Einführung
Die Funktionsweise des Gehirns ist seit jeher ein faszinierendes Forschungsgebiet. In den letzten Jahrzehnten hat die Künstliche Intelligenz (KI) rasant an Bedeutung gewonnen und wirft neue Fragen nach dem Verständnis des menschlichen Gehirns auf. KI-Systeme, insbesondere neuronale Netze, weisen eine gewisse Ähnlichkeit mit der Funktionsweise des Gehirns auf, was neue Möglichkeiten für Forschung und Anwendung eröffnet. Dieser Artikel beleuchtet die Funktionsweise des Gehirns im Kontext der KI und geht auf aktuelle Entwicklungen und ethische Fragestellungen ein.
Künstliche Intelligenz: Ein Schlüssel für die Wettbewerbsfähigkeit Deutschlands
Die Künstliche Intelligenz (KI) hat sich zu einem zentralen Thema in der deutschen Politik entwickelt, insbesondere durch die KI-Strategie der Bundesregierung und die Einsetzung der Enquete-Kommission „Künstliche Intelligenz“. Über nahezu alle Branchen hinweg wird KI als einer der entscheidenden Faktoren für die zukünftige Wettbewerbsfähigkeit Deutschlands und Europas angesehen.
Eine ähnliche Bedeutung für den Standort Deutschland haben Normung und Standardisierung, die bereits seit über hundert Jahren bestehen. Im Gegensatz dazu gibt es keine allgemein akzeptierte Definition von „Künstlicher Intelligenz“, da das Spektrum von Technologien und Perspektiven zu KI zu breit gefächert ist.
Die DKE (Deutsche Kommission Elektrotechnik Elektronik Informationstechnik) betrachtet unter dem Begriff „Künstliche Intelligenz“ vor allem Technologien, die in der Lage sind, Muster in extrem großen und uneinheitlichen Datenmengen zu erkennen. Beispiele hierfür sind die Bild- und Spracherkennung. Zudem fallen darunter Technologien, die innerhalb vorgegebener Regeln ihre Leistung anhand von Daten aus Training und laufendem Betrieb selbst optimieren können, wie beispielsweise in der Robotik oder beim autonomen Fahren. Die Funktionsweise von KI hat sich seit der Prägung des Begriffs in den 1950er Jahren kontinuierlich weiterentwickelt.
Neuronale Netze: Eine Annäherung an das menschliche Gehirn
Heute dominieren KI-Systeme, die als neuronale Netze eine gewisse Ähnlichkeit mit der Funktionsweise des menschlichen Gehirns aufweisen. Diese Netze bestehen aus zahlreichen Knoten, den sogenannten Neuronen, die untereinander verschaltet sind. Die Gewichte der einzelnen Verbindungen werden durch Training einer bestimmten Aufgabe nach und nach festgelegt.
Lesen Sie auch: Faszination Nesseltiere: Wie sie ohne Gehirn leben
Erst durch diesen Lernprozess wird ein neuronales Netz funktionsfähig und kann als Algorithmus zur Lösung von Aufgaben eingesetzt werden. Der Lernprozess beinhaltet die Analyse riesiger Datensätze, aus denen Handlungsempfehlungen abgeleitet werden. Diese Systeme agieren zunehmend autonom und sind in der Lage, selbst dazuzulernen und ihr Verhalten kontinuierlich zu verändern.
Normung als Wegbereiter für den Durchbruch der KI
Die aktuelle Situation der KI erinnert an die Situation der Elektrizität Ende des 19. Jahrhunderts: viele innovative, aber nicht miteinander kompatible Produkte, Unfälle durch unzureichende Sicherheitsstandards sowie eine Kombination von Hype und Skepsis in Wissenschaft, Wirtschaft und Gesellschaft. Damals wurde das enorme positive Potenzial der Elektrizität unter anderem dadurch gehoben, dass Übertragungsnetze, Steckersysteme, Sicherheitsanforderungen, Schaltanlagen etc. genormt wurden. In ähnlicher Weise kann heute KI durch Normung den breiten Durchbruch schaffen.
