Perceptual sensitivity is explained by optimization for ecological tasks
Diese Arbeit zeigt, dass die menschliche perzeptuelle Sensitivität und Diskriminationsschwellen am besten durch neuronale Repräsentationen erklärt werden können, die für ökologische Aufgaben wie die Lokalisation und Erkennung von Schall optimiert sind, als durch internes neuronales Rauschen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Das menschliche Gehör ist ein Wunderwerk der biologischen Ingenieurskunst, fähig, das leiseste Flüstern gegen das Tosen des Stadtverkehrs zu erkennen oder den subtilen Ton eines Vogelrufes von einem fernen Motor zu unterscheiden. Doch dieser unglaubliche Sinn hat harte Grenzen. Es gibt einen kleinsten Unterschied in Lautstärke, Tonhöhe oder Zeitabstand, den das Ohr wahrnehmen kann; unterhalb dieser Schwelle werden zwei Klänge ununterscheidbar. Über ein Jahrhundert lang haben Wissenschaftler versucht zu erklären, warum diese Grenzen existieren. Die traditionelle Antwort war simpel: Unsere biologische Maschinerie ist unvollkommen. Genau wie ein Kamerasensor körnige Pixel haben kann oder ein Mikrofon ein Rauschen aufnehmen kann, wurde angenommen, dass das menschliche Gehirn durch internes Rauschen begrenzt wird – das zufällige, chaotische Feuern von Nervenzellen, das das Signal verschleiert. Diese Sichtweise suggerierte, dass unsere Sensibilität durch die Unzuverlässigkeit unserer eigenen neuronalen Hardware gedeckelt ist.
Eine andere Idee gewinnt jedoch an Boden: dass unsere Hörgrenzen nicht dadurch festgelegt werden, wie „laut“ unsere Gehirne sind, sondern dadurch, was unsere Gehirne tun müssen. Diese Perspektive, bekannt als effiziente Kodierung (efficient coding), schlägt vor, dass das sensorische System ein hochgradig abgestimmtes Instrument ist, das durch die Evolution geformt wurde, um spezifische Probleme in der realen Welt zu lösen. Wenn das Gehirn darauf optimiert ist, die Stimme eines Freundes in einer Menge zu erkennen oder einen Fressfeind im Gebüsch zu lokalisieren, investiert es vielleicht keine Energie darin, winzige Unterschiede darzustellen, die bei diesen Aufgaben nicht helfen. In dieser Sichtweise sind die Grenzen des Hörens keine Mängel, sondern Merkmale – Grenzen, die durch die Anforderungen des täglichen Lebens gezogen wurden.
Um diese Idee zu testen, bauten Forscher ein Computermodell, das das menschliche Ohr und das Gehirn nachahmen sollte, aber mit einer entscheidenden Wendung. Anstatt das Modell mit Regeln darüber zu programmieren, wie das Hören funktioniert, trainierten sie es darauf, natürliche Aufgaben auszuführen: herauszufinden, woher Geräusche kommen, und Wörter, Stimmen sowie Umgebungsgeräusche wie das Bellen eines Hundes oder das Brechen einer Welle zu erkennen. Das Modell begann mit einer simulierten Version des Hörnervs, dem Bündel von Fasern, das Tonsignale vom Ohr zum Gehirn leitet, und lernte dann, diese ökologischen Probleme durch Versuch und Irrtum zu lösen, ganz ähnlich wie ein Kind, das das Zuhören lernt. Die Forscher stellten dann eine einfache Frage: Wenn ein System nur darauf optimiert ist, in der realen Welt zu überleben und sich darin zu bewegen, wird es dann natürlich dieselben Hörgrenzen entwickeln wie ein Mensch?
Die Antwort war, wie sie feststellten, ein verblüffendes Ja. Die Forscher maßen die Fähigkeit des Modells, winzige Unterschiede in der Tonhöhe über hunderte verschiedene Szenarien hinweg zu erkennen, die alles von der leisesten Nuance bis zum komplexesten Rhythmus abdeckten. Sie verglichen diese Ergebnisse mit tausenden Messungen, die über Jahrzehnte hinweg in psychologischen Studien an menschlichen Probanden durchgeführt worden waren. Das Modell, das noch nie einen einzigen menschlichen Hörtest gesehen hatte und nie gesagt bekommen hatte, was eine menschliche Schwelle sein sollte, lieferte Ergebnisse, die eng mit der menschlichen Leistung übereinstimmten. Es konnte keine Unterschiede geringer hören als ein Mensch und hatte mit exakt denselben Arten von Klängen zu kämpfen. Dies deutet darauf hin, dass die Grenzen des menschlichen Gehörs nicht primlich durch das zufällige Rauschen unserer Nerven verursacht werden, sondern durch die Tatsache, dass unsere Gehirne für die spezifischen Aufgaben des Alltags optimiert sind.
