KI entschlüsselt Gehirnaktivität
Eine neue KI-Technologie der EPFL ermöglicht tiefere Einblicke in die neuronale Dynamik. Durch geometrisches Deep Learning können Wissenschaftler erstmals universelle Muster der Gehirnaktivität entschlüsseln. Dies mit weitreichenden Anwendungen in der Neurowissenschaften, Robotik und andere Disziplinen.
Wissenschaftler der EPFL haben eine bahnbrechende KI-Technik entwickelt, die auf geometrischen Prinzipien basiert und neuronale Aktivitätsmuster sichtbar macht. Das System mit dem Namen MARBLE (Manifold Representation Basis Learning) zerlegt elektrische Signale des Gehirns in dynamische Muster, die durch ein neuronales Netzwerk entschlüsselt werden können. Damit gelingt es, universelle Strategien der Gehirnaktivität über verschiedene Individuen und experimentelle Bedingungen hinweg zu erkennen.
Verborgene Muster im Gehirn sichtbar machen
Die Neurowissenschaft steht vor einer grundlegenden Herausforderung. Gehirnaktivität wird meist durch die Analyse weniger Neuronen erfasst, wodurch ein vollständiges Bild der neuronalen Prozesse fehlt. Pierre Vandergheynst, Leiter des LTS2-Signalverarbeitungslabors der EPFL, vergleicht dieses Problem mit der Geschichte von Blinden, die verschiedene Teile eines Elefanten ertasten und daraus widersprüchliche Schlussfolgerungen ziehen. Ähnlich verhält es sich mit der Erfassung neuronaler Signale, ein begrenzter Datenausschnitt erschwert das Gesamtverständnis.
Mit dem System konnte nun gezeigt werden, dass verschiedene Tiere, die gleiche mentale Strategien zur Problemlösung nutzten, übereinstimmende neuronale Muster aufwiesen. Die Technik ermöglicht damit eine präzisere Interpretation von Gehirnaktivitäten und könnte einen neuen Standard für die Analyse dynamischer neuronaler Prozesse setzen.
Ein Durchbruch für Neurowissenschaften und Robotik
Der innovative Ansatz des geometrischen Deep Learnings erlaubt es, neuronale Daten nicht nur statistisch, sondern auch in ihrem natürlichen mathematischen Kontext zu analysieren. Dabei zeigt sich, dass Gehirnaktivitäten sich als komplexe geometrische Strukturen darstellen lassen. Beispielsweise in Form eines Torus, ähnlich einem Donut.
Die EPFL-Forscher testeten MARBLE mit Aufnahmen aus dem Makaken-Vormotorsrindenbereich bei Greifbewegungen sowie im Hippocampus von Ratten während räumlicher Orientierungsaufgaben. Die Ergebnisse waren beeindruckend. Das System entschlüsselte die neuronale Aktivität weitaus präziser als herkömmliche Methoden und ermöglichte eine intuitivere Interpretation der neuronalen Prozesse.
Breites Anwendungspotenzial über Neurowissenschaften hinaus
Neben dem Einsatz in der Hirnforschung könnte MARBLE auch für andere wissenschaftliche Disziplinen von grossem Wert sein. Die Technologie bietet die Möglichkeit, neuronale Aktivitätsmuster in dekodierbare Signale umzuwandeln. Dies zur Steuerung von robotischen Assistenzsystemen, die auf Gehirnaktivitäten reagieren.
Pierre Vandergheynst betont das Potenzial über die Neurowissenschaften hinaus: «Unsere Methode basiert auf der mathematischen Theorie hochdimensionaler Strukturen und kann auch in anderen naturwissenschaftlichen Disziplinen genutzt werden, um dynamische Prozesse zu analysieren und universelle Muster zu identifizieren.»
Mit MARBLE könnte ein fundamentaler Schritt in der Erforschung komplexer biologischer und physikalischer Systeme gelingen und damit nicht nur unser Verständnis des Gehirns revolutioniert, sondern auch neue Impulse für Künstliche Intelligenz und Robotik gegeben werden.