Eine neue Studie der Grainger School of Engineering der University of Illinois in Urbana-Champaign zeigt, dass der früheste sensorische Kortex des Gehirns nicht nur für den „passiven Empfang“ von Informationen verantwortlich ist, sondern eine unerwartet aktive Rolle im Entscheidungsprozess spielt. Diese Entdeckung stellt das klassische Modell der hierarchischen und schrittweisen Verarbeitung des Gehirns in Frage, das lange Zeit den Mainstream dominiert hat. Das Forschungsteam ist davon überzeugt, dass diese dynamischere, bidirektionale interaktive Methode der neuronalen Organisation in Zukunft neue Inspirationen für eine Architektur mit geringem Energieverbrauch und hocheffizienter künstlicher Intelligenz liefern wird.
Die traditionelle Ansicht ist, dass der Entscheidungsprozess des Gehirns im Allgemeinen einem einseitigen, „von unten nach oben“ hierarchischen Weg folgt: Informationen gelangen aus frühen Sinnesbereichen wie Sehen, Hören oder somatosensorischen Bereichen und werden nach und nach an den Assoziationskortex und den Frontalkortex auf höherer Ebene weitergeleitet, und schließlich werden Integration und Entscheidungsfindung in diesen „Zentren höherer Ordnung“ abgeschlossen. Auf diesem Verständnis basiert, dass die meisten künstlichen Intelligenzsysteme wie Faltungs-Neuronale Netzwerke eine ähnliche hierarchische Struktur annehmen und Intelligenz als Ergebnis der Verarbeitung von Informationen Schicht für Schicht entlang einer festen Richtung betrachten und „Entscheidungen auf der obersten Ebene treffen“. Da sich jedoch das Verständnis der natürlichen Intelligenz vertieft, beginnen immer mehr Wissenschaftler, dieses zu stark vereinfachte „Fließbandmodell“ in Frage zu stellen.
Diese Forschung wurde von Yurii Vlasov, einem Professor am Fachbereich Elektrotechnik und Computertechnik der University of Illinois, geleitet und der Artikel wurde in den Proceedings of the National Academy of Sciences (PNAS) veröffentlicht. Das Forschungsteam beschloss, das Gehirn erneut auf Systemebene zu untersuchen und es als ein durch die Evolution geformtes „natürliches Intelligenzsystem“ zu betrachten, das Rückkopplungsschleifen und einen wechselseitigen Informationsfluss zwischen verschiedenen Gehirnbereichen und nicht eine einseitig gerichtete serielle Verarbeitungskette betonte. In diesem Rahmen wird die Entscheidungsfindung als Ergebnis einer kontinuierlichen Interaktion und Ko-Entstehung zwischen mehreren Gehirnregionen betrachtet und nicht als eine Anweisung, die von Regionen höherer Ordnung „unidirektional erteilt“ wird.
Ein besonderes Merkmal natürlicher Intelligenz ist ihre hohe Effizienz und Energieeinsparung: Bei der Erfüllung komplexer Wahrnehmungs-, Erkenntnis- und Entscheidungsaufgaben ist der Energieverbrauch des menschlichen Gehirns deutlich geringer als der der meisten Systeme der künstlichen Intelligenz heute. Um die Quelle dieser Effizienz zu verstehen, beschränkt sich das Forschungsteam nicht auf ein bestimmtes Funktionsmodul, sondern geht von der Gesamtarchitektur aus und untersucht die Zusammenarbeit zwischen verschiedenen Bereichen. Vlasov sagte, dass das Verständnis, wie das Gehirn Entscheidungsberechnungen auf architektonischer Ebene organisiert, der Ingenieurgemeinschaft voraussichtlich dabei helfen wird, künstliche Intelligenzsysteme der nächsten Generation zu entwerfen, die effektiver, energiesparender und „intelligenter“ sind.
Bei der konkreten Versuchsplanung konzentrierten sich die Forscher auf die frühesten Verarbeitungsstadien des Gehirns, also die Bereiche, die für Empfindung und Wahrnehmung verantwortlich sind. Sie führten Experimente an Mäusen durch und ließen die Tiere sich in einem Virtual-Reality-Korridor bewegen, die Umgebung durch ihre Tentakel wahrnehmen und perzeptive Entscheidungen darüber treffen, ob sie nach links oder rechts abbiegen. Dabei zeichneten die Forscher die Aktivität von Neuronen in einem großen Bereich des Mausgehirns auf und achteten dabei besonders auf das Reaktionsmuster des primären somatosensorischen Kortex (S1).
