Die Synapsen-Zähler
Künstliche Intelligenz orientiert sich aktuell nur sehr grob am Vorbild des Gehirns – unter anderem, weil wir die genaue Verschaltung der Neuronen im Hirn nicht kennen. In einem beispiellosen Projekt wollen Forscher das nun ändern.
Neuronale Netze haben etwas Tollpatschiges und Plumpes, findet David Cox, Hirnforscher an der Harvard University. „Um einen Hundedetektor zu bauen, muss man einem neuronalen Netz Tausende Hunde zeigen und Tausende Dinge, die keine Hunde sind.“ Seine kleine Tochter dagegen musste nur ein einziges Mal einen Hund sehen, um fortan jeden Welpen als jungen Hund zu erkennen. Dazu kommt: Das Wissen, das neuronale Netze aus riesigen Datenmengen lernen, ist zerbrechlich. Fügt man dem Bild eines Hundes nur ein wenig Rauschen hinzu, verwechselt das neuronale Netz das Tier schnell mal mit einem Müllcontainer.
Nun will Cox endlich verstehen, wie das Gehirn diese Probleme überwindet. Mit 100 Millionen Dollar fördert die US-Regierung die Initiative Machine Intelligence from Cortical Networks (kurz: MICrONS), in der Cox mit Dutzenden Hirnforschern sowie Experten für Maschinenlernen zusammenarbeitet. Das Ziel der Forscher ist es, die Funktion und Struktur eines winzigen Stücks Nagetier-Hirnrinde – einem Würfel von einem Millimeter Kantenlänge – in allen Details zu rekonstruieren. Mit rund 100000 Neuronen und einer Milliarde Synapsen ist das Stück Hirn viele Tausend Mal größer als alles, was Hirnforscher bisher mit hoher Auflösung auszumessen vermochten. Dem Stückchen fehlen zugegebenermaßen viele wichtige Hirnfunktionen: Es entstammt der dünnen äußeren Schicht des Gehirns, während viele kritische Befehls- und Steuerungsfunktionen von tief liegenden Hirnstrukturen wie dem Thalamus und den Basalganglien übernommen werden. Und doch kann es grundlegende Arbeitsprinzipien des menschlichen Gehirns verraten. Diese wollen die Forscher aufdecken, um die künstlichen Intelligenzen auf den Entwicklungsstand von Kleinkindern zu heben.