Das Gedächtnis stellt kein einziges wissenschaftliches Mysterium dar; es sind viele davon. Neurowissenschaftler und Psychologen haben unterschiedliche Arten des Gedächtnisses erkannt, die in unserem Gehirn nebeneinander existieren: episodische Erinnerungen an vergangene Erfahrungen, semantische Erinnerungen an Fakten, Kurz- und Langzeitgedächtnisse und mehr. Diese haben oft unterschiedliche Eigenschaften und scheinen sogar in unterschiedlichen Teilen des Gehirns lokalisiert zu sein. Es war jedoch nie klar, welches Merkmal eines Speichers bestimmt, wie oder warum er auf diese Weise sortiert werden sollte.

Eine neue Theorie, die durch Experimente mit künstlichen neuronalen Netzen gestützt wird, besagt nun, dass das Gehirn Erinnerungen sortieren könnte, indem es bewertet, wie wahrscheinlich es ist, dass sie in Zukunft als Orientierungshilfen nützlich sein werden. Insbesondere deutet es darauf hin, dass viele Erinnerungen an vorhersehbare Dinge, von Fakten bis hin zu nützlichen wiederkehrenden Erlebnissen – etwa was Sie regelmäßig zum Frühstück essen oder wie Sie zur Arbeit gehen – im Neocortex des Gehirns gespeichert werden, wo sie zu Verallgemeinerungen über die Welt beitragen können. Erinnerungen, die weniger nützlich sind – wie der Geschmack des einzigartigen Getränks, das Sie auf dieser einen Party getrunken haben – werden in der seepferdchenförmigen Speicherbank namens Hippocampus gespeichert. Die aktive Trennung von Erinnerungen auf diese Weise auf der Grundlage ihrer Nützlichkeit und Generalisierbarkeit kann die Zuverlässigkeit von Erinnerungen optimieren, um uns bei der Bewältigung neuartiger Situationen zu helfen.

Die Autoren der neuen Theorie – die Neurowissenschaftler Weinan Sun und James Fitzgerald des Janelia Research Campus des Howard Hughes Medical Institute, Andrew Saxe vom University College London und ihre Kollegen – beschrieben es in ein neues Papier in Nature Neuroscience. Es aktualisiert und erweitert die etablierte Idee, dass das Gehirn über zwei miteinander verbundene, sich ergänzende Lernsysteme verfügt: den Hippocampus, der neue Informationen schnell kodiert, und den Neocortex, der sie nach und nach zur langfristigen Speicherung integriert.

James McClelland, ein kognitiver Neurowissenschaftler an der Stanford University, der Pionier der Idee komplementärer Lernsysteme im Gedächtnis war, aber nicht Teil der neuen Studie war, bemerkte, dass sie „Aspekte der Generalisierung anspricht“, über die seine eigene Gruppe nicht nachgedacht hatte, als sie die Theorie vorschlugen Mitte der 1990er Jahre.

Wissenschaftler haben zumindest seit den frühen 1950er Jahren erkannt, dass die Gedächtnisbildung ein mehrstufiger Prozess ist, unter anderem durch ihre Studien an einem Patienten namens Henry Molaison – in der wissenschaftlichen Literatur jahrzehntelang nur als HM bekannt, weil er unter unkontrollierbaren Anfällen litt, die ihren Ursprung in seinem Hippocampus hatten , Chirurgen behandelten ihn, indem sie den größten Teil dieser Gehirnstruktur entfernten. Danach wirkte der Patient in vielerlei Hinsicht ganz normal: Sein Wortschatz war intakt; Er behielt seine Kindheitserinnerungen und erinnerte sich an andere Details seines Lebens vor der Operation. Allerdings vergaß er immer die Krankenschwester, die sich um ihn kümmerte. Während des Jahrzehnts, in dem sie sich um ihn kümmerte, musste sie sich jeden Morgen neu vorstellen. Er hatte die Fähigkeit, neue Langzeiterinnerungen zu schaffen, völlig verloren.

Mithilfe der Molaison-Symptome entdeckten Wissenschaftler, dass sich neue Erinnerungen zunächst im Hippocampus bildeten und dann nach und nach auf den Neocortex übertragen wurden. Eine Zeit lang ging man allgemein davon aus, dass dies bei allen bleibenden Erinnerungen der Fall sei. Als Forscher jedoch anfingen, a zu sehen steigende Zahl Anhand von Beispielen für Erinnerungen, die langfristig vom Hippocampus abhängig blieben, wurde klar, dass etwas anderes im Gange war.

Um den Grund für diese Anomalie zu verstehen, wandten sich die Autoren der neuen Arbeit künstlichen neuronalen Netzen zu, da die Funktion von Millionen miteinander verflochtener Neuronen im Gehirn unfassbar kompliziert ist. Diese Netzwerke seien „eine ungefähre Idealisierung biologischer Neuronen“, seien aber weitaus einfacher als die Realität, sagte Saxe. Wie lebende Neuronen verfügen sie über Knotenschichten, die Daten empfangen, verarbeiten und dann gewichtete Ausgaben an andere Schichten des Netzwerks liefern. So wie Neuronen sich gegenseitig über ihre Synapsen beeinflussen, passen die Knoten in künstlichen neuronalen Netzwerken ihre Aktivitätsniveaus basierend auf den Eingaben anderer Knoten an.

