Wie die Welt in den Kopf kommt

Mit der Verbindung von Zellen und ist zwar der der schwierigste Teil des Modells geschafft, was das visuell-analytische Denken betrifft; der Prozess der Verarbeitung ist aber noch nicht abgeschlossen. Nehmen wir an, dass die beiden nun verbundenen Zellen Reize repräsentieren. Bleiben wir bei Pawlows Hund, dann sind es „Glocke“ und „Futter“. Zusammen ergibt das ein neues Chunk namens „Fütterung“. Welche Zelle repräsentiert jetzt dieses Chunk? Muss es nicht eine Zelle geben, die diese Verknüpfung repräsentiert?

Hier stehen wir vor der Frage, ob es im Gehirn überhaupt Zellen für bestimmte Begriffe geben kann. Eine solche Vorstellung galt aus dem Verständnis neuronaler Netze heraus als verpönt und wurde als die Theorie der „Großmutterzelle“ verspottet. In neuronalen Netzen sind Informationen normalerweise verteilt repräsentiert. Das hier vorgestellte Netz wird aber beide Repräsentationsarten zulassen. Einerseits gibt es die verteilte Information, und zwar nicht nur im Raum, sondern, da das hier konzipierte Netz auch mit zeitlichen Signalmustern arbeitet, gibt es sogar eine zeitliche Verteilung einer Repräsentation. Trotzdem können die Muster letztendlich in einer Zelle münden, die einen Begriff repräsentiert. Genau so scheint dies neueren Studien zufolge auch im Gehirn zu sein. So fand Christof Koch sogenannte „face cells“ (Bremen 1998, Cross 2000, Recht 2000 Link) und es gibt im Gehirn Neuronen für Eigenschaften wie z.B. einen bestimmten Augenabstand (Abo-Ticker 2002.01.22 Link), sowie Neuronen für andere Objektkategorien, wie Körperformen und Formzusammenstellungen (Goldstein S.104, WSA 2001.10.04, Doerfler Alex 2001 Link) Es gibt auch Untersuchungen mittels Magnetresonanztomografie, die aber aufgrund der geringen Auflösung, von etwa einem Quadratmillimeter, die Frage nicht beantworten können, was das einzelne Neuron zu repräsentieren vermag. Nachgewiesen wurde auf diese Weise aber die Repräsentation von Objektkathegorien an bestimmten Orten im Gehirn (Spitzer 2000, S.259 Link).

Aussagekräftig sind vor allem die Untersuchungen mittels Elektroden am offenen Gehirn, wobei diese beim Menschen nur Nebenerscheinungen einer notwendigen Gehirnoperation sein können. Man zeigt dem Patienten Gegenstände und misst mit Elektroden, ob man ein Neuron findet, das auf einen der Gegenstände reagiert. Warum diese Untersuchungen schwierig sind, will ich am Beispiel von Großmutters Kachelofen erklären. Dieser ist, wie die meisten vertrauten Gegenstände, vor allem örtlich definiert. Man kann ihn bei der Operation nicht herzeigen. Deshalb wird man im Operationssaal nur Neuronen für Überbegriffe finden. Meiner Ansicht nach, gibt es nur wenige Dinge, die uns wirklich als Einzelgegenstand vertraut sind. Auf dem Mietparkplatz vor meiner Wohnung stehen immer die selben Autos. Aber nur der rote Ferrari ist individuell. Alle anderen bilden für meine Wahrnehmung einfach eine Autostruktur, wie es sie auf vielen Plätzen der Stadt gibt. Würde man die Autos der Plätze austauschen, würde ich es nicht merken. An all diesen Autos erkenne ich nur den Überbegriff „Auto“. Daraus folgt: Man müsste die Operation in der vertrauten Umgebung durchführen, wo der Patient vertraue Einzeldinge wahrnehmen kann. Aber selbst dann, hätte man wohl wenig Chance unter Millionen in Frage kommender Zellen, die Elektrode genau in jene zu stechen, zu der man den Gegenstand zeigt, den der Patient gerade bewusst wahrnimmt. Und erst die Wiederholbarkeit würde dies zeigen, denn Zellen weisen auch ein starkes Zufallsrauschen auf.

Umgekehrt wäre es auch möglich Zellen zu reizen, und den Patienten zu fragen, was er erlebt. Aber das kann nicht funktionieren, denn es müsste vermutlich ein ganzes Netz an Verzweigungen aktiviert werden, um eine bewusste Wahrnehmung zu erzeugen. Diese aktivierten Zweige müssten stärker sein, als jene aktiven Bereiche, die der Patient gerade durch seine Gedanken und seine Aufmerksamkeit im Gehirn aktiviert hat, und die Aufmerksamkeit kann sich in der ungewohnten Situation auf alles Mögliche beziehen. Vielleicht ist er mit Gedanken in der Zukunft, hat Sorgen oder Erwartungen. Das Bewusstsein kann sich ja nur einer Sache zu einem Zeitpunkt widmen, und so siegt der stärkere Gedankeninhalt, und der wird nicht von einer einzigen gereizten Zelle ausgehen.

Das bedeutet, die Frage nach der Möglichkeit einer Großmutterzelle ist noch nicht klar beantwortbar, und die Ablehnung einer solchen Vorstellung, ist nur aus der verteilten Repräsentation in den derzeit gängigen neuronalen Netzen zu erklären. Aber möglicherweise liegt ja gerade darin die Schwäche dieser Netze, und der Grund dafür, dass sie nicht begrifflich denken und planen können. Deshalb sollten wir uns nicht so sehr an die Informatik und Neurologie klammern, sondern uns an der psychologischen Lernforschung orientieren. Diese zeigt sehr klar, dass erlernte Verbindungen zu Einheiten führen, auf die wir in Zukunft im Stück zugreifen können (Kognition 2000, S.30 Link).

Im Allgemeinen können wir also davon ausgehen, dass Begriffe im Gehirn örtlich repräsentiert sind. Es kann uns im Grunde egal sein, ob dies durch ein einzelnes Neuron geschieht, oder durch eine Neuronengruppe. Die Idee, dass Begriffe durch eine Neuronengruppe statt durch ein einzelnes Neuron präsentiert werden, würde in meinem Modell keiner wesentlichen Änderung bedürfen. Ich bräuchte nur annehmen, dass Zellen auch zu entfernteren Nachbarn Verbindungen haben (was ja so ist). Dann treffen die oben beschriebenen Kämmsignale nicht in einer Zelle aufeinander, sondern in einer Zellgruppe. Und es gehen nicht von einer Zelle Kämmsignale aus, sondern von einer Gruppe nebeneinanderliegender Zellen. Das System verbraucht auf diese Weise mehr Zellen und Verbindungen, aber es wird auch weniger anfällig auf Störungen. Das macht Sinn im Fall von unzuverlässigen Bauteilen, wie Neuronen. Es hat aber wenig Sinn für elektronische Bauteile. Die folgende Grafik zeigt, dass die Verbindung zweier Neuronengruppen nicht zu mehr Kontaktpunkten führt als die Verbindung zweier Einzelneuronen, denn die Fließsignale der gruppierten Neuronen verschmelzen. So entgeht das System auch bei hierarchischer Entwicklung immer weiterer Verbindungen einem Verbindungskollaps:

Bleiben wir also dabei, dass ein Begriff im Gehirn örtlich repräsentiert ist, egal ob nun durch eine Zellgruppe, oder durch ein einzelnes Neuron. Im Gehirn können etwa sieben solche „Chunks“ gleichzeitig aktiviert werden. Das ist der maximale Lerninhalt, der kurzzeitig behalten werden kann. Ein Beispiel wäre eine Reihe von sieben Buchstaben oder Zahlen. Die Frage ist, wie können wir uns mehr merken?

