A simple model of the co-emergence of grid and place fields

Dieser Beitrag stellt ein vereinheitlichtes rekurrentes Netzwerkmodell vor, das auf einem einzigen sensorischen Vorhersageziel trainiert wird und erfolgreich das unüberwachte gleichzeitige Entstehen von Gitter- und Ortszellen demonstriert, wobei es ihre Entwicklungsreihenfolge erklärt und durch komplementäre Kodierungsdrucke zentrale experimentelle Phänomene reproduziert.

Das Wesentliche

Stellen Sie sich vor, Ihr Gehirn verfügt über zwei spezielle Teams von Arbeitern, die Ihnen helfen, sich in der Welt zurechtzufinden: das Orts-Team und das Gitter-Team.

• Das Orts-Team (im Hippocampus zu finden) fungiert wie ein „Sie sind hier"-Pin auf einer Karte. Es leuchtet nur auf, wenn Sie sich an einem ganz bestimmten Ort befinden, etwa auf Ihrem Wohnzimmersofa.
• Das Gitter-Team (im entorhinalen Kortex zu finden) wirkt wie Millimeterpapier. Es leuchtet überall dort auf, wo Sie hinkommen, in einem sich wiederholenden, hexagonalen Muster und schafft so ein universelles Koordinatensystem zur Messung von Distanz und Richtung.

Das große Rätsel
Lange Zeit steckten Wissenschaftler in einem „Henne-Ei"-Rätsel fest. Das Orts-Team und das Gitter-Team sind miteinander verbunden und helfen sich gegenseitig, doch wie entstehen sie beide während der Entwicklung?

• Baut das Gitter-Team zuerst die Karte, und das Orts-Team wählt einfach einen Ort aus?
• Oder findet das Orts-Team zuerst einen Ort, und das Gitter-Team baut die Karte darum herum?

Die meisten Computermodelle versuchten, dies zu lösen, indem sie ein Team zuerst aufbauten und dann das andere zum Erscheinen zwangen. Sie konnten nicht ganz erfassen, wie sie natürlich gemeinsam heranwachsen.

Die neue Lösung: Ein Vorhersagespiel
Diese Arbeit stellt ein neues Computermodell vor, das das Rätsel löst, indem es das Gehirn wie ein vorhersagendes Ratespiel behandelt.

Stellen Sie sich vor, Sie spielen ein Videospiel, bei dem Sie raten müssen, was Sie als Nächstes sehen werden, basierend auf dem, was Sie gerade gesehen haben, und darauf, wie Sie sich bewegt haben.

• Wenn Sie sich nach links drehen, erwarten Sie, die Wand auf Ihrer linken Seite zu sehen.
• Wenn Sie sich vorwärts bewegen, erwarten Sie, dass sich die Szenerie verschiebt.

Die Forscher bauten ein einziges, vereinheitlichtes Netzwerk von „Neuronen" (Computerknoten), das der Regel folgt, dass jedes Neuron entweder ein „Los"-Signal (erregend) oder ein „Stopp"-Signal (hemmend) ist – genau wie im echten Gehirn. Sie trainierten dieses Netzwerk ausschließlich darin, gut darin zu sein, das nächste zu sehende Objekt vorherzusagen. Sie sagten ihm nicht: „Hey, sei eine Ortszelle!" oder „Hey, sei eine Gitterzelle!"

Das magische Ergebnis: Koevolution
Überraschenderweise tauchten, als das Netzwerk besser in seinem Ratespiel wurde, beide Zelltypen von selbst auf, ohne besondere Anweisungen.

• Manche Neuronen begannen, wie das Orts-Team zu wirken (sie konzentrierten sich auf bestimmte Orte, um die aktuelle Ansicht wiederherzustellen).
• Andere begannen, wie das Gitter-Team zu wirken (sie konzentrierten sich auf Muster, um Bewegungen vorherzusagen).

Es ist wie bei einer Gruppe von Menschen, die gemeinsam versuchen, ein Rätsel zu lösen. Ohne dass ihnen gesagt wird, wer der „Detektiv" und wer der „Kartenmacher" ist, teilen sie sich natürlich in diese beiden Rollen auf, weil dies die effizientesten Wege sind, das Rätsel zu lösen.

Warum das wichtig ist
Das Modell erzeugte nicht nur diese Zellen; es verhielt sich in kniffligen Situationen exakt wie ein echtes Tiergehirn:

1. Haarnadel-Labyrinthe: Wenn der Pfad sich selbst wieder kreuzt, zerfällt das Gittermuster, genau wie in echten Experimenten.
2. Entfernen von Wänden: Wenn eine Wand verschwindet, verschmelzen die Gittermuster aus verschiedenen Räumen, genau wie in der Realität.
3. Fliegende Fledermäuse: Es rekonstruierte sogar die 3D-Gittermuster, die bei frei fliegenden Fledermäusen beobachtet werden.
4. Entwicklung: Es zeigte, dass die „Orts"-Denkweise tendenziell etwas vor der „Gitter"-Denkweise auftritt, was mit dem übereinstimmt, was wir bei heranwachsenden Jungtieren beobachten.

Das Fazit
Die Arbeit legt nahe, dass das Gehirn keine zwei separaten Baupläne benötigt, um diese Navigationssysteme zu errichten. Stattdessen braucht es nur ein einfaches Ziel: vorhersagen, was als Nächstes passiert.

