Wie weit sind wir von der virtuellen Welt in „Matrix“ entfernt?

Werden wir uns eines Tages in der Lage sein, uns durch Stimulation unseres Gehirns in verschiedene fantastische virtuelle Welten zu versetzen, genau wie in „Matrix“? Werden wir eines Tages in der Lage sein, mithilfe von Gehirn-Computer-Schnittstellen die elektrischen Signale im Gehirn behinderter Patienten zu entschlüsseln und ihnen zu helfen, wieder zu gehen oder zu sprechen? Werden wir eines Tages in der Lage sein, Maschinen dazu zu bringen, die Welt wie Menschen zu „verstehen“ und zu „fühlen“?

Im Mittelpunkt dieser Vorschläge steht eine Frage, die die Hirnforschung seit Jahrzehnten beschäftigt: Wie verarbeitet das Gehirn Informationen aus der Außenwelt? Stellen Sie sich vor, Sie starren auf den Bildschirm und lesen diesen Artikel. In diesem Moment werden Ihrem Gehirn alle möglichen Informationen präsentiert: der Bildschirm vor Ihnen, der Text auf dem Bildschirm, die Helligkeit der Lichter im Raum, die Geräusche in der Ferne, die Gedanken, die Sie beim Lesen des Artikels haben, Ihre aktuelle Stimmung … Wir leben in einer Welt voller unterschiedlicher Informationen. Eine der Hauptaufgaben des Gehirns besteht darin, diese Informationen einzeln zu kodieren und in unserem Gedächtnis darzustellen, damit wir diese Informationen nutzen können, um Erinnerungen zu erzeugen, nachzudenken und Maßnahmen zu ergreifen.

Computer verwenden die binären Zahlen „0“ und „1“ als Grundeinheiten ihrer Kodierung, und das Gehirn besteht aus Tausenden von Neuronen. Wie also kodieren Neuronen abstrakte Informationen? Dieser Frage werden wir heute nachgehen.

Aktionspotentiale sind die grundlegende Art und Weise, wie Neuronen aktiviert werden und kommunizieren. Die Untersuchung der Art und Weise, wie das Gehirn Informationen in elektrische Signale von Neuronen umwandelt, ist das Problem der „Kodierung“. Das Studium der Frage, wie man aus der Aktivität der Neuronen Rückschlüsse darauf ziehen kann, was das Gehirn sieht und denkt, wird als „Dekodierung“ bezeichnet. Wenn wir eines Tages die Kodierung und Dekodierung des Gehirns verstehen würden, wäre das, als wären wir ein hervorragender „Gehirnprogrammierer“, der diese Codes verwenden, Codes entziffern und sogar Codes umschreiben könnte – das kommt der Science-Fiction-Geschichte am Anfang des Artikels unendlich nahe.

Daher ist die Untersuchung der neuronalen Kodierung im Gehirn zweifellos eines der Kernthemen der heutigen Hirnforschung. Das gesamte Gebiet der Systemneurowissenschaft, einer der fünf großen Zweige der Neurowissenschaft (und auch mein derzeitiges Forschungsgebiet), befasst sich im Wesentlichen mit dieser Frage.

Kommen wir also auf das obige Beispiel zurück: „Sie lesen gerade diesen Artikel auf dem Bildschirm.“ Welche konkreten Erkenntnisse haben wir darüber, wie das Gehirn visuelle, umweltbezogene und andere Informationen kodiert? Wie entschlüsselt und dekodiert die Gehirn-Computer-Schnittstelle, die heute in aller Munde ist, EEG-Signale? Im Folgenden geben wir einen kurzen Überblick über die drei Phasen der Erforschung der neuronalen Kodierung in der Gehirnforschung:

Teil 1

Stufe 1: „Superzellen“

In den 1960er Jahren leisteten Hubel und Wiesel von der Harvard University Pionierarbeit bei der Verwendung von Präzisionselektroden zur Aufzeichnung der Aktivität einzelner Zellen im Gehirn und erhielten den Nobelpreis für Physiologie oder Medizin für die Entdeckung, wie einzelne Neuronen im visuellen Kortex visuelle Reize kodieren.

