Dies ist das große Geheimnis des menschlichen Sehens: Lebendige Bilder der Welt erscheinen vor unserem geistigen Auge, doch das visuelle System des Gehirns erhält nur sehr wenige Informationen von der Welt selbst. Vieles, was wir „sehen“, zaubern wir in unseren Köpfen.
"Viele Dinge, von denen Sie denken, dass Sie sie tatsächlich erfinden", sagte Lai-Sang Young, Mathematiker an der New York University. "Sie sehen sie nicht wirklich."
Dennoch muss das Gehirn die visuelle Welt ziemlich gut erfinden, da wir nicht routinemäßig gegen Türen stoßen. Leider lässt das Studium der Anatomie allein nicht erkennen, wie das Gehirn diese Bilder zusammensetzt, als wenn man einen Automotor anstarrt, um die Gesetze der Thermodynamik zu entschlüsseln.
Neue Forschungsergebnisse legen nahe, dass Mathematik der Schlüssel ist. In den letzten Jahren war Young in eine ungewöhnliche Zusammenarbeit mit ihren NYU-Kollegen Robert Shapley, einem Neurowissenschaftler, und Logan Chariker, einem Mathematiker, verwickelt. Sie erstellen ein einziges mathematisches Modell, das jahrelange biologische Experimente vereint und erklärt, wie das Gehirn auf der Grundlage von geringen visuellen Informationen aufwändige visuelle Reproduktionen der Welt erzeugt.
"Die Aufgabe des Theoretikers besteht meines Erachtens darin, diese Fakten zu einem zusammenhängenden Bild zusammenzufassen", sagte Young. "Experimentalisten können dir nicht sagen, was etwas zum Laufen bringt."
Young und ihre Mitarbeiter haben ihr Modell so aufgebaut, dass sie jeweils ein Grundelement der Vision einbeziehen. Sie haben erklärt, wie Neuronen im visuellen Kortex interagieren, um die Kanten von Objekten und Änderungen des Kontrasts zu erkennen, und nun arbeiten sie daran, zu erklären, wie das Gehirn die Richtung wahrnimmt, in die sich Objekte bewegen.
Ihre Arbeit ist die erste ihrer Art. Frühere Versuche, das menschliche Sehen zu modellieren, führten zu Wunschannahmen über die Architektur des visuellen Kortex. Die Arbeiten von Young, Shapley und Chariker akzeptieren die anspruchsvolle, nicht intuitive Biologie des visuellen Kortex wie er ist - und versuchen zu erklären, wie das Phänomen des Sehens noch möglich ist.
„Ich denke, ihr Modell ist insofern eine Verbesserung, als es auf der realen Gehirnanatomie basiert. Sie wollen ein Modell, das biologisch korrekt oder plausibel ist “, sagte Alessandra Angelucci, Neurowissenschaftlerin an der Universität von Utah.
Schichten und Schichten
Es gibt einige Dinge, die wir mit Sicherheit über das Sehen wissen.
Das Auge wirkt wie eine Linse. Es empfängt Licht von der Außenwelt und projiziert eine maßstabsgetreue Nachbildung unseres Gesichtsfeldes auf die Netzhaut, die sich im Augenhintergrund befindet. Die Netzhaut ist mit dem visuellen Kortex verbunden, dem Teil des Gehirns im Hinterkopf.
Es besteht jedoch nur eine sehr geringe Konnektivität zwischen der Netzhaut und dem visuellen Kortex. Für eine Sehfläche, die ungefähr ein Viertel der Größe eines Vollmonds hat, gibt es nur etwa 10 Nervenzellen, die die Netzhaut mit dem visuellen Kortex verbinden. Diese Zellen bilden den LGN, den lateralen Genikularkern, der einzige Weg, über den visuelle Informationen von der Außenwelt ins Gehirn gelangen.
LGN-Zellen sind nicht nur rar - sie können auch nicht viel bewirken. LGN-Zellen senden einen Impuls an den visuellen Kortex, wenn sie einen Wechsel von dunkel zu hell oder umgekehrt in ihrem winzigen Abschnitt des Gesichtsfelds feststellen. Und das ist alles. Die erleuchtete Welt bombardiert die Netzhaut mit Daten, aber alles, was das Gehirn tun muss, ist das magere Signal einer winzigen Ansammlung von LGN-Zellen. Mit so wenig Informationen die Welt zu sehen, ist wie zu versuchen, Moby-Dick aus Notizen auf einer Serviette zu rekonstruieren.
"Sie können sich vorstellen, dass das Gehirn ein Foto von dem macht, was Sie in Ihrem Gesichtsfeld sehen", sagte Young. "Aber das Gehirn macht kein Bild, die Netzhaut auch, und die Informationen, die von der Netzhaut an den visuellen Kortex weitergegeben werden, sind spärlich."
