Die Anpassungsfähigkeit des Gehirns scheint manchmal endlos zu sein. Beobachtungen des Gehirns im Lernprozess legen jedoch nahe, dass seine neuronalen Netze überraschend unflexibel und ineffizient sein können.
Das Hauptmerkmal der Intelligenz ist die Lernfähigkeit. Wie jahrzehntelange Forschungen gezeigt haben, weist unser Gehirn eine ziemlich große „Plastizität“ auf, dh die Fähigkeit von Neuronen, Verbindungen als Reaktion auf externe Reize zu ändern. Forscher der Carnegie Melon University und der University of Pittsburgh entdeckten kürzlich unerwartete Einschränkungen unserer Lernfähigkeiten. Das Gehirn mag zwar flexibel und anpassungsfähig sein, aber zumindest für kurze Zeit lernt es durch ineffektive Wiederholung von Tricks in seinem nervösen Repertoire, anstatt ein Netzwerk von Verbindungen von Grund auf neu aufzubauen.
"Wenn ich
Squash spiele, sehe ich aus wie ein Tennisspieler", sagt Byron Yu, ein biomedizinischer Ingenieur und Neurowissenschaftler an der Carnegie Mallon University und einer der Leiter der Studie. Yu spielte viele Jahre Tennis. Er hat Probleme beim Squashspielen, weil er kürzere Schläger verwendet und schnellere und schwierigere Schläge macht - im Gegensatz zu denen, die auf dem Tennisplatz verwendet werden. Beim Squash spielt er jedoch mit Schlägern, mit denen er seit langem Tennis spielt. Das Gehirn ist nicht so einfach, sich von dem zu trennen, was es bereits weiß.
Yu und Kollegen beobachteten das Gehirn während des Trainings und fanden Hinweise auf einen ähnlichen Mangel an Plastizität auf der Ebene der Neuronen. Diese Entdeckung und verwandte Forschungen können erklären, warum manche Dinge schwerer zu lernen sind als andere.
Vor einigen Jahren begannen Yu,
Aaron Batista von der Universität Pittsburgh und Mitglieder ihrer Labors, Gehirn-Computer-Schnittstellen (IMCs) als Werkzeuge für Entdeckungen in der Neurobiologie zu verwenden. Diese Geräte verfügen über einen nagelgroßen Chip, der die elektrische Aktivität von Stonerons unmittelbar im motorischen Kortex verfolgen kann, der Bewegungen steuert. Durch Verfolgung der Folge von Spannungsspitzen, die durch einzelne Neuronen verlaufen, kann der IMC die „Geschwindigkeit der Spitzen“ berechnen, die das Verhalten jedes Neurons während einer bestimmten Aufgabe charakterisiert.
"Sie können sich die Schwierigkeiten vorstellen, die mit dem Graben dieser Daten in einem Haufen verbunden sind, um festzustellen, was das Gehirn tut", sagte Yu. "Unsere Augen sind nicht sehr darauf trainiert, versteckte Muster in solchen Daten zu bemerken." Die fortschrittliche statistische Analyse, zu der der Chip in der Lage ist, kann dies jedoch tun, und diese Muster können verwendet werden, um die Nervenaktivität zu bestimmen, die mit den Absichten des Subjekts verbunden ist, bestimmte Bewegungen auszuführen. Das System kann beispielsweise zwischen den Absichten der Testperson unterscheiden, nach links, rechts, oben oder unten zu greifen.
Forscher können dann die Ausgabe von IMC verwenden, um die mit bestimmten Bewegungen verbundene Nervenaktivität in Befehle für den Cursor auf einem Computerbildschirm zu übersetzen. Durch Versuch und Irrtum werden Menschen oder Tiere darin geschult, eine solche Schnittstelle zu verwenden, indem sie sich vorstellen, wie sie die Hand beispielsweise nach links bewegen und den Cursor in die gleiche Richtung bewegen.
Als Yu, Batista und ihre Kollegen den motorischen Kortex des Affen verfolgten, der immer wieder einfache Handbewegungen ausführte, stellten sie fest, dass Neuronen nicht unabhängig voneinander aktiviert wurden. Das Verhalten der gemessenen Hunderte von Neuronen konnte statistisch durch das Verhalten von 10 Neuronen beschrieben werden, die die Arbeit ihrer Nachbarn auf verschiedene Weise aktivierten oder unterdrückten. In der Analyse wurde dieses Ergebnis als eine Reihe von Punkten gezeigt, die eine sehr kleine Menge in einem 100-dimensionalen Datenraum füllten.
"Wir haben diesen Band als eine intrinsische Mannigfaltigkeit bezeichnet, weil wir glauben, dass dieses Merkmal tatsächlich für das Gehirn charakteristisch ist", sagte
Stephen Chase , Professor für biomedizinische Technik an der Carnegie Malon University. "Die Dimension dieses Raums sagt die Fähigkeiten von Neuronen genau voraus."