Eine wichtige Idee war geboren: Verschiedene Arten von Informationen könnten von „Superzellen“ im Gehirn kodiert werden. Beispielsweise kodieren einige Neuronen „Blumen“, einige Neuronen „Gras“, einige „geschmortes Schweinefleisch“ und einige kodieren sogar abstrakte Inhalte wie „meine Großmutter“. Ein aufsehenerregender Artikel in Nature im Jahr 2005 unterstützte diese Idee. Sie fanden heraus, dass es im Gehirn menschlicher Probanden Zellen gab, die speziell Jennifer Aniston, die Schauspielerin aus „Friends“, kodierten: Diese Zelle reagierte nicht auf andere Menschen oder Gegenstände, wurde aber beim Betrachten eines Fotos von Aniston aktiviert. In ähnlicher Weise fand der Artikel auch „Sydney Opera House-Zellen“: Diese Zellen werden nur beim Betrachten von Fotos des Sydney Opera House aktiviert und interessieren sich nicht für andere Szenen oder Charaktere (einschließlich Aniston).

Quiroga, RQ, Reddy, L., Kreiman, G., Koch, C., &Fried, I. (2005). Invariante visuelle Darstellung durch einzelne Neuronen im menschlichen Gehirn. Nature, 435(7045),1102-1107.

In der Theorie der „Superzellen“ hat jede Zelle ihre eigenen Aufgaben; Genau wie in einer Klasse gibt es spezielle Mitglieder des Studienausschusses, die für das Studium verantwortlich sind, Mitglieder des Sportausschusses, die für Sportveranstaltungen verantwortlich sind, und Mitglieder des Arbeitsausschusses, die für den Dienst verantwortlich sind, und jeder hat seine eigene Arbeitsteilung. Es gibt viele solcher Zellen im Gehirn, beispielsweise die „Ortszellen“ im Hippocampus: Wenn wir einen Raum betreten, kodiert eine einzelne Zelle im Hippocampus eine Position im zweidimensionalen Raum. Immer wenn wir zu einer bestimmten Position im Raum gehen, wird die entsprechende Zelle aktiviert.

Die Entdeckung der Ortszellen wurde 2014 ebenfalls mit dem Nobelpreis ausgezeichnet. Im goldenen Zeitalter der „Superzellen“-Theorie schien jeder zu glauben, dass man immer magische „Superzellen“ finden würde, wenn man mit Elektroden im Gehirn „nach Gold schürfte“.

Allerdings gibt es bei der Theorie der „Superzellen“ ein fatales Problem: Es gibt nur eine begrenzte Anzahl von Zellen im Gehirn. Wenn jede Zelle tatsächlich eine Art von Information kodiert, was passiert, wenn die Zellen aufgebraucht sind? Verstehen Sie, dass wir im Laufe unseres Lebens ständig neue Informationen lernen. Da „Superzellen“ in der Tat kein effizientes Kodierungsverfahren darstellen, entstand die Idee der „Hybridkodierung“.

Teil 2

Phase 2: Hybridcodierung

Auch die Idee der gemischten Kodierung ist ganz natürlich: Die Studienausschussmitglieder, Sportausschussmitglieder und Arbeitsausschussmitglieder in der Klasse sollten nicht nur für ihre eigenen Aufgaben verantwortlich sein. Wenn beispielsweise eine Grundreinigung ansteht, kann das Mitglied des Sportausschusses dem Mitglied des Arbeitsausschusses helfen, einen Teil der Arbeit zu übernehmen. Wenn ein Frühlingsausflug angekündigt wird, können das Mitglied des Studienausschusses und das Mitglied des Kunstausschusses diesen vorübergehend gemeinsam organisieren. Mit anderen Worten: Obwohl jede Person Hauptverantwortung hat, ist diese spezifische Arbeitsteilung nicht absolut und kann je nach Aufgabensituation gemischt werden, was eine Art „gemischte Selektivität“ widerspiegelt.

