How Recurrent Neural Information Flow Can Generate a Setpoint

Das Gehirn ist ein riesiges Netzwerk von Zellen, die elektrische Signale aussenden, um zu denken, zu fühlen und sich zu bewegen. Damit dieses System funktioniert, muss das allgemeine Aktivitätsniveau innerhalb eines bestimmten Bereichs bleiben. Wenn das Netzwerk zu wenig feuert, wird es still und hört auf zu arbeiten; wenn es zu viel feuert, kann es in chaotische, unkontrollierte Ausbrüche abgleiten. Biologen wissen seit langem, dass das Gehirn Mechanismen besitzt, um diese Aktivität in Schach zu halten, oft indem es die Stärke der Verbindungen zwischen den Zellen im Laufe der Zeit anpasst. Doch eine präzise Frage blieb bisher unbeantwortet: Woher kommt das Zielniveau eigentlich? Benötigt das Gehirn ein separates, dediziertes Kontrollzentrum, das die Aktivität ständig misst und ein „Zielsignal“ sendet, um den Neuronen vorzugeben, wie schnell sie feuern sollen? Oder kann sich das Netzwerk selbst, durch den einfachen Hin-und-Her-Fluss von Signalen zwischen seinen Teilen, ganz natürlich auf einem stabilen Betriebsniveau einpendeln, ohne externe Anweisung?

Eine neue Studie von Luciano Fernandes an der Washington State University untersucht diese Frage mithilfe eines detaillierten mathematischen Modells eines neuronalen Netzwerks. Die Forscher bauten einen virtuellen Gehirnkreis, der aus zwei Hauptgruppen von Neuronen besteht: erregenden Zellen, die das Feuern fördern, und hemmenden Zellen, die es unterdrücken. In ihrem Modell sind diese Gruppen in einer Schleife miteinander verbunden, in der die erregenden Zellen die hemmenden Zellen antreiben, welche wiederum ein Signal zurücksenden, um die erregenden Zellen zu beruhigen. Entscheidend ist, dass dieses Modell keine externe „Sollwert“-Variable enthält, keinen separaten Sensor zur Messung der Rate und keine Plastizität, die die Verbindungen im Laufe der Zeit verändert. Die einzige Rückkopplung kommt von den hemmenden Zellen selbst. Die Studie fragt, ob diese einfache Schleife, die nur durch den Informationsfluss von den hemmenden Zellen zurück zu den erregenden Zellen angetrieben wird, ausreicht, um eine stabile Feuerrate zu erzeugen und aufrechtzuerhalten.

Die Forscher fanden heraus, dass die Antwort ja lautet, aber nur unter sehr spezifischen Bedingungen. Der Wert der stabilen Feuerrate wird vollständig durch das Gleichgewicht der um die Schleife fließenden Aktivität bestimmt. Es ist ein Fixpunkt, an dem sich Erregung und Hemmung perfekt gegenseitig aufheben und so einen einzigartigen, stetigen Rhythmus erzeugen. Damit dieses Niveau jedoch stabil ist – das heißt, das Netzwerk nach einer kleinen Störung wieder zu diesem Niveau zurückkehrt –, muss das hemmende Signal Informationen über den aktuellen Zustand des Netzwerks mit der richtigen Stärke und Geschwindigkeit an die erregenden Zellen zurückgeben. Wenn die Rückkopplung zu schwach ist, driftet das Netzwerk von diesem Niveau weg; wenn sie zu stark ist, beginnt es wild zu oszillieren. Die Studie beweist mathematisch, dass es ein präzises Fenster der Rückkopplungsstärke gibt, in dem das Niveau stabil bleibt, sowie eine kritische Grenze für die Verzögerung, die bei der Reisezeit des Signals zulässig ist.

Eine zentrale Entdeckung der Arbeit ist, dass die Aufrechterhaltung dieser Stabilität grundlegend ein Informationsproblem ist. Das Netzwerk ist von Natur aus instabil; ohne die hemmende Rückkopplung würde jeder winzige Unterschied im Ausgangszustand exponentiell wachsen und dazu führen, dass das Netzwerk in einen anderen Zustand abdriftet. Um dies zu verhindern, muss der hemmende Pfad Informationen über den aktuellen Zustand des Netzwerks an die erregenden Zellen zurückübertragen. Die Studie berechnet die exakte Mindestrate, mit der diese Information fließen muss, um das System stabil zu halten. Für das spezifische Netzwerk, das sie analysierten, liegt diese Mindestrate bei etwa 28,9 Bits pro Sekunde. Das bedeutet, dass der Rückkopplungskanal in der Lage sein muss, pro Sekunde mindestens so viele Informationen zu übertragen. Wenn der Kanal langsamer ist oder wenn das Signal nicht vom aktuellen Zustand abhängt (zum Beispiel, wenn es ein konstantes, unveränderliches Signal ist), verliert das Netzwerk sein stabiles Niveau und bricht in Chaos oder einen Zustand mit niedriger Aktivität zusammen.

