#Neuronen

[deinheilpraktiker]

CMU Array hat das Potenzial, die Art und Weise, wie Ärzte neurologische Erkrankungen behandeln, zu verändern Forscher der Carnegie Mellon University haben das CMU Array entwickelt, eine neue Art von Mikroelektroden-Array für Gehirn-Computer-Schnittstellenplattformen. Es birgt das Potenzial, die Art und Weise, wie Ärzte neurologische Störungen behandeln können, zu verändern. Das im Nanomaßstab 3D-gedruckte Mikroelektroden-Array (MEA) mit ultrahoher Dichte ist vollständig anpassbar. Dies bedeutet, dass Patienten, die an Epilepsie oder Gliedmaßenfunktionsverlust aufgrund eine... #Betrieb #Depression #Epilepsie #Forschung #Gehirn #Herstellung #Implantate #Kortex #Medizin #Neuronen #Präzisionsmedizin #Schlaganfall #Technologie

[estomia]

Ich liebe liebe liebe Seumes Schreibstil, er ist so cozy auf eine Art idk er gibt mir soooo gute vibes!! Er redet darüber mal nen Stein als Kopfkissen benutzt zu haben in Kanada und ich liebs!!

[sunb0ts]

really swear I had planned to go to sleep. the intention was there initially I had it in my heart you have to believe me

[itsnothingbutluck]

Mihai Petrovici, Sie haben mit einem Paper, das Sie an der wichtigsten Konferenz für Künstliche Intelligenz, der NeurIPS, vorstellen, einen Durchbruch erzielt. Was haben Sie erreicht?

Im Gehirn haben wir es mit extrem schnellen Abfolgen von Sinnesreizen zu tun. Wir haben ein neues theoretisches Modell entwickelt, das zeigt, wie Teile des Gehirns – etwa der visuelle Cortex – solche Sinnesreize verarbeiten und so lernen. Das Modell besagt im Wesentlichen, dass Neuronen, also Nervenzellen, bei der Übertragung ihrer Signale die Fähigkeit haben, ein bisschen in die Zukunft zu schauen. So kann dieser Prozess im Gehirn blitzschnell und energieeffizient ablaufen.

Ist das von Ihnen entwickelte Modell realistisch?

Wir haben diese Gleichungen in Computersimulationen eines kleinen, vereinfachten Modells des visuellen Cortex laufen lassen. Dabei konnten wir zeigen, dass unsere Theorie diesem Netzwerk erlaubt, schnelle Abfolgen komplexer Bilder zu erkennen, zum Beispiel von handgeschriebenen Ziffern, von Gegenständen oder von Tieren. Dies war bisher in biologisch inspirierten künstlichen neuronalen Netzwerken nicht möglich, eben weil alle Modelle bisher lange gebraucht haben, um Signale durch das Netzwerk zu propagieren. Ob das Gehirn ebenfalls nach diesen Regeln funktioniert, werden erst In-vivo-Experimente endgültig beantworten. Deswegen sind wir gerade dabei, eine Kollaboration mit Forschungsteams aus der Neurobiologie zu planen, im Rahmen welcher die von uns vorhergesagten Mechanismen im Gehirn erforscht werden sollen.

Wie gehen Sie nun weiter?

Bisher haben wir das Konzept nur in konventionellen Computern getestet. In einem nächsten Schritt möchten wir es in neuromorphen Chips anwenden.

Was sind neuromorphe Chips?

Es sind Computerchips, die effektiv Neuronen enthalten, die über Synapsen, den Verbindungsstellen zwischen Nervenzellen, miteinander kommunizieren. Wir arbeiten mit Chips der neusten Generation aus Heidelberg, welche tausendmal schneller als das Gehirn sind und dabei einen Bruchteil der Energie herkömmlicher Computerchips verbrauchen. Allerdings sollte ich darauf hinweisen, dass bis zur vollständigen «Kopie» eines menschlichen Gehirns noch ein weiter Weg vor uns liegt, denn diese neuromorphen Chips sind mit ihren 512 Neuronen noch relativ klein.

Sind hier lebendige menschliche Neuronen eingebaut?

