KI deckt verborgene Mechanismen verdeckter Aufmerksamkeit und neu entstehender Neuronentypen auf

KI deckt verborgene Mechanismen verdeckter Aufmerksamkeit und neu entstehender Neuronentypen auf

Den Fokus auf eine visuelle Szene zu verlagern, ohne unsere Augen zu bewegen – denken Sie etwa beim Autofahren oder beim Ablesen eines Raums, um die Reaktion auf Ihren Witz zu erfahren – ist ein Verhalten, das als verdeckte Aufmerksamkeit bezeichnet wird. Wir machen es ständig, aber über seine neurophysiologischen Grundlagen ist wenig bekannt. Mithilfe von Convolutional Neural Networks (CNNs) haben die Forscher Sudhanshu Srivastava, Miguel Eckstein und William Wang von der UC Santa Barbara nun die Grundlagen der verdeckten Aufmerksamkeit aufgedeckt und dabei neue, neu entstehende Neuronentypen gefunden, die sie anhand von Daten aus Mäusegehirnstudien im wirklichen Leben bestätigten.

„Dies ist ein klarer Fall dafür, dass KI die Neurowissenschaften, Kognitionswissenschaften und Psychologie voranbringt“, sagte Srivastava, ein ehemaliger Doktorand im Labor von Eckstein, jetzt Postdoktorand an der UC San Diego.

Ihre Ergebnisse werden in der veröffentlicht Verfahren der Nationalen Akademie der Wissenschaften.

Neue Eigenschaften und neue Neuronentypen

Wir stellen uns Aufmerksamkeit als einen Scheinwerfer oder Zoom in unserem Gehirn vor, der sich auf etwas in unserem Gesichtsfeld konzentriert und diesem Bereich Ressourcen widmet, um so die Art und Weise zu verbessern, wie wir es sehen. Noch modernere rechnerische und neurobiologische Modelle verfügen über einen integrierten Aufmerksamkeitsmechanismus, der die visuelle Verarbeitung am besuchten Ort aktiviert und verändert (die Lautstärke erhöht oder den Lärm verringert).

Im Labor untersuchen Wissenschaftler die verdeckte Aufmerksamkeit, indem sie einen Blitz oder Pfeil vor oder gleichzeitig mit einem kurz präsentierten Ziel erscheinen lassen und messen, wie die Zielerkennung schneller und genauer wird, wenn sie mit dem Hinweis erscheint. Die Idee dahinter ist, dass der Hinweis den Aufmerksamkeitsmechanismus des Gehirns auf den Ort des Hinweises ausrichtet und so die visuelle Verarbeitung verändert.

Weil es für uns Menschen so natürlich ist, scheinen diese versteckten Aufmerksamkeitsverhalten trügerisch und zwangsläufig mit einer Fähigkeit verbunden zu sein, unser Bewusstsein durch die visuelle Welt zu bewegen.“

Miguel Eckstein, Professor für Psychologie und Gehirnwissenschaften, UCSB

Jahrzehntelang wurde angenommen, dass dieses oft in Sekundenbruchteilen auftretende Verhalten ausschließlich Primaten vorbehalten sei, durch die Parietallappen unseres Gehirns ermöglicht und sogar mit Bewusstsein in Verbindung gebracht werde.

In jüngerer Zeit wurde dieses Verhalten jedoch auch bei anderen Arten dokumentiert, darunter Schützenfische, Mäuse und Bienen – Tiere mit einfacherer Gehirnarchitektur. All dies hat die Forscher zu der Frage veranlasst, ob einige Arten verdeckter Aufmerksamkeit ein neu auftretendes Phänomen sein könnten, das Ergebnis der Zusammenarbeit von Neuronen im gesamten Gehirn, im Gegensatz zur Arbeit spezialisierter Aufmerksamkeitsmodule des Gehirns.

Es ist jedoch eine schwierige Aufgabe, abzubilden, wie wir Informationen im Gehirn verarbeiten, insbesondere wie wir unsere Aufmerksamkeit auf Genauigkeit optimieren. Ein menschliches Gehirn enthält Milliarden von Neuronen; Es handelt sich um ein hochdynamisches und veränderliches System. Unterdessen erreichen bildgebende Verfahren derzeit nicht die erforderliche Auflösung, um die individuelle neuronale Aktivität zu messen.

Wir haben jedoch das Nächstbeste: Modelle der künstlichen Intelligenz. Durch die Erstellung eines relativ einfachen Modells des Gehirns und dessen Anwendung auf Aufgaben, die das menschliche Gehirn normalerweise ausführt, ist es möglich, einen Blick unter die Haube der KI zu werfen und Einblicke in die Organisation des Gehirns für die Ausführung solcher Aufgaben zu gewinnen.

Dies war bei Srivastava, Eckstein und Wang der Fall, die im Jahr 2024 zeigten, wie 200.000 bis 1 Million neuronale CNNs (Link) – eine sehr rudimentäre Version eines Gehirns – die Merkmale der menschlichen verdeckten Aufmerksamkeit zeigten, wenn sie in verschiedenen Zielerkennungsaufgaben präsentiert wurden, obwohl sie über keinen eingebauten Mechanismus zur Orientierung der Aufmerksamkeit verfügten. Damit bewiesen sie, dass verdeckte Aufmerksamkeit eine entstehende Eigenschaft eines künstlichen oder biologischen Organismus sein könnte, der lernt, das Ziel so gut wie möglich zu erkennen.

Aber was innerhalb von CNN ermöglicht die aufkommende verdeckte Aufmerksamkeit? Der neue Artikel befasst sich eingehender mit dieser Fragestellung und untersucht das Innenleben des CNN, wie „die neu entstehenden neuronalen Mechanismen in CNNs zu den Verhaltenssignaturen verdeckter Aufmerksamkeit führen“.

