Mein Forschungsgebiet ist die Gehirntheorie. Das heisst, naiv gesagt, ich möchte verstehen, wie Gehirne funktionieren, also wie man denkt, wie man etwas wahrnimmt, wie man sich etwas vorstellt, wie man etwas lernt, wie man sich an etwas erinnert, wie man etwas plant. An dieser Stelle fragt man sich vielleicht, ob das nicht ein bisschen viel ist, was ich mir da vorgenommen habe; vielleicht sogar, ob es nicht prinzipiell unmöglich ist, dies alles herauszukriegen, ob man sich nicht in selbstbezügliche Verwirrungen verstricken muss, wenn man über das Nachdenken nachdenkt oder sich das Vorstellen vorstellt.
Deswegen wollen wir zunächst einmal die Schwierigkeiten besprechen, mit denen sich eine Gehirntheorie auseinandersetzen muss. Dadurch wird dann hoffentlich ihr Ziel etwas deutlicher. Dann können wir ein paar Ansätze zu Gehirntheorien besprechen, und am Ende können wir uns fragen, wie weit man wohl mit einer Theorie kommen wird und wozu sie überhaupt nützlich sein kann.
In unserem Gehirn kommt die gesamte Information zusammen, die wir durch unsere Sinne über unsere unmittelbare Umgebung, aber auch über den Zustand unseres eigenen Körpers erhalten. Alle diese Informationen müssen in ein schlüssiges Bild von unserer Umwelt und uns selbst in ihr integriert werden, damit wir jeweils situationsgerecht reagieren und darüber hinaus längerfristige Pläne entwerfen und verfolgen können. In dieses Bild fliesst natürlich nicht nur die unmittelbare Sinnesinformation ein, sondern zu einem grossen Teil auch unsere Erfahrung in bisherigen ähnlichen Situationen. Sie ist ebenfalls im Gehirn gespeichert.
Das Gehirn ist also die Informationszentrale unseres Körpers. Die Information wird im Gehirn im wesentlichen in Form von schwachen elektrischen Signalen in einem komplizierten Netzwerk von Neuronen, Nervenzellen, verarbeitet, gespeichert und weitergeleitet. Die einzelnen Neuronen sind dabei wahrscheinlich gar nicht einmal so kompliziert und können schon heute recht gut in relativ einfachen Modellen mathematisch beschrieben werden. Die Komplexität entsteht erst durch das Zusammenwirken sehr vieler Neuronen in grossen, kompliziert verschalteten Netzwerken, wobei allerdings das Gesamtverhalten des Netzwerks aus den Eigenschaften der einzelnen Neuronen «im Prinzip» mathematisch ableitbar ist. Die Gehirntheorie hätte also die Aufgabe, realistische neuronale Netzwerkmodelle zu untersuchen und mathematisch solche Verhaltensweisen des gesamten Netzwerks herzuleiten, die wir mit entsprechenden menschlichen Verhaltensweisen identifizieren können.
Diesem scheinbar so klaren Forschungsprogramm stehen eine Reihe von praktischen Schwierigkeiten entgegen:
Das Netzwerk unseres Gehirns ist zu gross und zu kompliziert. Das menschliche Gehirn hat etwa 50 Milliarden Neuronen. (Gehirne von Säugetieren haben ebenfalls viele Neuronen: die Ratte 300 Millionen, die Katze 1 Milliarde, der Affe 10 Milliarden.) Jedes Neuron ist mit Tausenden von anderen Neuronen verbunden (über elektronenmikroskopisch sichtbare Verbindungsstellen, genannt Synapsen). Würde man nur die grobe Verknüpfungsstruktur des Gehirns angeben wollen - nämlich lediglich auflisten, welches Neuron mit welchem verbunden ist -, so brauchte man für eine solche stark vereinfachte Beschreibung (die nicht die Verbindungsstärke, die Biochemie der Überträgerstoffe, die Länge der Verbindungswege usw. berücksichtigt) mindestens etwa 40 Buchseiten pro Neuron, insgesamt also etwa 5 Milliarden Bände à 400 Seiten für ein menschliches Gehirn. Zum Vergleich: die Library of Congress in Washington, eine der grössten Bibliotheken der Welt, hat etwa 20 Millionen Bände, und zum Aufschreiben der gesamten menschlichen Erbinformation brauchte man etwa 4000 Bände. Es ist also völlig hoffnungslos, eine detailgenaue Beschreibung auch nur eines einzigen Säugetiergehirns experimentell bestimmen, verstehen oder mathematisch modellieren zu wollen.
