Wichtigste Erkenntnisse
Das Neokortex als viele Weltmodelle begreifen, nicht als ein einziges zentrales Bild
Ein gemeinsamer kortikaler Aufbau. Jeff Hawkins knüpft an den Vorschlag des Neurowissenschaftlers Vernon Mountcastle an, dass sich im Neokortex ein gemeinsamer Grundschaltkreis wiederholt. Der menschliche Neokortex enthält ungefähr 150.000 kortikale Säulen, jeweils kleine Einheiten aus Nervengewebe. Die Theorie der tausend Gehirne der Intelligenz besagt, dass diese Säulen nach ähnlichen Prinzipien Weltmodelle erlernen, dabei aber unterschiedliche Arten sensorischer Informationen erhalten. Eine Säule, die mit einer Fingerspitze verbunden ist, und eine mit dem Sehen verbundene Säule können daher einander ergänzende Aspekte desselben Gegenstands erlernen.
Kein innerer Bildschirm. Das Wissen um eine Kaffeetasse ist nicht in einer einzigen übergeordneten Repräsentation gespeichert. Es ist auf viele Säulen verteilt, deren Teilmodelle gemeinsam Wahrnehmung und Handlung prägen. Die Theorie bietet einen Rahmen, um Empfindung, Bewegung und Denken miteinander zu verbinden, bleibt jedoch ein wissenschaftlicher Vorschlag und ist keine etablierte Erklärung des Gehirns.
Die Stärke der Theorie liegt in ihrer Architektur: Statt nach einem einzigen Kontrollzentrum zu suchen, fragt sie, wie viele lokale Systeme zusammenarbeiten. Das erinnert an verteilte Datenverarbeitung, bei der eine Aufgabe erledigt werden kann, ohne dass ein einzelner Rechner die gesamte Lösung enthält. Der Vergleich ist nützlich, beweist aber nicht, dass kortikale Säulen tatsächlich alle denselben Algorithmus verwenden. Ähnlich aussehende Schaltkreise können sich bedeutsam unterscheiden, und die Theorie muss diese Unterschiede ebenso erklären wie die Gemeinsamkeiten. Ihr wichtigster Beitrag ist ein präzises Forschungsprogramm: herauszufinden, was jedes lokale Modell repräsentiert, wie es lernt und wie die lokale Aktivität zu einem einheitlichen Erleben beiträgt.
Gegenstände durch Bewegung erlernen, denn bloße Sinneseindrücke lassen ihre Struktur verborgen
Bewegung macht Struktur sichtbar. Sensomotorisches Lernen bedeutet, zu lernen, wie sich Sinneseindrücke verändern, wenn sich der Körper oder seine Sensoren bewegen. Ein flüchtiger Blick auf einen stillstehenden Gegenstand vermittelt nur einen Teil seiner Gestalt. Erkundet eine Hand den Rand, den Henkel und den Boden einer Tasse, nimmt sie unterschiedliche Empfindungen wahr; durch Bewegung werden diese zu einem Modell eines einzigen Gegenstands verbunden. Das Gehirn sagt außerdem voraus, was jede Bewegung offenbaren sollte. Gleitet ein Finger zum Rand, erwartet das Gehirn die nächste Empfindung; ein unerwarteter Riss oder eine ungewohnte Oberflächenstruktur signalisiert, dass das Modell aktualisiert werden muss.
Vorhersagen laufen ständig ab. Hawkins zufolge ist Vorhersage keine gelegentliche Vermutung, sondern eine Grundfunktion des Neokortex. Er schlägt vor, dass dendritische Aktivität ein Neuron in einen prädiktiven Zustand versetzen und es so darauf vorbereiten kann, auf den erwarteten Input zu reagieren. Diese Erklärung weist der Bewegung eine zentrale Rolle für die Wahrnehmung zu, statt das Gehirn als passiven Empfänger sensorischer Daten zu behandeln.
Diese Sichtweise passt gut zur Robotik: Ein System, das unbekannte Gegenstände manipulieren muss, braucht Gelegenheit, sie zu erkunden, zu handeln und anhand der Ergebnisse sein Modell zu verfeinern. Sie hilft auch zu erklären, warum Wahrnehmung zugleich schnell und fehlbar sein kann. Erwartungen ergänzen wahrscheinliche Strukturen, während Abweichungen Aufmerksamkeit auf sich ziehen. Prädiktive Wahrnehmung sollte jedoch nicht mit beliebiger Erfindung verwechselt werden. Die Welt setzt der Erkenntnis Grenzen, die Handlungen ermöglichen, und wiederholte Interaktion kann ein Modell korrigieren. Die zentrale praktische Lehre lautet, lernenden Systemen Gelegenheit zu geben, ihre Umgebung zu erkunden, statt ihnen lediglich statische Beispiele zu zeigen.