Die Ergebnisse waren unerwartet: Signale im Zusammenhang mit der Entscheidungsfindung wurden eindeutig im primären somatosensorischen Kortex erfasst, der traditionell als „nur Verarbeitung grundlegender Empfindungen“ angesehen wird. Dies zeigt, dass der Entscheidungsprozess nicht erst am „hinteren Ende“ des Kortex höherer Ordnung initiiert wird, sondern dass offensichtliche Entscheidungsrepräsentationen bereits in der sensorischen Verarbeitungsphase an der Vorderseite des Gehirns erkennbar sind. Mit anderen Worten: Der frühe sensorische Bereich packt nicht einfach nur „Rohdaten“ und lädt sie hoch, sondern ist bereits zu einem sehr frühen Zeitpunkt an der Kodierung von Handlungsentscheidungen beteiligt.
Weitere Analysen ergaben, dass die Aktivität des primären somatosensorischen Kortex nicht isoliert auftritt, sondern durch Rückmeldungen von Hirnregionen höherer Ordnung erheblich moduliert wird. Dieses Top-Down-Feedbacksignal formt zusammen mit dem Bottom-Up-Sensorinput das Muster der neuronalen Aktivität in S1. Es ist ersichtlich, dass das Gehirn nicht linear auf einem einzigen Weg „von der Wahrnehmung zur Entscheidungsfindung“ voranschreitet, sondern kontinuierlich Informationen über Rückkopplungsschleifen zwischen mehreren Ebenen austauscht, um die Interpretation externer Informationen und die Wahl des Verhaltens zu vervollständigen.
Vlasov wies darauf hin, dass die „neuronale Kodierung“ des Gehirns immer noch wie eine unentschlüsselte Sprache sei, das Verständnis dieser Rückkopplungsschleifen und dynamischen Interaktionen auf Systemebene jedoch bereits wertvolle Inspiration für den Entwurf künstlicher neuronaler Netze liefern könne. Aktuelle künstliche Intelligenz weist noch offensichtliche Defizite auf der Entscheidungsebene auf. Allerdings kann natürliche Intelligenz bei gleichen oder sogar komplexeren Aufgaben Berechnungen mit einem weitaus geringeren Energieverbrauch als moderne Hardwaresysteme durchführen. Die dahinter stehende architektonische Erfahrung ist es wert, dass die Ingenieurgemeinschaft „von der Natur lernt“.
Obwohl diese Arbeit noch nicht ausreicht, um direkt einen technischen Entwurf für den Aufbau einer „besseren KI“ zu liefern, ist das Forschungsteam davon überzeugt, dass sie eine Perspektive bietet, aus der künstliche Intelligenz neu gedacht werden kann. Durch die systematische Untersuchung der Art und Weise, wie das Gehirn Informationen organisiert und verarbeitet, wird von den Forschern erwartet, dass sie eine Reihe übertragbarer Prinzipien zusammenfassen, um die Verbesserung der künstlichen Intelligenz in Bezug auf Architektur, Energieeffizienz und Entscheidungsmechanismen zu steuern. Zukünftige KI-Systeme müssen sich möglicherweise von der strengen Schichtung und einseitigen Kommunikationsstruktur lösen und stattdessen dynamischeres Feedback und parallele Interaktionsstrukturen einführen, ähnlich wie bei biologischen Gehirnen.
Als nächstes plant Vlasovs Team, weiterhin Veränderungen in der Gehirnaktivität in der zeitlichen Dimension zu verfolgen und sich dabei auf die Untersuchung der schnellen zeitlichen Dynamik neuronaler Aktivität zu konzentrieren. Sie entwickeln neue Werkzeuge, um neuronale Signale präziser zu messen und zu analysieren, und versuchen herauszufinden, wie Rückkopplungsschleifen bei der Entscheidungsfindung aus Daten mit höherer zeitlicher Auflösung beteiligt sind. Nur wenn wir sehen, wie diese Rückkopplungsschleifen im Laufe der Zeit aktiviert werden und wie sie sich zwischen verschiedenen Verarbeitungsebenen bilden und rekonstruieren, können wir seiner Ansicht nach die Funktionsweise natürlicher Intelligenz wirklich verstehen und sie in die Entwurfsgrundlage für eine neue Generation künstlicher Intelligenzarchitektur umwandeln.