Informationen im Gehirn werden über elektrische Signale zwischen spezialisierten Zellen, den Neuronen, übertragen. Große Netzwerke solcher Neuronen steuern Wahrnehmungen, Verhalten und Kognition. Die Wissenschaft hat lange nach Möglichkeiten gesucht, neuronale Netze im Gehirn mit Computern zu simulieren, um zu verstehen, wie sie funktionieren. Mit neuen Erkenntnissen über die neuronalen Schaltpläne im Gehirn der Fruchtfliege und Methoden der künstlichen Intelligenz gelang es nun Forschenden, ein neuronales Netz zu knüpfen, welches zuvor kaum Vorstellbares leistet: Es sagt die Aktivität einzelner Neuronen vorher, ohne dass Messungen an einem lebenden Gehirn vorgenommen werden müssen. Die Studie von Professor Jakob Macke und Dr. Janne Lappalainen von der Universität Tübingen und Dr. Srinivas Turaga und Kollegen vom Janelia Research Campus des Howard Hughes Medical Institute in Ashburn, Virginia (USA), ist am Mittwoch in der Fachzeitschrift Nature erschienen.
Seit Jahrzehnten messen Neurowissenschaftlerinnen und -wissenschaftler neuronale Aktivitäten lebender Tiere, weil sie die Zusammenhänge zwischen Gehirnaktivität und Verhalten besser verstehen wollen. Diese Experimente haben bahnbrechende Erkenntnisse über die Funktionsweise des Gehirns erbracht - aber ein Großteil des Gehirns ist nach wie vor unerforscht.
Die Teams aus Tübingen und Virginia haben nun mithilfe von künstlicher Intelligenz und des Konnektoms, einer Karte der Neuronen und ihrer im Hirngewebe bestehenden Verbindungen, die Aktivität der Neuronen im lebenden Gehirn vorhergesagt. Indem sie lediglich Informationen aus dem Konnektom des visuellen Systems der Fruchtfliege verwenden sowie Annahmen über die Funktionen des Schaltkreises machen, haben die Forscher eine KI-Simulation erstellt, die die Aktivität jedes Neurons im Schaltkreis vorhersagen kann. "Wir verfügen nun über eine Berechnungsmethode, mit der wir Messungen des Konnektoms in Vorhersagen über die neuronale Aktivität und die Gehirnfunktion umsetzen können, ohne zuerst aufwändige Messungen am lebenden Neuron durchführen zu müssen", sagt Srinivas Turaga, Leiter der Janelia-Forschungsgruppe und einer der Hauptautoren der neuen Studie.
Das Forschungsteam nutzte das Konnektom, um eine detaillierte mechanistische Netzwerksimulation des visuellen Systems der Fliege zu erstellen, bei der jedes modellierte Neuron einem realen Neuron und jede modellierte Synapse einer realen Synapse im Gehirn entspricht. Obwohl sie die Dynamik der Neuronen im realen Gewebe nicht kannten, konnte das Team diese unbekannten Parameter mit Hilfe von Deep-Learning-Methoden vorhersagen. Dazu verbanden sie die Informationen aus dem Konnektom mit ihrem Wissen über die Funktion des Schaltkreises: Dem Erkennen von Bewegungen. "Mit dieser Kombination konnten wir prüfen, ob unser auf dem Konnektom basierende Ansatz ein gutes Modell des Gehirns liefern kann", sagt Janne Lappalainen, Doktorand an der Universität Tübingen und Erstautor der Studie.
Kontakt:
Prof. Dr. Jakob Macke
Universität Tübingen
Exzellenzcluster „Maschinelles Lernen in der Wissenschaft"
jakob.mackespam [email protected]
Pressekontakt:
Eberhard Karls Universität Tübingen
Hochschulkommunikation
Christfried Dornis
Leitung
Tilman Wörtz
Pressereferent