Folgende Buchstabenfolge ist in 10 Sekunden zu merken:

A B A S F U K W A B S R T L O M V

Folgende Winkelfolge ist zu merken:

Tja, das übersteigt wohl unsere sieben Lerninhalte. Ist es damit unmöglich? Keineswegs. Wenn wir die Information so umstrukturieren, dass wir bereits bekannte Verknüpfungen unseres Gehirns verwenden können, dann genügen die sieben Chunks durchaus. Wie wäre es zum Beispiel damit:

A, BASF, UKW, ABS, RTL, OMV

Und mit folgender Merkhilfe: „Bilde Zwei-Balken-Gruppen aus NAMA NAMA“

Vergegenwärtigen wir uns noch einmal Pawlows Hund. Weder die Einheit, welche für Glocke, noch jene welche für Futter steht kann die gesamte Fütterung repräsentieren. Wir benötigen eine neue, noch unbesetzte Zelle. Das bedeutet, dass neues Lernen auch neue Gehirnzellen benötigt. Tatsächlich weisen neue Studien nach, dass im Gehirn ständig neue Zellen nachwachsen (Kuhn 2001, Abo-Ticker 1999.10.21, Abo-Ticker 1999.11.08, WSA 2002.02.28 Link). Gehirnzellen scheinen sich sogar transplantieren zu lassen (WSA 2001.03 Link). Wichtiger für das Modell scheint aber eine Studie, wonach ohne neu entstehende Zellen, keine Erinnerungen mehr gespeichert werden (Abo-Ticker 2001.03.20 Link). Allerdings dürften viele Zellen, vor allem im jungen Gehirn noch unbelegt sein, und, wenn am richtigen Ort gelegen, zur Speicherung neuer Inhalte herangezogen werden (Abo-Ticker 1999.11.29 Link).

Jedenfalls muss die neu belegte Zelle sich mit anderen ebenso neuen Zellen nach den bayesianischen Regeln ungehindert verknüpfen können, denn wir sind ja fähig einmal erlernte Chunks miteinander zu verknüpfen. Deshalb soll sie ihr Output-Signal auf eine neue Ebene senden. Als Platz wollen wir den Kontaktpunkt zwischen den beiden Ausgangszellen annehmen, also die Mitte zwischen ihnen.

Diese Annahme gründet sich auf Beobachtungen der räumlichen Organisation im menschlichen Gehirn. Jede Funktion hat ihren Platz in der Mitte zwischen den sensorischen und/oder motorischen Feldern, die sie beliefern. So sind die Sprachzentren rund um das Hörzentrum angeordnet, aber das Sprachverstehen mehr hin zum visuellen System mit dem wir die Welt wahrnehmen, das Sprechen mehr hin zum motorischen Feld. Daneben die Kontrolle des Mundes und weiter weg die Kontrolle anderer Körperbereiche. Der Gehirnbereich zwischen Sprachverstehen und Sehen beinhaltet eine non-sprachliche Repräsentation wahrnehmbarer Dinge. Sozusagen die Vorstufe hin zum Sprechen. Zwischen dem sensorischen (tastenden) Projektionsfeld und dem Sehzentrum liegen die Bereiche für Raumorientierung. Das Stirnhirn verbindet den sprachlich bewussten Bereich mit dem motorischen, und erhält Input aus dem limbischen System, wo Bedürfnisse und Triebe ihren Ursprung haben. Im Stirnhirn werden Zukunftsvorstellungen und gegenwärtige Bedürfnisse abgewogen und Pläne verfolgt, sowie die Pläne anderer Menschen erkannt (Abo-Ticker 2002.03.25, WSA 2001.02.01 Link). Auch bei Stirnhirnverletzten Tieren ist eine deutliche Veränderung des Verhaltens bemerkbar, und im Umgang mit ihnen fällt erst auf, dass auch Tiere normalerweise Ziele ansteuern, wenn auch kurzfristigere als der Mensch. Eben das können Tiere mit Stirnhirnschäden nicht mehr. Ihr Verhalten ist chaotisch und beliebig (Hernegger 1995, S.169 Link). Da moralisches Verhalten meist das Ziel hat negative zukünftige Empfindungen, wie z.B. soziale Ausgrenzung zu verhindern, sitzt auch die Moral im Stirnhirn (Abo-Ticker 1999.10.21 Link).

Die folgende grobe Skizze veranschaulicht die funktionellen Aufgabenbereiche im Gehirn. Ich habe sie in der handschriftlichen Form belassen, um ihre Skizzenhaftigkeit zu betonen. Gut erläutert wird die funktionale Gehirnanatomie in Kolb/Whishaw 1996.

Das meiste Wissen über die Funktionsbereiche der Gehirnareale erhält man durch Studien an Menschen, bei denen durch Unfälle, Tumore oder Hirnblutungen u.ä. ein bestimmter Bereich des Gehirns zerstört wurde. Oliver Sacks schildert in spannender Erzählform Patienten, die an solchen Veränderungen leiden. Sein Buch gibt ein Bild davon, wie sehr das Gehirn unsere Person bestimmt (Sacks 1990 Link).

Was aus der örtlichen Verteilung der Funktionsbereiche hervorgeht ist, dass der notwendige Input für eine bestimmte Leistung immer aus benachbarten Arealen kommt liegt. Die Verarbeitung zweier Eingänge scheint immer in der Mitte zwischen den Quellen (Projektionszentren) stattzufinden. Deshalb wollen wir davon ausgehen, dass die Zelle, welche eine Verbindung (Chunk) repräsentiert, ebenfalls in der Mitte ihrer Zulieferer liegt. Es wird der möglichst direkte Weg zwischen den beiden Zellen gefunden, und in der Mitte dieses Weges, also am Kontaktpunkt der Fließsignale bildet sich die neue Chunk-Zelle (Verarbeitungseinheit) aus. So folgt aus dem Modell der Verbindungsfindung ein Modell der örtlichen Selbstorganisation im Gehirn. Dieses Modell erklärt auch, warum bei einem Hydrocephaluskind, wo die Signale tote (zerquetschte) Gehirnbereiche umwandern müssen, die Verarbeitungszentren letztlich anderswo im Gehirn zu liegen kommen, und warum neugeborene Hamster mit transplantiertem Sehnerv ihr Sehzentrum dort entwickeln, wo dieser Nerv hinoperiert wurde (Frost 2000). Die Verarbeitungsbereiche scheinen nicht genetisch fixiert zu sein, sondern alles findet seinen Platz nach dem Prinzip der Verbindungsmitte. Das Prinzip der Mitte findet sich auch in der Natur der Zelle selbst. Man hat festgestellt, dass auch innerhalb von Zellen Fließprozesse stattfinden müssen, damit die, für die Zellteilung nötige Mitte gefunden werden kann (WSA 2002.01.02 Link).

Aus meiner Sicht wird die Plastizität des Gehirns heute immer noch unterschätzt, weil sich die Forscher nicht zu dem Glauben durchringen können, dass eine Struktur so verschiedenartigen Leistungen zugrunde liegen kann. Dabei sollte dies schon seit den frühen 80er Jahren bekannt sein. In einer Fernsehdokumentation aus dieser Zeit (Heminway Link) wird eine Hydrocephalus (Wasserkopf) Patientin vorgestellt, deren Gehirn im Embionalstadium deformiert wurde, wie es die folgende PET-Scanner-Aufnahme zeigt.

Normales Gehirn Sharons Gehirn

Die Verbindungen zu den Sinnen blieben erhalten, und die junge Frau führt ein normales Leben, und bringt in der Schule sogar überdurchschnittliche Leistungen. Durch Einatmen von Xenon 133 konnten schon damals die aktiven Bereiche des Gehirns bildgebend dargestellt werden. Hier zeigt sich, dass die Frau nur Teile nützt. Ihr Gehirn hat sich also durch die räumliche Deformation völlig anders organisiert.

Normales Gehirn Sharons Gehirn

Wir wollen davon ausgehen, dass das Prinzip der Verbindungsmitte dafür sorgt, dass jeder Gedächtnisinhalt seinen Platz im neuronalen Netz findet. Ist das Netz durch einen Hohlraum oder durch defektes Gewebe deformiert, so führt der kürzest mögliche Weg zwischen zwei Punkten um diesen Bereich herum. Das Netz organisiert sich anders. Dies scheint aber nur bei einem Embryo in dem gezeigten Ausmaß möglich.

