Neurowissenschaftler nutzt KI, um Lernen und Entscheidungsfindung abzubilden und herauszufinden, wie Gehirne funktionieren

Wenn ein Welpe „Sitz“ hört, lernt er durch Ausprobieren, Wiederholen und Loben, was von ihm erwartet wird. Das ist Reinforcement Learning, und es ist ein komplexes Thema, das die Neurowissenschaftlerin Ryoma Hattori, Ph.D., fasziniert, die kürzlich dem Herbert Wertheim UF Scripps Institute for Biomedical Innovation & Technology beigetreten ist.

Hattori konzentriert sich auf das Verständnis und die Abbildung von Verstärkungslernen und darauf, wie das Gehirn Informationen integriert, um Entscheidungen zu treffen. Er untersucht auch, wie das Gehirn Zahlen versteht. Was auf den ersten Blick einfach erscheint, ist in Wirklichkeit erstaunlich komplex. Das menschliche Gehirn verfügt über etwa 86 Milliarden Neuronen, die mehr als 100 Billionen Verbindungen herstellen.

Hattori sagt, dass bei der Entscheidungsfindung viele Faktoren eine Rolle spielen. Etwas so Einfaches wie die Entscheidung, wo man isst, kann eine Matrix aus Erinnerungen und Urteilen und damit viele Bereiche des Gehirns involvieren. Ein Restaurant bietet gutes Essen und guten Service, ein anderes mittelmäßig. Einer hat höhere Preise, ein anderer ist billiger. Die Erfahrung liefert die Inputs, denen Werte zugewiesen und berücksichtigt werden müssen, damit die Entscheidung getroffen werden kann.

„Es ist sehr schwierig, all diese Prozesse zu integrieren, und doch schafft das unser Gehirn irgendwie“, sagt Hattori.

Das Verständnis der Mechanismen, die diesem Prozess zugrunde liegen, könnte sich bei der Behandlung von psychiatrischen Störungen und Autismus-Spektrum-Störungen als wichtig erweisen, stellt er fest.

„Bei vielen psychiatrischen Erkrankungen und neurologischen Störungen kommt es zu einer Beeinträchtigung der Entscheidungsfindung“, sagt er.

Es sei eine interessante Herausforderung, zu modellieren, wie mehrere Gehirnbereiche interagieren, um verstärkende Erfahrungen zu verarbeiten und die Entscheidungsfindung zu steuern, sagt er. Hattori nutzt viele Forschungstechniken, um Daten zu sammeln, darunter groß angelegte 2-Photonen-Bildgebung, auf virtueller Realität basierende Experimente und Optogenetik, eine Methode zur Nutzung von Licht zur Manipulation neuronaler Aktivität. Computermodellierung sei zunehmend ein wertvolles Werkzeug, um komplexe Verhaltensweisen und Gehirndynamiken von Tieren zu verstehen, sagt Hattori.

Hattori und Kollegen entwickeln künstliche Intelligenz, um ihre Forschung zu unterstützen. Es ist eine wechselseitige Beziehung: KI trägt dazu bei, die neurowissenschaftlichen Entdeckungen voranzutreiben, und die neurowissenschaftlichen Entdeckungen können auch dazu beitragen, die KI zu verbessern.

„Sowohl das Gehirn als auch die KI bestehen aus neuronalen Netzen, die Berechnungen durchführen und mithilfe neuronaler Aktivitätsdynamik und synaptischer Plastizität lernen“, sagt Hattori. „Sie empfangen externe Eingaben, verarbeiten die Informationen und geben eine Aktion aus. Das Ergebnis der Aktion leitet dann das Lernen des Netzwerks. Die Ähnlichkeit gibt uns die Möglichkeit, KI als neuronales Netzwerkmodell für bestimmte Verhaltensweisen zu verwenden.“

Hattori zog kürzlich nach einem Postdoktorandenstipendium an der University of California, San Diego, auf den Campus der Wertheim UF Scripps in Jupiter, Florida. 2016 erlangte er seinen Doktortitel in Molekular- und Zellbiologie an der Harvard University.

Als Assistenzprofessor in der neurowissenschaftlichen Abteilung des Instituts ist er außerdem Träger zahlreicher Auszeichnungen, darunter des Warren Alpert Distinguished Scholar Award und des Simons Foundation SFARI Bridge-to-Independence Award.

Seine Frau, Mariko Hattori, Ph.D., ist ebenfalls Neurowissenschaftlerin. Sie ist kürzlich als Postdoktorandin in das Labor von Kirill Martemyanov, Ph.D., Leiter der Abteilung für Neurowissenschaften, eingetreten. Die Hattoris haben einen 15 Monate alten Sohn und gehen mit ihm gerne ans Meer, wenn sie nicht in ihren Laboren sind.

Die Jupiter-Community sei zu einem großen Magneten für Neurowissenschaftler geworden, sagten sie. Das starke Programm der Wertheim UF Scripps wird durch das benachbarte Stiles-Nicholson Brain Institute der Florida Atlantic University und das Max Planck Florida Institute for Neuroscience ergänzt.

Die Hattoris arbeiteten mit dem wissenschaftlichen Direktor von Max Planck, Ryohei Yasuda, Ph.D., an einer kürzlich veröffentlichten Studie zusammen Naturneurowissenschaften Artikel über die Rolle einer Gehirnregion namens Orbitofrontaler Kortex beim Erwerb von allgemeinem Wissen.

Die Wissenschaftler fanden heraus, dass bei der Anpassung von Mäusen an neue Umgebungen mehrere Lernebenen mit unterschiedlichen Zeitskalen am Werk sind. Die Lernmechanismen der Maus ähnelten denen eines Computermodells des Reinforcement Learning, das von KI-Forschern entwickelt wurde.

„Wir können durch KI Einblicke in Gehirnmechanismen gewinnen. Wenn wir die Gehirnmechanismen für Entscheidungsfindung und Lernen besser verstehen, können wir das Wissen möglicherweise auch auf KI-Modelle übertragen“, sagt Ryoma Hattori. „Ich hoffe, dass meine Forschungsprojekte zum Verständnis des Gehirns beitragen und auch zur Entwicklung von KI mit besserer Leistung auch in der Community des maschinellen Lernens beitragen.“