Ein neues mathematisches Modell gibt Aufschluss darüber, wie das Gehirn bei der Entscheidungsfindung verschiedene Reize wie Bilder und Geräusche verarbeitet. Die Erkenntnisse der Neurowissenschaftler aus Princeton könnten eines Tages Aufschluss darüber geben, wie Gehirnschaltkreise bei neurologischen Erkrankungen wie Alzheimer gestört werden, und könnten künstlichen Gehirnen wie Alexa oder selbstfahrenden Autos zu mehr Einsatz verhelfen.
Die Ergebnisse wurden am 10. Februar in der Zeitschrift Nature Neuroscience veröffentlicht .
Pendler, die zu Fuß zur Arbeit gehen, begegnen auf ihrem Weg vielen sensorischen Signalen, wie zum Beispiel dem Leuchten einer Fußgängerampel, die anzeigt, ob das Überqueren sicher ist oder ob man auf den Gegenverkehr achten muss. Wenn die einfache Karikatur eines Fußgängers aufleuchtet und die Leute anfangen, die Straße zu überqueren, rast vielleicht ein Krankenwagen mit lautem Gebrüll den Block hinunter und auf die Kreuzung zu.
Wie das Gehirn im Einzelnen mit widersprüchlichen und verwandten wie Farbsignalen und lauten Sirenen jongliert und eine vernünftige Entscheidung trifft, ist seit langem erforscht, aber noch immer ein Rätsel.
Eine für die Entscheidungsfindung Gehirnregion ist der präfrontale Kortex, der direkt hinter den Augen liegt und als Epizentrum höherer Fähigkeiten gilt.
Frühere Forschungen haben ergeben, dass die Reaktion einzelner Gehirnzellen im präfrontalen Kortex bei Entscheidungsprozessen und ist. So kann ein Neuron im präfrontalen Kortex beispielsweise nur dann als Reaktion auf eine grüne Ampel feuern, wenn ein Auto den Zebrastreifen blockiert. Ein einheitliches Verständnis davon, im präfrontalen Kortex sensorische Informationen wie Verkehrssignale verarbeiten und dann Verhaltensausgaben wie die Entscheidung, bei Rot über die Ampel zu gehen, generieren, ist den Forschern jedoch entgangen.
Es wurden bereits verschiedene mathematische Ansätze verwendet, um die Schaltkreismechanismen zu verstehen, die neuronale Dynamiken mit Verhaltensausgaben verbinden. Jeder Ansatz hat seine eigenen Einschränkungen. Ein Ansatz konzentriert sich auf rekurrierende neuronale Netzwerke, eine Art neuronales Schaltkreismodell, das aus vielen rekurrierenden Einheiten besteht. Rekurrierende neuronale Netzwerke können trainiert werden, um Entscheidungsaufgaben zu erfüllen, aber die Dichte ihrer rekurrierenden Verbindungen macht sie schwer zu interpretieren.
In ihrer jüngsten Arbeit schlagen der Postdoktorand Christopher Langdon, Ph.D. , und die Assistenzprofessorin für Neurowissenschaften Tatiana Engel, Ph.D. , einen neuen mathematischen Rahmen vor, um die Entscheidungsfindung besser zu erklären: das sogenannte latente Schaltkreismodell.
Anstelle eines komplexen rekurrierenden neuronalen Netzwerkmodells schlagen Langdon und Engel eine Art Baum-an-Wald-Ansatz vor. Um ein großes Netzwerk von Gehirnaktivität zu verstehen und zu versuchen zu begreifen, wie das Verhalten jeder Zelle von einer anderen beeinflusst wird, könnten vielleicht nur wenige Nervenzellführer die Aktivität der gesamten Gruppe erklären und die Entscheidungsfindung beeinflussen, was Neurowissenschaftler einen „niedrigdimensionalen“ Mechanismus nennen.
https://www.nature.com/articles/s41593-025-01869-7