Normung könnte in verschiedenen Bereichen der KI hilfreich sein, darunter:
- Trainingsverfahren: Aktuelle KI-Systeme basieren oft auf Deep Neural Networks, die mit vorhandenen Daten trainiert werden. Bisher sind weder Trainingsdatensätze noch -verfahren genormt, was die Zusammenführung von KI-Systemen und Trainingsdaten über Unternehmensgrenzen hinweg erschwert.
- Beschreibung von selbstlernenden Systemen: KI-Systeme lernen durch neue Inputdaten kontinuierlich dazu und verändern ihr Verhalten. Um solche Systeme zuverlässig in größere Einheiten zu integrieren, ist eine praxistaugliche Beschreibung ihrer Eigenschaften (z. B. Sicherheit, Zuverlässigkeit) erforderlich.
- KI-Methoden und wissenschaftlich-technische Fachsprache: Ein gemeinsames Verständnis der wichtigsten KI-Methoden und Fachbegriffe ist für eine präzise Diskussion in Expertenkreisen unerlässlich.
Ethische Aspekte der KI
Viele KI-gestützte Systeme treffen ethisch schwierige Entscheidungen, beispielsweise beim autonomen Fahren, in der medizinischen Diagnostik oder bei der Kreditvergabe. Da eine Maschine keinen Sinn für Ethik hat, muss ihr Verhalten an ethischen Maßstäben gemessen werden. Zu den ethischen Herausforderungen gehören:
- Verhalten in Krisensituationen: Im Gegensatz zum Menschen, der in Reflexsituationen handeln darf, müssen die Grundlagen für Entscheidungen eines KI-Systems bei der Programmierung festgelegt werden.
- Fortschreibung menschlicher Unzulänglichkeiten: KI-Systeme, die mit von Menschen generierten Daten trainiert werden, können unbeabsichtigt Ungleichbehandlungen übernehmen und automatisieren.
- Arbeitsteilung zwischen Mensch und Maschine: Es ist wichtig sicherzustellen, dass der Mensch in einer KI-dominierten Umgebung die Kontrolle behält und nicht zu einem bloßen Rädchen im Getriebe wird.
- Möglicher Verzicht auf KI in ethisch heiklen Einsatzgebieten: Die Praktikabilität und Sinnhaftigkeit eines solchen Verzichts wird jedoch noch diskutiert.
Die Antworten auf diese ethischen Fragen müssen in einem breiten Konsens von Experten und anderen relevanten Akteuren gefunden und so formuliert werden, dass sie als Leitlinien für die Entwicklung von KI-Systemen dienen können. Die Normung bietet sich als geeignetes Instrument an, um diesen Konsens herzustellen und technisch anwendbar zu formulieren.
Lesen Sie auch: Lesen Sie mehr über die neuesten Fortschritte in der Neurowissenschaft.
Normung von Ethik für KI-Systeme: Ein möglicher Ansatz
Anstatt explizite ethische Regeln zu normen, die kaum global konsensfähig wären, oder lediglich die Prozesse und Strukturen für ethische Entscheidungen festzulegen, könnte man sich an erfolgreichen Kennzeichnungen von Produkten orientieren.
Skalen für Eigenschaften von KI-Systemen wie Schutz der Privatsphäre, Diskriminierungsfreiheit oder Transparenz könnten auf ähnliche Weise genormt werden. Dies würde einen transparenten Wettbewerb schaffen, regionale Mindeststandards ermöglichen und Verbrauchern Entscheidungsfreiheit geben.
Künstliche Intelligenz und harmonisierte Standards
Für sogenannte Hochrisiko-KI-Anwendungen spielen Normen und Standards eine wichtige Rolle, da sie Transparenz, Sicherheit und damit Vertrauen und innovationsfreundliche Rahmenbedingungen schaffen.
Nach dem Erfolgsprinzip des europäischen Binnenmarktes, dem New Legislative Framework, werden lediglich grundlegende Anforderungen und Schutzziele festgelegt, auf deren Basis KI-Anwendungen in allen EU-Mitgliedstaaten in Verkehr gebracht werden können. Dagegen werden die KI-Hochrisiko-Anwendungen künftig über den Artificial Intelligence Act der EU reguliert. Dabei beauftragt die EU die europäischen Normungsorganisationen, die grundlegenden Anforderungen technisch konkreter auszuarbeiten.