Aber dann geht der visuelle Kortex an die Arbeit. Während der Kortex und die Retina durch relativ wenige Neuronen verbunden sind, ist der Kortex selbst mit Nervenzellen dicht. Für jeweils 10 LGN-Neuronen, die sich von der Netzhaut zurückschlängeln, befinden sich 4.000 Neuronen nur in der anfänglichen „Eingabeschicht“des visuellen Kortex - und im Rest noch viel mehr. Diese Diskrepanz deutet darauf hin, dass das Gehirn die kleinen visuellen Daten, die es empfängt, stark verarbeitet.
"Der visuelle Kortex hat einen eigenen Verstand", sagte Shapley.
Für Forscher wie Young, Shapley und Chariker besteht die Herausforderung darin, herauszufinden, was in diesem Kopf vor sich geht.
Visuelle Schleifen
Die neuronale Anatomie des Sehens ist provokativ. Wie eine kleine Person, die ein massives Gewicht hebt, ruft sie nach einer Erklärung: Wie macht man so viel mit so wenig?
Young, Shapley und Chariker sind nicht die Ersten, die versuchen, diese Frage mit einem mathematischen Modell zu beantworten. Bei allen bisherigen Bemühungen wurde jedoch davon ausgegangen, dass mehr Informationen zwischen der Netzhaut und dem Kortex übertragen werden - eine Annahme, die die Reaktion des visuellen Kortex auf Reize einfacher erklären lässt.
"Die Leute hatten nicht ernst genommen, was die Biologie in einem Rechenmodell sagte", sagte Shapley.
Mathematiker haben eine lange und erfolgreiche Geschichte in der Modellierung sich verändernder Phänomene, von der Bewegung von Billardkugeln bis zur Entwicklung der Raumzeit. Dies sind Beispiele für "dynamische Systeme" - Systeme, die sich im Laufe der Zeit nach festgelegten Regeln entwickeln. Interaktionen zwischen Neuronen, die im Gehirn feuern, sind ebenfalls ein Beispiel für ein dynamisches System - wenngleich eines, das besonders subtil und schwer in einer definierbaren Liste von Regeln festzuhalten ist.
LGN-Zellen senden an die Hirnrinde eine Folge elektrischer Impulse von einem Zehntel Volt und einer Millisekunde Dauer, die eine Kaskade von Neuronenwechselwirkungen auslösen. Die Regeln, die diese Interaktionen regeln, sind "unendlich komplizierter" als die Regeln, die Interaktionen in bekannteren physikalischen Systemen regeln, sagte Young.
Einzelne Neuronen empfangen gleichzeitig Signale von Hunderten anderer Neuronen. Einige dieser Signale regen das Neuron zum Feuern an. Andere halten es zurück. Wenn ein Neuron elektrische Impulse von diesen anregenden und hemmenden Neuronen empfängt, schwankt die Spannung über seiner Membran. Es wird nur ausgelöst, wenn diese Spannung (ihr „Membranpotential“) eine bestimmte Schwelle überschreitet. Es ist fast unmöglich vorherzusagen, wann das passieren wird.
"Wenn man das Membranpotential eines einzelnen Neurons beobachtet, schwankt es wild auf und ab", sagte Young. "Es gibt keine Möglichkeit, genau zu sagen, wann es schießen wird."
Die Situation ist noch komplizierter. Diese Hunderte von Neuronen, die mit Ihrem einzelnen Neuron verbunden sind? Jeder von ihnen empfängt Signale von Hunderten anderer Neuronen. Der visuelle Kortex ist ein wirbelndes Spiel von Rückkopplungsschleife zu Rückkopplungsschleife.
„Das Problem bei dieser Sache ist, dass es viele bewegliche Teile gibt. Das macht es schwierig “, sagte Shapley.
Frühere Modelle des visuellen Kortex haben diese Funktion ignoriert. Sie gingen davon aus, dass Informationen nur in eine Richtung fließen: von der Vorderseite des Auges zur Netzhaut und in die Hirnrinde, bis am Ende das Sehen erscheint, so sauber wie ein Widget, das von einem Förderband kommt. Diese „Feed-Forward“-Modelle waren einfacher zu erstellen, ignorierten jedoch die einfachen Implikationen der Anatomie des Kortex - was nahelegte, dass „Feedback“-Schleifen ein wichtiger Teil der Geschichte sein mussten.
"Feedback-Schleifen sind sehr schwer zu handhaben, da die Informationen immer wieder auftauchen und Sie verändern, sie immer wieder auftauchen und Sie beeinflussen", sagte Young. "Das ist etwas, womit sich fast kein Modell befasst, und es ist überall im Gehirn."
