Sie denken, Ihre Gehirnneuronen seien chaotisch und ungeordnet, aber sie führen tatsächlich stillschweigend „kollektive Aktionen“ aus.

Wang Linlin Liu Chuanbo

Die Funktionsweise des Gehirns zu verstehen, war schon immer eine große Herausforderung für die Wissenschaft. Kürzlich veröffentlichte ein Forscherteam von Google und der Harvard University gemeinsam ein bahnbrechendes Forschungsergebnis in der internationalen Fachzeitschrift Science. Im Rahmen der Studie wurde das menschliche Gehirn erfolgreich mit einer Präzision im Nanometerbereich modelliert. Dabei wurden der bislang größte Datensatz elektronenmikroskopischer Bilder und die höchstauflösende Karte der synaptischen Verbindungen des menschlichen Gehirns erstellt. Dieser Durchbruch zeigt nicht nur die Feinstruktur der komplexen Verbindungen des menschlichen Gehirns, sondern bietet auch die Möglichkeit für eine eingehende Analyse der Gehirnfunktionen und die Behandlung damit verbundener Krankheiten in der Zukunft.

Die Forscher schnitten eine 1 Kubikmillimeter große Gewebeprobe aus dem Temporallappen eines 45-jährigen Epilepsiepatienten mit nanometergenauer Präzision aus und bildeten sie mit einem Rasterelektronenmikroskop ab. Dabei erhielten sie insgesamt etwa 1,4 PB (1,4 Billionen Bytes) an Bilddaten. Wie groß ist diese Datenmenge? Man kann sagen, dass selbst wenn alle Computer der Welt zur Speicherung genutzt würden, diese nur ausreichen würden, um die Bilddaten von etwa 9 menschlichen Gehirnen zu speichern.

Durch die Durchführung einer detaillierten Segmentierung der neuronalen Morphologie und Rekonstruktion der Zellstruktur dieser Bilddaten konnten die Wissenschaftler erfolgreich mehr als 57.000 Zellkerne und 150 Millionen Synapsen identifizieren. Basierend auf diesen Daten könnte die Zahl der Synapsen im gesamten Gehirn mehrere zehn Billionen betragen. Zum Vergleich: Die Anzahl der Parameter des weltweit größten künstlichen neuronalen Netzwerks beträgt weniger als 10 Billionen, was nur der Komplexität einer Fläche von 1 Kubikzentimeter im Gehirn entspricht.

Wissenschaftler haben herausgefunden, dass das Gehirn zwar über 86 Milliarden Neuronen verfügt, diese jedoch nicht unabhängig voneinander arbeiten, sondern eher kollektiv agieren. Wir können dieses Phänomen mit Schülern auf dem Spielplatz vergleichen: In der Freizeit machen die Schüler ihre eigenen Sachen und es herrscht ein großes Chaos. Angenommen, es gibt 100 Schüler und jeder Schüler benötigt zwei Koordinaten zur Darstellung, dann werden insgesamt 200 Koordinaten benötigt, d. h. es wird ein 200-dimensionaler Raum konstruiert. Wenn jedoch im Sportunterricht alle Schüler gemeinsam laufen, entsteht eine geordnete Schlange, die mit weit weniger als 200 Koordinaten beschrieben werden kann. Unter der Annahme, dass die Schüler beider Klassen Gruppenaktivitäten durchführen, reichen nur vier Dimensionen aus, um die Bewegungen aller Schüler näherungsweise zu beschreiben.

Diese Situation kann mit der kollektiven Aktivität von Neuronen im Gehirn verglichen werden, d. h., die Gehirnaktivität kann in einem niedrigdimensionalen Raum dargestellt werden. Dieser niedrigdimensionale Raum steht in direktem Zusammenhang mit der Funktion und dem Verhalten des Gehirns, und diese Theorie wird auch als „neuronales Mannigfaltigkeitsmodell“ bezeichnet.
Wie viele Raumdimensionen können also zur Darstellung der Gehirnaktivität verwendet werden?

Kürzlich veröffentlichte das Hirnforschungsjournal Neuron online die neuesten Forschungsergebnisse der Rockefeller University in den USA. Durch eine eingehende statistische Analyse stellten die Wissenschaftler fest, dass mit der Zunahme der Neuronenzahl auch die Dimension des kollektiven Bewegungsverhaltens der Neuronen in der Großhirnrinde unbegrenzt zunahm. Die Studie ergab, dass 16 der Dimensionen eng mit dem motorischen Verhalten der Mäuse zusammenhingen, während andere Dimensionen auf höherer Ebene mit bestimmten inneren Aktivitäten in Zusammenhang zu stehen schienen, die nicht direkt bestimmten motorischen Verhaltensweisen zugeordnet werden konnten. Diese verborgenen Dimensionen weisen kontinuierliche Zeitskaleneigenschaften auf, wobei die Signale über die gesamte Großhirnrinde verteilt sind. Diese Entdeckung zeigt, dass diese verborgenen Dimensionen möglicherweise eng mit der Informationsübertragung und -verarbeitung in der Großhirnrinde zusammenhängen und für Berechnungen und adaptives Verhalten innerhalb der neuronalen Netzwerke des Gehirns von entscheidender Bedeutung sind.

Wissenschaftler spekulieren, dass das scheinbar redundante Design des Gehirns möglicherweise darauf abzielt, ein wirksames Gleichgewicht zwischen Stabilität, Effizienz und Anpassungsfähigkeit zu erreichen.

Durch die Untersuchung der verbundenen Neuronennetzwerke im Gehirn und ihrer gemeinsamen Aktionen können wir ein tieferes Verständnis davon gewinnen, wie das Gehirn effizient arbeitet. Dieses Verständnis enthüllt nicht nur die komplexen Mechanismen, mit denen das Gehirn Informationen verarbeitet, sondern bietet auch neue Möglichkeiten zur Simulation der Gehirnfunktion und zur Behandlung neurologischer Erkrankungen. Ein tiefes Verständnis des motorischen Verhaltens des Gehirns wird uns nicht nur dabei helfen, mit verschiedenen neurologischen Erkrankungen umzugehen, sondern auch die Konstruktion effizienterer Computerhardware und die Entwicklung fortschrittlicher Gehirn-Computer-Schnittstellen fördern und so einen reibungsloseren Kommunikationskanal zwischen Mensch und Maschine schaffen. Durch die Simulation der Funktionsweise von Neuronen können Wissenschaftler neue Arten von Computermodellen entwickeln. Diese Modelle könnten bestehende elektronische Computer hinsichtlich Verarbeitungsgeschwindigkeit und Effizienz übertreffen.

(Der Autor Wang Linlin ist Mitglied der Science Popularization Creation Association der Provinz Jilin und wissenschaftlicher Mitarbeiter am Servicezentrum für Wissenschafts- und Technologiearbeiter der Provinz Jilin; Liu Chuanbo ist Mitglied der Science Popularization Creation Association der Provinz Jilin und Doktor am Changchun Institute of Applied Chemistry der Chinesischen Akademie der Wissenschaften.)