Hirnforschung mit Donkey Kong

Heutzutage können schon künstliche Gliedmaßen allein durch Willenskraft bewegt werden , Hirnschrittmacher helfen bei Epilepsie und Parkinson , und sogar unsere Gedanken können maschinell ausgelesen werden. Bis das Gehirn wissenschaftlich vollkommen verstanden ist, kann es also nicht mehr lange dauern. Oder?

Doch, sagt eine kürzlich veröffentlichte Studie  von zwei amerikanischen Forschern. Der Informatiker Jonas und der Rehabilitationswissenschaftler Kording versuchten, die Herangehensweise der Hirnforschung auf einen ziemlich alten Prozessor zu übertragen und stellten fest – dass sie nichts Aussagekräftiges feststellten.

Um ihre Ergebnisse zu verstehen, muss man zunächst wissen, dass die US-Regierung unter dem damaligen Präsidenten Obama 2013 das Projekt BRAIN angekündigt hat, das ein Jahr später gestartet ist. In BRAIN sollen – unter anderem – anhand vieler Daten aus vielen Quellen die Verbindungen aller Nervenzellen des Gehirns untereinander kartographiert und funktionell verstanden werden. Dieses System von Verbindungen wird auch als Konnektom bezeichnet. Die Erkenntnisse daraus sollen helfen, neue Therapien für neurologische Erkrankungen zu entwickeln.

Ähnliche Initiativen laufen auch in Europa (das viel kritisierte Human Brain Project ), in Japan (Brain/MIND) und China (China Brain Project).

Eine von Wissenschaftlern häufig geäußerte Kritik an BRAIN und ähnlichen Projekten: Statt zuerst ein Modell des Systems zu entwickeln, das die Verhaltensweisen dieses Systems vorhersagt, und dieses Modell dann anhand von Daten aus sorgfältig designten Experimenten zu bestätigen, würden so viele Daten wie möglich, aber von ungewisser Qualität erhoben – in der Hoffnung, dass sich daraus ein Modell ableiten lasse. Anders gesagt: Es werde ein Haufen Geld ausgegeben, um eine Unmenge von Daten aufzuzeichnen, von denen nicht bekannt sei, ob sie irgendeine Aussagekraft hätten.

In diese Kerbe schlägt nun auch die neue Studie. Jonas und Kording verwendeten als „Modellorganismus“ eine Simulation des Prozessors MOS 6502. Diese war von einer anderen Arbeitsgruppe (Visual6502) entwickelt worden. In dieser Software-Simulation ist die Spannung auf jeder Leitung und der Zustand jedes Transistors zu jedem Zeitpunkt bekannt – sie liefert also gewissermaßen ein Konnektom des Prozessors. Obwohl es sich bei dem Prozessor um ein im Vergleich zum Gehirn sehr einfaches System handelt, produziert die Simulation etwa 1,5 GB an Daten pro Sekunde.

Der Modellorganismus wurde nun einer Reihe von Untersuchungen unterzogen, die in der Neurowissenschaft üblicherweise an Tieren oder Menschen durchgeführt werden. Ziel: den Prozessor zu verstehen. Dies ist eine ziemlich schwammige Zielvorgabe, daher machten die beiden Autoren sie noch etwas konkreter: Anhand der Versuchsergebnisse wollte man in der Lage sein, den Aufbau des Prozessors (siehe Abbildung 1 ) zumindest im Groben zu rekonstruieren.

©plos.org

Ein häufiger neurowissenschaftlicher Versuchsansatz ist etwa folgender: Man beobachtet gut zu definierende Verhaltensweisen des Modellorganismus. Eine Verhaltensweise ist beispielsweise, ob eine Ratte ein Pedal betätigt, ein bestimmtes Nahrungsmittel zu sich nimmt oder sich versteckt. Bei einer Reihe von Tieren werden dann bestimmte Hirnareale gezielt ausgeschaltet (beispielsweise durch eine Operation) und es wird geschaut, ob dies einen Einfluss auf das Verhalten hat – ob die Ratte sich beispielsweise weniger versteckt, also furchtloser geworden ist.

Ähnliches wurde mit dem MOS 6502 versucht. Der Prozessor wurde so programmiert, dass er drei „”Verhaltensweisen”“ zeigen konnte: die Spiele Donkey Kong, Space Invaders und Pitfall.

Als nächstes wurden abwechselnd verschiedene Transistoren des Prozessors ausgeschaltet und Jonas und Kording beobachteten, ob er das Verhalten trotzdem noch zeigte – ob also jedes der drei Spiele noch gespielt werden konnte. Sie stellten fest, dass für jedes Spiel das Ausschalten von gewissen Transistoren dazu führte, dass das Spiel nicht mehr startete, aber es waren nicht die gleichen Transistoren für alle Spiele (siehe Abbildung 2 ). Für jedes Spiel waren also bestimmte Transistoren essenziell.

In der Neurowissenschaft hätte man vermutlich den Schluss daraus gezogen, dass die lädierten Regionen auf das Verhalten spezialisiert waren – das man beispielsweise die „Furchtregion“ der Ratte ausgeschaltet hatte. Im Prozessor, so stellten die Autoren fest, ist diese Aussage nicht sehr sinnvoll: Der 6502 hat keinen dedizierten „Donkey-Kong-Transistor“.

