M.A. Petrovici, J. Bill, I. Bytschok, J. Schemmel, and K. Meier: Stochastic inference with spiking neurons in the high-conductance state. Physical Review E 94, 042312 (published 20 October 2016), doi: 10.1103/PhysRevE.94.042312
Gehirn tastet Wahrscheinlichkeitsverteilung ab
Bei Beobachtungen, die auf sogenannten Sinnesdaten beruhen, muss das menschliche Gehirn ständig überprüfen, welche „Version“ von Realität dieser Wahrnehmung zugrunde liegt. Dabei gewinnt es seine Antwort aus sogenannten Wahrscheinlichkeitsverteilungen, die im Netzwerk der Nervenzellen selbst gespeichert sind – die Neurone können darin Muster erkennen, die erlerntes Wissen widerspiegeln. Das belegen Untersuchungen auf Basis mathematischer Methoden, die Physiker der Ruperto Carola gemeinsam mit Wissenschaftlern der Technischen Universität Graz vorgenommen haben. Die aktuellen Forschungsergebnisse sind von großer Bedeutung für die Entwicklung neuartiger Computersysteme (Foto BrainScaleS: Kirchhoff-Institut für Physik) und wurden in der Fachzeitschrift „Physical Review“ veröffentlicht.
Eine der wichtigsten Funktionen unseres Gehirns ist es, ein internes Modell unserer Umgebung zu erschaffen. Dazu stehen ihm zwei Kategorien von Information zur Verfügung: das erlernte Wissen über bekannte Objekte sowie ein stetiger Strom von Sinnesdaten, die mit dem bereits vorhandenen Wissen abgeglichen werden und dieses kontinuierlich ergänzen. Diese Sinnesdaten sind die einfachsten Bausteine der Wahrnehmung, die damit „unmittelbar“ vorliegen.Dennoch sind Beobachtungen, die auf Sinnesdaten beruhen, oftmals gleichzeitig mit mehreren „Realitäten“ kompatibel, wie das Phänomen der optischen Täuschungen eindrücklich beweist. Das Gehirn steht daher vor der Herausforderung, sich aller möglichen Versionen der zugrundeliegenden Wirklichkeit bewusst zu werden. Dabei springt es zwischen diesen Versionen der Realität hin und her: Das Gehirn tastet eine Wahrscheinlichkeitsverteilung ab.
Wissenschaftler um den Heidelberger Physiker Prof. Dr. Karlheinz Meier haben diesen Prozess mit Hilfe formaler mathematischer Methoden auf dem Niveau der Neurone – sprich: einzelner Nervenzellen – untersucht. Das verwendete Modell einzelner Neurone ist hierbei strikt deterministisch, was bedeutet, dass bei einer wiederholten Stimulation durch äußere Reize immer dasselbe Antwortverhalten hervorgerufen wird.
Das Gehirn ist jedoch ein Netzwerk aus miteinander kommunizierenden Neuronen. Wenn eine Nervenzelle stark genug von ihren Nachbarn angeregt wird, feuert sie einen kurzen elektrischen Puls ab und regt damit ihrerseits andere Neurone an. In einem großen Netzwerk aus aktiven Neuronen werden Nervenzellen dadurch stochastisch – ihre „Antwort“ ist nicht mehr bestimmt, also exakt vorhersagbar, sondern folgt statistischen Regeln der Wahrscheinlichkeit.
„Mit unseren Untersuchungen konnten wir zeigen, dass solche Neurone ihre Antwort aus Wahrscheinlichkeitsverteilungen gewinnen, die im Netzwerk selbst gespeichert sind und von den Nervenzellen abgetastet werden“, erläutert Karlheinz Meier. Auf diese Weise können Neurone beispielsweise Muster erkennen, die erlerntes Wissen widerspiegeln.
Die Forschungsarbeiten waren eingebettet in das europäische Human Brain Project, in dem die Heidelberger Wissenschaftler unter der Leitung von Meier neuartige Computersysteme nach dem Vorbild des Gehirns entwickeln. „Das Konzept der statistischen Abtastung erlernter Wahrscheinlichkeiten eignet sich sehr gut für eine Umsetzung in einer neuen Architektur für Computer; es stellt einen Schwerpunkt der aktuellen Forschung unserer Arbeitsgruppe dar“, so der Hochschullehrer, der am Kirchhoff-Institut für Physik der Universität Heidelberg wirkt.