Generalisierung und Differenzierung

Aber nicht immer macht es Sinn, für eine Verbindung zweier Reize gleich eine Chunkzelle zu günden, die die Kombination dieser Reize darstellt. Nehmen wir uns als Beispiel das Erlernen des ABC.

Die folgende Grafik veranschaulicht links, wie viele Verbindungen auftreten würden, wenn wir für jede Zweierverbindung eine eigene Chunkzelle gründeten. Zusätzlich müssen wir noch bedenken, dass die Zellen im Gehirn nicht, wie hier dargestellt, so ordentlich nebeneinanderliegen, sondern jede Verbindung über viele Zwischenzellen führt. Multiplizieren wir die Zahl an dargestellten Verbindungen also noch einmal mit etwa hundert Zwischenzellen. An eine Umsetzung des Modells wäre so nicht mehr zu denken.

Durch Kettenbildung können die 625 Verbindungen auf eine überschaubare Zahl von etwa 30 vermindert werden. Durch Experimente mit dem Sprachrhythmus und der Abrufbarkeit habe ich versucht herauszufinden, wie das ABC in meinem Gehirn organisiert ist, und bin auf die rechts dargestellte Reihung gekommen. Ich kann einen Anfangs, einen Mittelteil, und einen Endteil aufrufen. X,Y,Z sind dann noch wie ein Anhang dran. Wahrscheinlich habe ich das ABC in der Volksschule bereits in dieser Teilung erlernt. Auch Experimente mit meinem 7 jährigen Neffen legen nahe, dass die Buchstabenfolge des Alphabets im Gehirn eher so organisiert ist, wie rechts dargestellt. Frage ich ihn welcher Buchstabe nach J kommt, so hat er keinen direkten Zugriff, sondern muss bei A beginnen, und plappern bis er beim K landet.

Verbindungsketten können jederzeit abgerufen werden. Wir starten bei einem Begriff, und lassen die Versuchsperson dazu frei assoziieren (Anderson1996, S.180 Link).

Verbindungsketten sind also die normale und vorrangige Verbindungsform. Aber wann zerfallen sie in Teile und bilden eine Verbindungspyramide aus? Wann wird für eine Verbindungskette im Gehirn eine eigene Chunkzelle gegründet? Diese Frage ist identisch mit jener danach, wo eine Verbindungskette beginnt, und endet.

Es gibt darauf nur eine sinnvolle Antwort: „Verbindungsketten beginnen und enden dort, wo ein Voraussagefehler auftritt.“ Der Hund lernt Rotlicht, Glocke, Futter. Vor dieser Kette war auch immer ein Ereignis (weil das Leben eine Aneinanderkettung von Ereignissen ist), aber eben immer ein anderes. Es gehört also nicht zur Voraussagekette. Der Voraussagefehler ist also auch der Auslöser für die Abgrenzung der Kette und der Zuordnung einer Verbindungszelle (Chunk).

Das bedeutet umgekehrt, dass innerhalb jenes Bereiches, wo kein Voraussagefehler eintritt, auch keine weiteren Verbindungen entstehen. Es kommt also zu Verbindungsketten, wie in der Grafik rechts dargestellt, und nicht zur Unzahl an Verbindungen, wie links dargestellt. Die Verbindungskette erbringt alle nötigen Voraussagen, und so bleiben weitere Lernvorgänge aus. Diese Annahme ist auch überprüft worden, und unter dem Begriff „Blockierung“ bekannt. Es konnte in Konditionierungsexperimenten gezeigt werden, dass wenn erlernt wurde ein Ereignis durch einen Vorankündigungsreiz vorauszuahnen, kein weiterer Vorankündigungsreiz erlernbar ist, solange der erste nicht ausbleibt oder versagt. Die richtige Voraussage verhindert also weitere Verbindungen (Zimbardo 1995 S.308, Mischo 2002, Macho 1999 Link).

Wie lässt sich Reizverkettung mit den bayesianischen Regeln in Verbindung bringen? Dort ist doch immer nur von zwei Reizen die Rede! Wir haben festgestellt, dass die Verbindung AàB zerfällt, wenn B öfter alleine vorkommt als mit in der Kombination. Die Ankündigung durch A funktioniert dann nicht. Nehmen wir nun als Beispiel die Kette A-B-C-D-E-F-G, so kommt doch B in der Sprache viel öfter vor, als nur in dieser Verbindung, wo es durch A angekündigt wird. Muss die Kette also zerfallen?

Die Antwort ist Ja! denn in einem leeren Netz, das die Teile noch nicht erlernt hat, müssen erst einmal diese erworben werden. So lernt ein Baby erst einmal die einzelnen Laute kennen, bevor es sie zu Silben vereint, und dann vereint es diese zu Wörtern und weiter zu Sätzen. Das ABC als Reihe wird erst erworben, wenn es in einem Lebenszusammenhang steht, zum Beispiel als Aufgabe in der Volksschule. In diesem Lebenszusammenhang eingebettet, ist es dann als Ganzes enthalten. In diesem Lebenszusammenhang kommt es immer in dieser Reihenfolge vor, ist daher voraussagbar, wird keine Voraussagefehler aufwerfen und somit auch nicht mehr zerfallen. Es bleibt als Kette bestehen, mit einer eigenen Chunkzelle, die wir als „ABC“ bezeichnen können.

Nur haben wir mit diesem Beispiel zu hoch gegriffen. Wir können die Verschaltungskomplexität, die das Gehirn bis zur Volksschule erreicht hat, nicht mehr überblicken. Es werden uns bei der Behandlung des visuellen Systems aber Voraussageketten begegnen, wie zum Beispiel die Voraussage der weiteren Bewegung eines vorbeiziehenden Objektes, die wir noch vollständig überblicken können.

Verarbeitungsebenen und das Differenzierungsproblem

Wir können uns diese Voraussageketten als Verbindungen vorstellen, die mit Widerständen versehen sind. Je nach der bayesianischen Wahrscheinlichkeit, mit der ein Ereignis erwartet werden darf, ist der Widerstand gering, oder eben groß. Nach einigen solchen Widerständen verliert sich das Signal in der Kette. Ereignisse die wahrgenommen werden, aber nicht, oder kaum erwartet (vorhersignalisiert) wurden, sind Voraussagefehler und werden als solche auf die nächst höhere Ebene des Netzwerkes weitervermittelt, wo sie untereinander Verbindungen eingehen können. Dabei können möglicherweise wieder Voraussagbarkeiten entdeckt werden, oder es entstehen wieder Voraussagefehler, die auf eine noch höhere Ebene übertragen werden. Von Ebene zu Ebene steigt die Komplexität des Systems.

Mit der Bildung einer neuen Verbindungszelle im Falle eines Voraussagefehlers ist auch ein bekanntes Problem propositionaler Netze gelöst, das Differenzierungsproblem (Herkner 1991, S.163 Link). Wenn zum Beispiel erkannt wird, dass Eva große Augen hat, dann entsteht zunächst eine Verbindung von Eva zu Augen, und dann noch zu groß. Und wenn Karl blaue Augen hat, entsteht eine Verbindung von Karl zu Augen. Von dort liegt aber bereits eine Verbindung zu groß vor. Das darf nicht sein. Da entsteht ein Voraussagefehler. Karls Augen sind nicht groß.

Die Voraussagekette muss also getrennt werden. Der Voraussagefehler provoziert die Bildung einer neuen Verbindungszelle (Chunk), und so kommen wir zur unteren Darstellung, wo das Problem einer Verwechslung nicht mehr gegeben ist. Die Kettenverbindung Eva hat große Augen ist ebenfalls erhalten geblieben.

Die Regel lautet also: „Sobald ein Voraussagefehler auftritt, wird das Signal an neue, noch freie Zellen weitergegeben.“ Wie aber geht das System mit nur teilweise zutreffenden Voraussagen um? Die Antwort ist einfach: „Es wird immer jener Teil des Signals an neue Zellen weitergegeben, der nicht vorausgesagt wurde.“ Diese Regel will ich vorerst einfach so stehen lassen. Später werden wir sehen, dass auch die Verschaltung des visuellen Systems im Gehirn, soweit sie bekannt ist, eine solche Regel nahelegt.