In einer Studie der Stanford University aus dem Jahr 2013 stellten Forscher fest, dass Neuronen im präfrontalen Kortex von Affen eine gemischte Spezifität gegenüber mehreren experimentellen Faktoren wie Farbe, Bewegung und Kontext des Reizsignals zeigten und ihr Aktivierungsgrad von der Kombination dieser Faktoren abhing: Beispielsweise reagierten einige Zellen am empfindlichsten auf rote und nach links gerichtete Reize, während andere am empfindlichsten auf blaue und nach rechts gerichtete Reize reagierten.

Mante, V., Sussillo, D., Shenoy, KV, & Newsome, WT (2013). Kontextabhängige Berechnung durch rekurrierende Dynamik im präfrontalen Kortex. nature, 503(7474), 78-84.

Die gemischte Spezifität löst das Problem der ineffizienten Eins-zu-eins-Kodierung von Informationen in der „Superzellen“-Theorie: Zellen sind „Multitalente“, und dieselbe Zelle kann mehrere Arten von Informationen gleichzeitig kodieren, und jede Art von Information wird auch auf mehrere Zellen verteilt. Die Idee der Hybridcodierung hat in den letzten Jahren zunehmend an Aufmerksamkeit gewonnen. Computermodellstudien haben gezeigt, dass die Hybridkodierung effizienter ist als die superzelluläre Kodierung und komplexere Informationen kodieren kann.

Teil 3

Phase 3: Bevölkerungskodierung

Oben haben wir uns auf Zellen konzentriert, in denen Informationen klarer kodiert sind, wie etwa Aniston-Zellen, Ortszellen und sogar Zellen mit gemischter Spezifität. Allerdings machen diese Zellen nur einen kleinen Teil aller Zellen im Gehirn aus. Es gibt zwar immer noch viele aktive Zellen, aber es ist schwierig, genau zu bestimmen, was sie kodieren. Sind diese Zellen trotzdem Informationsträger?

Ausgehend von dieser Frage haben Wissenschaftler die Idee der „Populationskodierung“ vorgeschlagen: Anstatt uns auf einzelne kodierende Zellen zu konzentrieren, könnten wir mithilfe von Datenanalysemethoden wie maschinellem Lernen vielleicht die neuronale Gruppe als Ganzes betrachten, um mehr Informationen aus mehr Neuronen auszulesen. Das ist nicht schwer zu verstehen. Die in 100 Neuronen gespeicherte Information kann immer größer sein als die in 10 Neuronen gespeicherte.

Wenn wir dem zuvor erwähnten Beispiel der Klassenleiter folgen, warum lassen wir dann nicht die ganze Klasse zusammenarbeiten, um die Klassenarbeit zu erledigen, anstatt sie den Klassenleitern zu überlassen? So können wir die gesamte Klasse im Blick behalten und untersuchen, wie die Klasse den Hausputz durchführt, wie sie einen Frühlingsausflug organisiert und wie die Gruppe beim Sportfest abschneidet.

Die derzeit modernste Gehirn-Computer-Schnittstelle basiert auf der Idee der Gruppencodierung: Forscher zeichnen die elektrischen Signale aller Neuronen im Gehirn des Probanden auf und verwenden diese elektrischen Signale dann, um einen Decoder für maschinelles Lernen zu trainieren. Dieser Decoder liest die elektrischen Signale der Neuronengruppe in Echtzeit und verwendet diese, um die Bewegungsrichtung des Probanden vorherzusagen und den Roboterarm zu bedienen. Diese innovative Technologie gibt einigen behinderten Patienten neue Hoffnung.

Willett, FR, Avansino, DT, Hochberg, LR, Henderson, JM, & Shenoy, KV (2021). Leistungsstarke Gehirn-Text-Kommunikation per Handschrift. Nature, 593(7858),249-254.

So nutzte beispielsweise die Shenoy-Gruppe an der Stanford University im Jahr 2021 die elektrischen Signale von Gruppenneuronen, um ein rekurrierendes neuronales Netzwerk zu trainieren, das Patienten mit Rückenmarkslähmung dabei helfen sollte, Texte mit einer Genauigkeit von fast 95 % fertigzustellen.