Das Team verknüpfte drei neuronale Netze mit unterschiedlichen Funktionen, um einen Rechenrahmen zu entwickeln, den sie das Lehrer-Notebook-Schüler-Modell nannten. Das Lehrernetzwerk stellte die Umgebung dar, in der sich ein Organismus befinden könnte; es lieferte Erfahrungsinput. Das Notizbuchnetzwerk stellte den Hippocampus dar und verschlüsselte schnell alle Details jeder Erfahrung, die der Lehrer mitteilte. Das Schülernetzwerk trainierte anhand der Muster des Lehrers, indem es die Aufzeichnungen im Notizbuch konsultierte. „Das Ziel des Studentenmodells besteht darin, Neuronen – Knoten – zu finden und Verbindungen zu lernen, die beschreiben, wie sie ihr Aktivitätsmuster regenerieren können“, sagte Fitzgerald.

Die wiederholten Wiederholungen von Erinnerungen aus dem Notebook-Netzwerk führten das Studentennetzwerk durch Fehlerkorrektur zu einem allgemeinen Muster. Aber die Forscher bemerkten auch eine Ausnahme von der Regel: Wenn der Schüler auf zu viele unvorhersehbare Erinnerungen trainiert wurde – verrauschte Signale, die zu stark vom Rest abwichen – beeinträchtigte dies die Fähigkeit des Schülers, das verallgemeinerte Muster zu lernen.

Aus logischer Sicht „macht das sehr viel Sinn“, sagte Sun. Stellen Sie sich vor, Sie erhalten Pakete bei Ihnen zu Hause, erklärte er: Wenn das Paket etwas Nützliches für die Zukunft enthält, „wie etwa Kaffeetassen und Geschirr“, erscheint es sinnvoll, es zu sich nach Hause zu bringen und dort dauerhaft aufzubewahren. Aber wenn das Paket ein Spider-Man-Kostüm für eine Halloween-Party oder eine Broschüre für einen Ausverkauf enthält, besteht kein Grund, das Haus damit zu überladen. Diese Gegenstände können separat aufbewahrt oder weggeworfen werden.

Die Studie liefert eine interessante Konvergenz zwischen den in der künstlichen Intelligenz verwendeten Systemen und denen zur Modellierung des Gehirns. Dies ist ein Beispiel, in dem „die Theorie dieser künstlichen Systeme einige neue konzeptionelle Ideen zum Nachdenken über Erinnerungen im Gehirn lieferte“, sagte Saxe.

Es gibt beispielsweise Parallelen zur Funktionsweise computergestützter Gesichtserkennungssysteme. Sie beginnen möglicherweise damit, dass Benutzer aufgefordert werden, hochauflösende Bilder von sich selbst aus verschiedenen Blickwinkeln hochzuladen. Verbindungen innerhalb des neuronalen Netzwerks können zu einer allgemeinen Vorstellung davon führen, wie das Gesicht aus verschiedenen Blickwinkeln und mit unterschiedlichen Gesichtsausdrücken aussieht. Wenn Sie jedoch zufällig ein Foto hochladen, „das das Gesicht Ihres Freundes enthält, ist das System nicht in der Lage, eine vorhersehbare Gesichtszuordnung zwischen den beiden zu erkennen“, sagte Fitzgerald. Dies beeinträchtigt die Verallgemeinerung und führt dazu, dass das System das normale Gesicht weniger genau erkennt.

Diese Bilder aktivieren bestimmte Eingabeneuronen und die Aktivität fließt dann durch das Netzwerk, wodurch die Verbindungsgewichte angepasst werden. Mit mehr Bildern passt das Modell die Verbindungsgewichte zwischen Knoten weiter an, um Ausgabefehler zu minimieren.

Aber nur weil eine Erfahrung ungewöhnlich ist und nicht in eine Verallgemeinerung passt, heißt das nicht, dass sie verworfen und vergessen werden sollte. Im Gegenteil: Es kann von entscheidender Bedeutung sein, sich an außergewöhnliche Erlebnisse zu erinnern. Das scheint der Grund zu sein, warum das Gehirn seine Erinnerungen in verschiedene Kategorien einteilt, die separat gespeichert werden, wobei der Neocortex für zuverlässige Verallgemeinerungen und der Hippocampus für Ausnahmen verwendet wird.

Diese Art von Forschung schärft das Bewusstsein für die „Fehlbarkeit des menschlichen Gedächtnisses“, sagte McClelland. Gedächtnis ist eine endliche Ressource, und die Biologie musste Kompromisse eingehen, um die begrenzten Ressourcen optimal zu nutzen. Selbst der Hippocampus enthält keine perfekte Aufzeichnung von Erfahrungen. Jedes Mal, wenn eine Erfahrung abgerufen wird, ändern sich die Verbindungsgewichte des Netzwerks, was dazu führt, dass Speicherelemente stärker gemittelt werden. Es wirft Fragen zu den Umständen auf, unter denen „Augenzeugenaussagen vor Voreingenommenheit und Einflussnahme durch wiederholte Nachfrageanfälle geschützt werden könnten“, sagte er.

Das Modell kann auch Einblicke in grundlegendere Fragen bieten. „Wie bauen wir verlässliches Wissen auf und treffen fundierte Entscheidungen?“ sagte James Antonius, ein Neurowissenschaftler an der California Polytechnic State University, der nicht an der Studie beteiligt war. Es zeigt, wie wichtig es ist, Erinnerungen auszuwerten, um zuverlässige Vorhersagen zu treffen – viele verrauschte Daten oder unzuverlässige Informationen können für das Training von Menschen ebenso ungeeignet sein wie für das Training von KI-Modellen.