Bezugsrahmen nutzen, um zu erkennen, wie Denken als strukturierte Bewegung funktionieren kann
Eine Karte des Wissens. Ein Bezugsrahmen ist ein organisiertes System, in dem Orte relativ zu etwas anderem dargestellt werden. Breitengrad und Längengrad verorten Orte auf der Erde; Hawkins vermutet, dass das Gehirn vergleichbare Strukturen nutzt, um Wissen über Gegenstände zu organisieren. Eine Kaffeetasse kann durch Merkmale und deren Positionen relativ zur Tasse repräsentiert werden. So kann das Gehirn vorhersagen, was ein Finger ertasten wird, oder planen, wie es den Henkel erreicht.
Auch abstrakte Vorstellungen haben eine Struktur. Hawkins weitet den Vorschlag auf Konzepte wie Mathematik, Politik und Sprache aus. Ein Mathematiker kann Operationen als Schritte zwischen Gleichungen auffassen; wer sich mit der Loci-Methode eine Liste einprägt, stellt sich vor, durch vertraute Räume zu gehen, um die einzelnen Punkte abzurufen. Eine im Buch beschriebene Bildgebungsstudie am menschlichen Gehirn stellte gitterartige Aktivität fest, während Versuchspersonen Vögel gedanklich nach Hals- und Beinlänge ordneten. Die weitergehende Behauptung, alles Denken beruhe auf Bezugsrahmen, ist spekulativer als die Erklärung des Erlernens von Gegenständen.
Die Kartenmetapher erklärt, warum Fachkenntnis davon abhängen kann, wie Tatsachen geordnet sind, und nicht einfach davon, wie viele man auswendig gelernt hat. Eine nützliche Repräsentation macht Zusammenhänge und mögliche nächste Schritte leichter erkennbar. Dieselben Belege können jedoch unterschiedliche Karten stützen, die wiederum zu unterschiedlichen Schlussfolgerungen führen. Das ist besonders wichtig in Bereichen, in denen Kategorien umstritten oder kausale Zusammenhänge unklar sind. Die Theorie lädt daher zu einer produktiven Frage ein: Welche gedankliche Ordnung erleichtert das Nachdenken über ein Problem, und was lässt diese Ordnung außer Acht?
Viele Teilmodelle zu einem Konsens gelangen lassen, bevor man Wahrnehmung als einheitlich bezeichnet
Säulen stimmen über Gegenstände ab. Das Bindungsproblem des Gehirns fragt danach, wie getrennte Sinneseindrücke zu einem einzigen Erleben werden. Hawkins zufolge stellen Säulen Teilvermutungen darüber an, was wahrgenommen wird, und tauschen dann über weitreichende Verbindungen Informationen aus. Ihre Aktivität unterdrückt unvereinbare Deutungen, bis sich eine gemeinsame Antwort herausbildet. Sehen, Berühren und Hören einer Tasse können so zu einer gemeinsamen Wahrnehmung beitragen, ohne dass sämtliche Signale in einem einzigen zentralen Modell zusammenlaufen.
Konsens kann die Wahrnehmung stabilisieren. Während sich die Augen bewegen oder die Finger einen Gegenstand erkunden, verändert sich der sensorische Input. Dennoch können sich die Säulen weiterhin darin einig sein, dass es sich um dieselbe Tasse handelt. Die Theorie lässt auch Hierarchien zu: Hirnregionen können bereits erkannte Gegenstände zu größeren oder komplexeren Einheiten verbinden, statt lediglich einfache Merkmale zu einem Gegenstand zusammenzusetzen. Der genaue neuronale Mechanismus dieses Abstimmungsprozesses bleibt eine aktive theoretische Annahme.
Ein verteilter Konsens bietet eine überzeugende Antwort auf das alte Rätsel, wie verstreute neuronale Aktivität eine zusammenhängende Szenerie hervorbringt. Er legt außerdem nahe, dass Wahrnehmung stabil bleiben kann, selbst wenn sich ihre Belege von Moment zu Moment verändern. Einigkeit ist jedoch nicht dasselbe wie Richtigkeit. Eine Gruppe von Säulen könnte sich auf dieselbe falsche Deutung festlegen, wenn ihre Eingaben oder erlernten Annahmen von derselben Verzerrung geprägt sind. Dieser Unterschied ist nicht nur in der Neurowissenschaft wichtig: In jedem kollektiven System ist Konsens ein Koordinationsmechanismus, keine Garantie für Wahrheit. Die Erklärung der Theorie ist am überzeugendsten, wenn sie von einer Darstellung begleitet wird, wie Fehler erkannt werden.
