Die Schnittstelle zwischen KI und Neurowissenschaften: Wie künstliche neuronale Netze unser Verständnis des Gehirns beeinflussen

Den Lernprozess der KI verstehen

Der Bereich der künstlichen Intelligenz (KI) entwickelt sich rasant weiter. Sie ist mittlerweile in der Lage, Aufgaben zu bewältigen, die einst als ausschließlich der menschlichen Intelligenz vorbehalten galten, wie beispielsweise Bilderkennung, Sprachgenerierung und das Schreiben von Computercode. Von zentraler Bedeutung für diesen beeindruckenden Fortschritt sind künstliche neuronale Netze, die ihre Leistungsfähigkeit durch Selbstreorganisation verbessern – ähnlich wie die Schaltkreise unseres Gehirns.

Da KI jedoch immer ausgefeilter wird, stellt sich die Frage: Was können uns diese maschinellen Systeme über die Lernprozesse des Gehirns lehren? Welche Modelle liefern die aufschlussreichsten Erkenntnisse? Forscher vom MIT McGovern-Institut für Hirnforschung und die K. Lisa Yang, ICoN-Zentrum hat sich kürzlich mit diesen Fragen befasst in PNAS veröffentlichte Studie. Sie vertreten die Ansicht, dass die biologische Plausibilität des Lernansatzes eines künstlichen neuronalen Netzes anhand seiner Fähigkeit zur Selbstorganisation beurteilt werden kann, unabhängig von Eingriffen seitens der Entwickler.

Sie zeigen, dass sich ein Netzwerk aus zufällig verbundenen Einheiten mit anfänglichen Vorgaben dazu, wie und wann sich die Verbindungen entwickeln sollen, in ein effizientes Datenverarbeitungssystem verwandeln kann. Es lernt aus den Daten, auf die es stößt – ähnlich wie unser Gehirn neue Informationen verarbeitet.

Ein Vergleich zwischen biologischem Lernen und KI-Lernen

“Die heutige KI-Technologie ist äußerst effektiv”, erklärt Qianli Liao, Postdoktorand am K. Lisa Yang ICoN Center, “aber sie bildet nicht unbedingt den Lernalgorithmus des Gehirns nach.” Liao stellt gemeinsam mit seinen Kollegen, den MIT-Professoren Tomaso Poggio und Mark Harnett, fest, dass Ingenieure die Regeln dafür festlegen, wie sich Verbindungen verändern, während eine KI Daten verarbeitet und Rückmeldungen erhält. Obwohl dieser Ansatz beim Training von KI sehr wirkungsvoll ist, liefern diese Netzwerke möglicherweise keine tiefgreifenden Einblicke in das biologische Lernen. “Das Gehirn organisiert sich selbst. Wir müssen verstehen, wie einfache Regeln diese Organisation steuern”, fügt Liao hinzu.

Dieses Verständnis der Funktionsweise des Gehirns spielt eine entscheidende Rolle bei der Entwicklung neuer Therapien und Präventionsstrategien. Liao verweist auf neue Anwendungsbereiche wie Gehirn-Computer-Schnittstellen, die Kommunikationsfähigkeiten wiederherstellen oder gelähmten Patienten helfen könnten, neuroprothetische Gliedmaßen zu steuern. Ihr Vorhaben eröffnet eine ganz neue Welt von Möglichkeiten für die Erforschung der Mechanismen des Gehirns.

Die Zukunft des KI-Lernens

Inzwischen haben sich Liao und seine Kollegen Ziyin und Gan zum Ziel gesetzt, ein selbstorganisierendes Computernetzwerk zu entwickeln, das in der Lage ist, eigenständig zu lernen. Dabei nutzen sie einfache Regeln, die die Umstrukturierung von Gehirnschaltkreisen während des Lernens bestimmen – beispielsweise die Tatsache, dass Neuronen, die ‘gemeinsam feuern’, dazu neigen, ihre Verbindung zu stärken. Durch diese Mechanismen kann das Netzwerk Muster erkennen und Bilder klassifizieren, wobei sich selbstorganisierende Motive als zentrale Bausteine dienen. Das Netzwerk optimiert sich selbst, indem es auf Fehler reagiert – ein Prozess, der dem Gradientenabstieg ähnelt, einer in modernen KI-Anwendungen weit verbreiteten Technik.

Auch wenn dieses selbstorganisierende Netzwerk nicht genau wie das Gehirn lernt, stellt es doch einen bedeutenden Schritt in Richtung biologischer Plausibilität dar. “Selbstorganisation ist der erste übergeordnete Rahmen”, erklärt Liao. “Sobald wir diesen Ansatz etabliert haben, können wir weiterforschen.” Letztendlich besteht das Hauptziel zwar darin, die Feinheiten des menschlichen Gehirns besser zu verstehen, doch dieses Wissen kann auch Systeme des maschinellen Lernens verbessern und es Ingenieuren ermöglichen, Netzwerke zu entwickeln, die effizienter funktionieren oder menschliches Verhalten genauer nachahmen.

Sind Sie auf der Suche nach KI-Automatisierungslösungen für Ihr Unternehmen? Entdecken Sie die Möglichkeiten mit implementi.ai. Wenn Sie sich näher mit diesem Thema befassen möchten, schauen Sie sich den Originalnachrichtenartikel hier.