Neue Forschung erschüttert lang etablierte Annahmen zur Entscheidungsfindung im Gehirn

Seine inneren Abläufe sind so schwer zu verstehen, dass die Rückentwicklung desselben 2008 zu einer der 14 großen Herausforderungen National Academy Engineering erklärt wurde. Seit Jahren basieren Wissenschaftler künstliche Intelligenz-Systeme Convolutional Neural Networks auf Annahme, dass Entscheidungen durch einen schrittweisen Informationsfluss entstehen, der in frühen sensorischen Regionen beginnt und Frontalhirn endet.

Forscher Vlasov hinterfragen diese Annahme nun erneut. Über hierarchische Modelle Intelligenz hinaus Eine weitere Perspektive auf Gehirn konzentriert sich auf die natürliche Intelligenz, die durch Evolution geformt wurde und nicht Menschen entworfen. In diesem Rahmen erfolgt Entscheidungsfindung nicht in einer einfachen Sequenz.

Stattdessen umfasst sie vernetzte Rückkopplungsschleifen, Signale in beide Richtungen zwischen verschiedenen Gehirnregionen senden. Die natürliche Intelligenz zeichnet sich zudem durch ihre Effizienz aus: Sie kann komplexe Berechnungen durchführen und dabei deutlich weniger Energie verbrauchen als aktuelle KI-Systeme.

Um besser zu verstehen, wie dies

Um besser zu verstehen, wie dies funktioniert, haben Vlasov und sein Team Gehirn aus systemischer Perspektive untersucht und dabei betrachtet, wie verschiedene Bereiche interagieren, statt sie isoliert zu analysieren. „Wir wollen Evolution lernen", sagte Vlasov. „Wie ist diese biologische Intelligenz architektonisch organisiert?

Können Gehirns lernen und diese nachahmen, um KI leistungsfähiger, energieeffizienter und intelligenter zu machen als sie es derzeit ist? Bereich Entscheidungsfindung liegt genau dort, wo aktuelle KI nachholt." Frühe Hirnregionen Entscheidungssignale Um Komplexität Gehirns zu bewältigen, konzentrierten sich Forscher auf seine frühesten Verarbeitungsstufen, die für Sinneswahrnehmung Wahrnehmung zuständig sind.

Sie zeichneten neuronale Aktivität bei Mäusen auf, während sich Tiere durch einen virtuellen Realitätsgang bewegten Entscheidungen Grundlage ihrer Wahrnehmungen trafen. Ergebnisse waren unerwartet. Signale, die Entscheidungsfindung verknüpft sind, traten im primären somatosensorischen Kortex (S1) auf, einem Bereich, der traditionell mit grundlegender sensorischer Verarbeitung assoziiert wird.

Dies deutet darauf hin, dass aktivitäten

Dies deutet darauf hin, dass aktivitäten Zusammenhang Entscheidungen bereits früher Gehirn beginnen als bisher angenommen. Weitere Analysen zeigten, dass S1 durch Rückkopplungsschleifen höherer Gehirnregionen beeinflusst wird.

Diese top-down-Modulation zeigt, dass Entscheidungsfindung nicht allein durch einseitige, feed-forward-Signalisierung angetrieben wird, sondern vielmehr durch fortlaufende Interaktionen auf mehreren Ebenen Gehirns erfolgt. „Der neuronale Code 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 realen Gehirnen lernen, die künstliche Intelligenz weiter verbessern.

Implikationen für zukünftige KI-Architekturen Erkenntnisse liefern keinen direkten Bauplan für Entwicklung besserer künstlicher Intelligenz, bieten jedoch einen neuen Ansatz Nachdenken darüber. Durch Untersuchung, wie Gehirn Informationen organisiert und verarbeitet, könnten Forscher Prinzipien identifizieren, die KI-Systeme verbessern.

Vlasov und sein Team beabsichtigen, Erforschung

Vlasov und sein Team beabsichtigen, Erforschung der zeitlichen Veränderungen Gehirnaktivität fortzusetzen, mit einem Schwerpunkt auf schnellen zeitlichen Dynamiken.

Zudem entwickeln sie neue Werkzeuge zur präziseren Messung Analyse neuronaler Signale. „Wenn wir uns die schnellen zeitlichen Dynamiken der neuronalen Aktivität ansehen, könnten wir vielleicht besser verstehen, wie diese Rückkopplungsschleifen Entscheidungsprozessen beteiligt sind", sagte Vlasov. „Vielleicht ist dies Ansatz, der potenziell diese derzeit noch unbekannten Mechanismen aufdeckt – wie diese Rückkopplungsschleifen dynamisch organisiert sind und wie sie verschiedene Ebenen Verarbeitung bilden und gestalten." Vielleicht lässt sich dies in neuen Architekturen für KI umsetzen.

Referenz: „Neuronale Korrelate der wahrnehmungsbedingten Entscheidungsfindung im primären somatosensorischen Cortex" Yurii Vlasov, 29. April 2026, Proceedings of National Academy Sciences. DOI: 10.1073/pnas.2514107123