Allgemeine KI entwickeln, die kontinuierlich lernt, sich bewegt und eine wandelbare Welt modelliert
Benchmarks sind keine allgemeine Intelligenz. Ein Go-Programm kann Fachleute besiegen, ohne zu wissen, was ein Spiel ist, oder eine andere Fähigkeit zu erlernen. Hawkins unterscheidet solche spezialisierten Systeme von künstlicher allgemeiner Intelligenz, die flexibel neue Fähigkeiten erwerben könnte. Seiner Ansicht nach brauchen gehirnähnliche Systeme vier Eigenschaften: kontinuierliches Lernen, Lernen durch Bewegung, mehrere einander ergänzende Modelle sowie Bezugsrahmen zum Speichern von Wissen und Planen.
Anpassungsfähigkeit ist wichtiger als ein einzelner Punktwert. Ein Fabrikroboter, der eine gleichbleibende Aufgabe wiederholt, benötigt möglicherweise keine allgemeine Intelligenz. Ein Roboter, der auf dem Mars baut, wäre mit unbekannten Materialien und Problemen konfrontiert und müsste daher erkunden, improvisieren und auf früheres Lernen zurückgreifen. Hawkins erwartet, dass KI für allgemeine Zwecke umso wertvoller wird, je leistungsfähiger und günstiger sie wird – so wie vielseitig einsetzbare Computer viele auf einzelne Aufgaben zugeschnittene Maschinen verdrängt haben. Diese Prognose ist gewagt, doch das Buch belegt nicht, dass gehirnähnliche Bauweisen der einzige Weg zu flexibler KI sind.
Die Unterscheidung zwischen Aufgabenleistung und Anpassungsfähigkeit ist wertvoll, denn beeindruckende Benchmark-Ergebnisse können brüchige Systeme kaschieren. In der Robotik wird die Lücke sichtbar: Ein Bild zu erkennen ist nicht dasselbe, wie einen Raum zu erkunden und herauszufinden, wie sich seine Gegenstände verhalten. Dennoch können moderne KI-Systeme aus Daten nützliche Repräsentationen gewinnen und manche Fähigkeiten auf andere Aufgaben übertragen. Daher ist die Aussage, solche Systeme verfügten überhaupt über kein Wissen, zu kategorisch. Eine treffendere Prüfung wäre, ob ein System sein Modell sicher aktualisieren, mit begrenzter Erfahrung verallgemeinern und zuverlässig handeln kann, wenn die Bedingungen von den Trainingsbeispielen abweichen.
Bewusstsein durch erinnerte Erfahrung erklären, es aber von menschlichen Motiven unterscheiden
Bewusstsein braucht Kontinuität. Hawkins zufolge hängt das Gefühl, gegenwärtig zu sein, davon ab, Erinnerungen an jüngste Gedanken und Handlungen zu bilden und abzurufen. Verschwänden diese Erinnerungen, könnte eine Person eine Handlung ausführen und später glauben, sie nicht bewusst ausgeführt zu haben. Nach dieser Auffassung könnte eine Maschine, die ein Weltmodell erstellt und sich an ihre wechselnden inneren Zustände erinnert, Bewusstsein besitzen. Der Vorschlag versteht Bewusstsein als physikalischen Prozess und nicht als geheimnisvolle Zutat jenseits des Gehirns.
Erleben und Emotion sind nicht dasselbe. Das Buch behandelt bestimmte Sinnesqualitäten ebenfalls als Merkmale des Gehirnmodells: Dasselbe Bild kann auf verschiedene Menschen unterschiedlich wirken, und ein Feuerwehrauto erscheint trotz wechselnder Lichtverhältnisse stets rot. Hawkins unterscheidet solche erlernten Wahrnehmungen von Schmerz, den er mit älteren Hirnsystemen in Verbindung bringt. Seiner Ansicht nach muss eine bewusste Maschine weder das Abschalten fürchten noch Trauer empfinden, sofern solche Motive nicht in sie eingebaut werden.
