Zum Inhalt springen

Simulation von Lernprozessen durch AI

    Die Wiederholung neuronaler Sequenzen im Hippocampus im Ruhezustand und im Schlaf spielt eine wichtige Rolle beim Lernen und bei der Gedächtniskonsolidierung, denn es wurde gezeigt, dass Wiederholungssequenzen aktuellen räumlichen Beschränkungen gehorchen. Dennoch spiegelt die Wiederholung nicht notwendigerweise früheres Verhalten wider und kann auch noch nie erlebte Sequenzen konstruieren.

    Diekmann et al. (2023) haben ein Computermodell konstruiert, das örtliche Informationen nach einem ähnlichen Muster lernt wie Nagetiere, wobei einzelne Sequenzen von Nervenzellaktivitäten im Hippocampus nach bestimmten Prioritäten wiederholt abgespielt werden. Studien an Nagetieren haben nämlich die Rolle des Hippocampus beim räumlichen Lernen und bei der Navigation belegt, dass wenn sich das Tier fortbewegt, bestimmte Ortszellen nacheinander entlang der Route des Tieres feuern, wobei später in Ruhe oder im Schlaf dieselben Ortszellen in der gleichen Reihenfolge wie erlebt oder in umgekehrter Reihenfolge reaktiviert werden können. In dem Computermodell lernte eine Künstliche Intelligenz Rauminformationen und auch diese lernte durch Wiederholen von neuronalen Sequenzen, die jedoch nicht zufällig abgespielt wurden, sondern nach gewissen Regeln priorisiert, und lernte dadurch schneller als Agenten, bei denen die Sequenzen zufällig abgespielt wurden.

    Literatur

    Diekmann, Nicolas, Cheng, Sen, Piray, Payam, Colgin, Laura L. & Ólafsdóttir, H. Freyja (2023). A model of hippocampal replay driven by experience and environmental structure facilitates spatial learning. eLife, 12, doi:10.7554/eLife.82301.