University of Pennsylvania: Forscher finden heraus, dass KI das Potenzial des Gehirns stimulieren kann

Wenn es um „Black Boxes“ geht, ist das menschliche Gehirn vielleicht am schwierigsten zu verstehen. Zahlreiche Wissenschaftler beklagen, dass sein Mechanismus zu kompliziert sei, um einen Blick auf seine Geheimnisse zu werfen.

Glücklicherweise können wir dieses Rätsel zwar nicht allein lösen, doch mit der Hilfe von Maschinen könnten die Ergebnisse anders ausfallen. In der neuesten Ausgabe der Fachzeitschrift Nature Communications wies ein Forscherteam um den Psychologen Michael Kahana von der University of Pennsylvania darauf hin, dass die bekannte „Black Box“ – Algorithmen des maschinellen Lernens – das menschliche Gedächtnis entschlüsseln und verbessern kann. Wie lässt sich das konkret erreichen? Die Antwort besteht darin, präzise elektrische Impulse in Echtzeit an das Gehirn zu senden.

Mit anderen Worten: Forscher bereiten sich darauf vor, mithilfe einer „Black Box“ das enorme Potenzial einer anderen „Black Box“ freizusetzen. Dieser Ansatz fühlt sich sehr kompliziert an: Einerseits ist es die Lösung für ein unglaubliches Problem; Andererseits ist es beunruhigend, weil es wie der Anfang eines Science-Fiction-Horrorfilms wie „The Apocalypse“ klingt.

Die beste Methode, das Gehirn zu vermessen, besteht natürlich darin, direkt in den Schädel zu blicken. Doch die öffentlichen und institutionellen Prüfungsausschüsse erlauben es niemandem, im Namen der Wissenschaft den Schädel eines anderen zu öffnen. Daher arbeitete Kahanas Team mit 25 Epilepsiepatienten und implantierte ihnen in jedes Gehirn 100 bis 200 Elektroden, um die mit Epilepsie verbundenen Gehirnentladungen zu überwachen. Mithilfe dieser Elektroden zeichnete Kahanas Team auch die mit Gedächtnisaufgaben verbundene Gehirnaktivität auf.

Der Algorithmus des maschinellen Lernens lernte, die Elektrodensignale mit der Wahrscheinlichkeit zu korrelieren, mit der sich der Patient an das Wort erinnern würde.

Kahanas Team verstand als erstes den Zustand des Gehirns, wenn es sich etwas einprägt. Sie sammelten jede Sekunde Tausende von Spannungsmessungen von jeder Elektrode, während die Patienten lasen und versuchten, sich Wörter aus einer Liste zu merken. Anschließend maßen sie das Erinnerungsvermögen der Patienten, um festzustellen, welche Gehirnaktivitäten mit dem Erinnern und Vergessen von Wörtern zusammenhingen.

Kahanas Team wiederholte die obigen Messungen mehrmals. Nachdem sie jeden Patienten zwei- bis dreimal gemessen hatten, sammelten sie genügend Daten, um den Algorithmus zu trainieren. Diese Algorithmen können anhand der Aktivität der Gehirnelektroden eines einzelnen Patienten vorhersagen, an welche Wörter er sich wahrscheinlich erinnert hat.

Der Schlüssel zu dieser Forschung liegt darin, dass die Elektroden die Aktivität des Nervs nicht nur messen, sondern auch stimulieren können. Die Forscher versuchen, das Echtzeitgedächtnis durch Stimulation des Gehirns zu verbessern (oder, wie Kahanas Team es nennt, zu „retten“). Dem Probanden wurde alle paar Sekunden ein neues Wort gezeigt und der Algorithmus ermittelte anhand seiner Gehirnsignale, ob er sich die Wörter merken konnte. „Es handelt sich um ein geschlossenes System, in dem wir den Gehirnzustand des Probanden aufzeichnen, analysieren können, ob er sich an das erinnern kann, was vor ihm liegt, und ihn stimulieren können, wenn dies nicht der Fall ist – und das alles innerhalb von wenigen hundert Millisekunden“, sagte Kahana.

Experimente haben gezeigt, dass dieser Ansatz tatsächlich wirksam ist. Mithilfe des Systems von Kahanas Team verbesserte sich das Gedächtnis dieser Patienten um durchschnittlich 15 %.