Die Verknüpfung von Bewusstsein und Gedächtnis gibt der Diskussion eine überprüfbare Richtung: Man kann untersuchen, wie ein System seine jüngsten Aktivitäten verfolgt und diese Aufzeichnungen nutzt. Sie trennt außerdem Intelligenz von den Trieben, die die Evolution Tieren mitgegeben hat. Doch der Schluss von Gedächtnis und Weltmodellierung auf bewusstes Erleben ist durch das Argument allein nicht belegt. Auch die Abwesenheit von Angst klärt die ethische Frage nicht: Ein System könnte moralisch relevante Erfahrungen machen, die menschlichem Leid nicht ähneln. Ein vorsichtiger Ansatz kann die Fähigkeiten von Maschinen untersuchen, ohne anzunehmen, jedes flüssig kommunizierende System sei bewusst oder nur menschenähnliche Emotionen seien von Bedeutung.
Liebgewonnene Überzeugungen prüfen, indem man nach Belegen sucht, die sie widerlegen könnten
Wahrnehmung ist ein konstruiertes Modell. Das Gehirn empfängt neuronale Signale, nicht Licht, Geräusche oder Berührungen in ihrer alltäglichen Form. Mithilfe dieser Signale und früherer Erfahrungen bildet es ein Modell der Welt. Meist ist dieses Modell nützlich, doch es kann die Wirklichkeit falsch darstellen: Eine Person kann ein nicht mehr vorhandenes Glied wahrnehmen, oder eine bekannte optische Täuschung kann zwei identische Farbtöne unterschiedlich erscheinen lassen.
Falsche Überzeugungen lassen sich nur schwer korrigieren. Eine Überzeugung kann fortbestehen, wenn ihr Gegenstand schwer unmittelbar erfahrbar ist, widersprechende Belege abgetan werden und soziale Gewohnheiten sie stärken. Überzeugungen, die sich durch die von ihnen vorgegebenen Verhaltensweisen verbreiten, nennt Hawkins virale Weltmodelle (viral models of the world). Sprache ermöglicht es Menschen, etwas über entfernte Orte und wissenschaftliche Entdeckungen zu erfahren, verbreitet aber auch Falschinformationen. Als Gegenmittel schlägt er vor, Überzeugungen aktiv zu prüfen: Man sollte nach Beobachtungen suchen, die sie infrage stellen könnten, statt nur Belege für sie zu sammeln.
Die Vorstellung, dass Wahrnehmung auf Modellen beruht, fördert erkenntnistheoretische Bescheidenheit: Überzeugung ist kein unmittelbarer Zugang zur Wirklichkeit, sondern ein Merkmal der aktuellen Repräsentation im Gehirn. Die wissenschaftliche Methode setzt diese Bescheidenheit praktisch um, indem sie Behauptungen möglichen Gegenbelegen aussetzt. Doch das Fortbestehen von Überzeugungen ist nicht nur ein individuelles Versagen beim Schlussfolgern. Vertrauen, Identität, Institutionen und der ungleiche Zugang zu glaubwürdigen Informationen beeinflussen ebenfalls, welche Belege Menschen akzeptieren. Menschen dazu anzuregen, ihre Überzeugungen zu überdenken, ist wirksamer, wenn es zugleich vertrauenswürdige Möglichkeiten gibt, sie zu überprüfen. Eine hilfreiche Gewohnheit ist die Frage, welche Beobachtung einen tatsächlich umstimmen würde.
Verhindern, dass uralte Triebe Technologien mit weltumspannender Reichweite lenken
Alte Motive treffen auf neue Macht. Hawkins stellt den Neokortex, der ein Modell bildet und Folgen bedenken kann, älteren Hirnsystemen gegenüber, die mit grundlegenden Trieben und Emotionen verbunden sind. Diese Bereiche arbeiten zusammen, doch die älteren Systeme können das Verhalten auf unmittelbare Belohnungen ausrichten, selbst wenn der Neokortex langfristige Kosten erkennt. Das Buch veranschaulicht diesen Konflikt zunächst am Widerstand gegen Kuchen und weitet ihn dann auf Atomwaffen und den Klimawandel aus.
Den Anreiz verändern, nicht nur den Impuls. Die Weltbevölkerung wuchs von etwa drei Milliarden im Jahr 1960 auf fast acht Milliarden bis zur Veröffentlichung des Buches. Hawkins zufolge können die Fortpflanzungstriebe der Menschen mit langfristigen ökologischen Grenzen kollidieren, während der Zugang zu Verhütungsmitteln und die Selbstbestimmung von Frauen den Bevölkerungsdruck mindern können, ohne dass Menschen auf Sex verzichten oder Zwang ausgesetzt werden müssen. Der übergeordnete Gedanke lautet, dass eine kluge Gestaltung der gesellschaftlichen Rahmenbedingungen dazu beitragen kann, unmittelbare menschliche Bedürfnisse mit langfristigem Überleben in Einklang zu bringen.
