Berner Nervenzellenmodell für bessere KI

Nervenzellen, die grundlegenden Einheiten des Gehirns, sind selber komplexe Computer. Sie empfangen Eingangssignale auf einer baumartigen Struktur, den Dendriten. Diese Struktur sammelt die Eingangssignale, verrechnet und vergleicht sie, um auf spezifische Aktivitätsmuster zu reagieren, die für das Gehirn relevant sind. Zudem haben die Dendriten eine Vielzahl von Formen und Ausprägungen, was darauf hindeutet, dass verschiedene Nervenzellen unterschiedliche Aufgaben im Gehirn haben.

In den Neurowissenschaften gibt es seit jeher einen Kompromiss zwischen der Genauigkeit eines Modells einer Nervenzelle und ihrer biologischen Komplexität. So existieren detaillierte Computermodelle vieler verschiedener Arten von Dendriten. Diese Modelle imitieren das Verhalten realer Dendriten mit einem hohen Grad an Genauigkeit. Der Nachteil dieser Modelle ist jedoch, dass sie sehr komplex sind. So ist es schwierig, alle möglichen Reaktionen solcher Modelle erschöpfend zu erfassen und auf einem Computer zu simulieren. Selbst die leistungsstärksten Computer können nur einen kleinen Bruchteil der Nervenzellen in einem gegebenen Hirnareal simulieren.

Forschenden des Instituts für Physiologie der Universität Bern ist es nun gelungen, ein einfaches und doch präzises Modell von Dendriten zu entwickeln. Mit diesem Modell lassen sich Reaktionen von Nervenzellen leichter darstellen und Simulationen mit grossen Netzwerken von Nervenzellen mit Dendriten durchführen. Für die Anwendung in der KI kommt dies einem Durchbruch gleich. Die Studie wurde nun im Journal «eLife» publiziert.

Forschende am Institut für Physiologie der Universität Bern versuchen seit langem, die Rolle der Dendriten bei Abläufen im Gehirn zu verstehen. Einerseits konstruierten sie detaillierte Modelle von Dendriten aus experimentellen Messungen, andererseits erstellten sie Netzwerkmodelle mit hoch abstrakten Dendriten, um etwa die Erkennung von Objekten berechnen zu können. «Unser Ziel war, eine rechnerische Methode zu finden, um die komplexen Modelle zu vereinfachen und dabei ein hohes Mass an Genauigkeit beizubehalten», sagt Willem Wybo, federführender Wissenschaftler der Studie. Dabei konnten Wybo und Walter Senn, Leiter der theoretischen Neurowissenschaften am Institut für Physiologie, direkt auf experimentelle Erkenntnisse aus dem eigenen Haus zurückgreifen.

«Wir wollten, dass die Methode flexibel ist, so dass sie auf alle Arten von Dendriten angewendet werden kann. Wir wollten aber auch, dass sie so genau ist, dass sie die wichtigsten Funktionen eines jeden Dendriten präzise erfassen kann. Dies ermöglicht nun die Simulation von grossen Nervenzellen-Netzwerken inklusive Dendriten», erklärt Wybo.

«Unser Ansatz nutzt eine elegante mathematische Beziehung zwischen den Reaktionen von detaillierten Dendritenmodellen und von vereinfachten Dendritenmodellen», sagt Walter Senn. Aufgrund dieser mathematischen Beziehung lässt sich eine Optimierung linear über die Parameter des vereinfachten Modells erreichen. Senn ist auch Mitglied des Steering Committee des neu gegründeten Center for Artificial Intelligence in Medicine (CAIM) der Universität Bern und des Inselspitals Bern.