Um diese theoretischen Grenzen zu testen, führten die Forscher Computersimulationen des Netzwerks durch, einschließlich einer groß angelegten Version mit 10.000 einzelnen Neuronen, die wie echte Gehirnzellen feuern. Sie ersetzten das natürliche, kontinuierliche hemmende Signal durch digitale Codes, die Informationen mit unterschiedlichen Geschwindigkeiten übertrugen. Wenn sie eine effiziente Kodierungsmethode verwendeten, die Informationen dicht packte, hielt das Netzwerk sein stabiles Niveau so lange aufrecht, wie die Übertragungsrate nur geringfügig über der berechneten Mindestrate von 28,9 Bits pro Sekunde lag. Als die Rate auch nur leicht unter diesen Schwellenwert sank, konnte das Netzwerk das Niveau nicht mehr halten, unabhängig davon, wie die Kodierung strukturiert war. Umgekehrt benötigte das Netzwerk bei der Verwendung ineffizienter Kodierungsmethoden eine deutlich höhere Übertragungsrate, um stabil zu bleiben. Dies bestätigte, dass die Grenze nicht nur eine theoretische Kuriosität ist, sondern eine harte Beschränkung dessen, wie viel Information die Rückkopplungsschleife tragen muss.

Die Studie untersuchte auch, wie das Netzwerk auf Änderungen der Eingabe reagiert. Während das Netzwerk kleine, vorübergehende Erschütterungen widerstehen und zu seinem stabilen Niveau zurückkehren kann, kann es eine anhaltende, konstante Änderung der Eingabe nicht ignorieren. Wenn die Forscher einen kontinuierlichen zusätzlichen Strom auf die erregenden Zellen anwandten, verschob sich das stabile Niveau auf einen neuen Wert. Dies zeigt, dass das durch diesen Informationsfluss erzeugte Niveau eher ein „Einstellpunkt“ als ein starrer Sollwert ist. Es ist ein stabiler Zustand, zu dem das Netzwerk nach Störungen natürlich zurückkehrt, aber er verschiebt sich, wenn sich die zugrunde liegenden Bedingungen dauerhaft ändern. Diese Unterscheidung ist wichtig, da sie zeigt, dass der hier beschriebene Mechanismus erklärt, wie ein Netzwerk ein Niveau gegen Rauschen halten kann, aber nicht, wie das Gehirn ein festes Niveau gegenüber langfristigen Veränderungen aufrechterhält, was wahrscheinlich zusätzliche biologische Prozesse erfordert, die nicht in diesem Modell enthalten sind.

Die Ergebnisse legen nahe, dass die Fähigkeit des Gehirns, eine stetige Feuerrate aufrechtzuerhalten, nicht auf einem separaten, dedizierten Controller basieren muss. Stattdessen entsteht die Stabilität aus dem Akt selbst, mit dem die hemmenden Neuronen Informationen an die erregenden Neuronen zurückgeben. Das Netzwerk hält sein Niveau, weil die hemmende Rückkopplung genügend Informationen über den aktuellen Zustand überträgt, um der natürlichen Tendenz des Netzwerks entgegenzuwirken, abzuwandern. Dieser Informationsfluss wirkt wie der Klebstoff, der das System zusammenhält. Die Forschung liefert eine präzise, testbare Vorhersage: In jedem biologischen Schaltkreis, der auf dieser Art von inhibitionsstabilisiertem Mechanismus beruht, muss der Pfad, der das hemmende Signal trägt, eine Kapazität besitzen, Informationen mit einer Rate zu übertragen, die über einem spezifischen Mindestwert liegt. Wenn das Signal zu langsam, zu verrauscht oder zu verzögert ist, verliert der Schaltkreis seine Stabilität. Dies bietet eine neue Art, die neuronale Regulation zu betrachten, indem die Aufrechterhaltung der Gehirnaktivität nicht als ein Abgleichen eines Ziels, sondern als ein kontinuierlicher, informationstheoretischer Ausgleichsprozess verstanden wird, bei dem der Fluss der Daten selbst die Stabilität erzeugt.