Associative Emotional Learning in Convolutional Neural Networks

Der emotionale Cheat-Code des Gehirns

Stellen Sie sich vor, Ihr Gehirn wäre ein superintelligenter Detektiv, der in jeder Sekunde Ihres Lebens versucht, ein Rätsel zu lösen. Eine seiner wichtigsten Aufgaben besteht darin, herauszufinden, was gut für Sie ist (wie eine warme Umarmung oder ein Stück Pizza) und was schlecht ist (wie eine summende Biene oder eine rutschige Bananenschale). Diese Fähigkeit, ein neutrales Objekt – wie ein bestimmtes Geräusch oder eine Form – mit einem Gefühl von Freude oder Angst zu verknüpfen, wird als assoziatives emotionales Lernen bezeichnet. Es ist der Grund, warum Sie vielleicht ein wenig nervös werden, wenn Sie das Bohren eines Zahnarztbohrers hören, noch bevor Sie den Stuhl sehen, weil Ihr Gehirn gelernt hat, dieses Geräusch mit einer vergangenen schlechten Erfahrung zu verbinden. Wissenschaftler haben versucht, Computermodelle zu bauen, um zu verstehen, wie das funktioniert, aber alte Modelle waren ein wenig wie einfache Taschenrechner: Sie konnten zwar die Mathematik betreiben, aber sie konnten die Welt nicht wirklich so „sehen“ wie ein Mensch. Sie hatten Schwierigkeiten zu erklären, wie unser Gehirn komplexe, chaotische Bilder verarbeitet und sie in Gefühle verwandelt.

Hier kommt Deep Learning ins Spiel, eine Art künstlicher Intelligenz, die digitale „Neuronen“ in Schichten nutzt, um Muster zu erkennen, ganz ähnlich wie der visuelle Kortex in unseren Augen und unserem Gehirn. Diese Netzwerke sind großartig darin, Katzen auf Fotos zu entdecken oder Handschriften zu lesen. Aber können sie lernen zu fühlen? Kann ein Computer, der eigentlich keine Gefühle besitzt, lernen, eine langweilige Form als „beängstigend“ zu behandeln, nur weil sie mit einem gruseligen Bild kombiniert wurde? Das ist die große Frage, die Forscher stellen. Wenn wir einen Computer lehren können, Emotionen so zu lernen wie ein Mensch, können wir endlich die verborgenen Mechanismen unseres eigenen Geistes verstehen, was uns helfen könnte zu begreifen, warum manche Menschen in Angstschleifen (wie bei Angststörungen oder PTBS) stecken bleiben und wie man ihnen hilft, daraus auszubrechen.

---

Das digitale Gehirn lernt zu fühlen

In dieser Studie baute ein Team von Forschern ein spezielles Computergehirn, um zu sehen, ob es Emotionen so lernen kann wie wir. Sie entwickelten ein Modell namens Visual-Valence-Modell. Stellen Sie sich dieses Modell als zwei Hauptteile vor: einen „Visuellen Kortex“, der wie ein Paar Augen fungiert, und ein „Emotionsmodul“, das wie das Gefühlszentrum des Gehirns wirkt (speziell die Amygdala und der orbitofrontale Kortex). Um es noch realistischer zu machen, fügten sie eine „Abkürzung“ hinzu. Dies ist wie eine Schnellstraße, die es den Augen ermöglicht, dem Gefühlszentrum eine schnelle, grobe Skizze einer Szene zu senden, bevor die Augen fertig sind, ein detailliertes Foto zu machen. Dies ahmt nach, wie unsere echten Gehirne manchmal auf Gefahr reagieren, noch bevor wir überhaupt vollständig verstehen, was wir gerade sehen.

Zuerst mussten die Forscher diesem digitalen Gehirn beibringen, wie „gut“ und „schlecht“ aussehen. Sie zeigten ihm tausende echte Bilder aus dem International Affective Picture System (IAPS), die berühmt dafür sind, entweder sehr angenehm (wie ein Welpe oder ein Sonnenuntergang) oder sehr unangenehm (wie eine Spinne oder eine schmutzige Toilette) zu sein. Der Computer lernte, einen „Valenz“-Wert vorherzusagen, eine Zahl von 1 (extrem unangenehm) bis 9 (extrem angenehm), wobei 5 neutral ist. Nach diesem Training konnte der Computer ein Bild betrachten und sagen: „Das ist eine 2, das ist schlecht“, oder „Das ist eine 8, das ist großartig!“

Dann kam der eigentliche Zaubertrick: Pavlovsche Konditionierung. Dies kennen Sie vielleicht aus den berühmten Experimenten mit Hunden, bei denen eine Glocke den Hund speicheln ließ. Hier verwendeten die Forscher ein neutrales Objekt: einen Gabor-Patch. Stellen Sie sich diesen als einen unscharfen, gestreiften Kreis vor, der aussieht wie ein Stück Rauschen auf einem alten Fernseher. An sich selbst betrachtet ist dieser Patch langweilig und hat keine emotionale Bedeutung. Die Forscher kombinierten einen 45-Grad-gestreiften Patch mit einem „unangenehmen“ Bild (wie einer Waffe oder einer Spinne) und einen 135-Grad-gestreiften Patch mit einem „angenehmen“ Bild (wie einem Familienporträt oder einem Welpen). Sie zeigten diese Paare dem Computer immer und immer wieder.