©plos.org

Ergebnis der Läsionsanalyse: 1560 Transistoren sind notwendig für alle drei Spiele, 1565 beeinflussen die Fähigkeit zu keinem der Spiele, und jeweils 98, 39 und 49 sind essenziell nur für Donkey Kong (DK), Pitfall (PF) bzw. Space Invaders (SI).

Weiter ging es mit anderen Arten der Datenaufzeichnung: Einzelne Transistoren wurden daraufhin untersucht, wie häufig sie schalteten – dies wurde mit Aktionspotenzialen in lebenden Nervenzellen verglichen, die ebenfalls mit wechselnden Frequenzen „feuern“. Die Frequenzen der Transistoren wurden damit korreliert, wie hell das zuletzt dargestellte Pixel auf dem Bildschirm war. Ergebnis: Die Frequenzen einiger Transistoren korrelierten gut mit der Helligkeit, andere weniger. Zu ersteren gehörten aber überraschenderweise häufig solche Transistoren, die funktionell eigentlich nichts mit der Helligkeit in diesem Moment zu tun hatten.

Zudem wurde untersucht, wie die Frequenzen verschiedener Transistoren paarweise miteinander korrelieren – Antwort: schwach – und wie Gruppen verschiedener Transistoren miteinander korrelieren – Antwort: stark. Der Durchschnitt der Aktivitäten mehrerer Transistoren ergibt ebenfalls eine Frequenz – dies entspricht in etwa einem EEG ( Elektroenzephalogramm ) beim Menschen, also einer Ableitung der Gehirnströme. Hier fanden die Forscher heraus, dass verschiedene Regionen des Prozessors tatsächlich mit verschiedenen Frequenzen oszillierten.

All diese und andere Untersuchungen lieferten nach Ansicht der Autoren interessante Ergebnisse, brachten sie aber dem Verständnis des MOS 6502 keinen Schritt näher. Keines der Ergebnisse ermöglichte konkrete und zutreffende Rückschlüsse auf die zugrundeliegende Architektur des Prozessors. In einigen Bereichen führten die üblichen Interpretationsweisen aus der Neurowissenschaft sogar in die Irre: So hat der MOS 6502 keine „Donkey Kong“- und keine „Space Invaders“-Transistoren. Die unterschiedlichen Oszillationsfrequenzen in verschiedenen Regionen werden in der Neurowissenschaft beispielsweise auf die dort vorherrschenden Zelltypen zurückgeführt. Der Prozessor hat jedoch keine unterschiedlichen Zelltypen, sondern nur einen Typ von Transistor.

Die Autoren nehmen ihre Ergebnisse nicht zum Anlass, die Erkenntnisse einer ganzen Fachrichtung für ungültig zu erklären. Sie weisen aber darauf hin, dass es in der Hirnforschung ungleich schwerer ist, zu erkennen, welche Analysemethoden funktionieren und welche nicht. Denn: Wenn man einen Prozessor betrachtet, dann kann man die Ergebnisse dieser Methoden leicht mit der tatsächlichen Funktionsweise des Prozessors abgleichen und feststellen, wie weit man daneben lag.

Im Falle des Gehirns ist das nicht möglich: Man hat die Hirnfunktion bei weitem noch nicht gut genug verstanden, um zu sagen, mit welchen Verfahren man ihr am besten auf die Schliche kommt. Das heißt auch: Das unkritische Sammeln von möglichst vielen Daten wird nicht unbedingt dazu führen, dass wir die Hirnfunktion immer besser verstehen.

Die Studie zog einiges an Kritik auf sich. Der am häufigsten gehörte Einwand: Ein Gehirn sei nun mal kein Prozessor, und somit gebe es auch keinen Grund, warum man auf beide die gleichen Untersuchungsmethoden anwenden können müsse.

Das, sagen auch die Autoren selbst, stimme zwar. Trotzdem gebe es aber genug Ähnlichkeiten zwischen Hirn und Prozessor, um die Herangehensweise zu rechtfertigen. Wie das Gehirn besteht auch der Prozessor aus einer großen Anzahl von Modulen, die Input und Output verarbeiten. Und auch in der Neurowissenschaft sind viele Konzepte Vereinfachungen der Realität, beispielsweise dass die Fortleitung von Informationen lediglich durch Aktionspotenziale vermittelt wird.

Das Ziel von Neurowissenschaftlern auf der ganzen Welt – die Hirnfunktion des Menschen vollständig zu verstehen und nachbilden zu können – scheint damit wieder ein bisschen mehr in die Ferne gerückt zu sein.

Das ist in der Praxis aber nicht so schlimm, wie es klingt: Schon mit dem bisherigen bruchstückhaften Wissen über das Gehirn und seine Teile ist es Wissenschaftlern gelungen, die erstaunlichsten Anwendungen zu bauen. Dazu noch ein paar Lesetipps:

Brain-Computer-Interface statt Maus & Tastatur

Google-Glass-App mit Gedankensteuerung

Querschnittsgelähmter steuert Arm dank Chip im Hirn