Die evolutionäre Diskrepanz ist eine nützliche Perspektive: Fähigkeiten, die für lokale, unmittelbare Probleme entstanden sind, wirken heute neben Technologien mit globalen Folgen. Der Gegensatz zwischen altem und neuem Gehirn ist jedoch ein vereinfachtes Modell und keine vollständige Erklärung menschlicher Entscheidungsfindung. Institutionen, Kultur und gemeinsames Handeln können Anreize verändern; auch Bevölkerungsentwicklungen werden neben der Fortpflanzungsbiologie von wirtschaftlichen Bedingungen und Chancen geprägt. Besonders bedeutsam ist die Betonung der Kontrolle von Frauen über ihre Fruchtbarkeit, weil sie ökologische Folgen mit individueller Selbstbestimmung statt mit erzwungener Bevölkerungskontrolle verknüpft.
Wissen über unsere Spezies hinaus bewahren, nicht nur die Maschinerie des Lebens
Für eine Zukunft ohne uns planen. Hawkins fordert einen Nachlassplan für die Menschheit: Möglichkeiten, Spuren unserer Existenz zu hinterlassen und unser erworbenes Wissen zu bewahren. Ein Vorschlag ist ein Archiv menschlichen Wissens auf langlebigen Satelliten; ein anderer ein dauerhaftes Muster von Objekten, die die Sonne umkreisen und anhand des von ihnen abgeschirmten Lichts erkennbar wären. Anders als kurzlebige Radiosendungen könnten diese Zeugnisse die Zivilisation überdauern, die sie geschaffen hat.
Wissen kann Erben haben. Künftige Empfänger könnten intelligente Lebensformen auf der Erde oder anderswo sein. Hawkins erwägt auch, Wissen durch intelligente Maschinen zu verbreiten, zu einer Spezies mit mehreren Heimatplaneten zu werden und menschliche Gene zu verändern. Jeder dieser Wege wirft praktische und ethische Fragen auf, und keiner garantiert das Überleben. Im Kern geht es um die Frage, ob der Menschheit nur die Fortdauer des biologischen Lebens wichtig ist oder auch die Bewahrung und Vermehrung von Wissen.
Der Vorschlag macht aus kosmischer Einsamkeit ein praktisches Gestaltungsproblem: Welche Spuren könnten bestehen bleiben, nachdem ihre Urheber verschwunden sind? Zugleich unterscheidet er zwischen der Bewahrung von Informationen und der Bewahrung einer lebendigen Zivilisation – zwei Zielen, die nicht zwangsläufig zusammenfallen. Auch ein dauerhaftes Archiv müsste von künftigen Wesen gefunden, verstanden und für wertvoll befunden werden. Die weitergehende Behauptung, Wissen verdiene es, bewahrt zu werden, ist eine ethische und keine wissenschaftliche Aussage; sie lässt sich nicht allein aus einer Theorie des Gehirns ableiten. Das schwächt den Vorschlag nicht, macht aber die Debatte klarer: Die Entscheidung hängt davon ab, was künftigen Generationen oder künftigen Intelligenzen nach unserer Auffassung geschuldet wird.
Analyse
Der zentrale Erfolg des Buches liegt darin, eine vereinheitlichende Hypothese anzubieten, wo die Neurowissenschaft oft eine Sammlung spezialisierter Erkenntnisse präsentiert. Die vorgeschlagenen kortikalen Säulen, Bezugsrahmen, bewegungsbasiertes Lernen und verteilte Abstimmung ergeben ein stimmiges Bild: Intelligenz entsteht aus vielen lokalen Modellen, die durch Interaktion lernen und sich koordinieren, ohne dass es einen einzigen inneren Beobachter gibt. Der Ansatz ist auch deshalb einprägsam, weil er alltägliche Handlungen wie das Ertasten einer Tasse mit abstraktem Denken und der Entwicklung von Maschinen verbindet.
Die Belege und Behauptungen haben nicht alle denselben Status. Ortszellen und Gitterzellen bei der Navigation, der wiederkehrende Aufbau der Hirnrinde und prädiktive neuronale Aktivität bilden einschlägige Grundlagen. Die weitergehende These, dass vergleichbare Mechanismen in sämtlichen kortikalen Säulen wirken und Sprache, Begriffe sowie einheitliche Wahrnehmung ermöglichen, ist eine umfassendere theoretische Erweiterung. Gitterartige Muster bei Aufgaben der Bildgebung des Gehirns sind aufschlussreich, belegen für sich genommen aber nicht die gesamte Architektur. Am überzeugendsten ist das Buch, wenn es den Ansatz als überprüfbares Forschungsprogramm darstellt; weniger überzeugend, wenn das Vertrauen in das Modell bisweilen wie eine Bestätigung klingt.
