Einführung
Künstliche neuronale Netze (KNNs) haben sich in den letzten Jahren als äußerst leistungsfähige Werkzeuge in verschiedenen Bereichen erwiesen, von der Bilderkennung bis zur natürlichen Sprachverarbeitung. Sie sind inspiriert von der Funktionsweise des menschlichen Gehirns, insbesondere von der Art und Weise, wie Neuronen Informationen verarbeiten und weiterleiten. Ein Team von Forschenden des Göttingen Campus Instituts für Dynamik biologischer Netzwerke (CIDBN) der Universität Göttingen und des Max-Planck-Instituts für Dynamik und Selbstorganisation (MPI-DS) hat nun einen bedeutenden Fortschritt in der Entwicklung künstlicher Neuronen erzielt. Sie haben sogenannte infomorphe Neuronen programmiert und aus ihnen künstliche neuronale Netze konstruiert. Das Besondere an diesen Neuronen ist ihre Fähigkeit, selbstorganisiert zu lernen und sich die dafür notwendigen Informationen aus ihrer unmittelbaren Umgebung im Netzwerk zu ziehen.
Die Kluft zwischen künstlichen und biologischen Neuronen
Sowohl das menschliche Gehirn als auch moderne künstliche neuronale Netze sind extrem leistungsfähig. Auf unterster Ebene arbeiten die Neuronen dabei als vergleichsweise einfache Recheneinheiten zusammen. Ein künstliches neuronales Netz besteht typischerweise aus mehreren Schichten, die sich aus einzelnen Neuronen zusammensetzen. Durch diese Schichten geht ein Eingangssignal, das die künstlichen Neuronen weiterverarbeiten, um relevante Informationen auszulesen.
Allerdings unterscheiden sich herkömmliche künstliche Neuronen in ihrer Lernweise stark von ihren biologischen Vorbildern. Während die meisten künstlichen neuronalen Netze auf eine übergeordnete Koordination außerhalb des Netzwerkes angewiesen sind, um zu lernen, empfangen und verarbeiten biologische Neuronen lediglich Signale von anderen Neuronen aus ihrer direkten Umgebung im Netzwerk. Diese dezentrale Lernweise ermöglicht es biologischen neuronalen Netzen, sich flexibel an veränderte Umweltbedingungen anzupassen und komplexe Aufgaben zu lösen.
Infomorphe Neuronen: Selbstständiges Lernen nach dem Vorbild des Gehirns
Die neuartigen künstlichen Neuronen, sogenannte infomorphic neurons, sind in der Lage, selbstständig zu lernen und sich untereinander selbst zu organisieren. Das heißt, dass die kleinste Einheit im Netz nicht mehr von außen gesteuert werden muss, sondern selbst entscheidet, welcher Input relevant ist und welcher nicht. Dieser Ansatz stellt einen Paradigmenwechsel in der Entwicklung künstlicher neuronaler Netze dar, da er die Notwendigkeit einer zentralen Steuerung reduziert und die Flexibilität und Anpassungsfähigkeit der Netze erhöht.
Bei der Entwicklung der infomorphic neurons ließ sich das Team von der Funktionsweise des Gehirns inspirieren, speziell von den Pyramidenzellen in der Großhirnrinde. Auch diese verarbeiten Reize aus verschiedenen Quellen in ihrer direkten Umgebung und nutzen sie, um sich anzupassen und zu lernen. Indem sie die Lernziele definierten, ermöglichten die Forschenden den Neuronen, selbst die konkreten Regeln zu finden, nach denen sie lernen. So stellte das Team das Lernen an jedem einzelnen Neuron in den Mittelpunkt.
Lesen Sie auch: Ursachen, Symptome und Behandlungen von Motoneuron-Erkrankungen
Informationstheorie als Schlüssel zum selbstorganisierten Lernen
Um die infomorphen Neuronen zum selbstständigen Lernen zu befähigen, nutzten die Forschenden ein neuartiges Maß der Informationstheorie. Mithilfe dieses Maßes konnten sie exakt einstellen, ob ein Neuron mehr Redundanz mit seinen Nachbarn anstreben soll, synergetisch zusammenarbeiten soll oder versuchen soll, sich auf einen eigenen Teil der Information des Netzwerkes zu spezialisieren.
Valentin Neuhaus vom MPI-DS erläutert: „Durch diese Spezialisierung auf bestimmte Aspekte des Inputs und der Koordination mit den Nachbarn erkennen unsere infomorphic neurons, wie sie ihren Teil zur Gesamtaufgabe des Netzwerks beitragen können.“ Dieser Ansatz ermöglicht es den Neuronen, ihre Rolle im Netzwerk selbst zu definieren und sich optimal an die jeweilige Aufgabe anzupassen.
Mögliche Anwendungen und Ausblick
Die Entwicklung infomorpher Neuronen hat das Potenzial, die Leistungsfähigkeit und Flexibilität künstlicher neuronaler Netze deutlich zu erhöhen. Da diese Neuronen in der Lage sind, selbstorganisiert zu lernen, könnten sie in Zukunft in einer Vielzahl von Anwendungen eingesetzt werden, darunter:
- Robotik: Infomorphe Neuronen könnten Robotern helfen, sich selbstständig an neue Umgebungen anzupassen und komplexe Aufgaben zu erlernen, ohne dass eine detaillierte Programmierung erforderlich ist.
- Autonome Systeme: In autonomen Fahrzeugen könnten infomorphe Neuronen dazu beitragen, die Wahrnehmung der Umgebung zu verbessern und schnell auf unvorhergesehene Ereignisse zu reagieren.
- Medizinische Diagnostik: Infomorphe Neuronen könnten in der medizinischen Bildgebung eingesetzt werden, um subtile Muster in medizinischen Bildern zu erkennen und so die Diagnose von Krankheiten zu verbessern.
- Finanzwesen: Im Finanzwesen könnten infomorphe Neuronen eingesetzt werden, um Markttrends zu analysieren und Risiken zu minimieren.
Die Forschung an infomorphen Neuronen steht noch am Anfang, aber die ersten Ergebnisse sind vielversprechend. In Zukunft könnten diese Neuronen eine wichtige Rolle bei der Entwicklung intelligenter Systeme spielen, die in der Lage sind, komplexe Probleme zu lösen und sich an veränderte Umweltbedingungen anzupassen.
Wissenschaftliche Veröffentlichungen
Die Ergebnisse der Forschung an infomorphen Neuronen wurden in den folgenden wissenschaftlichen Artikeln veröffentlicht:
Lesen Sie auch: Fliegen und Drohnen im Fokus
- Makkeh, A., Graetz, M., Schneider, A. C., Ehrlich, D. A., Priesemann, V., & Wibral, M. A General Framework for Interpretable Neural Learning based on Local Information-Theoretic Goal Functions. Proceedings of the National Academy of Sciences (PNAS) 2025.
- Schneider, A. C., Neuhaus, V., Ehrlich, D. A., Makkeh, A., Ecker, A. S., Priesemann, V., & Wibral, M. (2025). What should a neuron aim for? Designing local objective functions based on information theory.
Diese Artikel bieten einen detaillierten Einblick in die Funktionsweise infomorpher Neuronen und die theoretischen Grundlagen ihrer Entwicklung.
Lesen Sie auch: Die Rolle des Zellkörpers in Neuronen