Das menschliche Gehirn, ein komplexes Organ, dient Physikern als Vorbild für die Entwicklung neuartiger Computerarchitekturen. Es besteht aus etwa hundert Milliarden Nervenzellen, den Neuronen, die durch Billionen synaptischer Verbindungen miteinander verknüpft sind. Diese Architektur ist den von Menschen geschaffenen Rechenmaschinen noch weit überlegen: Obwohl das Gehirn Unmengen an Informationen verarbeitet, liegt seine Leistungsaufnahme nur bei rund zwanzig Watt, während ein Laptop mindestens hundert Watt benötigt und Supercomputer mehrere Megawatt verbrauchen.
Das Gehirn als Vorbild für komplexe Systeme
Die Funktionsweise des Gehirns inspiriert Wissenschaftler verschiedener Disziplinen, darunter Informatik, Psychologie und Stadtplanung. Die Fähigkeit des Gehirns, mit fehlerhaften Komponenten zu arbeiten, seine Anpassungsfähigkeit und seine Lernfähigkeit dienen als Vorbild für die Entwicklung robuster und intelligenter Systeme.
Resilienz und Fehlertoleranz
Karlheinz Meier vom Kirchhoff-Institut für Physik der Universität Heidelberg erklärt: „Wir wissen alle, dass wir Gehirnzellen verlieren - durch Alter, durch zu viel Alkohol, auch durch Krankheiten wie etwa kleine Schlaganfälle - und trotzdem ist unser Gehirn immer noch einsatzfähig. Das heißt, wir können durchaus zehn, zwanzig Prozent der Ressourcen verlieren und können immer noch das tun, was wir tun, um uns zu orientieren beispielsweise, zu lesen oder auch intellektuelle Leistung zu vollbringen.“ Das Gehirn hat also gelernt, mit fehlerhaften Komponenten zu arbeiten. Im Gegensatz dazu kann bei einem Mikroprozessor, der typischerweise aus hundert Millionen Transistoren besteht, bereits eine defekte Komponente das gesamte System lahmlegen.
Abstraktion und Generalisierung
Computer führen lediglich Algorithmen aus - also eine Abfolge von feststehenden Kommandos - und können dementsprechend nur solche Probleme lösen, die der Programmierer in der Software auch vorgesehen hat. „Beim Gehirn ist das offensichtlich nicht der Fall. Wenn Sie anhand mehrerer Beispiele gelernt haben, wie schnell ein Stein fällt und Sie kommen in eine Umgebung, in der Sie noch nie gewesen sind, und jetzt fällt kein Stein mehr, sondern vielleicht ein Schlüsselbund, dann sind Sie in der Lage, zu abstrahieren und die Physik des Fallens, die dazu gehört, aufgrund ihrer Erfahrung so zu verwenden, dass Sie zum Beispiel vorhersagen können, wann dieser fallende Schlüsselbund auf dem Boden auftrifft.“
Neuronale Netze: Vom Gehirn inspiriert
Seit vielen Jahrzehnten versuchen Wissenschaftler, die Gehirnschaltkreise in synthetischen Modellen nachzubilden. Neuronale Netze sind ein Beispiel für solche Modelle.
Lesen Sie auch: Nervenzelle: Ein Überblick
Funktionsweise neuronaler Netze
Bei diesen klassischen neuronalen Netzen steckt die Information in der Stärke der synaptischen Verbindung zwischen Nervenzellen. „Das heißt, wenn ich nur lange genug herumdrehe, an dieser Stärke dieser synaptischen Verbindungen, dann kann ich Informationen speichern in dem System und ich kann auch auf ganz bestimmte Art und Weise Informationen verarbeiten, zum Beispiel für Texterkennung, Gesichtserkennung und solche Dinge.“ Für unser Kurzzeitgedächtnis scheint dieser Mechanismus allerdings ungeeignet, denn die chemischen Veränderungen in den Synapsen gehen vergleichsweise langsam vonstatten.
