Forscher testen mit Künstlicher Intelligenz, auf welche Bilder Neuronen von Affen anspringen. Die Ergebnisse werfen Fragen auf.
1962 zeigten Forscher erstmals, dass einzelne Neuronen des Sehzentrums bevorzugt auf einzigartige Reize reagieren, etwa Augen oder ganze Gesichter. Das löste eine Welle von Versuchen aus. Das Ziel der Wissenschaftler: Verstehen, wie wir und andere Spezies die Welt wahrnehmen.
Dabei entstand eine neue These, nämlich dass einzelne Neuronen gezielt dafür abgestellt sind, spezielle visuelle Reize zu verarbeiten. Einige erkennen Formen, andere Farben, wieder andere Gesichter.
Mehr Möglichkeiten als Zeit
Forscher ordnen die Neuronen einzelnen visuellen Aufgaben zu, indem sie einem Testsubjekt unzählige Bilder zeigen und messen, welches Neuron verlässlich feuert.
Allerdings schränkt die Vorauswahl der Forscher möglicherweise ein, wie nahe die Bilder an den tatsächlichen, effektiven Stimuli sind.
Ein Beispiel: Reagiert ein Neuron auf das ganze Gesicht? Oder nur auf die Augen? Oder ist es womöglich die Kombination aus Augen und Nase? Und wie können wir überhaupt sicher sein, dass es eine Nase erkennt?
Um diese Fragen klar zu beantworten, müssten dem Testsubjekt alle möglichen Kombinationen aus Bildpunkten gezeigt werden. Bei 100 mal 100 Bildpunkten sind das - ohne Farben - schon 2 hoch 10.000 Möglichkeiten. Oder anders gesagt: sehr viele.
Hirnmessung und KI
Jetzt haben Forscher eine neue Lösung für dieses methodische Problem entwickelt: Sie setzen eine Künstliche Intelligenz ein, die die Bilder für den Sehtest laufend automatisch entlang der Reaktion der Neuronen anpasst.
So drehen sie die Logik des Tests um: Anstatt den Neuronen Bilder zu zeigen, kommuniziert das Neuron, welches Bild es sehen will.
Getestet wurde das Verfahren jetzt an Makaken-Affen. Um die Reaktionen einzelner Neuronen zu messen, implantierten die Forscher Elektroden in ihre Gehirne. Anschließend fixierten die Primaten einen Bildschirm, auf dem von einem neuronalen Netz generierte Bilder flimmerten. Als Belohnung gab’s Fruchtsaft.
GAN-Netzwerk passt sich an
Die anfangs 40 rein zufällig generierten Bilder wurden anhand der neuronalen Aktivität des Affengehirns bewertet. Die zehn Bilder mit den höchsten Reaktionswerten bildeten die visuelle Grundlage für die nächsten 30 KI-Bilder.
Die 30 neuen Bilder wurden nach demselben Verfahren bewertet und erzeugten wieder neue – und so weiter. So näherten sich die Bilder in bis zu 250 Durchgängen dem optimalen Stimulus für das gemessene Neuron: Das Neuron trainiert die Künstliche Intelligenz.
Das Ergebnis: Die KI startete den Bildwettbewerb mit grauen, formlosen Bildern und endete mit grellen, seltsamen Motiven, aus denen verformte Gesichter zu blicken scheinen.
Forscher glauben an "Super-Stimulus"
Das Besondere an der Forschungsarbeit: Die künstlich generierten Bilder sind ein besserer Stimulus als alle zuvor getesteten gewöhnlichen Bilder. Für die Forscher ist das ein Hinweis, dass sie mit maschinellem Lernen eine Art "Super-Stimulus" erzeugen können.
Das wiederum sei ein Indiz, dass Neuronen nicht unmittelbar auf Objekte reagieren (zum Beispiel Gesicht, Tisch, Ball). Tatsächlich scheinen sie abstrakter zu funktionieren, so die Forscher. Die seltsamen Farben und undefinierbaren Formen ihres Super-Stimulus zeigten, dass bisherige Theorien über Neuronen unzureichend seien.
Der Einsatz von KI für die Erforschung von Neuronen könnte in Zukunft unser Verständnis des Gehirns vertiefen – und damit auch die Entwicklung Künstlicher Intelligenz und neuer Gehirn-Computer-Interfaces voranbringen.
Quelle: Biorxiv