Es sind keine biologischen Nervenzellen, sondern elektronische. Sie bestehen aus Transistoren, aber die Ströme, die dort fliessen, entsprechen den Strömen und Signalen, die durch unsere Nervenzellen fliessen. Die Abläufe im Gehirn werden darin also, anders als auf herkömmlichen Computerchips, nicht einfach simuliert. Wir sprechen von «Emulation» – wir kopieren die Physik des Gehirns in die Physik des Chips. Das ist es, was ihre Energieeffizienz und Geschwindigkeit ermöglicht. Gewissermassen kann man sagen, dass diese Chips, so wie das Gehirn, ihre zugrundeliegenden Algorithmen nicht berechnen, sondern effektiv «leben».

Gibt es denn auch konkrete Anwendungen, die aus Ihrer Forschung entstehen könnten?

Da die Chips sehr energieeffizient und schnell sind, sind viele Anwendungen möglich. Zum Beispiel könnte man daraus im medizinischen Bereich sogenannte Biomonitoren entwickeln. Das wären tragbare Analyse-Tools, welche zum Beispiel, einzig von der Körperwärme angetrieben, den Herzrhythmus oder den Schlaf kontinuierlich analysieren. Ausserdem sind diese Chips aufgrund ihrer Architektur vergleichsweise robust und könnten daher in anspruchsvollen Umgebungen, wie etwa in Satelliten, Anwendung finden. Aber auch im Bereich der Biologie hat unsere Forschung einen Beitrag. In weiterer Zukunft könnten Erkenntnisse über die Lernprozesse im Gehirn auch zu einem besseren Verständnis von Krankheiten des Gehirns beitragen, wie zum Beispiel Alzheimer, Parkinson oder auch Autismus.

Sie forschen im Rahmen des EU-Flaggschiffs «The Human Brain Project» und sind vor fünf Jahren von der Universität Heidelberg an die Universität Bern gewechselt. Wieso sind Sie nicht nach Lausanne gezogen, wo dieses Hirnforschungsprojekt initiiert wurde?

Viele wissen möglicherweise nicht, dass Bern bei dieser Forschung ganz vorne mitspielt. Wir sind ein tolles Team, und ich kann hier die wissenschaftlichen Themen bearbeiten, die ich schon immer wollte. Bern ist aber auch ideal gelegen. Wir haben Kollaborationen mit der Universität Zürich und der ETH Lausanne, und ein Teil meiner Gruppe ist noch in Heidelberg. Da sind kurze Wege von Vorteil. Es ist aber auch nicht von der Hand zu weisen, dass Bern eine schöne Stadt ist, ich lebe wirklich gerne hier.

Die Schweiz ist seit Kurzem nicht mehr assoziiertes Mitglied der europäischen Forschungsprogramme. Ist das ein Nachteil für Ihre Forschung im Rahmen des Human Brain-Projektes?

Das ist eine sehr heikle, weil politische Frage. Für die bestehenden Projekte, wie etwa unsere Kollaborationen im Rahmen des Human-Brain-Projektes, hat dies noch keine Auswirkungen, weil sie bis 2023 normal weiterlaufen. Aber wenn wir darüber hinaus neue Projekte in die Wege leiten wollen – und das wollen wir mit unseren vielen Ideen definitiv – stossen wir an Grenzen. Die Schweiz gilt jetzt als Drittland und das bedeutet, dass wir als Forschende keine europäischen Projekte mehr leiten können. Dank einer sehr grosszügigen Förderung durch die Manfred-Stärk-Stiftung können wir zwar eine fortwährende Kollaboration mit der Universität Heidelberg gewährleisten, aber das kann natürlich die Leitung eines europäischen Projekts nicht ersetzen. Darüber hinaus gilt auch die Regel, dass an einem Projekt nicht Forschende aus zwei Drittländern beteiligt sein dürfen. Das ist für uns problematisch, weil wir auch mit Partnern kollaborieren wollen, die nicht in der EU sind.

Schweizer Forschende könnten doch vermehrt Kooperationen mit anderen wichtigen Forschungsnationen wie den USA oder Grossbritannien eingehen?