„Für diesen Artikel dachten wir, wir könnten diese Faltungs-Neuronalen Netze analysieren, anstatt sie wie eine Blackbox zu behandeln“, sagte der leitende Autor Eckstein. „Wenn Sie Einzelzellphysiologie betreiben und versuchen, einzelne Neuronen zu isolieren, können Sie die Aktivität von vielleicht Tausenden von Neuronen aufzeichnen, aber eine Million ist derzeit nicht möglich. Aber im CNN könnten wir jede einzelne ihrer Einheiten charakterisieren, und das könnte unser Verständnis der echten Neuronen im Gehirn leiten.“

Anhand einer Population von 1,8 Millionen künstlichen Neuronen (180.000 neuronale Einheiten über 10 trainierte CNNs) setzten die Forscher die „Gehirnzellen“ ihrer KI einer Posner-Cueing-Aufgabe aus, einem visuellen Test, der die Genauigkeit oder Geschwindigkeit misst, mit der die Teilnehmer das Ziel erkennen, wenn es mit oder ohne Hinweis (Box oder Pfeil) erscheint.

Zu ihren Erkenntnissen gehörten CNN-Einheiten, die, obwohl sie über keinen eingebauten Aufmerksamkeitsmechanismus verfügen, denen entsprechen, die von Neurophysiologen im Gehirn von Primaten und Mäusen berichtet wurden. Wichtig ist, dass sie mehrere CNN-„Neuronen“-Typen fanden, deren Reaktionseigenschaften noch nie zuvor hervorgehoben wurden. Beispielsweise konzentrieren sich die meisten Studien darauf, wie Neuronen durch Aufmerksamkeit erregt werden, aber sie fanden Einheiten im CNN, deren Reaktion durch das Vorhandensein des Reizes geschwächt wird („reizhemmend“).

„Am überraschendsten ist ein ‚Standortgegner‘“, sagte Eckstein. Laut den Forschern ist dieser Neuronentyp erregend und steigert die Aktivität durch die Anwesenheit des Ziels und des Signals an einem Ort, während er die Aktivität an den anderen Orten unterdrückt. Dadurch wird das Signal dort verstärkt, wo das Ziel erwartet wurde, und an Stellen gedämpft, an denen es nicht erwartet wurde. Während es im wissenschaftlichen Verständnis der verdeckten Aufmerksamkeit unbekannt ist, sind Oppositionszellen in anderen Bereichen der Sicht weit verbreitet. Beispielsweise gibt es Zellen, die durch rotes Licht erregt, durch grünes Licht jedoch gehemmt werden (Farbgegner), und andere Neuronen, die auf sich bewegende Dinge reagieren, durch Abwärtsbewegung jedoch gehemmt werden.

„Es ist eine Art Push-Pull“, erklärte Eckstein. Studien zu den Auswirkungen der Aufmerksamkeit auf die neuronale Aktivität, fügte er hinzu, konzentrieren sich tendenziell auf erregende Reaktionen, bei denen Neuronen ihre Aktivität steigern, sodass Mechanismen, die die Aktivität dämpfen, oft unbemerkt bleiben können.

Dennoch waren sich die Forscher nicht sicher, ob die CNNs, die sie untersuchten, irgendeine Übereinstimmung mit echten biologischen Neuronen aufweisen würden, also griffen sie während einer Cue-Aufgabe auf neuronale Daten aus Studien an Mäusen zurück. Sie fanden heraus, dass diese ortsentgegengesetzten Neuronen tatsächlich im Colliculus superior der Maus (einer Struktur im Mittelhirn der Maus) existierten, zusammen mit den anderen bisher nicht bekannten Neuronentypen, die an der Aufmerksamkeit beteiligt sind, wie etwa reizhemmende und ortssummierende Neuronen.

„Diese Neuronen könnten eines von vielen sein, die neu entstehendes Aufmerksamkeitsverhalten vermitteln“, sagte Eckstein.

Interessanterweise wurde ein in CNN vorhandener Neuronentyp, der Opponenz für den Hinweis, aber erregende Summierung für das Ziel an beiden Orten kombiniert, bei der Maus nicht gefunden, was darauf hindeutet, dass es möglicherweise biologische Einschränkungen gibt, die die KI möglicherweise nicht hat.

Es bleibt abzuwarten, inwieweit diese Erkenntnisse auf den Menschen übertragen werden können. Die Wissenschaftler befinden sich noch am Anfang dieses Forschungsbogens. Diese Arbeit beweist jedoch, dass hinter verdeckter Aufmerksamkeit weit mehr steckt als bisher angenommen. Die Forscher haben nicht nur gezeigt, dass es neu entstehende Aufmerksamkeitsverhaltensweisen gibt, sie zeigen auch, dass es neu entstehende neuronale Mechanismen gibt und dass CNNs neuronale Typen mit einzigartigen Eigenschaften vorhersagen können, über die bisher nicht berichtet wurde.

„Es hat die Art und Weise, wie wir über Aufmerksamkeit denken, grundlegend verändert“, sagte Srivastava. „Wir werden also sehen, wie sich diese neuen Konzepte im Laufe der Zeit weiterentwickeln.“

Eckstein und Wang sind stark an der Schnittstelle zwischen menschlicher und maschineller Intelligenz interessiert und leiten die Mind & Machine Intelligence Initiative der UCSB (ermöglicht durch eine Spende von Duncan und Suzanne Mellichamp), um Menschen zusammenzubringen, die an der Schnittstelle zwischen KI und der Erforschung des Geistes arbeiten.

Quellen: