Signaltheorie der Intelligenz

Die Entstehung von Intelligenz und Bewusstsein

Intelligenz und Bewusstsein sind ein zwangsläufiges Ergebnis der Evolution von Nervensystemen in segmentierten Tieren. Am Anfang standen die Einzeller. Durch Koloniebildung und eine einsetzende Differenzierung entstanden die ersten Mehrzeller.

"Die Vorstellung, dass die ersten Mehrzeller aus kolonial lebenden Einzellern hervorgingen, wurde erstmals von Ernst Haeckel in seiner Anthropogenie (1874) systematisch ausgearbeitet. Seine Kolonietheorie beschreibt die Entstehung der Metazoa als Folge zunehmender Differenzierung innerhalb solcher Zellverbände."

Literaturangabe:

Ernst Haeckel (1874): Anthropogenie oder Entwicklungsgeschichte des Menschen

Zur Entstehung segmentierter Tiere existieren mehrere Theorien. Die klassische Lokomotionstheorie erklärt Metamerie als Anpassung zur effizienteren Fortbewegung. Moderne entwicklungsbiologische Ansätze postulieren hingegen einen segmentierten Urbilaterier als gemeinsamen Vorfahren der Bilateria. Andere Autoren wie R. B. Clark betonen, dass Metamerie möglicherweise mehrfach unabhängig entstanden ist.

Neben klassischen funktionalen und entwicklungsbiologischen Theorien zur Entstehung der Segmentierung existiert ein neuroarchitektonischer Ansatz, der die Herausbildung segmentierter Tiere primär aus der Organisation des Nervensystems erklärt. Diese Theorie wurde von Malczan (2019) entwickelt und beschreibt die Segmentierung als emergente Struktur eines modular aufgebauten neuronalen Systems, das schließlich zur Organisation der Wirbeltiere führte.

Literatur:

- Malczan, A. (2019): Gehirntheorie der Wirbeltiere. ISBN 978-3-00-068559-0.

- Online-Publikation: https://www.andreas-malczan.de/Gehirntheorie_Kapitel_3.html

Der Übergang zu segmentierte Nervensystemen nach Malczan

Der Übergang zu segmentierten Nervensystemen ergibt sich aus prinzipiellen funktionalen Notwendigkeiten. Sobald der Körper eines frühen Metazoons in wiederholte Segmente gegliedert war, entstand zwischen diesen Abschnitten ein intensiver Stoff- und Signalaustausch. Die dafür erforderliche neuronale Koordination konnte nur durch ein ebenfalls segmentiertes Nervensystem gewährleistet werden, das sich aus dem unsegmentierten Nervensystem der Vorläuferorganismen heraus differenzierte.

Bereits in diesen frühen Formen existierte eine grundlegende Trennung zwischen sensorischen und motorischen Signalen. Diese funktionale Zweiteilung wurde in die Segmentstruktur übernommen und führte zum strickleiternartigen Nervensystem der Segmenttiere. Aufsteigende Signale eines Segments trafen an der Segmentgrenze ein, wo sich Interneuronen bildeten, die die Erregung auf Neuronen des benachbarten Segments übertrugen. Entsprechende Verschaltungen entstanden auch auf der motorischen Seite.

Die Inputneuronen, Interneuronen und Outputneuronen wurden zu Knoten eines entstehenden neuronalen Netzes. Die Interneuronen übernahmen dabei die Funktion von Zwischenneuronen, sodass an den Übergängen zwischen den Segmenten erstmals neuronale Netze mit einer Zwischenschicht entstanden. Diese Zwischenschicht vermittelte die Weiterleitung sensorischer Signale in das nächste Segment und koordinierte gleichzeitig die motorischen Rückkopplungen. Damit bildete sich an jeder Segmentgrenze ein modularer Netzwerkknoten aus, der die Grundlage für die spätere komplexe Netzwerkarchitektur der Wirbeltiere legte.