Internationale Zusammenarbeit und Normungsinitiativen
Auf europäischer Ebene wurde seitens CEN-CENELEC eine Fokusgruppe für Künstliche Intelligenz gegründet, die relevante Interessengruppen zusammenbringt und CEN und CENELEC bei der Untersuchung der Notwendigkeit einer europäischen Normung für KI unterstützt.
Lesen Sie auch: Tinnitus und Gehirnaktivität: Ein detaillierter Einblick
Die Fokusgruppe hat folgende Aufgaben:
- Vorschlag einer gemeinsamen Vision als Grundlage für die Standardisierung der KI in Europa.
- Kontaktaufnahme zu relevanten europäischen Interessengruppen.
- Vorbereitung einer Darstellung der aktuellen europäischen und internationalen Normungsinitiativen zu KI.
- Ermittlung des spezifischen Normungsbedarfs für die KI und Formulierung von Empfehlungen für die besten Möglichkeiten zur Behandlung der KI-Ethik im europäischen Kontext.
- Identifizierung der Technischen Komitees von CEN und CENELEC, die von der KI betroffen sein werden.
- Überwachung potenzieller Änderungen der europäischen Gesetzgebung in Bezug auf z.B. Auf internationaler Ebene spielt im Kontext der Normung von Künstlicher Intelligenz das Market Strategy Board von IEC eine bedeutende Rolle. Es wurde gegründet, um Technologietrends und Marktanforderungen in den Arbeitsgebieten der IEC zu ermitteln.
Um das Thema Künstliche Intelligenz auf internationaler Ebene voranzutreiben, wurde die SEG 10 - Bewertungsgruppe Normung für autonome und KI-basierte Anwendungen - gegründet.
Organoide: Winzige künstliche Organe als Alternative zu Tierversuchen?
Winzige künstliche Organe aus menschlichen Zellen, sogenannte Organoide, könnten in der Forschung teilweise Tierversuche ersetzen. Agnieszka Rybak-Wolf erforscht Erkrankungen des Nervensystems mithilfe von Hirngewebe, das sie aus im Labor gezüchteten Miniorganen gewinnt.
Organoide sind dreidimensionale Zellstrukturen, die dem Aufbau echter Organe ähneln. Sie ermöglichen es Forschern, komplexe medizinische Zusammenhänge zu untersuchen, ohne auf Tierversuche zurückgreifen zu müssen. Im Jahr 2021 wurden in Deutschland über fünf Millionen Versuchstiere gezählt, hauptsächlich Nager wie Mäuse und Ratten.
Organoide bieten mehrere Vorteile gegenüber Tierversuchen:
- Sie bestehen aus menschlichem Gewebe und können daher menschliche Krankheiten besser nachbilden.
- Sie können aus wenigen Zellen gewonnen werden, ohne dass ein invasiver Eingriff nötig ist.
- Sie ermöglichen es, die Auswirkungen von Medikamenten auf einzelne Organe zu untersuchen.
Allerdings stoßen Organoide auch an Grenzen. Sie bilden keinen vollständigen Organismus ab und sind daher nicht für die Untersuchung von Medikamentenwirkungen auf den gesamten Körper geeignet. Hier könnten Multiorganchips eine Lösung bieten, bei denen verschiedene Organoide miteinander verbunden werden, um einen Organismus zu simulieren.
Die innere Uhr: Ein komplexes Zusammenspiel von Genen und Umweltfaktoren
Die innere Uhr, auch Biorhythmus genannt, ist ein Mechanismus, der den Tagesablauf von Lebewesen steuert. Sogar Einzeller besitzen Uhren-Gene, die ihren Tagesablauf regeln. Der innere Grundrhythmus lässt sich kaum verstellen.
Der Körper erkennt die Tageszeit über die Lichtintensität der Sonnenstrahlen. Das Sehpigment Melanopsin in der Netzhaut des Auges reagiert äußerst empfindlich auf Veränderungen der Lichtintensität. Der Nucleus suprachiasmaticus (SCN) im Gehirn gilt als Kernstück der Körperuhr. Hier wird der 24-Stunden-Rhythmus synchronisiert und der Grundrhythmus gesteuert.
