https://www.faz.net/-gwz-9nvka

Neurocomputing : Das Denken ist hartes Brot, verehrte Maschine!

  • -Aktualisiert am

Bild: Picture-Alliance

Wie viel fehlt noch, bis Computer auch denken wie wir? Ein Blick ins Innere der Wissenschaften, die das Denken neu erfinden. Mit dem „Rechnen“ fangen sie an.

          Das menschliche Gehirn ist eines der komplexesten Produkte der biologischen Evolution. Aufgebaut aus Milliarden von Neuronen, die in eine Vielzahl von Netzwerken eingebettet sind, verarbeitet das Nervensystem in jedem Moment riesige Mengen an sensorischen Informationen, gleicht diese mit Vorwissen ab und erzeugt daraus zielgerichtetes Verhalten und neue Gedächtnisinhalte. Diese Leistungen beruhen auf dynamischen Vorgängen, die durch Rückkopplungsschleifen auf vielen räumlichen und zeitlichen Skalen charakterisiert sind. So können Synapsen – die Kontaktstellen zwischen Neuronen – ihre Stärke innerhalb kürzester Zeit verändern. Gleichzeitig sorgen sie dafür, dass wir uns Jahrzehnte später an kleinste Details erinnern, die wir als Kind erlebt haben.

          Brückenschlag über Fächergrenzen

          Will man die Funktionen des Gehirns aus seiner Struktur und Dynamik heraus verstehen, so ist eine enge Zusammenarbeit von Neurowissenschaftlern mit Physikern, Informatikern und Mathematikern notwendig. Heuristische Erklärungsversuche können dieser enormen Komplexität nicht gerecht werden. Der Brückenschlag über Fächergrenzen und methodische Paradigmen hinweg ist das zentrale Anliegen der „Computational Neuroscience“.

          Von besonderem Interesse ist die Frage, wie Nervensysteme „rechnen“ – wie also beispielsweise eine Fliege aus visuellen Sinneseindrücken auf ihre Eigenbewegung im Raum schließt, oder wie wir einer Unterhaltung trotz starker Störgeräusche folgen können. Wie werden die Sinnesreize in den Entladungsmustern der beteiligten Neuronen kodiert? Wie werden die Berechnungen physiologisch realisiert? Und wo liegen die physikalischen Grenzen für Präzision und Verlässlichkeit? Diese und ähnliche Themen werden unter dem Begriff „Neural Computation“ zusammengefasst und eröffnen einen Weg, die biologischen Grundlagen unseres eigenen Denkens zu verstehen.

          Computational Neuroscience sollte daher auch nicht mit „rechnergestützte Neurowissenschaften“ übersetzt werden: Selbst wenn Computer bei der Analyse experimenteller Daten und bei numerischen Simulationen biophysikalischer Modelle unersetzlich sind, beinhaltet die Computational Neuroscience auch rein mathematisch-theoretische Ansätze.

          Kopie oder Karikatur?

          Wie aber kann man die Komplexität des Gehirns in theoretischen Ansätzen abbilden? In einem durch die EU finanzierten Großprojekt, dem „Human Brain Project“, versuchen Forscher seit langem aus Dutzenden wissenschaftlichen Einrichtungen das gesamte Gehirn in feinsten Details zu modellieren und auf Höchstleistungsrechnern zu simulieren. In letzter Konsequenz erfordert dies, alle dynamischen Prozesse der weit über hundert Milliarden Nerven- und Gliazellen in einer Art digitaler Kopie zu erfassen. Wobei die meisten Nervenzellen eine stark verzweigte räumliche Struktur aufweisen, mehrstufige elektrochemische Signale erzeugen und mit Tausenden anderen Zellen kommunizieren. Selbst die aufwendigsten Neuronen-Simulationen auf den größten Supercomputern verblassen angesichts der Vorgänge im realen Gehirn. Sollten technische Durchbrüche eines Tages realistische Simulationen ermöglichen, so wären die aller Voraussicht nach so komplex, dass wir sie nicht verstehen könnten.

          Unsere Kunst liegt deshalb im geschickten Vereinfachen. So bemerkte der russische Physiker Jakow I. Frenkel (1894 bis 1952) bereits vor hundert Jahren: „Ein gutes theoretisches Modell eines komplexen Systems sollte wie eine gute Karikatur sein: Es sollte die wichtigsten Eigenschaften des Systems hervorheben und die unwichtigen Details ausblenden. Der einzige Haken an diesem Rat ist, dass man nicht weiß, welches die unwichtigen Details sind, bis man das Gesamtsystem verstanden hat. Deshalb sollte man eine Vielfalt an Modellen untersuchen und sein Leben (oder theoretische Erkenntnis) nicht auf ein einziges Modell setzen.“

          Weitere Themen

          Topmeldungen

          Newsletter

          Immer auf dem Laufenden Sie haben Post! Abonnieren Sie unsere FAZ.NET-Newsletter und wir liefern die wichtigsten Nachrichten direkt in Ihre Mailbox. Es ist ein Fehler aufgetreten. Bitte versuchen Sie es erneut.
          Vielen Dank für Ihr Interesse an den F.A.Z.-Newslettern. Sie erhalten in wenigen Minuten eine E-Mail, um Ihre Newsletterbestellung zu bestätigen.