(Liam Welch/Unsplash) Forscher haben eine neuronale Überlappung zwischen Mensch und Maschine entdeckt, die erklärt, warum das, was wir vor unserem geistigen Auge sehen, sich von den Informationen unterscheidet, die unsere tatsächlichen Augen verarbeiten, wenn wir etwas in der Realität betrachten.
Mit Hilfe eines fMRT-Scanners und eines künstliche neuronale Netz – eine KI-Engine, die das Gehirn nachahmen soll – zieht die neue Studie Parallelen zwischen der Funktionsweise des menschlichen Gehirns und der Funktionsweise eines Computersystems.
Die Ergebnisse erklären nicht nur, warum ein Hund in Ihrem Kopf nicht genau mit dem Bild eines echten Hundes übereinstimmt, sondern könnten auch wichtige Auswirkungen auf die Erforschung von psychischen Gesundheitsproblemen und die Entwicklung künstlicher neuronaler Netze haben.
„Wir wissen, dass mentale Bilder in gewisser Weise dem Sehen sehr ähnlich sind, aber sie können nicht genau identisch sein“, sagt der Neurowissenschaftler Thomas Naselaris von der Medizinischen Universität von South Carolina. „Wir wollten konkret wissen, in welchen Punkten es anders ist.“
Das Team nutzte ein generatives neuronales Netzwerk – eines, das das kann Bilder erstellen Außerdem konnten wir sie anhand ausreichender Trainingsdaten identifizieren und untersuchen, wie es sich verhielt, während es versuchte, Beispielbilder zu analysieren und eigene Bilder zu erstellen.
Diese Analyse wurde dann mit der Aktivität im menschlichen Gehirn verglichen, die mit einem fMRT-Scanner gemessen wurde. In verschiedenen Phasen wurden die Freiwilligen gebeten, Bilder auf einem Bildschirm anzusehen und sich auch eigene Bilder vorzustellen.
Die neuronale Aktivität im künstlichen Netzwerk und im menschlichen Gehirn stimmten zumindest teilweise überein. Die Forscher konnten Ähnlichkeiten in der Art und Weise feststellen, wie künstliche und menschliche neuronale Netze Signale zwischen niedrigeren, unschärferen Ebenen der Wahrnehmung und präziseren, höheren Ebenen weiterleiten.
In Bezug auf das menschliche Gehirn erfordert das Betrachten von etwas eine präzise Signalübertragung von der Netzhaut des Auges an das Auge visueller Kortex des Gehirns. Wenn wir uns etwas nur vorstellen, wird die Signalisierung verschwommener und ungenauer.
„Wenn man sich etwas vorstellt, ist die Gehirnaktivität weniger präzise.“ sagt Naselaris . „Es ist weniger auf Details ausgerichtet, was bedeutet, dass die Art von Unschärfe und Unschärfe, die Sie in Ihren mentalen Bildern erleben, in gewisser Weise auf der Gehirnaktivität beruht.“
Ein Beispiel-Trainingsbild für ein neuronales Netzwerk. (Zachi Evenor/Wikimedia Commons/CC BY 4.0)
Vom Computer generiertes Vergleichsbild. (Günther Noack/Wikimedia Commons/CC BY 4.0)
Die neuronale Aktivität an anderer Stelle im Gehirn, aber außerhalb des visuellen Kortex, scheint sowohl bei vorgestellten als auch bei betrachteten Bildern übereinzustimmen – ein Zusammenhang, der Wissenschaftlern helfen könnte, besser zu verstehen, wie unser Gehirn leiden und sich von einem Trauma erholen kann.
Im Fall von Posttraumatische Belastungsstörung Bei einer posttraumatischen Belastungsstörung (PTBS) zum Beispiel plagen Betroffene häufig aufdringliche Flashbacks und Bilder im Kopf. Sobald wir verstehen, warum diese imaginären Bilder so lebendig sind, können wir sie möglicherweise stoppen.
Die Forscher erkennen an, dass es Einschränkungen und alternative Erklärungen für ihre Ergebnisse gibt. Beispielsweise ist es möglich, dass sich die Probanden nicht an Bilder als solche erinnern, sondern an umfassende Themen. Es ist praktisch unmöglich zu bestimmen, wie die Darstellung eines Bildes vor unserem geistigen Auge für unser Gehirn aussieht, was Raum für Interpretationen lässt.
Dennoch liefert die Studie viele interessante Daten darüber, wie Bilder in unserem Kopf im Hinblick auf neuronale Aktivität dargestellt werden – und wie wir möglicherweise künstliche neuronale Netze trainieren können, um denselben Trick besser nachzuahmen.
„Das Ausmaß, in dem sich das Gehirn von dem unterscheidet, was die Maschine tut, gibt Ihnen einige wichtige Hinweise darauf, wie sich Gehirne und Maschinen unterscheiden“, sagt Naselaris . „Im Idealfall können sie eine Richtung aufzeigen, die helfen könnte.“ maschinelles Lernen gehirnähnlicher.'
Die Forschung wurde veröffentlicht in Aktuelle Biologie .