Vom Molekül zum Gedanken

Muster erkennen, Menschen verstehen: Wie Künstliche Intelligenz die Hirnforschung verändert. 

Wie sieht die Hirnforschung der Zukunft aus?

Prof.  Dr. Katrin Amunts, Medizinerin und Professorin für Hirnforschung, über die Chancen und Herausforderungen der Künstlichen Intelligenz in der modernen Hirnforschung.

 

Prof. Dr. Katrin Amunts, Medizinerin und Professorin für Hirnforschung, Leiterin des Instituts für Neurowissenschaften und Medizin (INM-1) am Forschungszentrum Jülich und Professorin der Heinrich-Heine Universität Düsseldorf beschäftigt sich intensiv mit dem Brain Mapping, der Erforschung der strukturellen und funktionellen Organisation des Gehirns mit der Zielsetzung, „Hirnkarten“ konkreter Funktionsgebiete zu erstellen. Mit ihrem Team erstellt sie einen multi-level/multi-scale Gehirnatlas und entwickelt mit Methoden des High-Performance-Computing Modelle des menschlichen Gehirns, um die organisatorischen Prinzipien des Organs besser zu verstehen.

Hertie-Stiftung: Wie nutzen Sie KI für Ihre Arbeit?

Prof. Dr. Amunts: Ich nutze auf vielfältige Art und Weise KI, zum Beispiel haben wir viele Fragestellungen im Bereich der Bildanalyse, die von Deep Learning enorm profitieren und mit klassischen Verfahren nicht lösbar waren. Das betrifft auch das Problem sehr großer Datensätze, die neue Methoden der Analyse erfordern, aber auch besonders leistungsstarke Rechner. Bei der Kartierung des Gehirns wollen wir tausende hochaufgelöster Bilder von Gewebeschnitten eines menschlichen Gehirns analysieren und Hirnareale anhand von strukturellen Unterschieden kartieren. Um diese sehr aufwendige Analyse zu beschleunigen und Areale sicher voneinander unterscheiden zu können, entwickeln und nutzen wir KI-Verfahren. Ein weiterer Vorteil dieser neuen Verfahren ist, dass wir die mit bisherigen Verfahren erzeugten Karten damit überprüfen können. Also nicht nur Gewinn neuer Erkenntnisse, sondern auch Qualitätskontrolle.

Ein zweiter Bereich ist die Berechnung von dreidimensionalen Gehirnmodellen aus Serienschnitten. Um ein Gehirn unter dem Mikroskop analysieren zu können, muss man hauchdünne Gewebeschnitte herstellen, mehr als 7000 pro Gehirn. Dabei zerschneidet man auch Nervenzellen. Diese muss man dann im Computer wieder zusammensetzen, was bei etwa 86 Milliarden Nervenzellen eine bisher nicht gelöste Aufgabe darstellt. Wie findet man die richtige andere Hälfte, die neben vielen anderen Zellen irgendwo im Nachbarschnitt ist? Dabei ist KI, in diesem Fall Deep Learning, ein hilfreiches Verfahren und hat in Verbindung mit High-Performance Computing zu einem Durchbruch geführt.

Wo sehen Sie die Hirnforschung dank KI in 10 Jahren?

Ich denke, dass wir in 10 Jahren ein sehr viel genaueres Verständnis über das Gehirn und dessen Organisationsprinzipien haben werden. Das Gehirn kann man auf ganz unterschiedlichen räumlichen und zeitlichen Ebenen betrachten, vom Molekül bis hin zu einer bestimmten Hirnfunktion, die auf der Interaktion von großen Netzwerken beruht. Oft kennen wir die komplexen Beziehungen zwischen den verschiedenen Ebenen noch nicht. Zu verstehen, wie molekulare Veränderungen mit zellulärer Aktivität in Beziehung stehen und was das letztlich mit einer bestimmten kognitiven Leistung oder einem Verhalten zu tun hat, ist eine der Herausforderungen, vor der wir in der Hirnforschung stehen. Dabei kann KI sehr nützlich sein, da sie uns helfen kann, Muster in diesen Interaktionen zu erkennen.

Auch wird KI über die Analyse von großen Datenmengen zunehmend helfen, die vielen, theoretisch möglichen Ergebnisse von Simulationen so eingrenzen zu können, dass man plausible und biologisch sinnvolle Ergebnisse erhält. Ich sehe in der Verbindung von Vorhersagen aus Simulationen und Methoden des maschinellen Lernens eine gute Ergänzung, um dann darauf aufbauend in der empirischen Hirnforschung gezieltere Experimente durchführen zu können. Die empirische Hirnforschung, Simulation und KI-Verfahren sollten eine Art produktiver Schleife bilden, bei der sich die Verfahren gegenseitig informieren und Ergebnisse rückkoppeln. In diese Richtung wird die Hirnforschung weiter gehen müssen, um die riesige Komplexität ihres Forschungsobjekts zu bändigen.

Werden wir irgendwann das Gehirn in Gänze verstehen?

Wir nähern uns an. Wir werden immer besser, die Prozesse und ihre Gesetzmäßigkeiten zu verstehen und das Wissen anzuwenden, um z.B. neue Therapien und Diagnostiken zu entwickeln.

Ich denke, dass wir in 10 Jahren sehr viel mehr über das Gehirn wissen werden

Wovon träumen Sie, wenn Sie an KI denken – wie sollte es sein?

Es wäre spannend, wenn es gelingen würde, viel mehr als bisher aus den Erkenntnissen, die wir zu natürlichen neuronalen Netzen gewinnen, z.B. bzgl. ihrer Struktur, Variabilität und Plastizität, in die Entwicklung neuer künstlicher neuronaler Netzwerke einfließen zu lassen. Dann wäre die Aktivität eines künstlichen neuronalen Netzes eine Art Experiment für die natürlichen Netzwerkvorgänge und wir könnten auf das Gehirn rückschließen. Andererseits könnten dann auch künstliche neuronale Netzwerke dort noch leistungsfähiger werden, wo sie bisher noch keine guten Lösungen bieten.

Wie schauen Sie auf den aktuellen „Hype“ um KI?

Wir haben in der Wissenschaftsgeschichte schon häufig beobachten können, dass bestimmte Themen vorrübergehend sehr große Sichtbarkeit in der Öffentlichkeit haben. Daran ist nichts Schlechtes. Wir Wissenschaftler sollten jedoch keine überzogenen Erwartungen entwickeln, sondern die Chancen der Entwicklungen nutzen und ihre Grenzen erkennen. KI ist nicht nur wichtig für die Weiterentwicklung der Wissenschaft, sondern insgesamt für unsere Gesellschaft und sie berührt Fragen des Verständnisses unseres Menschseins.

Frau Prof. Amunts, wir danken Ihnen für das Gespräch.