Um sicherzugehen, dass dieser Vergleich kein bloßer Zufall war, führten die Forscher mehrere Kontrollexperimente durch. Sie testeten das Modell, bevor es etwas gelernt hatte, unter Verwendung nur des Rohsignals des simulierten Ohrs. Diese ungetrainierte Version war weit weniger sensibel als ein Mensch und übersah viele Unterschiede, die Menschen problemlos hören können. Sie testeten auch eine Version des Modells, die speziell darauf trainiert worden war, die Hörtests selbst zu bestehen, anstatt die reale Welt zu navigieren. Diese Version wurde übermenschlich und erkannte Unterschiede, die weit unter der Wahrnehmungsschwelle eines Menschen lagen. Dies bewies, dass das Modell die Kapazität hatte, viel sensibler zu sein, aber seine „menschenähnlichen“ Grenzen erst entstanden, als es für natürliches Verhalten trainiert wurde. Die Tatsache, dass das Modell den menschlichen Grenzen so eng entsprach, ohne dazu angewiesen worden zu sein, deutet darauf, dass die Sensibilität des Gehirns durch das bestimmt wird, was nützlich ist, und nicht durch das, wie verrauscht die Hardware ist.
Die Studie untersuchte auch, an welcher Stelle im Modell diese menschenähnlichen Grenzen auftraten. Die Forscher blickten in die verschiedenen Schichten des Computernetzwerks, die grob den verschiedenen Stadien der Verarbeitung im Gehirn entsprechen. Sie fanden heraus, dass sich die Fähigkeit, Töne zu unterscheiden, verbesserte, während die Information tiefer in das Netzwerk vordrang, und schließlich in demselben Stadium in das menschenähnliche Muster überging, in dem das Modell begann, sich auf verschiedene Aufgaben zu spezialisieren. Dies deutet darauf hin, dass die Grenzen der Wahrnehmung nicht am Ohr fixiert sind, sondern geformt werden, während das Gehirn Informationen verarbeitet, um die Welt begreifbar zu machen.
Es gab natürlich auch Unterschiede. Das Modell war bei einigen Dingen etwas besser und bei anderen schlechter als ein Mensch. Zum Beispiel hatte es mit bestimmten komplexen Mustern der Maskierung von Klängen zu kämpfen, bei denen ein Geräusch ein anderes überdeckt, und es erfasste nicht vollständig, wie Menschen sehr hohe Töne hören. Diese Diskrepanzen deuten wahrscheinlich auf spezifische biologische Details hin, die das Modell übersehen hat, wie etwa die komplexe, nicht-lineare Art und Weise, wie das Innenohr Schall komprimiert, oder die spezifischen Zeitmechanismen zur Tonhöhenbestimmung. Aber dies waren die Ausnahmen; für die überwiegende Mehrheit der Höraufgaben entsprach das Verhalten des Modells fast perfekt der menschlichen Leistung.
Die Auswirkungen dieser Arbeit sind bedeutend. Sie legen nahe, dass die Grenzen der menschlichen Wahrnehmung nicht willkürlich sind oder lediglich das Ergebnis biologischer Unvollkommenheit. Stattdessen scheinen sie das Resultat eines Systems zu sein, das fein auf die Anforderungen der Umwelt abgestimmt wurde. Das Gehirn versucht nicht, jedes mögliche Detail der akustischen Welt darzustellen; es stellt das dar, was für das Überleben und die Interaktion notwendig ist. Indem es auf die Aufgaben des täglichen Lebens optimiert wird, erreicht das System ganz natürlich dieselben Grenzen, die Menschen im Laufe der Evolution erworben haben. Dies stellt die lang gehegte Annahme infrage, dass internes Rauschen der primäre Grund dafür ist, dass wir nicht alles hören können. Stattdessen legt es nahe, dass wir genau so gut hören, wie wir es müssen, und nicht besser, weil das eben erforderlich ist, um in der Welt, in der wir leben, zu navigieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.