Deswegen kann das Ziel einer Gehirntheorie nicht eine Modellierung im Detail, nicht eine quantitative Vorhersage sein; sie kann nur ein qualitatives Verständnis der beobachteten Phänomene in vereinfachten, grob strukturierten Modellen sein, die eine einfache Beschreibung auf einer «höheren» Ebene zulassen. Hier kann man sich von der Analogie der Computertechnik leiten lassen, wo man ebenfalls durch die Einführung vergröbernder Beschreibungsebenen einen Überblick über die Abläufe in einem Rechner behalten kann, ohne im einzelnen diese Abläufe nachvollziehen zu können. Man kann auf diese Weise durch hierarchische Organisationen Maschinen herstellen und kontrollieren, deren Komplexität das Fassungsvermögen jedes einzelnen Menschen bereits übersteigt.
Jedes Gehirn ist von jedem anderen verschieden. Man kann bei den meisten Tierarten nicht «dasselbe» Neuron, das man bei einem Individuum genau untersucht hat, beim nächsten Individuum wiederfinden. Man kann also die meisten Experimente nicht wiederholen. Dies ist ein grosses Problem, wenn man so experimentieren will, wie man es in der Physik gewohnt ist. Es gibt allerdings auch einfache Nervensysteme, in denen der Bau genetisch weitgehend festgelegt ist, so dass man dort tatsächlich das «gleiche» Neuron beim nächsten Tier wiederfinden kann (zum Beispiel im visuellen System von Stubenfliegen). Hier bekommen die einzelnen Neuronen dann individuelle Namen, und es gerät tatsächlich bei einfachen Würmern mit weniger als tausend Neuronen in den Bereich des Möglichen, das gesamte Nervensystem vollständig zu beschreiben und mathematisch zu modellieren.
Bei grösseren, ungleich komplexeren Gehirnen ist dagegen nicht zu erwarten, dass man jemals eine genaue Beziehung zwischen der gemessenen Hirnaktivität und den Gedankeninhalten herstellen können wird. Man ist bei der Deutung von Hirnaktivität deswegen immer auf eine vergröbernde, qualitative oder statistische Betrachtungsweise angewiesen. Und auch neurophysiologische Experimente werden (genau wie psychologische Experimente) nur durch eine solche Betrachtungsweise «wiederholbar». Dass die Säugergehirne nicht im Detail genetisch determiniert sein können, wird schon dadurch nahegelegt, dass eine Beschreibung des Gehirns mehr Platz benötigt als eine Beschreibung der gesamten Erbinformation. Man geht heute in der Tat davon aus, dass die Verknüpfung der Neuronen untereinander nur zu einem kleinen Teil nach genetischen Mustern angelegt ist und zum grossen Teil durch die individuelle Erfahrung geprägt wird. Man hat experimentell beobachtet, dass sich die Verbindungen der Neuronen untereinander massiv verändern können, wenn Tiere ungewöhnlichen Bedingungen ausgesetzt werden. Wenn zum Beispiel durch stroboskopische Discobeleuchtung die Wahrnehmung kontinuierlicher Bewegung unmöglich gemacht wird, verändert sich die Verschaltung der Neuronen im visuellen Zentrum der Hirnrinde dementsprechend.
Wie kann denn so eine vergröbernde, qualitative Beschreibung aussehen?
Die Psychologen haben schon immer Theorien über unser Verhalten entwickelt, die zwar nicht im Detail vorherzusagen gestatten, wie ein bestimmter Mensch in einer bestimmten Situation handeln wird, die aber durchaus qualitative Vorhersagen ermöglichen. Diese Theorien sind natürlich letztlich Beschreibungen der Abläufe im Gehirn des Menschen, allerdings auf einem sehr hohen kognitiven Niveau, das sehr weit von einer Beschreibung der Aktivität der Neuronen entfernt ist und in der Tat häufig überhaupt keinen Bezug mehr dazu hat.
Der Psychologe Donald Hebb hat 1949 eine Theorie skizziert, die direkt auf die Beschreibungsebene der Neuronen und Synapsen Bezug nimmt und die von vielen Neurophysiologen und Hirnforschern aufgenommen und weiter ausgebaut worden ist. Diese Theorie geht davon aus, dass die Umgebung, in der wir uns jeweils befinden, der innere Zustand unseres Körpers und auch unsere Gefühle, Ziele und Handlungsabsichten im gesamten Aktivitätsmuster der Neuronen dargestellt sein müssen. Die Frage ist, wie diese Darstellung aussieht. Man weiss zum Beispiel von einer groben Lokalisation verschiedener Sinnesmodalitäten, der Motorik und der Handlungsabsicht in verschiedenen Arealen der Hirnrinde. Jedes Neuron wird durch bestimmte Merkmale der Gesamtsituation besonders stark aktiviert; man kann also die Aktivierungsstärke einzelner Neuronen als Stärke der Evidenz für das Vorhandensein dieser Merkmale deuten, wobei zum Beispiel Neuronen in visuellen Arealen visuelle Merkmale anzeigen, solche in akustischen Arealen akustische Merkmale. Was sind das nun für Merkmale? Gibt es zum Beispiel Neuronen, die das Vorhandensein von einzelnen Gegenständen, etwa eines Stuhls, einer Lampe oder auch etwa von Herrn Müller, anzeigen? Hebbs Idee war, dass Gegenstände gerade dadurch für uns interessant werden, dass sie das gleichzeitige Auftreten von vielen verschiedenen Merkmalen in verschiedenen Modalitäten implizieren. Solche Gegenstände könnten einfach dadurch im Gehirn repräsentiert werden, dass die Neuronen, die die entsprechenden Merkmale anzeigen, zu zusammengehörigen Gruppen, sogenannten Assemblies, quasi zusammengeschweisst werden.