Dank der Entwicklung optischer In-vivo-Bildgebungstechnologien sind wir im letzten Jahrzehnt in der Lage gewesen, die Gruppenaktivitäten von Hunderten oder sogar Tausenden von Neuronen gleichzeitig aufzuzeichnen. Mit der Weiterentwicklung dieser Technologie hat man begonnen, über eine neue Art des Verständnisses der Gruppenkodierung nachzudenken: Wenn man die elektrische Aktivität jedes Neurons als Dimension betrachtet, entspricht die Aktivierung von N Neuronen zu jedem Zeitpunkt einem Punkt im N-dimensionalen Raum, und auch unsere Wahrnehmungs-, Denk- und Bewusstseinsprozesse entsprechen einer Linie in diesem N-dimensionalen Raum. Diese Linie wird als neuronale Trajektorie bezeichnet.

Kim, TH, & Schnitzer, MJ (2022). Fluoreszenzbildgebung der Dynamik neuronaler Ensembles im großen Maßstab. Cell, 185(1),9-41; Harvey, CD, Coen, P., & Tank, DW (2012). Auswahlspezifische Sequenzen im parietalen Kortex während einer virtuellen Navigationsentscheidungsaufgabe. Nature, 484(7392),62-68.

Sie können sich vorstellen, dass es einen abstrakten N-dimensionalen Raum gibt, der all unseren möglichen Gedankenaktivitäten entspricht, und dass unsere Gedanken wie kleine Fische sind, die in diesem N-dimensionalen Raum umherschwimmen. Dieser kleine Fisch reagiert auf äußere Reize und wird auch von unseren eigenen Gedanken und Emotionen gesteuert, und dieser kleine Fisch schwimmt ständig in der Welt unseres Geistes. Dies ist eine völlig neue Denkweise zum Verständnis der Gehirnkodierung. Durch die Untersuchung neuronaler Bahnen können wir die Aktivitäten neuronaler Gruppen besser verstehen und unser Verhalten vorhersagen.

In einem Nature-Artikel aus dem Jahr 2012 konnten Forscher mithilfe optischer Abbildungstechnologie für Gruppenneuronen nicht nur die neuronalen Bahnen im Gehirn von Mäusen in Echtzeit aufzeichnen, sondern auch vorhersagen, ob die Maus in wenigen Sekunden nach links oder rechts abbiegen würde – die Maus hatte die Entscheidung in ihrem Kopf bereits anhand der neuronalen Bahnen getroffen und die Richtung der neuronalen Bahnen bestimmte die Richtung, in die sich die Maus bewegen würde.

Teil 4

Zusammenfassung: Fragen für die Zukunft

Früher war das Gehirn wie eine Blackbox, geheimnisvoll und unergründlich. Jetzt beginnen wir, in diese Blackbox einzudringen und versuchen, den Code des Gehirns zu verstehen, und das ist sehr aufregend. Abschließend möchte ich als Forscher, der sich täglich mit neuronaler Kodierung beschäftigt, über meine persönliche Sicht auf dieses Thema in der Zukunft sprechen.

Wie weit sind wir von den im Artikel erwähnten Science-Fiction-Szenen wie Gehirn-Computer-Schnittstellen entfernt? Sehr weit. Ein häufiges Phänomen in der wissenschaftlichen Forschung besteht darin, dass selbst wenn wir die Aktivierungscodes von Hunderten oder Tausenden von Neuronen sammeln, dieser Code immer noch wie ein Buch ohne Worte ist und wir kaum verstehen können, was darin steht. Das ist wie bei einem Programmieranfänger, der angesichts der vielen „for-Schleifen“ und „Enden“ völlig verwirrt ist.