Dies ist nicht das erste Mal, dass Kahanas Labor die Auswirkungen der Gehirnstimulation auf das Gedächtnis untersucht hat. Im letzten Jahr schlug ihr Team vor, dass Elektrodenimpulse das Gedächtnis sowohl verbessern als auch verschlechtern können und dass der Schlüssel im richtigen Zeitpunkt der Anwendung der Elektrodenimpulse liegt. In der Studie stellten die Forscher fest, dass die Testpersonen höhere Ergebnisse erzielten, wenn sie den Gedächtnisbereich des Gehirns während einer Phase geringer Leistungsfähigkeit stimulierten (der gegenteilige Effekt war zu beobachten, wenn die Stimulation während einer Phase hoher Leistungsfähigkeit angewendet wurde). Dies ist eine bedeutende Entdeckung, die jedoch leider nicht bei der Behandlung hilft. Denn die Beziehung zwischen Gedächtnis und Gehirnzustand können Forscher erst definieren, wenn sie den Gedächtnistest durchgeführt haben. Wenn Sie Ihr Gedächtnis verbessern möchten, müssen Sie während des Gedächtnisprozesses eine Pulsstimulation anwenden.

Nun haben Kahana und seine Kollegen den Kreis mit Hilfe eines Algorithmus für maschinelles Lernen geschlossen. „Es ist derselbe Algorithmus, der Katzenbilder erkennt, nur dass wir ihn verwenden, um die elektrische Aktivität des Gehirns zu überwachen und so festzustellen, ob sich das Gehirn in einem lernförderlichen Zustand befindet“, sagte Kahana. Wenn das elektrische Signal anzeigt, dass das Gehirn Erinnerungen effizient kodiert, ignorieren wir es. Ist dies nicht der Fall, sendet das System schnell elektrische Impulse an das Gehirn, um es effizienter zu machen. Es wirkt wie ein Schrittmacher für das Gehirn.

Bradley Voytek, Neurowissenschaftler an der University of California in San Diego, kommentierte die Forschungsergebnisse: „Sie sind nicht entscheidend, aber auf jeden Fall vielversprechend. Entscheidend ist, ob die nächste Forschung auf diesem Gebiet bessere Ergebnisse hervorbringen kann. Wenn mehr Elektroden in das Gehirn des Patienten implantiert werden können, kann der Algorithmus mehr neuronale Signale in kürzerer Zeit entschlüsseln und die Spezifität des Systems verbessern. Umfangreichere Daten können auch dazu beitragen, die Leistung des Systems zu verbessern. Die meisten Epilepsiepatienten nehmen nur wenige Wochen an ähnlichen Studien teil. Wenn über einen längeren Zeitraum Daten für das Training gesammelt werden können, wird die Leistung des Modells definitiv besser sein.“

Doch selbst wenn dieses System detailliertere und umfangreichere Daten sammeln kann, müssen sich Wissenschaftler mit der Frage auseinandersetzen, welche Konsequenzen sich aus der Verwendung von „Black-Box“-Algorithmen zur Untersuchung und Manipulation des menschlichen Gehirns ergeben. Obwohl Kahanas System die Fähigkeit der Probanden, sich unter bestimmten Umständen an Wörter zu erinnern, verbessern kann, ist ihm nicht klar, wie dieser Prozess erreicht wird. Genau das ist die Natur des maschinellen Lernens.

Glücklicherweise hat Kahanas Team dies erkannt und die Prinzipien einiger Algorithmen lassen sich relativ einfach im Detail untersuchen. Für diese Studie verwendeten sie einen einfachen linearen Klassifikator, der es ihnen ermöglichte, einige Rückschlüsse darauf zu ziehen, wie sich die Aktivität einzelner Elektroden darauf auswirkte, wie das Modell Muster der Gehirnaktivität unterschied. „Wir können noch nicht sicher sein, ob die Merkmale, die wir zur Aufzeichnung der Gehirnaktivität verwenden, korreliert sind“, sagte Youssef Ezzyat, ein Psychologe der UPenn, der die maschinelle Lernanalyse der Studie leitete.

Komplexere Deep-Learning-Techniken führen nicht unbedingt zu einer größeren Verbesserung der kognitiven Fähigkeiten. Aber wenn es funktioniert, werden sich die Forscher den Kopf zerbrechen, um herauszufinden, wie der Algorithmus funktioniert, der elektrische Impulse nutzt, um das menschliche Gehirn zu erweitern. Oder es wird schwerwiegende Folgen haben und die Forscher werden herausfinden, warum und in der Lage sein, dies zu verhindern.

Von: Leifeng.com