Forscher am MIT haben bahnbrechende Beweise dafür gefunden, dass das Gehirn beim Erlernen neuer Fähigkeiten präzise, auf einzelne Neuronen zugeschnittene Lehrsignale verwendet. Die Studie, die am 25. Februar in der Fachzeitschrift Nature veröffentlicht wurde, widerlegt langjährige Zweifel daran, ob das biologische Gehirn über die nötige Präzision verfügt, um Feedback auf Zellebene zu steuern. Das Forschungsteam um Mark Harnett vom McGovern-Institut für Hirnforschung zeigte, dass das Gehirn einen Mechanismus ähnlich dem Backpropagation in künstlichen neuronalen Netzen nutzt, um Verbindungen gezielt zu optimieren. Bisher wusste die Wissenschaft, dass Lernen durch die Stärkung oder Schwächung von Verbindungen zwischen Neuronen erfolgt, oft vermittelt durch Neuromodulatoren wie Dopamin. Diese Botenstoffe wirken jedoch unspezifisch und werden an große Gruppen von Zellen gesendet, was als ineffizient gilt. Im Gegensatz dazu erlaubt das maschinelle Lernen durch Backpropagation, Fehler signale zu berechnen und jeden einzelnen Verbindungsweg im Netzwerk individuell anzupassen. Neurologen bezweifelten lange, dass biologische Systeme diese präzise Steuerung in Echtzeit bewerkstelligen können, da man nicht wusste, wie die Aktivität spezifischer Neuronen mit komplexen Verhaltensweisen verknüpft ist. Um dieses Problem zu lösen, entwickelten die Wissenschaftler unter Leitung von Erstautor Valerio Francioni eine Hirn-Computer-Schnittstelle (BCI). Dabei wurde eine Gruppe von acht bis zehn Neuronen in den Gehirnen von Mäusen selektiert. Die Aktivität dieser spezifischen Zellen wurde direkt mit einer visuellen Anzeige und einer Belohnung verknüpft. Für die Mäuse bedeutete Erfolg, dass die Aktivität bestimmter Zellen erhöht oder andere gehemmt werden musste, um einen Zuckerbelohnung zu erhalten. Innerhalb einer Woche lernten die Tiere, diese Neuronen gezielt zu steuern. Während des Lernprozesses überwachten die Forscher die Aktivität an den Dendriten, den Empfangsstrukturen der Neuronen, mit einem leistungsstarken Mikroskop. Die Ergebnisse zeigten eindeutig, dass die beiden Gruppen von Neuronen entgegengesetzte Fehler signale erhielten. Während einer Gruppe Signale gesendet wurden, ihre Aktivität zu steigern, wurden der anderen Gruppe Signale zur Senkung übermittelt. Als das Team die Übertragung dieser signale an den Dendriten künstlich blockierte, konnten die Mäuse die Aufgabe nicht mehr lösen. Dies gilt als erster biologischer Beweis dafür, dass im Cortex ein vektorisiertes, neuronenspezifisches Instruktionslernen stattfindet. Diese Entdeckung hat weitreichende Konsequenzen für die Zusammenarbeit zwischen Neurowissenschaftlern und Experten für künstliche Intelligenz. Sie liefert eine solide Grundlage dafür, Modelle des maschinellen Lernens weiterzuentwickeln und diese anschließend biologisch zu testen. Umgekehrt ermöglicht die Methode, wie im Gehirn gelernt wird, neue Einblicke in die Effizienz biologischer Lernalgorithmen. Die Forscher sind überzeugt, dass dieses Vorgehen den Weg für bessere, hirngestützte KI-Modelle ebnet und ein neues Kapitel in der Erforschung der neuronalen Lernmechanismen eröffnet.