Wenn ich beispielsweise selbst eine Datenanalyse durchführe und dabei mit Hunderten von Neuronen und mehreren TB an Daten konfrontiert bin, besteht der erste Schritt oft darin, blind alle mir einfallenden Datenanalysemethoden wie ANOVA, PCA, SVM usw. auszuprobieren und dann zu sehen, ob ich dabei etwas entdecke. Der Grund für dieses Phänomen liegt darin, dass uns noch immer ein grundlegendes und prinzipielles Verständnis der Kodierung im Gehirn fehlt, sodass wir uns nur mit oberflächlichen Daten begnügen können.

Ein Problem, das in der Gehirnforschung und sogar in der gesamten biologischen Gemeinschaft seit langem kritisiert wird, ist unser mangelndes Verständnis der grundlegenden Gesetze biologischer Systeme, wie beispielsweise der „drei Newtonschen Gesetze“. Dieses Problem besteht noch immer und scheint schon seit langer Zeit zu bestehen, aber wir können es nicht vermeiden, wenn wir das Gehirn besser verstehen wollen.

Natürlich können wir davon ausgehen, dass die Entwicklung neuer Technologien diesem Bereich weiterhin frischen Wind verleihen wird. Von der Aufzeichnung mit Einzelzellelektroden bis hin zur optischen Bildgebung hat sich die Zahl der Neuronen, die wir gleichzeitig aufzeichnen können, von 10 auf 100 und jetzt auf 1.000 erhöht – ein exponentielles Wachstum. Die neueste optische Bildgebungstechnologie ermöglicht es uns, Neuronen in mehreren Gehirnregionen oder sogar in der gesamten Großhirnrinde von Mäusen gleichzeitig aufzuzeichnen – die Anzahl der Neuronen liegt sehr nahe daran, die Größenordnung von 10.000 zu überschreiten. Dies ist dem Zustrom vieler Wissenschaftler mit physikalischem, optischem und maschinenbaulichem Hintergrund in den letzten Jahren in die Neurowissenschaften zu verdanken, wodurch diese fortschrittlichen elektrischen Aufzeichnungs- und optischen Bildgebungsverfahren möglich wurden.

Letztendlich stelle ich mir also lieber vor, dass die Handlung von „Matrix“ vielleicht Jahrzehnte später keine Fantasie mehr sein wird.

Quellen:

Quiroga, RQ, Reddy, L., Kreiman, G., Koch, C., &Fried, I. (2005). Invariante visuelle Darstellung durch einzelne Neuronen im menschlichen Gehirn. Nature, 435(7045), 1102-1107.

Mante, V., Sussillo, D., Shenoy, KV, & Newsome, WT (2013). Kontextabhängige Berechnung durch rekurrierende Dynamik im präfrontalen Kortex. nature, 503(7474), 78-84.

Willett, FR, Avansino, DT, Hochberg, LR, Henderson, JM, & Shenoy, KV (2021). Leistungsstarke Gehirn-Text-Kommunikation per Handschrift. Nature, 593(7858),249-254.

Kim, TH, & Schnitzer, MJ (2022). Fluoreszenzbildgebung der Dynamik neuronaler Ensembles im großen Maßstab. Cell, 185(1),9-41;

Harvey, CD, Coen, P., & Tank, DW (2012). Auswahlspezifische Sequenzen im parietalen Kortex während einer virtuellen Navigationsentscheidungsaufgabe. Nature, 484(7392),62-68.

https://braintour.harvard.edu/archives/portfolio-items/hubel-and-wiesel

Produziert von: China Science Expo×Zhihu

Autor: xcsun Zhihu, Antworter, PhD in Neurowissenschaften vom MIT

Der Artikel gibt nur die Ansichten des Autors wieder und repräsentiert nicht die Position der China Science Expo

Dieser Artikel wurde zuerst in der China Science Expo (kepubolan) veröffentlicht.

Bitte geben Sie beim Nachdruck die Quelle des öffentlichen Kontos an

Bitte geben Sie die Quelle des Nachdrucks an. Der Nachdruck ohne Genehmigung ist verboten.

Für Fragen zur Nachdruckgenehmigung, Zusammenarbeit und Einreichung wenden Sie sich bitte an [email protected]