Das ist sicherlich wahr, aber nicht so einfach, denn die Strukturen in der EU sind seit Jahrzehnten gewachsen und funktionieren sehr gut. Neue Kollaborationen mit gleichwertiger Qualität kann man nicht so einfach aus dem Boden stampfen. Das CERN oder das jüngere Human-Brain-Projekt sind Paradebeispiele für langfristig erfolgreiche Strukturen, in denen die Schweiz eine führende Rolle spielt und die viele Fördermittel aus der EU erhalten.

Wie sieht die Zukunft aus?

Ich erwarte, dass sich schnell eine Lösung finden wird. Denn es ist allen bewusst, dass die Forschung der EU und der Schweiz sich gegenseitig befruchten und verstärken. Ich denke und hoffe, dass sich diese Einsicht schnell durchsetzen wird.

[meolog]

Im Gehirn wohnt kein Geist. Durchstreifen wir das Dickicht der Neuronen, finden wir Neuronen, aber keinen Geist.

Das Gehirn kann daher auch nicht denken. Das müssen wir schon selber tun. Denken wir also. Denken wir das Denken.

Was aber finden wir, wenn wir das Denken denken? Jedenfalls kein Gehirn. Im Geist wohnt kein Gehirn.

[queerbauten]

🎧

Neuronen neu gekoppelt Fingerspitzengefühl Hypothalamus berührt ganz sanft

"Die Sonne" — Gudrun Gut & Blixa Bargeld

[perfektunperfekte]

Zu viele Gedanken kreisen meilenweit, meterlang durch meinen Kopf. Bange Gedanken, die dann und wann, Platz für fröhliche Belange machen. Um dann, durch und durchdringend, wieder Schaden zu bringen, durch ihre Fähigkeit gewittergleich nach unten zu strudeln. Gedanken werden zuerst in den Neuronen gemacht, die das Gehirn ausmachen. In den guten, wie in den schlechten Sachen. Neuronen die die Gedanken auf eine Bootsreise schicken. Von Hirn richtung Herz. Im Dunkel der Nacht, unbewacht, unerkannt und unbedacht. Das Boot ist gut gerüstet, gegen heiße Herzenswellen. Und doch, schafft es sich hinein. Und dort, tief in den Kammern deines Seins, zieht dein Herz es strudelgleich, in seine heißen Tiefen ein. Kämpft mit den Wellen, kämpft mit dem Sog. Kämpft an allen Fronten, der Kapitän am Bug. Des Schiffes. Doch hat die Kontrolle verloren. Und während die Gedanken, kommen zu anderen Ohren. Schaffen sie sich, bewusstseinslos. In deine Seele, der Kontrolle Tod.

[gaswolkenwesen]

Plurale Welt

Das Gaswolkenwesen - Plurale Welt

Ein Bewusstseinsthriller in drei Ebenen

Dystopie / Science-Fiction

Δ∇Δ∇Δ∇Δ

Alles frisst.

Δ∇Δ∇Δ∇Δ

Der Mythos des Wahns ruft euch!

Δ∇Δ∇Δ∇Δ∇Δ∇Δ∇

Unter Blitzen geboren bahnen sich drei Neuronen ihren Weg durch das ewige Nichts. Estella, Kasha’aar und Spectre wachen auf in einer dystopischen Welt. Die Pluralen beherrschen ihr Land, eine fremdartige Spezies von Schwarmbewusstseinsformen. Schon in frühem Kindesalter wird an ihnen ein seltsames Ritual durchgeführt, welches ihren weiteren Weg vorherbestimmen soll. Estella kämpft mit der Verzweiflung als ein femininer Geist in einem sehr maskulinen Körper zu hausen, Kasha’aar bricht mit den Regeln und den Strukturen des Regimes, während Spectre alles beobachtet und seine Schlüsse daraus zieht. Bald sind sie sich einig darüber, dass hier irgendetwas im Argen liegt. Das Raumschiff des Starbound Kollektivs zieht vorbei an psychedelischen Sümpfen, führt zu entfernten Kriegen der Galaxie und flirtet mit dem Wahnsinn der Geister auf dem Weg. Gemeinsam nehmen es die Piloten auf mit glucksenden Hyänen, gefühlskalten Parasiten, dämonischen Mächten und der allgegenwärtigen Bedrohung durch den politischen Erzfeind schlechthin: Dem Einzelbewusstsein.