Die Vorstellung besteht also darin, dass bereits die Reize der einzelnen Sinnesrezeptoren einander vorauszusagen versuchen, also Voraussageverbindungen zueinander eingehen. Von Ebene zu Ebene der Verarbeitung werden immer komplexere Voraussageverbindungen gelernt. So ergibt sich die Frage, ob dieser Lernvorgang des Gehirns auch anatomisch sichtbar ist. Tatsächlich werden fertige Verbindungen mit einer Myelinschicht ummantelt, die sie isoliert, und den Signalfluss in ihnen beschleunigt. Und es ist, wie erwartet, zu beobachten, dass die Myelinisierung des Gehirns bei den Projektionsfeldern der Sinne beginnt, und bis in die Pubertät voranschreitet. Erst dann wird z.B. auch der Frontallappen voll „erobert“ (Spitzer 2000, S.196 Link).

Regeln zum Zusammenfluss der Signale

Im letzten Kapitel, das ich der hierarchischen Organisation des Wissens gewidmet habe, wurden nur Beispiele angeführt, die einen zeitlichen Ablauf darstellen. Das Alphabet ist ein nacheinander an Buchstaben, also ein zeitlicher Ablauf.

Das Gehirn legt eine innere Repräsentation der Welt in Form von Verbindungen an. Bei zeitlichen Abläufen ist klar, dass diese Verbindungen auch dieses zeitliche Nacheinander wiederspiegeln. Werden sie abgerufen, so durchwandern wir in unserer Vorstellung wieder den zeitlichen Ablauf. Wir können den Film nicht verkehrt ablaufen lassen. Wir sehen niemanden rückwärts gehen, wenn wir an die Vergangenheit denken. Allerdings ist der Film, da er an Voraussageenden zerfällt, in einzelne Ereignisse (Cunks) gegliedert, die wir durchaus in verkehrter Reihenfolge erinnern können.

Visuelle Informationen sind in dem örtlichen Zueinander neuronaler Aktivität festgelegt. Wie kann dieses örtliche Zueinander durch Verbindungen abgespeichert werden? Um diese Frage zu beantworten, müssen einige Hürden überwunden werden, die über das hinausgehen, was die heutige Gehirnforschung nachweisen könnte. Das folgende Kapitel ist also dem Ziel entsprungen, ein funktionstüchtiges Modell zu schaffen, wie es die KI-Forschung braucht. Allerdings ist das Modell nicht aus der Luft gegriffen. Es lässt sich schlüssig argumentieren, dass auch das Gehirn bestimmten Problemstellungen nicht entgehen kann, zum Beispiel dem Problem, eine zeitliche Reihenfolge der Verarbeitungsschritte festzulegen.

Wann und wie verlassen die Fließsignale eine Redundanzkette?

Während die Zeit in einer linearen Verkettung von Verbindungen beschrieben werden kann, kommen wir bei der Abspeicherung visueller Informationen nicht daran vorbei, auch sternförmige Verbindungen zuzulassen, denn Bilder bestehen aus Flächen und in Flächen gibt es Verbindungen in alle Richtungen, nicht nur in eine.

Tatsächlich gibt es sternförmige Verbindungen im Gehirn. Die Zentrum/Umfeld Zellen verbinden zum Beispiel benachbarte Zellen sternförmig miteinander (Hubel 1989, S.185 Link). Benachbarte Zellen des Netzhautbildes fallen meistens in die gleiche Farbfläche eines Projektionsbildes. Sie sind also oft gleich gereizt. Die Konditionierungsregeln besagen, dass gleichartige Reize verbunden werden, wenn sie häufig räumlich und zeitlich nahe aufeinandertreffen. Also müssen die Zellen auf unterster Stufe der visuellen Wahrnehmung alle mit ihren Nachbarn eine sternförmige Verbindung aufbauen, und so ist es.

Diese Voraussagekette (in unserem Fall eigentlich eine Voraussagefläche) findet ihr Ende dort, wo ein Voraussagefehler auftritt. Bei der Betrachtung einer weißen Wand ist nirgends im Bild ein Voraussagefehler. Wohl aber bei der Betrachtung von Formen. Dabei kommt es an der Kontur zu Voraussagefehlern, da benachbarte Zellen dort unterschiedlich aktiviert sind. Die Voraussagefehler führen zur Gründung von Chunkzellen. Alle diese Chunkzellen liegen auf den Konturen.

Nehmen wir nun an, dass diese Konturzellen auf eine neue Ebene übertragen werden, und dort ihrerseits wieder versuchen Verbindungen aufzubauen. Es starten also, ausgehend von den Konturen, Fließsignale, die der Verbindungsfindung dienen:

Die Mittelpunkte der gefundenen Verbindungen ergeben nun, wie die Grafik zeigt, das Symmetrieachsenskelett von Formen. Diese Mittelpunkte können sich ihrerseits verketten und Chunkzellen beliefern. Die einer solchen Kette zugeordnete Chunkzelle spricht dann nur an, wenn das Objekt zu sehen ist. Sie erkennt das Objekt.

Warum solche räumliche Verbindungen nicht entstehen

Die Grafik vermittelt den Eindruck, dass, wenn das Gehirn alle Informationen in Form von Verbindungen darstellt, etwas derartiges im Gehirn vorgehen müsste. Aber eigentlich kann dies nicht so sein. Die Verbindungen zum Objektzentrum hin werden sich nicht bilden, denn es gilt das Gesetz der Nähe. Konturzellen werden sich also miteinander zu Linien verketten, aber nicht die weite Strecke zu einer anderen Kontur überbrücken.

Werden sich dauerhafte Verbindungen bilden? Wenn wir die statistischen Regeln auf die Sache anwenden, so kommen wir zu dem Ergebnis, dass sich kaum dauerhafte Verbindungen bilden werden. Dort hieß es nämlich, dass die Verbindung „auf A folgt B“ nur dann beibehalten werden darf, wenn B meist von A angekündigt wird, und selten alleine auftritt. Die Zellen, die sich im obigen Beispiel miteinander verbunden haben, sind aber sowohl in der Vergangenheit, als auch in der Zukunft, meist in anderen Kombinationen aktiviert worden. Das heißt sie werden nur äußerst selten genau in dieser Verbindungskombination auftreten. Die unterste Ebene, die der Konturfindung dient, mag ihre Verbindungen halten können, denn auch in anderen Bildern werden benachbarte Zellen häufig gleich gereizt sein. Die Verbindungen, welche zum Symmetrieachsenskelett führen, und alle übergeordneten Verbindungen werden jedoch schon von der nächsten Wahrnehmung wieder überschrieben werden. Das heißt Formen können so nicht dauerhaft erinnert werden.

An unserem Modell stimmt also momentan etwas nicht. Die Statistik ist aber unanfechtbar. Also müssen wir damit leben, dass örtliche, bzw. räumliche Bezüge höherer Ordnung nicht dauerhaft durch örtlich fixe Verbindungen gespeichert werden können. Tatsächlich findet man im visuellen System des Säugetierhirns ja auch nur niedrige Verarbeitungsstufen, wie sie zum Herausfiltern von Helligkeitsgrenzen, Farbgrenzen, Bewegungskonturen, Tiefenverarbeitung und Richtungserkennung notwendig sind, durch örtliche Verbindungen repräsentiert (Hubel 1989 Link). All diese Faktoren kommen aber in jedem Bild vor, und können sich deshalb statistisch dauerhaft behaupten.

