Intelligence Cannot Recover What the Instrument Does Not Record
Diese Studie stellt fest, dass die Genauigkeit der Inferenz neuronaler Spikes aus Calcium-Imaging fundamental durch den Informationsgehalt des optischen Signals selbst begrenzt wird, was zeigt, dass selbst fortgeschrittene Algorithmen eine empirische Leistungsobergrenze nicht überschreiten können, die durch die Aufzeichnungskapazitäten des Instruments vorgegeben ist.
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
Neuronen, die winzigen Kommunikationszellen des Gehirns, sprechen in schnellen elektrischen Ausbrüchen, den sogenannten Spikes. Um zu verstehen, wie das Gehirn denkt, müssen Wissenschaftler diesen Gesprächen zuhören. Jahrzehntelang war der einzige Weg, ein einzelnes Neuron klar zu hören, einen winzigen Draht direkt in es einzustechen – eine Methode, die zwar präzise, aber unmöglich anzuwenden ist, wenn man tausende Zellen gleichzeitig erfassen möchte. Eine neuere Technologie namens Calcium-Imaging bietet einen anderen Weg. Anstatt direkt auf die Elektrizität zu hören, beobachtet sie eine chemische Veränderung. Wenn ein Neuron feuert, nimmt es ein wenig Kalzium auf, und ein spezieller Farbstoff in der Zelle leuchtet als Reaktion darauf auf. Ein Mikroskop erfasst dieses Leuchten und ermöglicht es Forschern, hunderte von Neuronen gleichzeitig aufleuchten zu sehen.
Diese Methode hat jedoch einen grundlegenden Fehler. Das Mikroskop sieht nicht den elektrischen Spike selbst; es sieht ein verzögertes, verschwommenes und verrauschtes Aufleuchten, das nach dem Spike stattfindet. Der Spike ist das Ereignis, und das Leuchten ist nur ein Schatten dieses Ereignisses. Um zu verstehen, was das Neuron tatsächlich getan hat, müssen Wissenschaftler Computerprogramme verwenden, um rückwärts zu rechnen und zu erraten, wann der Spike stattfand, basierend auf dem Muster des Lichts. Jahrelang hat sich das Feld darauf konzentriert, diese Rateprogramme intelligenter zu machen. Die Annahme war, dass ein Computermodell, das einen Spike nicht identifizieren kann, einfach nicht gut genug ist. Aber dies wirft eine tiefere Frage auf: Was, wenn die Information bereits weg ist, bevor der Computer überhaupt versucht zu raten? Was, wenn das Mikroskop selbst die notwendigen Details nicht aufgezeichnet hat und der Computer somit gar nichts mehr zu finden hat?
Eine neue Studie von Maurice Antony Ewing widmet sich genau diesem Problem. Anstatt nur eine bessere Ratemaschine zu bauen, fragte der Forscher, wie viel Information tatsächlich in dem aufgezeichneten Licht gefangen ist. Unter Verwendung einer massiven Datensammlung, bei der sowohl die elektrischen Spikes als auch die Lichtblitze gleichzeitig aufgezeichnet wurden, maß die Studie das absolute Limit dessen, was rekonstruiert werden kann. Die Ergebnisse legen nahe, dass Intelligenz, egal wie fortgeschritten, nicht rekonstruieren kann, was das Instrument nie erfasst hat.
Die Forscher analysierten Daten von Hunderten von Neuronen und untersuchten die Beziehung zwischen dem elektrischen Feuern und dem resultierenden Leuchten. Sie testeten eine Vielzahl von Computermodellen, von einfachen statistischen Werkzeugen bis hin zu komplexen, modernen Systemen der künstlichen Intelligenz, die ihre eigenen Wege finden können, Muster zu erkennen. Sie versuchten auch, das theoretische Maximum an Genauigkeit für diese Aufgabe zu ermitteln. Stellen Sie sich vor, Sie versuchen, ein geheimes Wort basierend auf einem verschwommenen Foto davon zu erraten. Egal wie schlau der Ratende ist, wenn das Foto zu verschwommen ist, um die Buchstaben zu zeigen, kann das Geheimnis nicht gelöst werden. Die Studie ergab, dass es für diese spezifische Art der Gehirnaufzeichnung eine harte Obergrenze gibt, wie gut jeder Computer abschneiden kann. Die besten Computermodelle identifizierten die Spikes etwa 83,8 Prozent der Zeit korrekt. Als die Forscher unter Verwendung verschiedener mathematischer Ansätze nach der absolut theoretisch möglichen Genauigkeit suchten, lag der höchste Wert, den sie finden konnten, bei etwa barkeit 87,1 Prozent.