Signaldivergenz ermöglichte die Verteilung von Informationen auf mehrere Zielneuronen. Hebbsches Lernen führte zur Anpassung der synaptischen Stärken und damit zur Ausbildung funktionaler Gewichte im Netzwerk. Hemmende Interneuronen erzeugten einen Symmetriebruch im Sinne der von Oja und Sanger beschriebenen Mechanismen.

Dieses frühe segmentierte Nervensystem besaß damit bereits alle grundlegenden Eigenschaften, die später die Entstehung komplexer neuronaler Netze und damit von Intelligenz ermöglichten. Für die sich entwickelnden Wirbeltiere stellte diese Architektur einen unvergleichlichen evolutionären Vorteil dar.

Betrachten wir zunächst ein einzelnes Zwischenneuron. Es empfängt Signale mehrerer Inputneuronen, verrechnet diese zu einem Skalar und verteilt diesen entsprechend der Stärke seiner efferenten Synapsen auf mehrere Outputneuronen des Folgesegments. Die Stärke jeder Synapse bestimmt dabei, wie viel von einem eingehenden Signal weitergegeben wird. In der Sprache der künstlichen Intelligenz spricht man von ´Gewichten´, doch biologisch handelt es sich schlicht um unterschiedlich starke synaptische Übertragungen.

Die entscheidende Eigenschaft dieser Konvergenz-Divergenz-Schaltung besteht darin, dass das Zwischenneuron Output erzeugen kann, der im aktuellen Input gar nicht vollständig enthalten ist. Das Skalarprodukt aus Input und synaptischen Stärken bildet eine komprimierte Repräsentation des Inputs. Dieser Skalar wird anschließend entlang der divergenten Ausgänge verteilt. Fehlen im Input einzelne Komponenten, wird der gelernte Output dennoch erzeugt, weil die synaptischen Stärken die fehlenden Anteile ergänzen. Das Zwischenneuron vervollständigt also den Output - eine elementare Form von Intelligenz.

Mathematisch lässt sich diese Struktur als dyadisches Produkt eines Input- und eines Outputvektors beschreiben. Ein einzelnes Zwischenneuron erzeugt damit eine rechteckige Matrix von synaptischen Stärken, die die Transformation von Input zu Output vollständig bestimmt. Dieses dyadische Produkt besitzt die bemerkenswerte Eigenschaft, fehlende Inputkomponenten durch gelernte Muster zu ersetzen und so einen vollständigen Output zu erzeugen.

In einem neuronalen Netz sind jedoch meist mehrere Zwischenneuronen gleichzeitig aktiv. Jedes von ihnen erzeugt sein eigenes dyadisches Produkt. Die Überlagerung dieser Produkte führt zu einer dyadischen Summe. Diese Summe ist ein lineares System. Doch genau hier geht die intelligenzstiftende Eigenschaft des einzelnen dyadischen Produkts verloren: Die lineare Überlagerung glättet die individuellen Beiträge der Zwischenneuronen und verhindert die selbstständige Erzeugung fehlender Outputanteile. Das System verliert seine Fähigkeit zur Vervollständigung vom Signalmustern.

Die Natur löste dieses Problem durch neuronale Konkurrenz. Zwischenneuronen hemmten sich gegenseitig, und dasjenige Zwischenneuron, das am stärksten erregt war, hemmte seine Nachbarn am stärksten. Dadurch entstand eine Nichtlinearität, die zu einem Symmetriebruch führte. Dieser Symmetriebruch bewirkte, dass nicht alle Zwischenneuronen gleichzeitig aktiv waren, sondern nur dasjenige, dessen Muster am besten zum Input passte. Damit wurde die intelligenzstiftende Eigenschaft des einzelnen dyadischen Produkts wiederhergestellt.

In künstlichen neuronalen Netzen wird dieser Symmetriebruch durch Aktivierungsfunktionen wie ReLU oder verwandte Verfahren nachgebildet. Die biologische Lösung - laterale Hemmung und neuronale Konkurrenz - ist funktional äquivalent und stellt die evolutionäre Grundlage für die Entstehung intelligenter neuronaler Systeme dar.

Nachfolgend werden wir diese Einsichten an konkreten Beispielen vertiefen

Monografie von Dr. rer. nat. Andreas Heinrich Malczan