Liquid Computing: Eine alternative Theorie
Eine alternative Theorie, wie diese Kurzzeitinformation gespeichert sein könnte, ist das „Liquid Computing“. Demnach steckt die Information in der Feueraktivität des Netzwerks. Die Membran der Nervenzellen fungiert dabei gewissermaßen als Kondensator, der die eingehenden elektrischen Pulse speichern kann. Einige Synapsen unterstützen diesen Aufladevorgang, während andere wieder Ladung abziehen. „Die Information steckt also in diesem hochdimensionalen Netzwerk. Das ist so ähnlich, als würden Sie ein Stück Zucker in eine Kaffeetasse werfen. Dann sehen Sie ja Ringe, die sich ausbilden. Und wenn Sie eine Zeit lang warten, dann sind die Ringe immer noch da. Sie können also immer noch sagen: Vermutlich hat da vor gewisser Zeit jemand ein Stück Zucker reingeworfen. Wenn Sie aber noch länger warten, dann verschwinden die Ringe wieder, durch Reibungseffekte, durch Dissipation. Aber für eine gewisse Zeit hat diese Tasse gewissermaßen die Information in dem Aktivitätsmuster gespeichert und ein ähnliches Konzept - jetzt auf diese Aktionspotenziale bezogen - glaubt man, funktioniert auch im Gehirn.“
Neuromorphe Systeme: Physikalische Modelle neuronaler Schaltkreise
Karlheinz Meier und seine Kollegen bauen in ihrem Labor physikalische Modelle von neuronalen Schaltkreisen nach, nicht zuletzt um die verschiedenen Theorien zur Informationsspeicherung überprüfen zu können. Im einfachsten Modell imitieren elektrische Kondensatoren und Widerstände die Neuronen, während hinein- und hinausfließende Ströme als erregende und hemmende Synapsen agieren. „Das hört sich zwar leicht an, ist in der Praxis aber schwierig durchzuführen, denn ich möchte ja sehr viele von diesen Systemen haben. Im Gehirn beispielsweise haben wir ungefähr 1011 solcher Neurone und 1015 Synapsen. Ich kann also nicht mehr die Bauteile aus meinem Kosmos-Baukasten verwenden, sondern brauche spezielle Substrate - Siliziumsubstrate -, auf denen ich das möglichst dicht umsetze. Genau das tun wir hier in Heidelberg: Wir verwenden heute Substrate auf ganzen Siliziumwafern, auf denen - um mal eine Zahl zu sagen - 200 000 Neurone und fünfzig Millionen lernfähige Synapsen als physikalisches Modell umgesetzt sind.“ Jede Nervenzelle besteht dabei aus dreihundert Transistoren, jede Synapse aus 25 dieser elektronischen Bauelemente.
Anwendungen neuromorpher Systeme
Diese sogenannten neuromorphen Systeme lassen sich nun ebenso anregen wie biologische Systeme, doch im Gegensatz dazu können die Forscher in den nachgebauten Systemen gezielt bestimmte Parameter verändern und die resultierenden Aktivitätsmuster auslesen. In den Schaltkreisen lässt sich beispielsweise die Stärke beeinflussen, mit der Synapsen Informationen übertragen, aber auch die Neuronen selbst: etwa ihre Feuerschwelle oder die Wartezeit, bis der nächste Puls eintreffen kann.
Analogie zwischen neuronalen Netzen und menschlichen Gesellschaften
Die Analogie zwischen neuronalen Netzen und menschlichen Gesellschaften ist ein faszinierendes Konzept, das in verschiedenen Kontexten untersucht wird.
Lesen Sie auch: Überblick über die Funktionen von Nervenzellen
Das Gehirn als Stadt
Ein Autor zieht eine Parallele zwischen dem Gehirn und einer Stadt. Das Gehirn arbeitet mit spezialisierten Regionen etwa für Sehen oder Sprache. Eine Verbindung zwischen solchen Gehirnregionen ist für bestimmte kognitive Prozesse nötig. Übertragen auf eine Stadt bedeutet das: bestimmte Viertel könnten sich auf eine konkrete Funktion konzentrieren - sei es auf Kunst, Innovation oder Industrie. Für ebenso übertragbar hält der Autor das Prinzip der Selbstorganisation von Gehirnzellen. Schließlich verweist er auf die Bedeutung von Heilung, Anpassung und Feedback. Das Gehirn reagiere auf Verletzungen, korrigiere Fehler und lerne aus Erfahrungen. Städte sollten seiner Ansicht nach ähnlich handeln: auf Probleme reagieren, aus Fehlplanungen lernen und evidenzbasierte Verbesserungen umsetzen.