Anschnallen, bitte! Unnennbare Gedanken erwarten ihre Entdeckung!

Δ∇Δ∇Δ∇Δ∇Δ∇Δ∇

Ebene 01/03: Geburt

»Sie sind definitiv gefährlich, aber wir haben ein starkes Land. Unsere Armee und unsere Wehrkräfte beschützen uns, und hoffentlich werden wir eines Tages mit ihnen Frieden schließen können.« »Oder die verdammten Bastarde alle ausradieren«, kommentierte Kasha’aar ins Innere.

Ebene 01 ist wirklich sehr gut. Sie ist eine sehr sichere Ebene. Dort lauert nichts, dort ist alles in Ordnung. Dort gibt es keine Feinde. Auf Ebene 01 herrscht die aller höchste Sicherheitsstufe. Niemand muss sich hier irgendwelche Sorgen machen. Bitte entspannen Sie sich! Aber hüten Sie sich vor Ebene 03! Denn jeder weiß: Ebene 03 ist die böse Ebene!

Lesen! (530 Seiten) [.pdf 4.73MB]

Δ∇Δ∇Δ∇Δ∇Δ∇Δ∇

Ebene 02/03: Rebellion

»Nein, mal ernsthaft«, wandte sich Shane den Neuankömmlingen zu, »uns ist egal aus wie vielen ihr besteht, oder was eure Hintergrundgeschichte ist. Wir können hier keine Kleinen gebrauchen. Auch keine niedlichen Feen, keine kuscheligen Teddybären und keine glubschäugigen Irgendwas! Ist mir egal, ob das gegen eure politische Gesinnung geht. Wir brauchen hier wachsame Augen und schnelle Reflexe. Ich bin Shane, der da ist Oslo und da drüben liegt Jackson. Für mehr haben wir hier weder die Zeit, noch die…irgendwas einfach! Wir können uns hier nichts davon leisten, versteht ihr das? Das ist eigentlich kein Ort für Plurale. Wer hier nicht jederzeit alles mitkriegt, stirbt.«

Auf Ebene 02 herrscht Krieg. Es gilt erhöhte Explosionsgefahr. Bitte ziehen Sie Ihre Helme auf und achten Sie auf vermehrten Steinschlag! Gehen Sie keine Risiken ein und reden Sie mit niemandem! Auf Ebene 02 ist keinem zu trauen!

Lesen! (470 Seiten) [.pdf 4.00MB]

Δ∇Δ∇Δ∇Δ∇Δ∇Δ∇

Ebene 03/03: Böse

Ja, so waren sie, die Menschen. Schon früh wurde den meisten Kindern beigebracht sich nicht um ihre Umgebung zu kümmern. Dass es egal war, ob die lauten Töne die anderen Wartenden störten, insbesondere die Älteren unter ihnen. Dartagno war froh, dass er nicht so war. Er wartete still, bis er an der Reihe war.

Ebene 03 ist wirklich sehr gut. Sie ist eine sehr sichere Ebene. Dort lauert nichts, dort ist alles in Ordnung. Dort gibt es keine Feinde. Auf Ebene 03 herrscht die aller höchste Sicherheitsstufe. Niemand muss sich hier irgendwelche Sorgen machen. Bitte entspannen Sie sich! Aber hüten Sie sich vor Ebene 01! Denn jeder weiß: Ebene 01 ist die böse Ebene!

Lesen! (480 Seiten) [.pdf 4.55MB]

[jackxpimety]

hoorcollege 1

beschaving = de samenleving met regels

mensen geloven bijvoorbeeld in de bijbel paar factoren hebben daar invloed op het geloof van de mens

religie

media

politieke voorkeuren

omgeving

familie/ vrienden

er zijn 2 filosofen die andere meningen hebben

ari: mens streeft van nature naar kennis

nietsche: de mens is altijd uit op macht. de dier is gelukkiger want die leeft op het moment. de mens is dus een leven met gebrek.

------------------------------------------------------------------------------

eugenetica = de goede genen

Eugenetica = ook als je mensen gaat sorteren op goede genen dus mooi uiterlijk geen beperkingen en al dat soort dingen

in de jaren 30 tot 40 jaren 50 tot 70

aangeboren /natuur alles is aan te leren

Watson zij ook dat alles binnen 7 jaar aan teleren is.

