Discovery neu definiert die Architektur des Denkens

Herausforderung der Hierarchie: Traditionelle KI (wie Convolutional Neural Networks) basiert auf einem „bottom-up"-Modell, bei dem das Wahrnehmen zuerst und das Entscheiden erst im Frontalkortex stattfindet. Diese Studie fand Entscheidungs-signale bereits in den allerersten Stufen der sensorischen Wahrnehmung. Die Kraft der Rückkopplung: Die Entscheidungsfindung im Gehirn wird dynamisch durch top-down-Regulation moduliert.

Höhere Hirnregionen interagieren über Rückkopplungsschleifen mit „frühen" Regionen, wodurch das Gehirn Informationen bidirektional verarbeiten kann. Evolution als Architekt: Natürliche Intelligenz, geformt durch eine Milliarde Jahre Evolution, ist rechnerisch leistungsfähiger und energieeffizienter als aktuelle KI. Vlasov zielt darauf ab, diese architektonische Effizienz „reverse-engineering" zu entschlüsseln.

Testung in virtueller Realität: Das Team zeichnete die neuronale Aktivität bei Mäusen auf, die sich in einem virtuellen Korridor orientierten. Dabei stellten sie fest, dass selbst „perzeptive" Hirnregionen aktiv an Entscheidungen über die Umgebung beteiligt sind.

Zukünftige KI-Architekturen: Das Verständnis dieser schnellen

Zukünftige KI-Architekturen: Das Verständnis dieser schnellen zeitlichen Dynamiken und Rückkopplungsschleifen bietet einen potenziellen Fahrplan für die nächste Generation, die „weniger stromhungrig und intelligenter" sein wird.

Quelle: Universität Illinois Neue Erkenntnisse über Entscheidungswege im Gehirn könnten die Denkweise üglich künstlicher Intelligenz verändern, wie neue Forschungsergebnisse des Grainger College of Engineering der Universität Illinois Urbana-Champaign zeigen.

Unter der Leitung des Professors für Elektrotechnik und Informatik Yurii Vlasov und veröffentlicht in den Proceedings of the National Academy of Sciences (PNAS) heben die Ergebnisse der Forschungsgruppe die Beteiligung früher Hirnregionen an Entscheidungsprozessen hervor und stellen damit lang etablierte Annahmen über die Hierarchie des Gehirns in Frage.

Das menschliche Gehirn gilt seit langem

Das menschliche Gehirn gilt seit langem als die komplexeste Struktur im Universum; es bleibt ein solches Rätsel, dass die Rückentwicklung des Gehirns 2008 Engineering als eine von 14 großen Herausforderungen des Ingenieurwesens im 21. Jahrhundert identifiziert wurde.

Seit Jahrzehnten bilden Annahmen über das menschliche Gehirn die Grundlage für Convolutional Neural Networks und andere Formen der künstlichen Intelligenz: nämlich die Vorstellung, dass Entscheidungsfindung in einem hierarchischen, bottom-up-Fluss, der in frühen Hirnregionen beginnt und im Frontalcortex endet.

In den letzten Jahren haben Wissenschaftler wie Vlasov jedoch diese vorherrschende Sichtweise zunehmend in Frage gestellt. Eine alternative Perspektive stützt sich auf die natürliche Intelligenz – einen durch die Evolution geformten Prozess statt durch Maschinen.

Leistung und Energieausbeute

In diesem Verständnis des Gehirns erfolgt die Entscheidungsfindung nicht nur über sequenzielle Stufen, sondern auch über verschachtelte Rückkopplungsschleifen, die bidirektional arbeiten. Natürliche Intelligenz ist rechnerisch leistungsfähiger als aktuelle Iterationen künstlicher Intelligenz und benötigt deutlich weniger Energie, wodurch sie ein attraktives Modell für zukünftige KI-Systeme darstellt.

Um ihr Verständnis dieses Prozesses zu vertiefen, haben Vlasov und sein interdisziplinäres Forscherteam angestrebt, die Gehirnarchitektur aus einer systemischen Perspektive zu analysieren und zu verstehen. „Wir wollen Evolution lernen", sagte Vlasov. „Wie ist diese biologische Intelligenz architektonisch organisiert?

Können wir Gehirns lernen und diese nachahmen, um KI-Systeme effektiver, energieeffizienter und intelligenter zu machen als sie es derzeit sind?" Auf der Ebene der Entscheidungsfindung liegt genau der Punkt, an dem aktuelle KI noch Schwächen aufweist. Um den Komplexitäten der Hirnforschung zu begegnen, begann Vlasov mit der Untersuchung der frühesten Stadien, die für das Wahrnehmen und die Verarbeitung der Welt zuständig sind.

Nachdem die Illinois-Forscher die neuronale Aktivität

Nachdem die Illinois-Forscher die neuronale Aktivität bei Mäusen aufgezeichnet hatten, die in einem virtuellen Realitätsgang navigierten und Wahrnehmungsentscheidungen trafen, waren sie überrascht, Entscheidungssignale bereits so früh in der Hirnhierarchie zu finden – nämlich bereits im primären somatosensorischen Cortex (S1).

Der S1 scheint dynamisch durch top-down-Regulation moduliert zu werden; höhere Hirnregionen aktivieren ihn über Rückkopplungsschleifen.