Außerdem birgt die Idee, Formen durch dauerhafte räumliche Verbindungen zu speichern auch noch andere Detailprobleme, wie zum Beispiel die große Anzahl an Verbindungen, die nötig wäre, um eine Form zu erfassen. Auch würde die Form in dem Moment nicht mehr erkannt, wo sie verschoben wird, bzw. es müssten wieder neue Verbindungen gegründet werden. Das Selbe gilt, wenn die Form verdreht, verkleinert, oder anders beleuchtet erscheint. Und der Gipfel des Übels besteht darin, dass wir letztlich keine Regel kennen, die die Vielzahl an Verbindungen vereinen könnte, die dann ein und die selbe Form in verschiedenen Situationen repräsentieren.

Die Abziehbildcodierung

Wenn nun die Verbindungen, welche zum Symmetrieachsenskelett führen, nicht aufrecht erhalten werden, so ergibt sich die Frage, wie dann Wiedererkennen von Formen möglich ist. Das bisherige Modell arbeitet doch mit derartigen Fließsignalen. Warum sollten sie hier plötzlich keinen Sinn mehr ergeben?

Faktisch ist es so, dass die Fließsignale durchaus noch immer Sinn ergeben. Nur dienen sie nun nicht mehr der Verbindungsfindung, sondern der Verbindungsnutzung. Verbindungen sind ja da. Jede Zelle ist mit ihren Nachbarn verbunden worden. Nur die höheren Verbindungen, zu den Symmetrieachsenskeletten entstehen nicht.

Die Frage ist, wozu sind überhaupt Verbindungen gut, wenn nicht dazu, dass darin Signale fließen. Stellen wir uns also ein Verbindungsnetz vor, in dem jede Zelle mit ihren Nachbarn verbunden ist. Wie sollen denn darin Signale fließen? Wo und wann sollen denn solche Signale entstehen? Es macht keinen Sinn Verbindungen aufzubauen, wenn darin keine Signale fließen. Aber wozu könnte ein solcher Signalfluss gut sein?

Wir wissen, dass auf der primären Sehrinde die Seheindrücke als flächiges Reaktionsbild vorliegen. Dieses Reaktionsbild wird auf Ebenen aufgeteilt, die für Farbe, Struktur, Bewegung, Tiefenzuordnung usw. stehen. Danach geschieht mit all diesen flächigen Reaktionsbildern irgendeine Transformation, und einen Schritt weiter, sind im Schläfenlappen auf einmal Formen und Objekte erkannt (Damasio 1993, S.51 Link). Aus meiner Sicht kann das, was an dieser Stelle des Säugetiergehirns passiert, nichts anderes sein, als eine Codierung der flächigen Informationen auf Zeit, denn Information muss grundsätzlich entweder Zeit oder Raum in Anspruch nehmen, um existent zu bleiben. Entweder ich schicke sie durch viele räumlich nebeneinanderliegende Leitungen in einem Stück, oder ich schicke sie durch wenige Leitungen nacheinander, also zeitcodiert, wie die Zeilen des Fernsehbildes. Wie könnte eine solche Zeitcodierung aussehen?

Die Antwort ist ganz einfach. Wir lassen durch die Verbindungen Signale fließen, und die Zeitspanne, die der Signalfluss anhält, beschreibt die räumlichen Distanzen, die durchflossen werden. Aber wo können die Signale starten? Natürlich von den Voraussageenden, also von dort, wo die derzeitige Verbindung ihre Gültigkeit verliert. Das sind in unserem obigen Beispiel die Konturen. Der entstehende Signalfluss entspricht dann genau den Zeitlinien, mit denen die Objekte der Grafik gefüllt sind. Tatsächlich legen Studien Nahe, dass im Gehirn zum Beispiel Farbinformationen von den Konturen in die Objektflächen wandern (Spillmann u.a. 2000 Link).

Wie kann nun die Zeitdauer des Durchflusses weitervermittelt werden? Nehmen wir uns als anschauliches Beispiel ein Abziehbild. Wir ziehen das Bild nun von den Voraussageenden, also den Konturen, her ab. Die abgezogene Fläche wandert dabei zur Mitte, so wie in der Grafik dargestellt:

Ich fand auch noch zwei ähnliche Möglichkeiten mit dem gleichen Effekt, auf die ich hier nicht näher eingehen will. Wichtig ist, dass wenn nun auch noch mitvermittelt werden kann, wie viele Signale zu einem Zeitpunkt jeweils zusammenfließen (Reizanzahl), dass dann auf diese Weise die ganze Forminformation zeitcodiert aus der Ebene tritt. Auf das Problem der Auswertung zeitlicher Information werde ich im übernächsten Kapitel Antwort geben.

Wieso aber führt der Signalfluss nun aus der Ebene, und bleibt nicht in der Ebene, wie bei den Kämmsignalen. Die Antwort ist einfach: Die Kämmsignale treten bei der Verbindung entfernter Reize auf einer nicht gereizten Fläche auf. Hier aber erhält die ganze Fläche einen Reizinput. Die Signale können also nicht retour wandern, weil Zellen die gereizt sind nicht aufnahmefähig sind. Außerdem sind die Verbindungen ja schon gefunden. Wie oben erwähnt ist jede Zelle mit ihren Nachbarn verbunden. Es geht hier also genaugenommen gar nicht mehr um Verbindungsfindung, sondern um Verbindungsnutzung, also um den Signalabfluss.

Wieso werden die vorhandenen Verbindungen an den Objektgrenzen, wo benachbarte Zellen unterschiedlich gereizt sind, nicht wieder getrennt? Weil die momentane Erfahrung, den Bayes-Regeln zufolge, nicht sofort die Unzahl von vergangenen wiederholten Erfahrungen überschreiben kann, wo benachbarte Zellen gleich gereizt waren. So wird die Kontur nur als Ausnahme, d.h. als Voraussagefehler wirksam.

Wir befinden uns also bereits eine Verarbeitungsstufe über der Verbindungsfindung, bei der Frage, wie Signale durch die Verbindungen fließen. Tatsächlich ist diese Frage nur bei zeitgleich entstandenen Verbindungen durch den Abziehbildsignalfluss zu beantworten. Solche Und-Verbindungen haben nämlich, anders als zeitliche Verbindungen (Dann-Verbindungen), keine vorgeschriebene Richtung, und würden wir keine Regeln für den Signalfluss festlegen, so könnten die Signale innerhalb zeitgleicher Und-Verbindungen bis in alle Ewigkeit im Kreis herumwandern. Jedes sinnvolle neuronale Modell kommt also um die Festlegung einer Signalflussrichtung in Und-Verbindungen nicht umhin! Allerdings bieten alle neuronalen Netze, die ich kenne, dazu nicht mehr an, als Fließrichtungen von den Sinnen nach oben (Bottom-Up) oder von einer Zieldefinition nach unten (Top-Down) vorzuschreiben. Nach 10 jähriger unfruchtbarer Diskussion, was der richtige Weg sei, sollte eigentlich allen klar sein, dass es nicht nur diese zwei Wege geben kann. Der Start des Signalflusses beim Voraussagefehler bietet ein völlig neues Konzept, dessen überragende Leistungsfähigkeit ich mit dieser Arbeit darstellen möchte.

Genaugenommen fließen die Signale innerhalb von Und-Verbindungen in meinem Modell vorerst gar nicht, weil ein Signal nicht weitergeben werden kann, so lange alle verbundenen Zellen gleiche Reizintensität haben. Wir erinnern uns: Eine gereizte Zelle kann kein Signal empfangen, also kann auch keine Zelle einer gleichgereizten Gruppe ein Signal an ihre Nachbarzelle abgeben. Nur wenn diese schwächer gereizt ist, als die sendende Zelle, kann ein Signalfluss zustande kommen.

Es muss also an den Rändern der Fläche, wo die Voraussagefehler auftreten, zu einem verstärkten Impuls kommen, der dazu führt, dass ein Signalfluss zustandekommt. Tatsächlich hat uns die Theorie des eigenen Impulses beim Auftreten eines Voraussagefehlers, ja bereits bei der Gründung von Chunkzellen als Regel gedient. Im weiteren wird sie uns zu einem schlüssigen Modell der Aufmerksamkeitslenkung führen. Ziehen doch unerwartete Ereignisse (Voraussagefehler) immer unsere Aufmerksamkeit auf sich (Goldstein 1997, S.33 Link).