En heb je zelf invloed op wat je kind later wordt.

------------------------------------------------------------------------------

lichaam. geest

monisme dualis

Onze herzenen bestaan uit neuronen= bewust zijn.

-Jayden van Beek-

bron: ARHC hoorcollege en Mr. Bos

[morgemaatjesuitanderegaatjes]

Blogpost Wijsgerige Antropologie

Beschaving = de samenleving met regels

Mensen geloven in bv de bijbel er zijn een paar factoren die invloed hebben op het geloof van de mens de factoren zijn:

religie

media

politieke voorkeur

omgeving/woonplaats

familie/vrienden

Er zijn 2 filosofen die andere meningen hebben

ari: Ari zegt dat de mens streeft van nature naar kennis

nietzsche: De mens is altijd uit op macht. De dier is gelukkiger want die leeft op het moment. De mens is dus een leven met gebrek. Nietzsche is ook wel de filosoof met de hamer genoemd.

_____________________________________________________________

1 eu 2genetica = 1 goed 2 genen. Dus eugenetica betekend goede genen. Eugenetica = selecteren van uiterlijk van de mens. Alleen deze mensen die de regels voldoen zoals blauwe ogen, blonde haren mogen zich voortplanten zodat er dan alleen nog maar goede mensen op de wereld zijn.

in de jaren 30 ën 40 jaren 50 tot 70

aangeboren/nature aangeleerd/nulture

Watson heeft ooit gezegd dat je een kind tot 7 jaar alles kan aanleren en heb je zelf invloed hoe het kind later wordt.

______________________________________________________________

Lichaam Geest

Monisme Dualisme

ingedienten + goldlocks condition = condentiteit

Onze hersenen bestaan uit neuronen+ stofjes + precies verbonden = bewustzijn

______________________________________________________________

-Florenz Bos-

Bron: ARHC hoorcollege

[aktionfsa-blog-blog]

KI und neuronale Netze

Wenn Computer sprechen und malen sollen

Der Erfolg bei der Erzeugung von künstlicher Intelligenz wäre das bedeutendste Ereignis in der Geschichte des Menschen. Unglücklicherweise könnte es auch das letzte sein. Stephen Hawking

Gestern hatten wir uns mit den Möglichkeiten und Risiken bei der Benutzung des KI-Programms ChatGPT auseinandergesetzt. Dabei haben wir uns auf die Texterkennung und -generierung fokussiert und dabei vergessen, dass ein wesentlicher Teil auch die Spracherkennung und -genererierung ist. Mit einem "Roboter" oder Programm in der uns gewohnten Sprache kommunizieren zu können ist natürlich viel angenehmer als eine Tastatur zu benutzen.

Deshalb wollen wir heute auf einen Artikel bei Spektrum.de verweisen und ergänzen, dass

ChatGPT inzwischen auch Bilder erkennen und nach unseren Wünschen generieren kann,

maschinelle Spracherkennung schon seit den 1950-iger Jahren ein Ziel der Programmierung ist.

Manon Bischoff schreibt auf Spektrum.de:

Im Januar 1954 war eine IBM-701-Maschine der erste für wissenschaftliche Zwecke entwickelte Rechner, er wog knapp zehn Tonnen und tat etwas Unvorstellbares: Mit russischen Beispielsätzen gefüttert, druckte er eine ins Englische übersetzte Version aus.

Es dauerte noch 60 Jahre bis zum Aufkommen neuronaler Netze in den 2010er und 2020er Jahren, um Algorithmen so leistungsfähig zu machen, dass sie Texte verlässlich von einer Sprache in eine andere übertragen können. Nun kann ChatGPT sogar Witze erfinden - auch wenn diese meist nicht gut sind. Witze sind jedenfalls schwieriger zu erfinden als ein ansprechendes Bild zu malen. Für das Malen reicht ein Verständnis (= eine Tabelle) zu Farben und Beispielbilder von allen möglichen Objekten.