Dies deutet darauf hin, dass Entscheidungsfindung nicht ausschließlich auf unidirektionalen feed-forward-Prozessen basiert, wie bisher angenommen. „Der neuronale Code des Gehirns ist nach wie vor größtenteils eine unbekannte Sprache", sagte Vlasov. „Dieses systemische Verständnis kann jedoch als potenzieller Einfluss darauf betrachtet werden, wie effizientere künstliche neuronale Netze entwickelt werden können – wie die nächste Generation." „Vielleicht können wir mit diesen Analogien, die wir aus echten Gehirnen lernen, die KI weiter verbessern." Obwohl die Ergebnisse kein direktes Rezept für die Entwicklung besserer KIs darstellen, positioniert Vlasov sie als etwas Neues, das vom Gehirn gelernt werden kann.

Moegliche Anwendungen

In Zukunft werden Vlasov und sein Team die Komplexität ihrer Erkenntnisse im Kontext temporaler Dynamiken weiter erforschen und neue Werkzeuge entwickeln, um Signale aus dem Gehirn abzufragen und zu erfassen. „Wenn wir uns die schnellen temporalen Dynamiken der neuronalen Aktivität ansehen, vielleicht verstehen wir besser, wie diese Rückkopplungsschleifen bei Entscheidungsprozessen beteiligt sind", sagte Vlasov. „Vielleicht ist dies der Ansatz, der diese derzeit noch unbekannten Mechanismen aufdeckt – wie diese Rückkopplungsschleifen dynamisch organisiert sind und wie sie verschiedene Verarbeitungsebenen bilden und gestalten.

Vielleicht lässt sich dies in neuen Architekturen für die KI umsetzen." Wichtige Fragen beantwortet: A: Sie arbeiten in Echtzeit zusammen. Anstatt dass der sensorische Bereich lediglich ein „Bild" an den Frontalkortex sendet, übermittelt der Frontalkortex Rückkopplungssignale zurück in den sensorischen Bereich, um ihm dabei zu helfen, das Gesehene im Moment der Wahrnehmung zu „entscheiden".

Es handelt sich um einen ständigen, hochgeschwindigkeitsgetriebenen Dialog. A: Die meisten heutigen KI-Systeme arbeiten „feed-forward", das heißt, sie verarbeiten Daten in einer einzigen Richtung.

Leistung und Energieausbeute

Durch die Integration der im Gehirn gefundenen „nested feedback loops" könnten Ingenieure eine KI entwickeln, die sowohl bei der Schlussfolgerungsfähigkeit als auch bei der Mustererkennung deutlich leistungsfähiger ist und dabei nur einen Bruchteil des Stroms verbraucht. A: Es ist ein entscheidendes Puzzleteil.

Die National Academy of Engineering hat die Rückentwicklung des Gehirns zu einem der „grand challenges" des Jahrhunderts erklärt. Die Erkenntnis, dass Entscheidungsfindung ein verteilter, systemischer Prozess ist und nicht ein top-down Befehl, stellt einen fundamentalen Wandel in unserem „Karte" des Geistes dar. Redaktionelle Hinweise: Dieser Artikel wurde News bearbeitet. Zusätzliche Kontextinformationen wurden ügt.

Zu diesem Forschungsbericht über Entscheidungsfindung und Kognition Autor: Aaron Seidlitz Quelle: Universität Illinois Kontakt: Aaron Seidlitz – Universität Illinois Bild: Das Bild ist Neuroscience News zugeordnet Ursprüngliche Forschung: Zugangsbeschränkt. „Neural correlates of perceptual decision-making in the primary somatosensory cortex" Yurii Vlasov.

PNAS DOI: 10.1073/pnas.2514107123 Neuronale Korrelate der

PNAS DOI: 10.1073/pnas.2514107123 Neuronale Korrelate der wahrnehmungsbezogenen Entscheidungsfindung in der primären somatosensorischen Rinde Demnach wird angenommen, dass das Gehirn Entscheidungen durch eine schrittweise Akkumulation sensorischer Evidenz erzeugt, die über eine hierarchisch organisierte feedforward-Kaskade neuronaler Aktivitäten erfolgt.

Diese Kaskade wandelt frühe Repräsentationen des Stimulus in der primären somatosensorischen Rinde (S1) in eine in prämotorischen Arealen verarbeitete Wahrnehmungsentscheidung um. Kürzlich wurde diese vorherrschende Sichtweise durch die Beobachtung äten bereits so früh in der Hierarchie wie in S1 herausgefordert.

Um diese scheinbar kontroversen Beobachtungen in Einklang zu bringen, nutzen wir ein ethologisches Paradigma der Tasthaar-gesteuerten Navigation von Mäusen in einer taktilen virtuellen Realität, kombiniert mit dichten elektrophysiologischen Aufzeichnungen im tasthaarbezogenen Bereich wS1.

Indem wir den Mäusen nur ein

Indem wir den Mäusen nur ein Paar C2-Tasthaare für die Navigation belassen, haben wir effektiv eine Informationsbottleneck für den sensorischen Input zur Entscheidungsfindung gestaltet.

Wir zeigen, dass die neuronale Aktivität während der Akkumulation sensorischer Evidenz einen dramatischen Kollaps der hochdimensionalen Spike-Aktivität auf eine einzige latente Variable aufweist, gefolgt synchronen Anstieg über die gesamte kortikale Säule. Wir zeigen, dass diese Variable mit Modellen der graduellen Akkumulation eine Entscheidungsgrenze übereinstimmt.

Diese Beobachtungen deuten darauf hin, dass S1 möglicherweise direkt an einer kategorialen Kodierung einer „alles-oder-nichts"-Entscheidungsvariable beteiligt ist, die über kortiko-kortikale Rückkopplungsschleifen erfolgt, über die sensorische Informationen reverbieren, um in Wahrnehmung und Handlung umgewandelt zu werden.