Neuronale Netze in der Software
Hat man ein bestehende neuronales Netz als Software erstellt, kann man es auf mindestens vier Arten effektiver machen: a) man kann die Anzahl der Neuronen erhöhen, b) die Architektur der Verschaltung ändern, c) jedes Neuron für sich komplexer machen oder d) den Lernalgorithmus ändern. Tatsächlich dürfte die Maßnahmen a und b bei sonst gleichen Bedingungen oft genügen, um das Netz als ganzes effektiver zu machen. Der springende Punkt hier ist, dass die einzelnen Neuronen in ihrer Komplexität beschränkt sein dürfen oder sogar reduziert werden, und gerade dadurch Ressourcen (Rechengeschwindigkeit, Arbeitsspeicher) frei werden, die über eine andere Architektur oder mehr Neuronen zu besseren Ergebnissen führen. Dieses Phänomen, dass man einzelne Individuen in der Komplexität reduziert und dadurch Ressourcen frei werden für eine weitere Optimierung des Systems übertrug der polnische Autor Stanislaw Lem auch auf menschliche Gesellschaften.
Das globale Gehirn
Im Jahr 1983 prägte Peter Russell das Wort vom Global Brain, dem weltweiten Gehirn. Die Grundidee war, dass Menschen in Verbindung mit Kommunikationstechnologie im Großen wie ein neuronales Netz funktionieren könnten. Das metaphorische Wort inspirierte vor allem seit den 1990er Jahren mit dem Aufkommen des Internets eine Vielzahl von Veröffentlichungen und Büchern. Aber trotz vieler augenfälliger Analogien, ist unklar, wie solche Netze tatsächlich lernen sollen.
Soziale Systeme als neuronale Netze
Im Jahr 1995 veröffentlichte der Psychologe Theo Gehm ein Habilitationsschrift, in der er detailliert an vielen Beispielen zeigte, dass kleine Gruppen von Menschen in Analogie zu einem biologischen oder künstlichen neuronalen Netz modelliert werden können. So scheinen Menschen sich unbewusst gegenseitig im Rhytmus ihrer Körperbewegungen zu synchronisieren um damit Übereinstimmung bei Gesprächen zu signalisieren. Gehm sieht darin eine Analogie zur Hebbschen Regel des Lernens.
Die Evolution von Nervensystemen
Die Entwicklungsgeschichte von Nervengewebe und Gehirn könnte relevante Informationen liefern: Nach welchen Mustern verläuft die Evolution? Wie entsteht Bewusstsein? Die Spurensuche ist schwierig: Fossilien weisen kaum Spuren von Nervengewebe auf, anhand derer Forscher die Vergangenheit rekonstruieren könnten.
Lesen Sie auch: Was machen Nervenzellen?
Frühe Nervensysteme
Als frühe Lebensformen mit Nervennetzen diskutiert man Schwämme, Quallen und Würmer. Fossilien von mehrzelligen Vorformen dieser Tiere gibt es mindestens seit der erdgeschichtlichen Zeit des Ediacarium. Zellen von Pilzen tauschen in ihrem Mycel elektrische Signale mit Schwingunsdauern von mehreren Stunden aus. In einer statistischen Analyse konnte gezeigt werden, dass diese Signale zumindest formal Worten und Sätzen gesprochener Sprache entsprechen. Auch ist bekannt, dass Pilze sich gegenseitig über einen Parasitenbefall warnen können. Inwiefern hier ähnliche Prozesse wie in neuronalen Netzen von echten Tieren ablaufen ist eine offene Forschungsfrage.
Neuronentypen im motorischen Kortex
Hunderte Wissenschaftlerinnen und Wissenschaftler weltweit untersuchen die Eigenschaften verschiedener Neuronentypen im motorischen Kortex der Gehirne von Mäusen, Affen und Menschen. Diese „Landkarte der Neuronentypen“ zeigt symbolisch die Ordnung der Nervenzellen im motorischen Kortex der Maus: Die großen genetischen Familien sind klar voneinander zu unterscheiden, wie Länder auf einer Karte.
Vielfalt und Komplexität von Gehirnen
Gerhard Roth schätzt: Komplexe Gehirne haben sich hundertfach entwickelt. Auch Intelligenz entstand dabei mehrfach, etwa bei Honigbienen, Oktopussen, Buntbarschen, Rabenvögeln und Primaten - den Menschen eingeschlossen. Rein äußerlich ähneln sich diese intelligenten Gehirne wenig.
tags: #nervenzelle #vergleich #telefonverbindung