Wie stark sind Signale, die sich verbinden?

Verbinden können sich nur Signale, die zeitgleich am selben Ort zusammenlaufen. Angeblich wird Signalstärke im Gehirn durch Signaldichte repräsentiert (Hubel 1989, S.23 Link). Also kann nur dann eine gute Verbindung zustande kommen, wenn ähnliche Dichte vorliegt, denn nur dann findet sich für jeden Einzelimpuls zeitgleich ein Gegenimpuls. Nach den bayesianischen Regeln muss in diesem Fall eine Verbindung zustande kommen. Da der Begriff „Signalstärke“ aber anschaulicher ist, werde ich ihn weiter verwenden. Dann gilt also: Es können nur Signale gleicher Stärke miteinander verbunden werden.

Wie stark können überhaupt zusammenfließende Signale sein? Dies ist abhängig davon, wie die Ebene, auf der die Signale zusammenfließen, verschaltet ist. Sind die Zellen der Ebene mit allen ihren unmittelbaren Nachbarn verbunden, so ergeben sich pro Zelle in unserem künstlichen System maximal sechs Signale, die zusammenfließen können. Dies stellt dann den maximalen Input dar.

Als Adaption wird die Fähigkeit der Sinne verstanden, sich an verschiedene Reizintensitäten anzupassen. Es ist bekannt, dass Zellen ihre Sensitivität den Bedingungen anpassen, so dass ihr Reizumfang voll ausgeschöpft werden kann. Dies ist natürlich ein zeitlicher Effekt, der nur Sinn hat, wenn er nicht die zeitlichen Inputs aufhebt. Das bedeutet, Adaptionsprozesse müssen deutlich langsamer ablaufen, als die durchschnittliche Aktivierungshäufigkeit.

Die Adaption müsste nach einiger Zeit dazu führen, dass die Zellen einer Ebene, in der jede Zelle mit all ihren Nachbarn verbunden ist, nur dann maximal reagieren, wenn von all ihren Nachbarn ein maximaler Reiz eintrifft, denn das ist der maximale Input, den sie auf dieser Ebene erhalten können. Auf einer Ebene, wo jede Zelle nur mit zwei Nachbarzellen verbunden ist, ist der maximale Input dann gegeben, wenn diese Beiden maximal senden. Auf einer Ebene, wo jede Zelle mit sechs Nachbarzellen verbunden ist, sind sechs Signale nötig, um sie maximal zu aktivieren.

Die notwendige Unterscheidung von Reizstärke und Reizanzahl

Das Gehirn zeigt uns, dass nicht nur Verbindungen von zwei, sondern von beliebig vielen Signalen möglich sind. Es wird ja zeitlich und räumlich Nahes verbunden. Es gibt durchaus Situationen wo mehr als zwei Neuronen wiederholt mit der gleichen zeitlichen und räumlichen Distanz zueinander aktiviert werden, und somit alle zu einer Verbindung zählen. Die Zentrum/Umfeld-Zellen im Sehsystem sind ein solches Beispiel einer sternförmigen Verbindungsgruppe.

Wenn wir vom Modell des Abziehbildsignalflusses ausgehen, so zeigt die folgende Grafik Ausgangspunkte, die so verteilt sind, dass ihre Signale zeitgleich am selben Ort zusammenlaufen. Dort sollte also eine Verbindung von mehr als zwei Signalen zustande kommen.

Bei diesem Zusammenfluss soll es aber nicht zu einer Vermischung zwischen 1. der Stärke (Dichte) der zusammenfließenden Signale und 2. ihrer Anzahl kommen. Aber wie können diese beiden Informationen im Gehirn erhalten bleiben?

Würde die Trennung von Stärke und Anzahl nicht aufrechterhalten, so käme es in folgendem Fall zu einer Verwechslung: Wenn die verbundenen Zellen nur mit halber Kraft senden, dann kommt es nur zu halber Aktivierung der Gesamtverbindung. Zu halber Aktivierung kommt es aber auch, wenn nur die Hälfte der Zellen senden, denn dann ist ebenfalls nur der halbe Input da. Es stellt sich also die Frage, wie diese Situation von der ersteren unterschieden werden kann.

Die Antwort liegt in den Antizellen, die wir schon bei der Darstellung hemmender Verbindungen kennengelernt haben. Ist ein Signal nur halb aktiv, so ist ja auch die Antizelle noch halb aktiv, denn ihre Reizung ist immer negativ zu der der Zelle (Man bedenke, dass das Negativ von Grau ebenfalls Grau ist). Also fließt auch dort ein Signal halber Stärke zusammen, wenn alle Zellen mit halber Kraft senden. Senden hingegen nur die Hälfte der Zellen mit voller Kraft, so senden die Antizellen gar nicht, also kommt es dort zu gar keinem Signal. Die beiden Situationen können also unterschieden werden.

Konkretisierung der Signalcodierung für die KI-Forschung

Die Idee, dass visuelle Information durch Fließzeiten zeitcodiert werden könnte, wird neue Experimente in der Neurophysiologie provozieren. Es ist, nachdem man die synchron pulsenden Neuronen entdeckt hat, bereits abzusehen, dass Zeitcodierung das Forschungsgebiet der Zukunft in der Neurophysiologie darstellt. Die Idee der Zeitcodierung stellt aber auch ein neues Konzept für die KI-Forschung dar. Wenn die Form eines Objektes auf einen einfachen zeitlichen Code reduziert werden kann, unabhängig von deren Lage und Größe, dann ist visuelles Wiedererkennen kein Problem mehr, denn die zeitlichen Codes brauchen wenig Speicher und können somit jederzeit mit den gegenwärtig eintreffenden Sinnesreizen verglichen werden.

Damit das funktioniert, muss allerdings sichergestellt werden, dass jede differenzierbare Form auch ihren eigenen Zeitcode erhält. Auch muss jede Art von Grafik zeitcodierbar sein. Ich habe mich lange mit dem Thema beschäftigt, und glaube, die dafür nötigen Regeln zu kennen. Wichtig ist, dass diese Regeln allesamt darin festgelegt werden müssen, wie Neuronen miteinander kommunizieren bzw. interagieren. Abgesehen vom Neuron soll das Modell keines übergeordneten Steuerungssystems bedürfen. Die folgenden Überlegungen sind also an den Praktiker gerichtet, der ein solches System umsetzen will, und Regeln dazu braucht. Er wird nicht warten, bis die Neurologie so weit ist, diese Regeln zu überprüfen, für ihn ist nur wichtig funktionstüchtige Regeln zu kennen. Andere Leser mögen die folgenden fünf Textseiten einfach überspringen.

Der Abfluss der Signale am Beispiel räumlich getrennter Punkte

Wir wissen, dass das Gehirn alle Informationen durch Verbindungen beschreibt. Würde es alle erdenkbaren räumlichen Bezüge durch Verbindungen abspeichern, für jede abgespeicherte Verbindung ein Neuron gründen das diese Verbindung repräsentiert, und dann den räumlichen Bezug solcher Neuronen durch weitere Verbindungen abspeichern, denen wieder Neuronen zugeordnet werden usw., dann käme es an kein Ende. Die folgende Grafik beweist, dass ausgehend von drei Ausgangspunkten, bereits ein unendlicher Verbindungsprozess in Gang käme, zumindest wenn die Feinheit der Auflösung unendlich wäre.