Die Ergebnisse waren faszinierend. Nach nur wenigen Runden, in denen diese Paare gezeigt wurden, begann der Computer, seine Meinung über die langweiligen Streifen zu ändern. Wenn ihm der 45-Grad-Patch alleine gezeigt wurde (oh、ne das gruselige Bild), bewertete der Computer ihn plötzlich als unangenehm (etwa 2,3). Wenn ihm der 135-Grad-Patch alleine gezeigt wurde, bewertete er ihn als angenehm (etwa 8,0). Der Computer hatte gelernt, die neutralen Streifen mit den Gefühlen der Bilder zu assoziieren, mit denen sie gepaart waren, genau wie ein Mensch.

Aber hat er einfach nur die exakten Bilder auswendig gelernt, oder hat er wirklich gelernt? Die Forscher testeten dies mit Generalisierung. Sie zeigten dem Computer Streifen in Winkeln, die er noch nie zuvor gesehen hatte, wie zum Beispiel 30 oder 60 Grad. Die Reaktion des Computers verblasste sanft, je weiter die Streifen von den „trainierten“ Winkeln entfernt waren. Wenn er auf 45 Grad trainiert war, fühlte sich ein 3-Grad-Streifen ein wenig beängstigend an, aber ein 90-Grad-Streifen fühlte sich neutral an. Dieser „Verblassungseffekt“ ist genau das, was beim Menschen geschieht, was darauf hindeutet, dass der Computer nicht nur Pixel auswendig lernte, sondern tatsächlich ein Konzept lernte. Sie testeten auch, ob der Ort des Streifens wichtig war. Selbst wenn sie die Streifen in verschiedene Ecken des Bildschirms bewegten, in denen sie nicht trainiert worden waren, empfand der Computer immer noch die Emotion, obwohl der Effekt dort am stärksten war, wo er trainiert worden war.

Um zu verstehen, wie der Computer lernte, schauten die Forscher in sein „Gehirn“ auf die einzelnen digitalen Neuronen. Sie fanden heraus, dass die Neuronen, die vor dem Lernen auf die gruseligen Bilder reagierten, anders waren als die, die auf die langweiligen Streifen reagierten. Aber nach dem Lernen begannen die Neuronen, die für den 45-Grad-Streifen feuerten, immer mehr so auszusehen und zu agieren wie die Neuronen, die für die gruseligen Bilder feuerten. Der Computer hatte seine interne Karte physisch umgestaltet, um das Neutrale so aussehen zu lassen wie das Emotionale.

Die Studie entdeckte auch, dass dieser „Abkürzungs“-Pfad entscheidend war. Als sie die Schnellstraßenverbindung entfernten, versagte der Computer beim Erlernen der emotionalen Assoziation. Dies deutet darauf hin, dass ein direkter, schneller Weg von der frühen visuellen Wahrnehmung zum Emotionszentrum der Schlüssel für diese Art des Lernens ist.

Die Forscher weisen jedoch vorsichtig darauf hin, was diese Studie nicht getan hat. Der Computer hat nichts tatsächlich „gefühlt“; er hat lediglich Zahlen berechnet. Der visuelle Teil des Computergehirns war „eingefroren“, was bedeutet, dass er während des Lernprozesses seine eigenen „Augen“ nicht veränderte, sondern nur den Emotionsteil. Reale menschliche Gehirne verändern möglicherweise auch ihre Augen, und dieses Modell konnte das nicht testen. Außerdem hatte der Computer keine Möglichkeit des „Verlernens“ (Extinktion), also der Art und Weise, wie wir aufhören, Angst vor etwas zu haben, sobald wir erkennen, dass es sicher ist.

Letztendlich legt diese Studie nahe, dass tiefe neuronale Netze, wenn sie mit den richtigen Abkürzungen gebaut und mit den richtigen emotionalen Regeln trainiert werden, die Art und Weise nachahmen können, wie Menschen emotionale Erinnerungen bilden. Es zeigt, dass wir keine magische „Seele“ brauchen, um Assoziationen zu lernen; wir brauchen vielleicht nur die richtige Art von geschichteter, abkürzungsverbundener Architektur. Obwohl dies eine Simulation und kein echtes menschliches Gehirn ist, bietet es den Wissenschaftlern ein leistungsstarkes neues Werkzeug, um zu erforschen, wie unser Geist die Welt um uns herum mit unseren tiefsten Gefühlen verknüpft.