Es ist dann nicht mehr unbedingt nötig, den Gegenstand noch zusätzlich durch die Aktivierung eines speziellen Repräsentanten-Neurons anzuzeigen. Ausserdem ist es ökonomischer, wenn nicht für jeden Gegenstand in der Aussenwelt noch einmal ein Extra-Neuron benötigt wird, sondern wenn verschiedene Gegenstände einfach durch verschiedene, häufig sogar überlappende Assemblies dargestellt werden. Man kann auf diese Weise sogar deutlich mehr Gegenstände darstellen, als es insgesamt Neuronen gibt. Ausserdem kann man auf diese Weise leichter komplexe Zusammenhänge, beispielsweise Ähnlichkeiten zwischen Gegenständen, durch den Grad der Überlappung zwischen den entsprechenden Assemblies darstellen.
Wie kann man sich nun aber dieses Zusammenschweissen gleichzeitig aktivierter Neuronen zu Assemblies vorstellen? Hebbs Idee hierzu war verblüffend einfach: die erregenden Verbindungen zwischen gleichzeitig aktiven Neuronen müssen verstärkt werden. Dies kann bedeuten, dass die Reizleitung (das Axon) eines Neurons, die sehr nahe an der Verzweigung eines anderen gleichzeitig aktivierten Neurons vorbeikommt, diese Erregung spürt und eine synaptische Verbindung herstellt oder dass eine Synapse verstärkt wird, wenn die beiden Neuronen, die sie verbindet, gleichzeitig aktiv werden.
Diese Art von veränderbaren (plastischen) Synapsen nennt man Hebb-Synapsen. Sie würden tatsächlich die Bildung von Assemblies ermöglichen und dadurch einen äusserst effektiven Mechanismus zur Informationsspeicherung darstellen. Dies wurde in einer Reihe von Computersimulationen und mathematisch-theoretischen Untersuchungen nachgewiesen. Synaptische Plastizität nach dem Hebbschen Schema ist inzwischen in der Hirnrinde experimentell nachgewiesen worden.
Aber was kann man sich für einen Nutzen von dieser Modellvorstellung erhoffen?
In der Psychologie bietet die Hebbsche Idee der Assemblies die Grundlage für eine Theorie und eine Sprechweise, die eine Deutung auf der viel niedrigeren Beschreibungsebene der neuronalen Aktivität zulässt und damit eine Brücke zwischen der kognitiven psychologischen Beschreibungsebene mentaler Vorgänge und der physikalischen Beschreibungsebene neuronaler elektrischer Aktivität schlägt. Für die psychologische Praxis wird dieser Brückenschlag kaum eine Auswirkung haben.
In der Medizin kann man zunächst auch keine direkten Auswirkungen dieser Theorie absehen, da die medizinischen Eingriffe in das Gehirn (sei es durch Chirurgie oder durch Psychopharmaka), gemessen am einzelnen Neuron oder gar der einzelnen Synapse, viel zu grob sind, als dass sie von einer Theorie der neuronalen Darstellung einzelner Gedankeninhalte profitieren könnten.
Einen praktischen Nutzen dieser Ideen kann man sich aber durchaus im Bereich der Technik der Informationsverarbeitung, also der Computer, vorstellen. Die Hebbschen Ideen lassen sich nämlich technisch realisieren. Nach diesen Vorstellungen kann man vereinfachte technische Hirnmodelle aufbauen und ihren Nutzen in der Informationsverarbeitung, zum Beispiel als Assoziativspeicher, untersuchen. Vielleicht führt diese Entwicklung dazu, dass die Computer in absehbarer Zeit etwas «menschlicher», also etwas fehlertoleranter im Umgang mit menschlichen Benutzern werden und dass sie ihre Leistungen flexibler an leicht veränderte Anforderungen anpassen können, ohne immer wieder neu programmiert werden zu müssen.
Günther Palm ist Professor für Neuroinformatik an der Universität Ulm.