Im Jahr 2014 fanden die Forscher
heraus, dass es für Probanden einfacher ist, neue Aufgaben zu lernen, wenn Kombinationen von Neuronen, die zu einem charakteristischen Satz gehören, und nicht diejenigen, die außerhalb davon liegen, in diesen Prozess einbezogen werden. Laut Yu ist dies sinnvoll, da Aufgaben, die in einen charakteristischen Satz fallen, Anfragen an das Gehirn richten, die der zugrunde liegenden Nervenstruktur entsprechen. Nach Abschluss der Studie wechselte die Gruppe zu der Frage, wie sich die Nervenaktivität während des Trainings ändert - dies wird in einer kürzlich in der Zeitschrift Nature Neuroscience veröffentlichten
Arbeit beschrieben.
Um zu verstehen, was im Gehirn vor sich geht, gaben die Forscher zunächst mit IMC ausgestattete Primaten, um sich mit dem Bewegen des Cursors nach links und rechts vertraut zu machen. Dann änderte das Team die Anforderungen für die Art der nervösen Aktivität, die zum Bewegen des Cursors erforderlich ist, und begann zu beobachten, welche neuen Muster der nervösen Aktivität, die dem neuen Satz von Punkten des charakteristischen Satzes entsprechen, von Tieren verwendet werden.
Die Forscher erwarteten Hinweise auf eine Lernstrategie namens „Restrukturierung“, bei der das Tier ein neues Muster von Arbeitsneuronen verwenden würde, das am natürlichsten zu dieser Aufgabe passt. "Perestroika ist die beste Strategie, die Tiere anwenden können, die den Einschränkungen eines charakteristischen Satzes von Neuronen unterliegen", sagte
Matthew Golub , ein Postdoc, der mit Yu und Chase an diesem Projekt teilgenommen hat und jetzt an der Stanford University arbeitet. Oder das Gehirn des Affen könnte durch „Neuskalieren“ zu lernen beginnen, ein Prozess, bei dem die an der primären Lernaufgabe beteiligten Neuronen die Anzahl der Bursts erhöhen oder verringern, bis sie auf einen Workflow stoßen.
Zur erstaunlichen Überraschung der Forscher kam es jedoch weder zu Perestroika noch zu einer Neuskalierung. Stattdessen beobachteten die Forscher einen äußerst ineffektiven Prozess der "Neuassoziation". Die Probanden wurden in einer neuen Aufgabe geschult, indem sie einfach vorhandene Nervensequenzen verwendeten und ihren Zweck änderten. Sequenzen, die zuvor den Cursor nach links bewegten, begannen ihn nach rechts zu bewegen und umgekehrt. "Sie waren mit der Wiederverwendung beschäftigt", sagte Golub nur unter neuen Bedingungen.
Warum sollte das Gehirn eine weniger effektive Lernstrategie anwenden? Die Ergebnisse der Entdeckungen der Gruppe zeigen, dass ebenso wie die Arbeit der gesamten Nervenarchitektur durch die Aktivität eines charakteristischen Satzes begrenzt ist, die Arbeit von Neuronen aus diesem Satz die Reorganisation ihrer Aktivität einschränkt. Batista schlägt vor, dass Änderungen in den synaptischen Verbindungen zwischen Neuronen, die für die Umstrukturierung vorgenommen werden müssten, zu komplex wären, um sie schnell genug zu machen. "Die Plastizität ist kurzfristig möglicherweise geringer als erwartet", sagte er. - Lernen heißt vergessen. Das Gehirn lehnt widerwillig die erworbenen Fähigkeiten ab, mit denen es bereits umgehen kann. “
Chase verglich den motorischen Kortex mit einer alten Telefonzentrale, in der neuronale Verbindungen wie Kabel die Eingänge von Abschnitten des Kortex mit den Ausgängen des Kleinhirns verbinden. Wie er sagte, während der Experimente "ändert das Gehirn nur das Kabelverbindungsschema" - obwohl die Nuancen dieses Prozesses noch unklar sind.
"Die Strategie des schnellen Wandels beinhaltet das Ändern der Eingangsverbindungen des Kortex", sagte Yu. Er bemerkte jedoch auch, dass die Gehirnaktivität in ihren Experimenten 1-2 Stunden lang überwacht wurde. Forscher können noch nicht ausschließen, dass eine erneute Assoziation ein Zwischenschritt ist, um dem Gehirn neue Aufgaben beizubringen. Über einen längeren Zeitraum kann es immer noch zu einem Wiederaufbau oder einer Neuskalierung kommen.
In diesem Fall kann dies den Unterschied im Umgang mit neuen Informationen im Zusammenhang mit gemeinsamen Interessen von Neuankömmlingen und Experten erklären. "Anfänger müssen mit dem arbeiten, was sie haben, und Experten sind an der Festigung des Wissens beteiligt", sagte Batista. "Dies könnte die neuronale Basis für dieses bekannte Phänomen sein."