Die Nervenzellen des SCN beeinflussen andere Hirnregionen und Körperfunktionen über Gehirndrüsen, die tagesperiodisch Hormone ausschütten. Auch die Zellen in den Körperorganen enthalten Uhren-Gene und können ein Eigenleben entwickeln.
Hirnforschung: Ein Milliardenprojekt mit großen Erwartungen und Kritik
In den nächsten zehn Jahren werden über eine Milliarde Euro in das Human Brain Project und womöglich mehr als drei Milliarden Dollar in die BRAIN Initiative fließen. Diese Projekte haben sich hohe Ziele gesetzt, darunter die Simulation eines menschlichen Gehirns und die Kartierung jedes Spikes in jedem Neuron.
Die Projekte stoßen jedoch auch auf Kritik. Es fehlt an vielen notwendigen Methoden, und die schiere Größe von Big Science stellt Herausforderungen in der Produktion und Logistik von Wissen dar. Zudem wird kritisiert, dass der Fokus auf die Kartierung des Gehirns zu kurz greift und andere wichtige Aspekte der Hirnforschung vernachlässigt werden.
Trotz der Kritik werden die Projekte in den nächsten Jahren mit einem Strom an faszinierenden Daten versorgen und unser Verständnis des Gehirns grundlegend verändern.
Neuronale Netze und Lernen: Der Käferroboter im Labyrinth
Neuronale Netze lernen, ohne zu wissen, was. Sie nutzen eingebaute Verstärkungsmechanismen, um ihr Verhalten an die zu erwartenden Konsequenzen anzupassen. Ein Beispiel ist der Käferroboter Rob, der mithilfe eines neuronalen Netzes lernt, ein Labyrinth zu durchqueren.
Rob folgt einfachen Regeln: "Bewege dich" und "Halte das Geschwindigkeitsverhältnis deiner Rollen nach Möglichkeit konstant". Wenn Rob nicht geradeaus fahren kann, wird er bestraft. Wenn er geradeaus fährt, wird er belohnt.
Bereits ein Minihirn aus etwa 100 Rechnerneuronen reicht aus, um mit diesen einfachen Regeln komplexes Verhalten zu generieren. Rob lernt, Hindernisse zu vermeiden und ein Bild von seiner Welt zu verschaffen.
SCN2A: Ein seltenes Gendefekt mit vielfältigen Auswirkungen auf das Gehirn
SCN2A ist die Bezeichnung eines Gens, welches durch Mutationen eine seltene Erkrankung des Gehirns verursachen kann. Die Erkrankung kann zu unterschiedlichen Zeitpunkten auftreten und die unterschiedlichsten Ausprägungen aufweisen.
Die genetische Veränderung/Mutation ist von Geburt an vorhanden und liegt ein Leben lang vor. Oft löst die Genmutation schwer verlaufende und schwierig zu therapierende Krampfanfälle (Epilepsien) aus. Auch sehr milde Epilepsien ohne Auswirkungen auf die geistige Entwicklung sowie andere neurologische Störungen wie Entwicklungsverzögerungen, Autismus und Bewegungsstörungen gehören zum Krankheitsbild.
SCN2A steht für Sodium Channel 2A. Das Gen SCN2A liefert den Bauplan zur Herstellung des Natriumkanalproteins NaV1.2. Diese Natriumkanäle sind vor allem in Nervenzellen im gesamten Gehirn zu finden. NaV1.2 trägt dazu bei, dass Natriumionen in die Nervenzellen fließen können. Dadurch können elektrische Signale (sogenannte Aktionspotenziale) entstehen und weitergeleitet werden.
Mutationen im SCN2A-Gen können zu einem verstärkten (Gain-of-Function) oder abgeschwächten (Loss-of-Function) Einstrom von Natrium in die Nervenzelle führen. Je nachdem, wo sich die Mutation befindet und wie sie den Kanal verändert, können unterschiedliche Erkrankungen und Ausprägungsgrade auftreten.