Forscher der TU-Graz ist es erstmals gelungen, auf einem detaillierten Gehirnmodell einer Maus die Sehfunktion nachzubilden. Bisher konnten Gehirn-Strukturen zwar modelliert werden, es war aber nicht möglich, gezielte Funktionen auszuführen.

„Das bahnbrechende an unserem neuesten Modell ist, dass wir unsere Gehirn-Simulation erstmals bestimmte Funktionen – in unserem Fall Sehen – ausführen lassen können“, erklärt TU-Graz-Neuroinformatiker Wolfgang Maass.

Zusammen mit seinen PostDocs Guozhang Chen und Franz Scherr veröffentlichte er das Paper „A data-based large-scale model for primary isual cortex enables brain-like robust and versatile visual processing“. Die Wissenschaftler erhoffen sich, durch ihre Ergebnisse den Weg zu einer neuen wissenschaftlichen Methode zu bereiten, die künftig in der Forschung zum Einsatz kommt.

Zentrale Funktion in künstlichen neuronalen Netzwerken

Die Sehfunktion ist eine der zentralen Funktionen von künstlicher Intelligenz. etwa im autonomen Fahren oder der Bildverarbeitung müssen die Algorithmen die mittels Sensoren erfassten Daten über ihre Umgebung interpretieren und aus ihnen lernen. Aus diesem Grund haben die Forschenden gerade diesen Forschungsgegenstand ausgewählt.

Die Arbeit des TU-Graz-Teams baut auf jahrzehntelangen Studien des renommierten „Allen Institute for Brain Science“ in Seattle auf, das sich wissenschaftlich unter anderem der Entschlüsselung des visuellen Cortex von Mäusen verschrieben hat.

„Wir haben diese Daten in ein simuliertes Netzwerk von biologischen Neurone – also in ein Computer-Modell von einem Teil des Gehirns – übersetzt und konnten mit diesem biologischen Modell die Sehfunktion nachbilden“, so Maass.

Das so simulierte neuronale Netzwerk kann die wichtigsten visuellen Aufgaben einer Maus erfüllen und ist gegenüber Störungen äußerst robust. Ein nächster Schritt wird nun sein, die Unterschiede zwischen der biologischen Sehfunktion der Simulation und der Sehfunktion von künstlichen neuronalen Netzwerken zu untersuchen.

Das Gehirn als Vorbild

Dass sich die Forschende an der Struktur des Gehirns orientieren, ist nicht neu, aber umso effektiver. Neuronale Netz des Gehirns sind nicht nur besonders leistungsfähig, sondern auch enorm energieeffizient. Neurone sind nicht ständig aktiv, sondern „feuern“ nur, wenn sie für eine Aufgabe gebraucht werden. Künstliche neuronale Netzwerke bilden dieses Vorgehen nach.

Sie sind allerdings nur „gehirninspiriert“ und sowohl deren Neurone als auch die Architektur des Netzwerks sind ganz anders als im Gehirn. Daher sind biologische Simulations-Modelle wichtig, mit denen Forschende das Gehirn besser verstehen wollen. Diese Erkenntnisse wiederrum können aber in der Computertechnik eingesetzt werden.

„Wir starten gerade einen Pilotversuch mit dem Prozessorhersteller Intel und bauen unsere biologischen Modelle in seine neuromorphen Chips ein, um zu beobachten, ob sie dadurch wirklich energieeffizienter werden.“, merkt Wolfgang Maass an.

Vollständiges Modell statt Approximation

Bisher wurden Funktionsweisen lediglich an kleinen Modellen – Approximationen des Gehirns mit geringer Detailtreue – nachgebildet. Dank großzügiger Rechenzeit an einem von Europas leistungsfähigsten Supercomputer in Jülich und Fortschritten im Chipdesign sowie der Software konnten die Grazer Forscher aber mit dem detaillierten biologischen Modell rechnen.

„Wir haben gezeigt, dass dies mit dem heutigen Stand der Technik möglich ist, und erwarten uns davon einen neuen Trend in der Forschung, der uns einen Schritt näher zum Verstehen des Gehirns bringt.“

Die Original-Publikation können Sie hier finden.