Computational Intelligence: die Natur als Vorbild für technische ...
Computational Intelligence: die Natur als Vorbild für technische ...
Computational Intelligence: die Natur als Vorbild für technische ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
wußt abzurufen und in das implizite Gedächtnis, das unbewußter <strong>Natur</strong> ist, und den<br />
Rückgriff etwa auf erlernte motorische Fertigkeiten erlaubt (es umfaßt auch <strong>die</strong> klassische<br />
Konditionierung). Eine elementare Form impilziten Lernens ist <strong>die</strong> Sensibilisierung:<br />
ein Reiz steigert <strong>die</strong> Reaktionsbereitschaft auf schwächere, nachfolgende Ereignisse.<br />
Während <strong>die</strong> Erinnerung an einen einzelnen Reiz meist schon nach Minuten oder allenfalls<br />
Stunden abklingt, gehen wiederholte Reizungen in das Langzeitgedächtnis über.<br />
Die Sensibilisierung hält dann Tage bis Wochen an. Am Studium der Aplysia hat man<br />
festgestellt, daß das Kurzzeitgedächtnis auf der Veränderung bereits vorhandener Eiweißmoleküle<br />
beruht (eine Synthese neuer Proteine erfolgt nicht). Beim Langzeitgedächtnis<br />
wandert ein Enzym, <strong>die</strong> Protein-Kinase, in den Zellkern, aktiviert dort spezielle<br />
Eiweißstoffe, <strong>die</strong> das Ablesen genetischer Informationen ankurbeln (<strong>die</strong> sogenannten<br />
Transkriptionsfaktoren ) indem sie einen "genetischen Schalte" umlegen. Dadurch werden<br />
neue Proteine synthetisiert, <strong>die</strong> zur Konsoli<strong>die</strong>rung und schließlich zur Stabilisierung<br />
des Langszeitgedächtnisses führen. Charakteristisch da<strong>für</strong> sind strukturelle Veränderungen,<br />
zum Beispiel neu gebildete Synapsen. Um <strong>die</strong>sen wichtigen biologischen Regelkreis<br />
des Lernens gegen Störung zu sichern, ist eine molekulare Feinsicherung eingebaut:<br />
im Gegensatz zu dem das Langzeitgedächtnis fördernden Protein ist ein weiteres<br />
Protein eingebaut, welches das Ablesen unterdrückt. Das aktivierende Protein trifft im<br />
Zellkern auf das bereits im Ruhezustand gebildete hemmende Protein. Wiederholte Pulse<br />
bewirken, daß <strong>die</strong> blockierende Wirkung verlorengeht, Ohne das hemmende Protein<br />
würde schon eine einzige Anregung <strong>die</strong> Nervenzelle auf lange Zeit sensibilisieren [29].<br />
Informationstransport und Informationsverarbeitung erfolgen im Gehirn massiv parallel,<br />
diskret, analog und asynchron, <strong>als</strong>o ohne zentralen Taktgeber. Während bei primitiven<br />
Lebewesen <strong>die</strong> innere Informationsverarbeitung fast vollständig starr festgelegt ist,<br />
nehmen mit steigender Entwicklungsstufe <strong>die</strong> Möglichkeiten einer individuellen Gestaltung<br />
zu [3]: <strong>die</strong> feste „Verdrahtung“ wird ersetzt durch <strong>die</strong> Selbstorganisation während<br />
eines Lernvorgangs. Die Informationsspeicherung erfolgt ebenfalls dezentral an<br />
den Synapsen, den Kontaktstellen zwischen den Neuronen (siehe oben).<br />
Weitere wesentlichen Merkmale der neuronalen Organisation sind:<br />
• Redundanz der Bearbeitungslemente (<strong>die</strong> Beschädigung relativ weniger Neuronen hat<br />
keine spürbaren Auswirkungen auf das allgemeine Verhalten),<br />
• Anpassungsfähigkeit an vielerlei veränderliche Bedingungen.<br />
5.2 Künstliche neuronale Netze<br />
Bereits 1943 veröffentlichten der amerikanische Psychiater Warden McCulloch gemeinsam<br />
mir dem Harvard-Studenten Walter Pitts das vereinfachte Modell des menschlichen<br />
Gehirns. Die Neuronen werden dabei durch Funktionen (Rechenelemente), <strong>die</strong> Synapsen<br />
durch <strong>die</strong> Verkoppelung (Verdrahtung) der Rechenelemente zu künstlichen neuronalen<br />
Netzen (KNN) repräsentiert. Die beiden Wissenschaftler zeigten, daß zum Beispiel<br />
Netzwerke von Schwellwert-Kennlinien jede Berechnung durchführen können (Berechenbarkeitsbeweis).<br />
Das Modell von McCulloch und Pitt war jedoch noch nicht fähig<br />
zu lernen. Ein Lernalgorithmus wurde 1949 erstm<strong>als</strong> von Donald Hebb beschrieben.<br />
Hebb formulierte dazu eine Art Selbstorganisationsprozeß. Eine Synapse, <strong>die</strong> zwei Neu-