Predictive perception via simultaneous learning and inference

Menschen navigieren durch eine Welt, die selten klar ist. Wir hören Gespräche in überfüllten Räumen, erkennen Gesichter in sich verändernden Schatten und machen Sinn aus Musik, selbst wenn das Signal schwach ist. Um dies zu tun, zeichnet unser Gehirn nicht einfach nur auf, was auf unsere Sinne trifft; es rät aktiv, was da draußen ist, indem es die verrauschten Daten, die wir empfangen, mit dem kombiniert, was wir bereits zu finden erwarten. Diese Idee, die oft als die Hypothese des Bayes-Gehirns bezeichnet wird, legt nahe, dass Wahrnehmung eine Form des ständigen Ratens und Überprüfens ist. Ein großes Rätsel blieb jedoch bestehen: Wie führt das Gehirn diese komplexen Berechnungen in Echtzeit durch? Die natürliche Welt ist riesig und kontinuierlich, und die exakte Wahrscheinlichkeit jedes möglichen Zustands in einem solchen Raum zu berechnen, ist mathematisch unmöglich für jede Maschine, geschweige denn für ein biologisches Wesen. Jahrzehntelang versuchten Wissenschaftler, dies zu lösen, indem sie annahmen, das Gehirn vereinfache das Problem auf spezifische Weise – entweder indem es seine Vermutungen in ordentliche, einfache Formen presst oder indem es tausende von Zufallsstichproben nimmt, um die Antwort zu approximieren.

Eine neue Studie schlägt einen anderen Weg vor, der die Notwendigkeit dieser komplexen Abkürzungen umgeht. Anstatt die Vermutungen des Gehirns zu vereinfachen, schlagen die Forscher vor, dass das Gehen vielleicht die Welt vereinfacht, über die es rät. Sie argumentieren, dass Wahrnehmung oft dadurch funktioniert, dass kontinuierliche Eingaben in distinkte, getrennte Zustände kategorisiert werden, ähnlich wie wir eine Melodie als eine Serie spezifischer Noten hören und nicht als eine gleitende Frequenzskala. Indem das Gehirn die Umgebung als eine Reihe diskreter Schritte anstatt als einen glatten, endlosen Fluss behandelt, kann es exakte, perfekte Berechnungen durchführen, ohne approximieren zu müssen. Die Forscher entwickelten ein Computermodell, um diese Idee zu testen, und zeigten, dass ein System, das die Regeln lernt, wie sich diese Zustände ändern, während es gleichzeitig herausfindet, in welchem Zustand es sich befindet, menschliches Verhalten in verrauschten Situationen replizieren kann. Dieser Ansatz deutet darauf an, dass das Gehirn kein Meister komplexer Statistiken sein muss, um ein Meister der Wahrnehmung zu sein; es muss vielleicht nur die Regeln des Spiels kennen und diese aktualisieren, während es spielt.

Die Forscher unter der Leitung von Mahdi Enan und Kollegen an der Universität Maastricht entwickelten ein Modell, das sie SLIM nennen, was für Simultaneous Learning and Inference Model (Simultanes Lern- und Inferenzmodell) steht. Der Kern ihrer Idee ist eine Verschiebung dessen, wo die Komplexität liegt. In früheren Theorien wurde angenommen, dass das Gehirn mit der schieren Anzahl der Möglichkeiten in der Welt kämpft, weshalb es seine eigenen Überzeugungen einschränken musste, um die Mathematik handhabbar zu machen. SLIM kehrt dieses Skript um. Es setzt voraus, dass die Welt aus einer endlichen Anzahl von Zuständen besteht, was die Mathematik zur Bestimmung des aktuellen Zustands perfekt lösbar macht. Die Herausforderung besteht dann darin, zu lernen, wie die Welt von einem Zustand zum nächsten übergeht. Das Modell erledigt dies, indem es eine einfache, lokale Regel verwendet, um seine interne Landkarte dieser Übergänge jedes Mal zu aktualisieren, wenn es eine Vermutung anstellt. Es lernt aus seinen eigenen Inferenzen, nicht nur aus rohen sensorischen Daten, was es ihm ermöglicht, sich anzupassen, wenn sich die Regeln der Umgebung ändern.

Um zu sehen, ob diese Theorie Bestand hat, führten die Teammitglieder eine Reihe von Computersimulationen durch. Sie erschufen virtuelle Umgebungen, in denen die Regeln der Bewegung entweder fest und vorhersehbar oder zufällig und wechselhaft waren. Dann speisten sie dem Modell verrauschte Signale zu, die die unvollkommenen Daten nachahmten, die unsere Sinne erhalten. Die Ergebnisse waren beeindruckend. Das Modell lernte die zugrunde liegenden Muster der Umgebung erfolgreich, selbst wenn der sensorische Input stark verzerrt war. Als die Umgebung plötzlich von einem vorhersehbaren Muster zu einem chaotischen Muster wechselte, passte sich das Modell schnell an, wobei seine interne Unsicherheit auf die neue Realität anstieg. Entscheidend war, dass das Modell weiterhin funktionieren und genaue Vorhersagen treffen konnte, selbst wenn der sensorische Input völlig unbrauchbar wurde, indem es sich ganz auf seine gelernten Erwartungen verließ. Dies demonstrierte, dass das System eine stabile Sicht auf die Welt aufrechterhalten konnte, indem es seinem internen Modell vertraute, wenn die Außenwelt verstummte.

