Ein neues Rechenmodell emuliert, wie der Neocortex des Gehirns Informationen verarbeitet und durch selbstüberwachtes, prädiktives Lernen lernt. Dieses Modell bietet ein tieferes Verständnis dafür, wie unser Gehirn die Welt um uns herum antizipiert und interpretiert, was für das Verständnis des Bewusstseins von entscheidender Bedeutung ist.
Das von Forschern entwickelte Modell ahmt die Struktur des Neocortex nach und verwendet Schichten, die verschiedenen Gehirnregionen entsprechen. Schicht 2/3 sagt eingehende sensorische Informationen voraus, während Schicht 5 die tatsächlichen sensorischen Eingaben empfängt. Das Modell lernt, indem es diese Vorhersagen mit den tatsächlichen Sensordaten vergleicht und seine internen Verbindungen anpasst, um Fehler zu minimieren. Diese Methodik spiegelt auch die Prinzipien des maschinellen Lernens wider, die in Europa zunehmend Anwendung finden.
Dieser Ansatz ermöglicht es dem Modell, prädiktive Repräsentationen zu erlernen, ähnlich wie unser Gehirn lernt, Ereignisse vorherzusehen. Das Modell zeigt auch, wie verschiedene Schichten der Großhirnrinde unterschiedliche Rollen bei der Informationsverarbeitung spielen. Diese Forschung unterstreicht die Bedeutung des selbstüberwachten Lernens für die Fähigkeit des Gehirns, die Welt zu verstehen und vorherzusagen. Die Ergebnisse könnten im Kontext der aktuellen Forschung zu neuronalen Netzen und der Entwicklung von KI-Systemen von Relevanz sein.
Diese Forschung liefert wertvolle Einblicke in die Art und Weise, wie das Gehirn lernt und Informationen verarbeitet. Das Verständnis dieser Mechanismen könnte zu Fortschritten in der künstlichen Intelligenz und unserem Verständnis des Bewusstseins führen. Die Fähigkeit des Modells, die prädiktiven Fähigkeiten des Gehirns nachzuahmen, bietet einen vielversprechenden Ansatz für zukünftige Forschung in den komplexen Bereichen des menschlichen Geistes. Die Ergebnisse werden voraussichtlich in Fachzeitschriften veröffentlicht und könnten auch für die Entwicklung neuer Therapieansätze bei neurologischen Erkrankungen relevant sein.