Um dies gut zu tun, entwickelt das Gehirn natürlich zwei ergänzende Strategien:

1. Wiederherstellung: „Wie sieht dieser spezifische Ort gerade aus?" (Ortszellen).
2. Vorhersage: „Wenn ich mich so bewege, was werde ich als Nächstes sehen?" (Gitterzellen).

Indem es dieses einzelne Spiel des „Rates des nächsten Blickwinkels" spielt, baut das Gehirn gleichzeitig und natürlich sowohl die „Sie sind hier"-Pins als auch die „Millimeterpapier"-Karte auf.

Technische Zusammenfassung

Technische Zusammenfassung: Ein einfaches Modell der Ko-Entstehung von Gitter- und Platzfeldern

Problemstellung
Die räumliche Navigation bei Säugetieren beruht auf der koordinierten Aktivität von Gitterzellen im medialen entorhinalen Kortex und Platzzellen im Hippocampus. Diese beiden Zelltypen sind reziprok verbunden, was ein entwicklungsbedingtes „Henne-Ei-Problem" schafft: Es bleibt unklar, wie beide Zelltypen während der Entwicklung entstehen und einander verstärken können, ohne dass bereits räumliche Repräsentationen vorhanden sind. Bestehende rechnerische Erklärungen leiden typischerweise unter einer von zwei Einschränkungen: Sie leiten einen Zelltyp strikt vom anderen ab oder modellieren das Entstehen eines einzelnen Zelltyps isoliert unter Verwendung von Netzwerkdynamiken. Es fehlt an einheitlichen Modellen, die das gleichzeitige, unüberwachte Entstehen sowohl von Gitter- als auch von Platzfeldern erklären.

Methodik
Die Autoren stellen ein einheitliches rekurrentes neuronales Netzwerkmodell vor, das entwickelt wurde, um diese Einschränkungen zu adressieren. Die Architektur folgt dem Dale'schen Gesetz und stellt sicher, dass jeder Neuron strikt entweder erregend oder hemmend ist, wodurch die biologische Plausibilität gewährleistet wird. Das Netzwerk wird mit einer einzigen Zielfunktion trainiert: Vorhersage der nächsten sensorischen Beobachtung auf Basis maskierter vorheriger sensorischer Beobachtungen und egozentrischer Bewegungssignale.

Entscheidend ist, dass das Modell weder für Gitter- noch für Platzzellen auf Überwachung angewiesen ist und auch nicht von bereits vorhandenen Repräsentationen räumlicher Zellen abhängt. Stattdessen wird erwartet, dass sich die räumlichen Codes allein aus dem Druck zur Minimierung des Vorhersagefehlers in einem sensorisch-motorischen Kontext entwickeln. Das Modell wurde über 1.000 verschiedene Trainingskonfigurationen hinweg getestet, um die Robustheit der Ko-Entstehung zu bewerten, wobei das Gleichgewicht zwischen Gitter- und Platzkodierung durch variierende Levels von sensorischem Rauschen und Maskierung moduliert wurde.

Hauptbeiträge

• Einheitliche Ko-Entstehung: Dies wird als erstes Ein-Ziel-Modell präsentiert, bei dem Gitter- und Platzzellen ohne externe Überwachung eines der beiden Typen ko-entstehen.
• Biologische Constraints: Die Implementierung des Dale'schen Gesetzes unterscheidet dieses Modell von früheren abstrakten Netzwerkmodellen.
• Mechanistische Interpretation: Die Autoren schlagen vor, dass das einzelne sensorische Vorhersageziel zwei komplementäre Kodierungsdrücke erzeugt: (1) das Korrigieren von Fehlern oder das Rekonstruieren fehlender Komponenten sensorischer Beobachtungen und (2) das Vorhersagen des nächsten sensorischen Zustands während der Navigation. Diese Drücke treiben die Bildung der unterschiedlichen räumlichen Codes an.

Ergebnisse
Das Modell demonstriert erfolgreich das Koexistieren von Gitter- und Platzfeldern über den Großteil der Trainingskonfigurationen hinweg. Ohne Nachtraining reproduziert das Netzwerk qualitativ mehrere komplexe experimentelle Phänomene:

• Gitterfragmentierung: Beobachtet in Haarnadel-Labyrinthen.
• Gitterverschmelzung: Tritt nach der Entfernung von Wänden auf.
• Gitterausrichtung: Über verbundene Räume hinweg.
• 3D-Feldordnung: Lokal geordnete 3D-Felder, ähnlich denen bei frei fliegenden Fledermäusen beobachtet.
• Entwicklungssequenz: Das Modell reproduziert die experimentell beobachtete Entwicklungsreihenfolge, bei der Platzzellen Gitterzellen vorausgehen.

Das Gleichgewicht zwischen den beiden räumlichen Codes erweist sich als sensitiv gegenüber der Menge an sensorischem Rauschen und Maskierung, die während des Trainings angewendet wird.

Bedeutung
Die Arbeit behauptet, eine Schaltkreisebene-Erklärung für die Ko-Entstehung von Gitter- und Platzzellen zu liefern, indem sie das Problem der entwicklungsbedingten Abhängigkeit löst und zeigt, wie ein einzelnes prädiktives Ziel beide Repräsentationen gleichzeitig generieren kann. Darüber hinaus behaupten die Autoren, dass ihre Erkenntnisse experimentell überprüfbare Vorhersagen bezüglich des Verhaltens dieser beiden Arten räumlicher Codes generieren und einen Rahmen bieten, um den vorgeschlagenen Mechanismus der sensorisch-vorhersagegetriebenen Entwicklung zu validieren.