Tatsächlich führt das bisher besprochene Signalflussmodell, wenn es richtig verstanden wird, nicht zu der hier dargestellten Verbindungsflut. Um zu verstehen warum nicht, vergegenwärtigen wir uns doch noch einmal die Grafik mit den Symmetrieachsenskeletten. Wir sind dort davon ausgegangen, dass auf unterster Ebene der visuellen Verarbeitung, alle Zellen mit ihren Nachbarn verbunden sind. Sie sagen voraus, dass der benachbarte Bildpunkt meist gleich gereizt ist. An den Konturen kommt es zum Voraussagefehler. Von dort startet das Fließsignal. Es durchwandert die Verbindungskette (Verbindungsfäche), die aus einer Unsumme von Verbindungen besteht, und bündelt die gesamte Information in deren Zentrum. Dort kann sie nicht mehr weiterfließen und tritt aus der Ebene. Die Verbindungskette im obigen Beispiel besteht demgegenüber nicht aus einer Unsumme von Verbindungen, sondern aus genau 6. Die Verbindungen werden im visuellen System keinen dauerhaften Bestand haben, aber vorerst werden sie geknüpft und bleiben zumindest lange genug aufrecht, damit die Information zeitcodiert werden kann.

Es bleiben 6 Verbindungen, auch wenn sie über andere Zellen hinweg geknüpft wurden! Sie ergeben eine vorläufig vorhandene Verbindungskette, der ein Chunkneuron zugeordnet werden könnte, aber nur eines, nicht 4. Wollen wir nun ein Signal von den Voraussageenden durch die Verbindungskette fließen lassen, so stoßen wir auf das Problem, dass alle drei Ausgangspunkte nicht voraussagbar sind. Also soll von allen drei aktiven Neuronen ein Signal starten. Ein Neuron kann aber nur dann ein Signal eines anderen aufnehmen, wenn dieses stärker ist als sein eigenes. Ansonsten kommt es zu einem Gleichgewicht der Kräfte. Deshalb können die Signale nirgends anderes hinfließen, als in das Zentrum des Dreiecks. Im Zentrum tritt also die gesamte Information zeitcodiert aus der Ebene.

(Eigentlich sollte auch in Gleichgewichtssitutationen, wie zum Beispiel bei einer einzigen Verbindung von zwei Ausgangspunkten, ein Abfluss des Signals möglich sein. Welche Zelle dann an welche ihr Signal weitergibt, entscheidet der Zufall. Aber eine Zufallsentscheidung ist ja im obigen Fall nicht nötig. Es gibt ja ein Objektzentrum, in dem die Signale zusammenfließen können.)

Wie kann eigentlich die gesamte Information über die örtliche Verteilung der Punkte in diesem einen Signal enthalten sein, das nun die Ebene verlässt? Ganz einfach. In der Signallänge ist die Länge der Verbindungen, in der Reaktionskonstellation von Zelle zu Antizelle die Zahl an zusammenfließenden Reizen, und die Reizstärke codiert. Nun bleibt nur noch die Frage, wie eine regelmäßige von einer unregelmäßigen Punktanordnung unterschieden werden kann.

Die folgende Grafik zeigt 4 Punkte, die unregelmäßig auf einer Kreisbahn verteilt wurden. Keiner der Punkte kann vorausgesagt werden. Sogesehen gibt es keinen stärkeren Voraussagefehler, von dem aus die Fließsignale starten könnten. Aber es besteht trotzdem ein Ungleichgewicht innerhalb der Kreisbahn. Nach dem Gesetz der Nähe, sind nahe Verbindungen stärker. Neuron 3 wird seine Aktivität nahezu in gleicher Stärke auf 2 und 4 aufteilen wollen, da die Verbindungen dorthin nahezu gleich kurz sind. 2 und 4 bevorzugen es, einen Großteil ihrer Aktivität zu Neuron 3 zu schicken, weil zu Neuron 1 ein großer Abstand zu überwinden wäre. Siegen wird Neuron 4, weil es näher zu 3 ist als Neuron 2. Dort wird also das Signal der Kreiskette zu fließen beginnen (rot). Die anderen Signale folgen.

Abgesehen davon wird wohl jedes Neuron auch einen Teil seiner Signalstärke in das Objektzentrum schicken. Vorerst entstehen also zwei Fließsignale (Zeitcodierungen), die aber auf höherer Verarbeitungsebene ihrerseits zusammenfließen können. Das Gesamtsignal repräsentiert dann die Punktverteilung.

Im Endeffekt ist das Merken und Wiedererkennen von Punktanordnungen wie der hier gezeigten, schon äußerst aufwendig, und zwar nicht nur für unser künstliches System, sondern auch für das menschliche Gehirn. Das zeigt sich, wenn wir sie in einem Fragebogen verdreht präsentieren, und ähnliche Punktanordnungen zum Vergleich anbieten. Das menschliche Gehirn ist einer solchen Aufgabe verblüffend wenig gewachsen. Formen, die im Fließprozess zu deutlich unterscheidbaren Symmetrieachsenskeletten führen, sind hingegen viel leichter zu erinnern. Die meisten Naturformen sind solche Formen.

Warum wir Form und offene Linie unterscheiden

Wenn die Punkte zu sehr auf eine Seite der Form gedrängt werden, wie in der folgenden Grafik, so werden sie nicht mehr als Elemente einer Form gedacht, sondern als gekrümmte Linie. Wieso eigentlich? Es ergibt sich kein Zentrum, wo die, für die Verbindungsentstehung notwendige Situation entstünde, dass die Signale nicht mehr weitergegeben werden können, und somit zurückfließen. Es kommt in diesem Fall, an der Stelle wo sich die Signale treffen, zu einer Verschmelzung und einer Weitergabe der Signale, aber nicht zu einem Rückfluss, der für die Entstehung einer Verbindung notwendig wäre. Das bedeutet, es können nur Zweierverbindungen zwischen benachbarten Punkten entstehen. Sie ordnen sich in unserem Denken nicht zu einer geschlossenen Form, sondern nur zu einer Kette von Zweierverbindungen, also zu einer offenen Linie. Die Linie kann dann von ihren Enden her durchflossen werden.

Im Rahmen des hier dargestellten Hirnmodells, fallen sowohl Formen als auch Linien unter den Überbegriff „Redundanzketten“. Auch zeitliche Abläufe sind Redundanzketten, aber sie enthalten zusätzlich eine Zeitinformation, und haben, anders als zeitgleiche Verbindungen (Und-Verbindungen), damit eine klare Fließrichtung. In den hier besprochenen Und-Verbindungen muss erst eine Fließrichtung gefunden werden. Wir haben angenommen, der Signalfluss startet an den Voraussageenden. Formen und Linien unterscheiden sich am Ort ihrer Voraussageenden. Eine Form beginnt an ihren Außengrenzen, eine Linie hingegen an ihren beiden Enden. Eine gekrümmte Linie wird an der veränderten Richtung der Verbindungen erkannt. Interessanter Weise bedarf es zur Erkennung der Richtung einer Verbindung keiner neuen Regeln. Ich werde im Anschluss an das Model zeigen, dass die vorhandenen Regeln ganz automatisch zu Ebenen führen, die richtungsspezifisch reagieren. Da sich diese Ebenen alle auf der selben Stufe der Verarbeitungshierarchie entwickeln, sind sie im Gehirn auf einer Fläche ineinander verwoben, und ich spreche von Quasiebenen, weil sie optisch nicht als Ebene erscheinen, es von ihrer Verbindungsstruktur her aber sind. Die richtungssensiblen Zellen werden Balkendetektoren genannt, und sind im Gehirn nachgewiesen. Aber dazu mehr im Kapitel „Anwendung des Modells“.

Wann werden Signale kombiniert, wann überschrieben?

In diesem Modell steht die Zeit, die ein Signal braucht, um eine Strecke eines Reaktionsbildes zu durchfließen, für deren Länge. Dadurch werden visuelle Informationen zeitcodiert. Als kleinste Einheit in unserem künstlichen System könnte die Zeit dienen, die ein Signal benötigt, um eine Zelle zu überbrücken. Es handelt sich dabei um einen unvorstellbar kleinen Zeitraum, wie er für Schaltvorgänge in der Zelle benötigt wird. Mit der räumlichen Distanz zwischen zwei Punkten A und B, steigt auch die Zahl der Zellen, die überbrückt werden müssen, und damit die Zeitspanne.