In ihrer ersten Veröffentlichung von 2016 versuchten Young, Shapley und Chariker, diese Feedbackschleifen ernst zu nehmen. Die Rückkopplungsschleifen ihres Modells führten so etwas wie den Schmetterlingseffekt ein: Kleine Änderungen des LGN-Signals wurden verstärkt, als sie eine Rückkopplungsschleife nach der anderen durchliefen. Dies wurde als "wiederkehrende Anregung" bezeichnet und führte zu großen Änderungen in der visuellen Darstellung von das Modell am Ende.
Young, Shapley und Chariker zeigten, dass ihr rückkopplungsreiches Modell die Ausrichtung von Kanten in Objekten - von vertikal bis horizontal und alles dazwischen - reproduzieren konnte, basierend auf nur geringfügigen Änderungen der schwachen LGN-Eingabe, die in das Modell eingeht.
"Sie haben gezeigt, dass man mit nur wenigen Neuronen, die mit anderen Neuronen verbunden sind, alle Orientierungen in der visuellen Welt erzeugen kann", sagte Angelucci.
Vision ist jedoch viel mehr als Kantenerkennung, und das Papier für 2016 war nur ein Anfang. Die nächste Herausforderung bestand darin, zusätzliche Elemente des Sehens in ihr Modell aufzunehmen, ohne das eine Element zu verlieren, das sie bereits herausgefunden hatten.
"Wenn ein Modell etwas richtig macht, sollte dasselbe Modell in der Lage sein, verschiedene Dinge zusammen zu machen", sagte Young. "Dein Gehirn ist immer noch dasselbe, aber du kannst verschiedene Dinge tun, wenn ich dir verschiedene Umstände zeige."
Schwärme des Sehens
In Laborexperimenten präsentieren die Forscher Primaten mit einfachen visuellen Reizen - Schwarz-Weiß-Muster, die sich hinsichtlich des Kontrasts oder der Richtung, in der sie in die Gesichtsfelder der Primaten eintreten, unterscheiden. Mithilfe von Elektroden, die an den visuellen Rinden der Primaten befestigt sind, verfolgen die Forscher die Nervenimpulse, die als Reaktion auf die Reize erzeugt werden. Ein gutes Modell sollte die gleichen Arten von Impulsen replizieren, wenn es mit den gleichen Reizen versehen wird.
"Sie wissen, wenn Sie [einen Primaten] ein Bild zeigen, dann reagiert es so", sagte Young. "Anhand dieser Informationen versuchen Sie rückzuentwickeln, was im Inneren vor sich gehen muss."
2018 veröffentlichten die drei Forscher eine zweite Veröffentlichung, in der sie demonstrierten, dass dasselbe Modell, das Kanten erkennen kann, auch ein Gesamtmuster der Pulsaktivität im Kortex reproduzieren kann, das als Gammarhythmus bekannt ist. (Es ähnelt dem, was Sie sehen, wenn Schwärme von Glühwürmchen in kollektiven Mustern aufblitzen.)
In einem dritten Artikel wird erläutert, wie der visuelle Kortex Kontrastveränderungen wahrnimmt. Ihre Erklärung beinhaltet einen Mechanismus, durch den sich anregende Neuronen gegenseitig in ihrer Aktivität verstärken, ein Effekt, der dem Sammeln von Inbrunst in einer Tanzparty gleicht. Es ist die Art des Ratschens, die erforderlich ist, wenn der visuelle Kortex vollständige Bilder aus spärlichen Eingabedaten erstellen soll.
Gegenwärtig arbeiten Young, Shapley und Chariker daran, ihrem Modell eine Richtungsempfindlichkeit hinzuzufügen. Dies erklärt, wie der visuelle Kortex die Richtung rekonstruiert, in die sich Objekte über Ihr Gesichtsfeld bewegen. Danach werden sie versuchen zu erklären, wie der visuelle Kortex zeitliche Muster in visuellen Reizen erkennt. Sie hoffen beispielsweise zu entschlüsseln, warum wir die Blitze in einer blinkenden Ampel wahrnehmen können, aber wir sehen die Einzelbildaktion in einem Film nicht.
An diesem Punkt haben sie ein einfaches Modell für die Aktivität in nur einer der sechs Schichten im visuellen Kortex - der Schicht, in der das Gehirn die Grundlinien des visuellen Eindrucks abräumt. Ihre Arbeit befasst sich nicht mit den verbleibenden fünf Ebenen, auf denen eine anspruchsvollere visuelle Verarbeitung stattfindet. Es sagt auch nichts darüber aus, wie der visuelle Kortex Farben unterscheidet, die über einen völlig anderen und schwierigeren Nervenweg auftreten.
"Ich denke, sie haben noch einen langen Weg vor sich, obwohl das nicht heißt, dass sie keine gute Arbeit leisten", sagte Angelucci. "Es ist komplex und es braucht Zeit."
Während ihr Modell noch lange nicht das volle Geheimnis des Sehens aufdeckt, ist es ein Schritt in die richtige Richtung - das erste Modell, das versucht, das Sehen auf biologisch plausible Weise zu entschlüsseln.
