenstellt, führten die Forscher eine Reihe von Experimenten mit 34 Teilnehmern durch. Diese Teilnehmer wurden gebeten, eine einfache Computeraufgabe zu lösen, bei der sie Entscheidungen über neue Objekte treffen mussten, die ihnen auf einem Bildschirm angezeigt wurden.

Als die Teilnehmer diese Aufgabe erledigten, wurde ihr Gehirn mit einem funktionellen Magnetresonanztomographen (fMRT) gescannt. Hierbei handelt es sich um eine bildgebende Methode, die kleine Veränderungen im Blutfluss erkennt, die mit der Gehirnaktivität verbunden sind.

„Die Teilnehmer lernten eine transitive Ordnung zwischen neuartigen Objekten in zwei unterschiedlichen Kontexten, bevor sie neuem Wissen ausgesetzt wurden, das offenbarte, wie sie miteinander verbunden waren“, erklärten Nellie, Braun und ihre Kollegen in ihrer Arbeit. „Blutsauerstoffspiegelabhängige (BOLD) Signale in dorsalen frontoparietalen kortikalen Bereichen zeigten, dass Objekte nach minimaler Exposition gegenüber Verknüpfungsinformationen schnell und dramatisch auf der neuronalen Mannigfaltigkeit neu angeordnet wurden.“

Im Wesentlichen stellten Nellie, Braun und ihre Kollegen fest, dass die Art und Weise, wie diese Objekte im Gehirn dargestellt wurden, scheinbar „neu geordnet“ wurde, wenn die Teilnehmer neue Informationen über Objekte und die Beziehungen zwischen ihnen lernten. Mithilfe dieser Erkenntnisse versuchte das Team, einen ähnlichen Prozess in einem auf einem KNN basierenden Rechenmodell nachzubilden.

Ihr Ansatz ermöglicht es dem Modell, das erworbene Wissen schnell zusammenzustellen und wieder zusammenzusetzen. Dies geschieht mithilfe einer Adaption des stochastischen Online-Gradientenabstiegs, einer Technik, die schrittweises und Online-Lernen in Computermodellen ermöglicht.

Insgesamt bestätigt die aktuelle Studie dieses Forscherteams frühere Ergebnisse, die die Beteiligung dorsaler Gehirnstrukturen, insbesondere des parietalen Kortex, an der Kodierung abstrakter Darstellungen von Objekten hervorheben, die sich im Laufe der Zeit ändern können, wenn Menschen neues Wissen erwerben. Zukünftig könnten ihre Erkenntnisse in die Entwicklung anderer rechnerischer Ansätze einfließen, die diesen „Wissensassemblierungsprozess“ besser nachbilden.

Mehr Informationen: Stephanie Nelli et al., Neural Knowledge Assembly in Humans and Neural Networks, Neuron (2023). DOI: 10.1016/j.neuron.2023.02.014

© 2023 Science X Network