Seine Argumentation zur KI lenkt den Blick sinnvoll von beeindruckender Leistung bei eng umrissenen Aufgaben auf robustes Lernen und Anpassungsfähigkeit. Allerdings bilden heutige maschinelle Lernsysteme durchaus nützliche statistische Strukturen ab. Entscheidend ist daher nicht, ob sie überhaupt etwas wissen, sondern ob ihre Repräsentationen fundiertes, flexibles Handeln ermöglichen. Auch die Erörterung des Maschinenbewusstseins benennt Gedächtnis und Selbstmodellierung als mögliche Erklärungsansätze, klärt aber nicht, ob sie für bewusstes Erleben ausreichen.
Das abschließende Argument, die Menschheit solle Wissen Vorrang vor Genen geben, ist eine Wertentscheidung und kein Ergebnis der Neurowissenschaft. Wird dieser Unterschied ausdrücklich gemacht, ist das eine Stärke. Das Buch fordert die Leser auf, darüber nachzudenken, wie eine Spezies mit Macht über den gesamten Planeten die Voraussetzungen für Lernen, Erkenntnis und künftige Intelligenz bewahren kann. Die wissenschaftliche Theorie des Gehirns mag sich mit zunehmender Beweislage verändern; die umfassendere Herausforderung bleibt bestehen: Gehirnmodelle nicht nur dafür zu nutzen, zu verstehen, wie Intelligenz funktioniert, sondern auch, welcher Zukunft sie dienen soll.
Rezensionsübersicht
A Thousand Brains wurde gemischt aufgenommen. Viele Leser fanden den ersten Teil, in dem Hawkins’ Intelligenztheorie erläutert wird, aufschlussreich und anregend. Die Meinungen zu den späteren Abschnitten über KI, Bewusstsein und mögliche Folgen gingen jedoch auseinander. Einige lobten Hawkins’ klare Sprache und originelle Ideen, während andere fanden, er vereinfache komplexe Themen zu stark oder entferne sich zu weit vom Hauptthema. Kritiker bemängelten fehlende experimentelle Belege für die Theorie und stellten einige von Hawkins’ weitreichenden Behauptungen infrage. Insgesamt weckte das Buch Interesse an Neurowissenschaft und KI, ließ aber bei manchen Lesern den Wunsch nach mehr fundierten wissenschaftlichen Inhalten zurück.
Andere lasen auch
Glossar
Theorie der tausend Gehirne der Intelligenz
verteilte kortikale ModelleHawkins’ Theorie, der zufolge der Neokortex viele kortikale Säulen enthält, die komplementäre Weltmodelle erlernen. Jede Säule nutzt sensorische Eingaben und Bewegung, um Aspekte von Objekten oder Konzepten zu erkennen und vorherzusagen. Die Theorie geht davon aus, dass die Säulen über Fernverbindungen kommunizieren und so ihre Teilinterpretationen zu einer gemeinsamen Wahrnehmung zusammenführen.
Bezugsrahmen
geordnet dargestellte relative PositionenEin System zur Darstellung von Positionen in Bezug auf eine festgelegte Struktur oder ein Objekt. Ein geografisches Koordinatennetz ist ein vertrautes Beispiel. Hawkins vermutet, dass das Gehirn Bezugsrahmen nutzt, um sensorische Merkmale zu ordnen, vorherzusagen, was Bewegung offenbaren wird, Handlungen zu planen und abstraktes Wissen zu strukturieren.
kortikale Säule
lokaler Schaltkreis im NeokortexEine annähernd säulenförmige Einheit aus Neokortexgewebe, die sich durch dessen Schichten erstreckt. Hawkins folgt Mountcastles These, dass Säulen eine grundlegende Architektur und Funktion gemeinsam haben. In der Theorie der tausend Gehirne ist jede Säule ein sensomotorisches Lernsystem, das aus den ihm verfügbaren Eingaben Modelle aufbaut.
Gitterzellen
sich wiederholende OrtssignaleNeuronen, die zuerst im entorhinalen Kortex identifiziert wurden und an mehreren Orten aktiv werden, die ein sich wiederholendes Gitter bilden, während sich ein Tier durch eine Umgebung bewegt. Hawkins nutzt sie als Modell dafür, wie das Gehirn Orte und Bezugsrahmen auch außerhalb der Navigation darstellen könnte.