Die Forscher testeten auch, ob dieser einfache Rahmen die Fähigkeit des Gehirns erfassen kann, verschiedene Zeitskalen zu bewältigen. In der realen Welt bemerken wir unmittelbare Muster, wie etwa einen Trommelschlag, aber auch längere Strukturen, wie den Rhythmus eines Liedes. Das Team baute eine hierarchische Version ihres Modells, bei der eine Ebene kurzfristige Übergänge lernt und eine andere Ebene langfristige Muster. Als sie das Modell Sequenzen präsentierten, die einer lokalen Regel folgten, aber eine globale Regel verletzten, erzeugte das Modell auf jeder Ebene distinkte Fehlersignale, was die Reaktion des menschlichen Gehirns auf lokale gegenüber globale Überraschungen widerspiegelt. Dies deutet darauf hin, dass derselbe grundlegende Mechanismus des Lernens und der Inferenz komplexe, vielschichtige Wahrnehmung erklären kann, ohne dass separate, spezialisierte Systeme für verschiedene Zeitskalen benötigt werden.

Um über Simulationen hinauszugehen, wandte das Team ihr Modell auf reale menschliche Daten aus zwei auditiven Experimenten an. In der ersten Studie hörten die Teilnehmer einen spezifischen Ton, der in Hintergrundrauschen verborgen war. Manchmal gab ein vorangehender Klang einen Hinweis darauf, welcher Ton als Nächst_tes kommen würde, und manchmal tat er dies nicht. Menschen sind dafür bekannt, erwartete Töne schneller und genauer zu erkennen als unerwartete. Das SLIM-Modell, das auf die einzelnen Teilnehmer angepasst wurde, reproduzierte dieses Verhalten perfekt. Es zeigte höhere „Trefferquoten“ für erwartete Töne und längere Reaktionszeiten für unerwartete Töne, genau wie die Probanden in der Studie. Das Modell generierte auch ein Maß für „Überraschung“, das mit der Zeit korrelierte, die die Teilnehmer für ihre Reaktion benötigten, was darauf hindeutet, dass das Gefühl der Überraschung ein direktes Nebenprodukt des Versuchs des Gehirns ist, sein internes Modell zu aktualisieren.

Das zweite Experiment fügte eine Ebene der Komplexität hinzu, indem ein ambivalenter Hinweis eingeführt wurde – ein Geräusch, das keinen Hinweis darauf gab, was als Nächstes kommen würde. Dies ermöglichte es den Forschern, die Vorteile der Erwartung von den Kosten der Überraschung zu trennen. Auch hier entsprach das Modell den menschlichen Daten. Die Teilnehmer schnitten am besten ab, wenn sie eine klare Erwartung hatten, schlechter, wenn sie keine Erwartung hatten, und in der Mitte, wenn der Hinweis ambivalent war. Die internen Berechnungen des Modells bezüglich Erwartung und Überraschung verfolgten diese Verhaltensänderungen mit hoher Präzision. Durch die Analyse der Daten fanden die Forscher heraus, dass das Maß des Modells dafür, wie überraschend ein Ton war, basierend auf dem, was es zu erwarten gelernt hatte, individuelle Unterschiede in der Detektionsleistung der Menschen erklären konnte. Dies lieferte einen starken Beweis dafür, dass die Fähigkeit des Gehirns, die statistische Struktur seiner Umgebung zu lernen, der entscheidende Treiber für diese Wahrnehmungsvorteile ist.

Die Studie stellt die vorherrschende Ansicht in Frage, dass das Gehirn auf komplexe, approximative Methoden angewiesen sein muss, um mit der Unsicherheit der Welt umzugehen. Stattdessen deutet sie darauf hin, dass das Gehirn, indem es die Wahrnehmung als einen Prozess der Kategorisierung der Welt in diskrete Zustände behandelt, in der Lage ist, exakte Berechnungen mittels einfacher, lokaler Lernregeln durchzuführen. Dieser Ansatz erfordert nicht, dass das Gehirn eine spezifische Form für seine Überzeugungen annimmt oder tausende von Zufallsstichproben durchführt, um die Antwort zu finden. Es lernt einfach die Übergänge zwischen den Zuständen und aktualisiert diese in Echtzeit. Während das Modell am besten in Umgebungen mit einer handhabbaren Anzahl von Zuständen funktioniert, argumentieren die Forscher, dass dieser Rahmen eine leistungsstarke und biologisch plausible Erklärung dafür bietet, wie wir uns in einer verrauschten Welt bewegen. Er zeigt, dass die Fähigkeit des Gehirns, die Zukunft vorherzusagen, vielleicht nicht aus komplexer Mathematik resultiert, sondern aus einem einfachen, kontinuierlichen Prozess des Lernens der Gegenwart.