Diese schmale Lücke zwischen dem, was die besten Computer erreichten, und dem theoretischen Limit ist signifikant. Es bedeutet, dass das Problem nicht darin besteht, dass die Computer zu dumm sind. Selbst ein perfekter Computer, einer, der jedes mögliche Muster lernen könnte, würde wahrscheinlich nicht viel besser als 87 Prozent abschneiden. Die fehlende Information ist nicht das Ergebnis eines schlechten Algorithmus; sie ist das Ergebnis der physischen Aufzeichnung selbst. Das Licht, das vom Mikroskop aufgezeichnet wird, enthält schlichtweg nicht genügend Details, um jeden einzelnen Spike mit absoluter Gewissheit zu unterscheiden. Die Studie bestätigte dies, indem sie eine hochentwickelte Art der künstlichen Intelligenz testete, die ihren eigenen Weg entwirft, die Daten zu betrachten. Dieses fortschrittliche System erreichte eine Genauigkeit von 83,2 Prozent und konnte die durch einfachere Modelle gesetzte Decke nicht durchbrechen. Dies beweist, dass das Limit real ist und nicht nur ein Fehler der spezifischen verwendeten Werkzeuge.
Die Forschung enthüllte auch genau, wo sich die nützlichen Informationen innerhalb der Aufzeichnung verstecken. Das Licht eines Neurons verändert sich nicht augenblicklich; es braucht Zeit, um anzusteigen und abzufallen. Die Studie fand heraus, dass die kritischsten Hinweise auf einen Spike in dem Licht erscheinen, das nach dem Auftreten des Spikes erfolgt, nicht davor. Während das Licht vor dem Ereignis zwar einige Hinweise darauf gibt, was das Neuron zuvor getan hat, stammt der Großteil der rekonstruierbaren Information aus dem Blitz, der auf den elektrischen Impuls folgt. Tatsächlich erlaubte der Blick nur auf das Licht nach dem Ereignis den Computern, mehr als 92 Prozent der Genauigkeit zu rekonstruieren, die sie durch die Betrachtung der gesamten Aufzeichnung erreichen könnten. Dies deutet darauf hin, dass die Verzögerung in der chemischen Reaktion der Hauptengpass ist. Das Mikroskop muss lange genug warten, um den vollen Blitz zu sehen, aber selbst dann gehen einige Details durch den Prozess der chemischen Unschärfe verloren.
Darüber hinaus zeigte die Studie, dass sich dieses Limit je nach verwendetem Farbstoff ändert. Einige neuere Farbstoffe erzeugen ein schärferes, schnelleres Leuchten als ältere, und die Studie fand heraus, dass Aufzeichnungen mit diesen neueren Farbstoffen eine höhere Informationsdecke aufweisen. Das Limit hängt jedoch nicht nur am Farbstoff. Als die Forscher ein Computermodell, das auf einer Art von Hirngewebe trainiert worden war, auf einen völlig anderen Gewebetyp testen ließen, versagte das Modell dramatisch und sank in der Genauigkeit um mehr als 20 Punkte. Dieses Versagen trat auf, obwohl der Computer von Grund auf neu trainiert wurde. Es zeigte sich, dass das Problem nicht nur der Farbstoff war, sondern die spezifische biologische Umgebung. Die Information war für das erste Gewebe vorhanden, aber die Aufzeichnung des zweiten Gewebes bewahrte nicht dieselben Arten von Details, was es dem Modell unmöglich machte, erfolgreich zu sein.
Vielleicht ist die praktischste Erkenntnis der Studie eine neue Art, mit diesen unvermeidlichen Fehlern umzugehen. Da der Computer nicht immer richtig liegen kann, entwickelten die Forscher ein System, das erkennen kann, wann er wahrscheinlich falsch liegt. Durch die Analyse der Schwierigkeit der spezifischen Aufzeichnung kann das System einen „Misstrauenswert“ für seine eigenen Vorhersagen zuweisen. Wenn das System unsicher ist, kann es sich entscheiden, eine Antwort zurückzuhalten, anstatt zu raten. Wenn die Forscher dem System sagten, es solle nur Vorhersagen treffen, wenn es sich sehr sicher war, sprang die Genauigkeit dieser Vorhersagen auf fast 98 Prozent. Das bedeutet nicht, dass das System intelligenter wurde; es bedeutet, dass es gelernt hat, zu schweigen, wenn die Beweislage zu schwach war.
Die Studie kommt zu dem Schluss, dass der Weg nach vorn für die Bildgebung des Gehirns nicht nur darin besteht, intelligentere Computer zu bauen. Selbst die leistungsfähigsten Algorithmen der Welt können keine Informationen rekonstruieren, die das Mikroskop nicht aufgezeichnet hat. Wenn das Licht zu verschwommen oder die chemische Reaktion zu langsam ist, sind die Daten schlichtweg unvollständig. Um unser Verständnis des Gehirns zu verbessern, müssen Wissenschaftler sich auf das Instrument selbst konzentrieren: bessere Farbstoffe, schnellere Mikroskope oder andere Wege, das Licht einzufangen. Die Intelligenz des Beobachters ist zweitrangig gegenüber der Klarheit der Aufzeichnung. Wenn die Aufzeichnung klar ist, kann ein kluger Beobachter Erfolg haben. Wenn die Aufzeichnung die Details vermissen lässt, kann keine Menge an Intelligenz die Lücke füllen. Die Lektion ist eine leise, aber bestimmte: Man kann nicht sehen, was nie aufgezeichnet wurde.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.