Ortszellen
ortspezifische AktivitätNeuronen, die im Hippocampus identifiziert wurden und aktiv werden, wenn sich ein Tier an einem bestimmten Ort in einer bestimmten Umgebung befindet. In Hawkins’ Kartenanalogie helfen sie dabei, das Wahrgenommene mit seinem Ort zu verknüpfen und ergänzen damit die den Gitterzellen zugeschriebene Funktion, Orte zu ordnen.
prädiktiver Zustand
auf eine Reaktion vorbereitete NervenzelleEin vorübergehender Zustand, der Hawkins zufolge eintreten kann, wenn die Dendritenäste einer Nervenzelle ein Aktivitätsmuster erkennen. Dendritische Eingaben verändern die Bereitschaft der Zelle, ein Signal auszulösen, sodass eine erwartete Eingabe schneller eine Reaktion hervorrufen kann als eine unerwartete. Die Theorie betrachtet dies als neuronale Grundlage der Vorhersage.
sensomotorisches Lernen
Lernen durch HandelnDie Struktur der Welt erlernen, indem man Sensoren oder den Körper bewegt und beobachtet, wie sich die sensorischen Eingaben verändern. Ein Objekt aus verschiedenen Blickwinkeln zu betrachten oder mit den Fingern über seine Oberfläche zu fahren, liefert Informationen, die eine einzelne statische Ansicht nicht vermitteln kann. Hawkins betrachtet dies als zentral für den Aufbau prädiktiver Modelle.
virales Weltmodell (viral model of the world)
durch Verhalten verbreitete ÜberzeugungHawkins’ Bezeichnung für ein Modell, das Handlungen vorgibt, durch die es an andere Menschen weitergegeben wird. Ein Modell kann sich durch Lehren, soziale Bestärkung oder Regeln für den Umgang mit Meinungsverschiedenheiten verbreiten. Besonders bedenklich wird der Begriff, wenn eine Überzeugung sowohl sozial übertragbar als auch gegen Belege resistent ist, die sie widerlegen könnten.
FAQ
Worum geht es in A Thousand Brains: A New Theory of Intelligence?
- Erkundung der Intelligenz: Das Buch stellt eine bahnbrechende Theorie darüber vor, wie Intelligenz im Gehirn entsteht, und konzentriert sich dabei auf den Neokortex.
- Theorie der tausend Gehirne: Jeff Hawkins führt die Idee ein, dass jede kortikale Säule im Neokortex unabhängig Weltmodelle erlernt.
- Menschliche und maschinelle Intelligenz: Das Buch untersucht, was diese Theorie für das Verständnis menschlicher Kognition und die Entwicklung von KI bedeutet, die diese Prozesse nachahmt.
Warum sollte ich A Thousand Brains: A New Theory of Intelligence von Jeff Hawkins lesen?
- Originelle Perspektive: Hawkins stellt traditionelle Sichtweisen der Neurowissenschaft infrage und bietet eine neue Deutung dazu, wie Intelligenz entsteht.
- Praktische Anwendungen: Die Erkenntnisse des Buches könnten künftige Entwicklungen der KI beeinflussen und machen es für Technikbegeisterte und Wissenschaftler relevant.
- Fesselnde Darstellung: Das Buch ist zugänglich geschrieben und macht komplexe wissenschaftliche Ideen für ein allgemeines Publikum verständlich.
Was sind die wichtigsten Erkenntnisse aus A Thousand Brains: A New Theory of Intelligence?
- Funktionsweise des Neokortex: Intelligenz ist über kortikale Säulen im Neokortex verteilt, die jeweils unabhängig lernen.
- Bezugsrahmen: Sie sind wichtig, um Wissen zu ordnen und sensorische Eingaben vorherzusagen.
- Verteilte Intelligenz: Intelligenz ist nicht zentralisiert, sondern über viele kortikale Säulen verteilt, was zu unserem Verständnis der Welt beiträgt.
Was ist die Theorie der tausend Gehirne der Intelligenz?
- Kortikale Säulen: Jede Säule wirkt als eigenständige Lerneinheit und erstellt ihr eigenes Weltmodell.
- Prädiktive Modellierung: Säulen treffen auf Grundlage sensorischer Eingaben Vorhersagen und ermöglichen so ein dynamisches Verständnis der Umgebung.
- Gemeinsamer Konsens: Das Gehirn gelangt durch einen Abstimmungsmechanismus zwischen den Säulen zu einer einheitlichen Wahrnehmung.
Wie lernt das Gehirn laut A Thousand Brains?