Die kleinste Einheit der Zeit, ist in unserem Fall der Schaltvorgang in der Zelle. Damit ist klar, wie lange die „Gleichzeitigkeit“ andauert. Die kleinste Einheit des Raumes, ist die Zelle. Sie ist der Bildpunkt des visuellen Systems. Wir werden im Rahmen der Konturrichtungserkennung sehen, dass durch gewisse Tricks sogar noch Wahrnehmungen unter diesen räumlichen und zeitlichen Grenzen möglich sind. Aber dazu später.

Nehmen wir nun an, die Zellen eines Bereiches haben in der Vergangenheit mit ihren Nachbarn eine Verbindung aufgebaut, und diese Verbindungen werden nun durch eintretende Reize aktiviert. Es kommt zu einem Kettensignalfluss. Aber welche Regeln gelten, wenn mehrere Signale gleichzeitig aufeinandertreffen? Vermischen sich die Signale, siegt das Stärkere, oder werden sie irgendwie miteinander verrechnet? Wie kommt es dazu, dass unser Bewusstsein nur einem Inhalt zu einem Zeitpunkt folgen kann?

Dass es im Gehirn eine solche Regel geben muss, zeigt sich erst in aller Deutlichkeit bei den zeitlichen Redundanzketten, durch die Ereignisse im Gehirn repräsentiert werden. Wenn wir zum Beispiel entscheiden sollen, welche von zwei Zukunftsvorstellungen die wahrscheinlichere ist, so fließen dabei Signale durch Verbindungen, und die stärkeren Signale siegen und repräsentieren die größere Wahrscheinlichkeit einer bestimmten Vorstellung. Gerade bei Vorstellungen zeigt sich, dass es keinen Sinn macht, aufeinandertreffende verschiedenartige Signale zu vermischen. Eine Mischvorstellung ist Unsinn. Wir können uns verschiedene Ereignisse nur nacheinander vorstellen, nicht gleichzeitig vermischt. Auch könnte aus dem Gemisch nie mehr auf die Originaldaten rückgeschlossen werden. Ein Gemisch würde zu Datenverlusten führen.

Der einzige Fall, wo ein Zusammenfluss der Signale zu keinen Datenverlusten führt, ist wenn die Signale zur gleichen Zeit am gleichen Ort mit gleicher Stärke eintreffen, also gleichartig sind. Allerdings muss dann, wie wir am Beispiel mit den Vieleck-Punktverteilungen gesehen haben, auch die Information mitgeliefert werden, wie viele Signale kombiniert wurden. Das geschieht in Sternverbindungen, wie schon besprochen, über die Reaktion der Antizelle.

Unsere Regeln für den Zusammenfluss lauten also:

„Beim Zusammenfluss unterschiedlich starker Signale siegt das stärkere. Gleich starke Signale können hingegen kombiniert werden.“

„Die Antizelle errechnet die Kombination aus den negativierten Reizinputs aller Zulieferer, und das führt nicht immer zum komplementären Ergebnis im Vergleich zur Zelle. In einem solchen Fall muss das Signal der Antizelle extra weiterverarbeitet werden. An diesem Zusatzsignal ist zu erkennen, ob mehrere starke oder wenige schwache Signale zum Gesamtoutput geführt haben.“

Möglich ist eine sternförmige Verbindung dann, wenn eine Zelle immer zeitgleich von umliegenden Zellen das gleiche Signal erhält. Sie kann dann zu allen auf einmal eine Verbindung halten, wobei für diese Verbindungen der gleiche statistische Wahrscheinlichkeitswert (Bayes) gilt. In diesem Fall sind also mehrere Signale auf einmal verarbeitbar, da für sie alle die gleichen statistischen Werte gelten. Das führt zu einer effizienten Verarbeitung. Wir haben ja oben die Regel aufgestellt, dass gleiche Signale zusammenfließen dürfen. Sternverbindungen sind Orte eines solchen Zusammenflusses.

Damit haben wir den abstraktesten, und somit komplizierten Teil des Modells abgeschlossen. Für alles Weitere werden sich lebensnähere Beispiele finden, was die Sache wesentlich verständlicher macht.

Was haben wir damit erreicht?

Der Signalfluss entlang der Redundanzketten führt zu maximaler Komprimierung der Bilddaten. Außerdem entsteht der gleiche Output, auch wenn das Objekt rotiert wird. Das ist für das Wiedererkennen wichtig. Zwar genügt es nicht eine einzige Leitung auf der Bildfläche anzubringen, um die Bilddaten dort hindurchzusenden, denn es ist ja im vorhinein nicht klar, an welcher Stelle der Bildfläche die Mittelpunkte von Formen liegen werden. Die Information tritt ja immer an den Mittelpunkten von Formen aus der Fläche. Auch entstehen vorerst so viele Signale wie Formen. Also muss von jeder Zelle eine Output-Leitung vorliegen. Aber die Signalströme, welche die Fläche verlassen, können sich ja danach Kontakte zu Einheiten suchen, die auf bestimmte Signalrhythmen ansprechen, und die damit die Formen erkennen. Wir brauchen keine fest vorgegebene Output-Leitung. Das besondere an dem hier dargestellten Modell ist ja, dass es in der Lage ist, Kontakte nach Bedarf herzustellen. Der Ort eines Objekts ist also egal. Wenn die Zellen, welche die Signalrhythmen erkennen, die in ihnen enthaltenen Zeitabschnitte relativ zueinander verarbeiten, so erkennen sie die Formen auch unabhängig von deren Größe.

Aber ist es nicht eine Ausnahme, die nur auf das visuelle System zutrifft, dass sich Zeitsignale so elegant nutzen lassen? Nein! denn es ist prinzipiell für das Erkennen egal, wie der Code aussieht, der ein Objekt repräsentiert. Nichts im Gehirn gleicht der Welt. Es kommt nur darauf an, dass Gleiches wieder zu gleichen Codes führt, und die Differenzierung der Codes so geschieht, wie wir die Welt erleben. Auch der Tastsinn oder der Geruch könnte mit zeitcodierten Signalen arbeiten, beim Geruch ist dies sogar schon nachgewiesen (WSA 2001.08.08 Link). Die Art der Codes ist kein Kriterium, denn es gibt keinen Code, der dem Objekt der Welt gleicht. Dies zu verlangen ist genauso unsinnig, wie dass die Gehirnzellen, welche die Banane repräsentieren, bananenförmig geformt oder angeordnet sein müssten.

Dass das System die Welt so unterteilt, wie wir sie gegliedert erleben, ist jedoch durchaus wichtig. Wir würden die Welt nicht in Objekte zerlegt erleben, wenn das Gehirn die Information nicht auf diese Weise zerlegen würde! Das bedeutet umgekehrt, dass unsere Begriffsgrenzen auch als Beweis für das hier dargestellte Modell herangezogen werden können. Der Begriff „Linie“ ist einfach eine komprimierte Form zu sagen „da ist ein Punkt, und daneben noch ein Punkt, und in der gleichen Richtung daneben noch ein Punkt und noch einer und...“ Über Begriffe wie „Linie“ oder „Kurve“ könnten wir nicht verfügen, wenn unser Gehirn nicht fähig wäre, die Punkte zur Linie zu vereinen, das heißt zu einer Reizkette. Nehmen wir an, eine Linie läuft quer über die gesamte Netzhaut. Die beteiligten Bildpunkte können nun auf zwei Arten vereint werden. Entweder sie beliefern über eigens vorhandene Leitungen alle eine Zelle. Dies ist ausgeschlossen, da sich das Rezeptionsfeld von Zellen dieses Typs dann über die ganze Netzhaut erstrecken würde. Solche Zellen gibt es aber nicht, denn die Axone von Neuronen sind in den Schichten des visuellen Systems nicht so lang (Hubel 1989 Link). Oder es findet ein Kettensignalfluss über andere Zellen hinweg statt, wie es dieses Modell annimmt.

Es beweist also nicht nur die assoziative Konditionierung die Existenz von Kettensignalflüssen (Beispiel Rotlicht, Glocke, Futter), sondern auch die Länge der Axone im Gehirns. Es existieren im Gehirn gar nicht die nötigen Verbindungen, um ohne Kettensignalflüsse auszukommen.