Sollte ich einen Neurowissenschaftler fragen, wenn die Chips leer sind?

Die Art und Weise, wie wir Neurowissenschaften betreiben, kann grundlegend fehlerhaft sein, wenn wir einen einfachen Mikroprozessor mit den modernsten Werkzeugen der modernen Neurowissenschaften nicht verstehen können

Beginnen wir mit einem Klischee: Das menschliche Gehirn ist die komplexeste Maschine im bekannten Universum. 87 Milliarden Neuronen; eine Billion Verbindungen. Zahlen, die so groß sind, dass Ihr Lieblingsmedium sie mit anderen, buchstäblich astronomischen Zahlen vergleichen muss: "so viele Neuronen wie Galaxien im beobachtbaren Universum"; "Mehr Verbindungen, als es Sterne in der Milchstraße gibt". Toll. Jetzt haben wir vier Zahlenreihen, die wir nicht erfassen können. Und ein kleiner Drang, ein Teleskop zu kaufen („ooo glänzend“).

Diese lächerliche Skala des menschlichen Gehirns gibt einen Vorgeschmack auf seine Komplexität. Und diese Komplexität wirft eine sehr vernünftige, aber selten artikulierte Frage auf: Sind die Methoden, die wir in den Neurowissenschaften anwenden, im Prinzip in der Lage, das Gehirn zu verstehen? Mit anderen Worten, wenn wir das, was wir jetzt tun, auf die Größe des menschlichen Gehirns skalieren können, würden sie uns dann sagen, wie es funktioniert?

Ein Grund, warum diese Frage nicht oft gestellt wurde, ist, dass nicht klar ist, wie die Antwort zu testen ist. Woher wissen wir, ob wir es verstanden haben oder nicht?

Jonas & Kording hat kürzlich in einem Artikel bei bioRxiv (1) eine clevere Lösung angeboten, die sich auf eine einfache Analogie stützt. Das Gehirn ist ein Informationsprozessor, der aus vielen Teilen mit unterschiedlichen Funktionen aufgebaut ist. Was ist ein Informationsprozessor, der aus vielen Teilen mit unterschiedlichen Funktionen besteht? Ein Mikroprozessor. Sie formulierten die Frage wie folgt: Können wir mit den Methoden der Neurowissenschaften einen Mikroprozessor verstehen?

Die Beantwortung dieser Frage ist möglich, weil einige Heldenteams einen vollständigen Software-Simulator des klassischen MOS6502-Prozessors geschrieben haben. Es simuliert die Spannung in jedem Draht und den Zustand jedes Transistors bei jedem simulierten Verarbeitungszyklus genau. Und da wir verstehen, wie ein Prozessor funktioniert, könnten wir kaum einen perfekten Notensimulator bauen, wenn wir das nicht tun, wissen wir genau, worauf wir abzielen.

Der MOS6502 war das Herzstück einiger klassischer Heimcomputer - des Atari VCS / 2000, des C64 und des BBC Micro. Kein Wunder also, dass sein Simulator einige wirklich klassische Spiele spielen kann. Jonas & Kording ließen ihr MOS6502 "Gehirn" drei "Verhaltensweisen" erzeugen: Pitfall, Donkey Kong und Space Invaders. Anschließend verwendeten sie neurowissenschaftliche Methoden, um die Aktivität der Transistoren während jedes Verhaltens zu analysieren und die Funktionsweise des Prozessors aufzudecken.

Sie versagten völlig fröhlich.

In einem Versuch suchten sie nach einem neurowissenschaftlichen Ansatz, um herauszufinden, was Teile des Gehirns tun: Sie schnitten sie aus. (Dieser Ansatz hat bereits bekannte Probleme, die von Olveczky und Kollegen hervorragend artikuliert wurden). Durch das Ausschalten von Transistoren nacheinander konnten sie beobachten, ob jeder von ihnen ein Verhalten störte. Bei etwa 45% der Transistoren störte das Entfernen der Transistoren alle drei Verhaltensweisen. Ein Neurowissenschaftler, der diesen Effekt des Ausschneidens von Neuronen beobachtet, kann durchaus den Schluss ziehen, dass „dies also für Kernfunktionen bestimmt ist - Erregung vielleicht; oder Erinnerung. Oder atmen. “Bei etwa 5% der Transistoren störte das Entfernen der Transistoren nur ein einziges Verhalten. Die klassische neurowissenschaftliche Interpretation: Einige dieser Transistoren sind für Donkey Kong; und einige davon sind für Space Invaders. Welches würde verrückt bellen. Es ist ein Allzweckprozessor - es gibt keine Transistoren "für" ein bestimmtes Spiel.

In einem weiteren Versuch verwendete Jonas & Kording eine in den Neurowissenschaften übliche Kausalitätsanalyse, um den Informationsfluss durch den Prozessor aufzudecken. Dies ist natürlich buchstäblich fest verdrahtet: Anweisungen werden in den Decoder eingelesen, der das Register aktualisiert, dessen Werte dann von der Arithmetic Logic Unit verwendet werden, um einfache Operationen auszuführen - Addieren, Subtrahieren und so weiter. Aber die Kausalitätsanalyse konnte diesen Informationsfluss nicht finden, obwohl sie die richtigen Elemente enthielt. Schlimmer noch, es wurden Pfade hinzugefügt, die es nicht gibt. Schlimmer noch, es wurde behauptet, dass die Schlüsselwege des Informationsflusses zwischen den drei „Verhaltensweisen“ unterschiedlich waren. Bellen, bellen verrückt. Es handelt sich um einen Allzweckprozessor - für ein bestimmtes Spiel gibt es keinen festverdrahteten Informationsfluss.

Egal wie einfach oder ausgefeilt die Ansätze waren, die sie gegen den Prozessor unternommen haben, sie haben eine Lücke gezogen. Ist die gesamte Neurowissenschaft reine Zeitverschwendung?

Nicht ganz. Was Jonas & Kording uns hier anbietet, ist Vorsicht. Das Gehirn ist in keiner Weise wie ein Prozessor; und wenn wir einen Prozessor verstehen wollten, würden wir diese Methoden wahrscheinlich nicht verwenden, um ihn zu verstehen. Ihre Arbeit sagt uns jedoch, dass wir nicht genug darüber nachdenken, wie die Antwort - wie das „Verstehen des Gehirns“ - aussehen wird. Und die moralische Lehre: Bitten Sie keinen Neurowissenschaftler, Ihren Computer zu reparieren.

Wenn dir das gefallen hat, klicke bitte auf das unten, damit andere Leute auf Mittel darüber lesen können.

Lesen Sie mehr von diesem Autor

Referenz: Jonas, E. & Kording, K. (2016) Könnte ein Neurowissenschaftler einen Mikroprozessor verstehen? bioRxiv. DOI: 10.1101 / 055624

(1) die schöne neue Welt des Biologie-Pre-Print-Servers. Seit Anfang der 90er Jahre veröffentlichen Physiker Vorabdrucke - vollständige Artikel, die für die Einreichung in einer wissenschaftlichen Zeitschrift bereit sind. Aber für Biologen war die Idee, jemandem Ihre Arbeit zu zeigen, bevor sie veröffentlicht wurde, so verrückt, dass die New York Times aufgrund der bloßen Existenz von bioRxiv schrieb: „Eine Handvoll Biologen sind Schurke geworden und wurden direkt ins Internet gestellt.“