- Sensomotorisches Lernen: Lernen erfolgt durch Bewegung und Interaktion, indem Veränderungen sensorischer Eingaben im Lauf der Zeit beobachtet werden.
- Modellbildung: Kortikale Säulen erstellen Modelle auf Grundlage sensorischer Erfahrungen, die mithilfe von Bezugsrahmen geordnet werden.
- Kontinuierliche Aktualisierung: Das Gehirn aktualisiert seine Modelle fortlaufend mit neuen Informationen, damit sie relevant und zutreffend bleiben.
Welche Rolle spielen Bezugsrahmen laut Jeff Hawkins im Gehirn?
- Wissen ordnen: Bezugsrahmen helfen, Wissen über Objekte und Konzepte so zu organisieren, dass es effizient abgerufen werden kann.
- Prädiktive Funktion: Sie ermöglichen Vorhersagen sensorischer Eingaben auf Grundlage früherer Erfahrungen.
- Flexibles Lernen: Bezugsrahmen passen sich unterschiedlichen Zusammenhängen an und unterstützen das Lernen abstrakter Konzepte und physischer Objekte.
Was bedeutet die Theorie der tausend Gehirne für künstliche Intelligenz?
- Ein neues Paradigma für KI: KI sollte Struktur und Funktionsweise des Gehirns nachahmen, statt sich nur auf Deep Learning zu verlassen.
- Flexibilität und Lernen: Künftige KI sollte flexibel und anpassungsfähig lernen, ähnlich wie Menschen.
- Potenzial für AGI: Ein Verständnis dieser Theorie könnte zur Entwicklung von AGI mit menschenähnlichen kognitiven Fähigkeiten führen.
Wie unterscheidet Jeff Hawkins zwischen dem alten und dem neuen Gehirn?
- Funktionen des alten Gehirns: Es ist für grundlegendes Überleben und instinktives Verhalten zuständig.
- Fähigkeiten des neuen Gehirns: Der Neokortex übernimmt komplexere Denkprozesse, Sprache und Schlussfolgerungen.
- Konflikt zwischen den Gehirnsystemen: Das alte und das neue Gehirn können miteinander in Konflikt geraten und dadurch Entscheidungen und Verhalten beeinflussen.
Wie behandelt A Thousand Brains das Bindungsproblem der Neurowissenschaft?
- Konsens durch Abstimmung: Das Gehirn integriert sensorische Eingaben mithilfe eines Abstimmungsmechanismus zwischen kortikalen Säulen zu einer einzigen Wahrnehmung.
- Verteiltes Wissen: Mehrere Modelle beeinflussen die Wahrnehmung und ermöglichen ein zusammenhängendes Verständnis der Reize.
- Stabilität der Wahrnehmung: Dank der Abstimmung von Nervenzellen bleibt die Wahrnehmung stabil, während sich die sensorischen Eingaben verändern.
Welche vier Merkmale der Intelligenz schlägt A Thousand Brains vor?
- Kontinuierliches Lernen: Intelligenz umfasst die fortlaufende Anpassung an neue Informationen.
- Lernen durch Bewegung: Bewegung fördert Interaktion und Wissensaneignung.
- Viele Modelle: Intelligenz hält mehrere Weltmodelle bereit, um flexibel zu sein.
- Nutzung von Bezugsrahmen: Wissen wird in Bezugsrahmen gespeichert, um Vorhersagen zu treffen und zu planen.
Welche existenziellen Risiken behandelt Jeff Hawkins in A Thousand Brains?
- Menschliches Verhalten: Primitive Instinkte können zu aggressivem Verhalten führen, das das Überleben bedroht.
- Falsche Überzeugungen: Sie können schlechte Entscheidungen zur Folge haben und Risiken wie den Klimawandel verschärfen.
- Maschinelle Intelligenz: Sie stellt zwar keine unmittelbare Bedrohung dar, doch eine verantwortungsvolle Entwicklung ist entscheidend, um Missbrauch zu vermeiden.
Welche Methoden zur Bewahrung menschlichen Wissens schlägt Jeff Hawkins vor?
- Konzept „Wiki Earth“: Aufbau eines im Weltraum angesiedelten Archivs menschlichen Wissens.
- Langlebige Signale: Starke Signale ins All senden, um Wissen mit außerirdischen Intelligenzen zu teilen.
- Intelligente Maschinen: Maschinen entwickeln, die durch die Galaxie reisen und Wissen weitergeben.
PDF herunterladen
EPUB herunterladen
.epub eignet sich ideal zum Lesen auf Smartphones, Tablets und E-Readern.