Wie bei der Übersetzung und der Spracherkennung reicht es nicht, so eine Tabelle (= Datenbank) nach einem Stichwort zu durchsuchen, sondern die Verknüpfungen müssen nach der Aufgabenstellung verschieden sein. Dazu benötigt man neuronale Netze, die ChatGPT so erklärt:

Neuronale Netze sind eine Art von Algorithmus für maschinelles Lernen, der von der Struktur und Funktion des menschlichen Gehirns inspiriert ist. Sie bestehen aus miteinander verbundenen Knoten oder »Neuronen«, die Informationen verarbeiten und zwischen den Schichten des Netzes weiterleiten. Jedes Neuron empfängt Eingaben von anderen Neuronen, führt an diesen Eingaben eine einfache mathematische Operation durch und leitet das Ergebnis dann an andere Neuronen in der nächsten Schicht weiter. Auf diese Weise können neuronale Netze lernen, Muster in Daten zu erkennen und auf der Grundlage dieser Daten Vorhersagen zu treffen.

Auf Spektrum.de heißt es dazu: Im Gegensatz zu gewöhnlichen Algorithmen macht der Programmierer in neuronalen Netzen keine eindeutigen Vorgaben (etwa: falls Neuron 2 aus Schicht 3 ein Signal mit Wert 0,77 erhält, dann wandle es in 0,89 um). Stattdessen lässt man das Netz selbst "lernen", welche Einstellungen am geeignetsten sind, um eine Aufgabe zu bewältigen.

Da der Computer schnell ist, kann er seine anfänglichen Fehler mit der Zeit ausbügeln. Allerdings braucht er dazu auch korrekte Rückmeldungen. Bestätigt man ihn in seinen Fehlern, so - kommen wir auf den Artikel von gestern zurück und haben es nun mit einem Rassisten oder anderem Idioten zu tun ...

Welche weiteren Einschränkungen die Computer beim "Lernen" unterworfen sind, erklärt Manon Bischoff auf Spektrum.de sehr gut und beschreibt auch die Fortschritte in den ChatGPT Versionen der letzten Jahre. Der Aufbau der neuronalen Netze kann - auch wegen der immer noch mangelhaften Rechenleistung - nur auf kurze Distanzen (der Begriffe in der Matrix) verlässlich sein. Deshalb ist bei aller Arbeit, die nun ein Computer erledigen kann, wichtig zu bedenken, dass er dies nur kann, weil Menschen ihn vorher bei den Bewertungen der Zusammenhänge richtig trainiert haben. D.h. natürlich auch, dass er nur das gut kann, wozu er trainiert worden ist.

Mehr dazu bei https://www.spektrum.de/news/wie-funktionieren-sprachmodelle-wie-chatgpt/2115924#Echobox=1678347819 und der Artikel von gestern https://www.aktion-freiheitstattangst.org/de/articles/8339-20230318-was-bietet-chatgpt.htm

Kategorie[21]: Unsere Themen in der Presse Short-Link dieser Seite: a-fsa.de/d/3t4 Link zu dieser Seite: https://www.aktion-freiheitstattangst.org/de/articles/8340-20230319-ki-und-neuronale-netze-.htm

[deinheilpraktiker]

Studie zeigt, dass die Struktur der unregelmäßigen neuronalen Verbindungsstärken eine verborgene Ordnung enthält Im Gehirn entsteht unsere Wahrnehmung durch ein komplexes Zusammenspiel von Neuronen, die über Synapsen verbunden sind. Die Anzahl und Stärke der Verbindungen zwischen bestimmten Neuronentypen kann jedoch variieren. Forscher des Universitätsklinikums Bonn (UKB), des Universitätsklinikums Mainz und der Ludwig-Maximilians-Universität München (LMU) gemeinsam mit einem Forschungsteam des Max-Planck-Instituts für Hirnforschung in Frankfurt im Rahmen des DFG-geförderten Proj... #Auge #Forschung #Gehirn #in_vivo #Konnektomik #Kortex #Krankenhaus #Labor #Mausmodell #Neuronen #OKT #pH_Wert #Synapse #Thalamus

[korrektheiten]

Was denken wir über das Denken? Mysteriöse Gehirnleistungen

Anderwelt-online: »Nichts gibt dem Denken so sehr zu denken wie das Denken selbst: In jedem Augenblick entfaltet sich ein faszinierendes Zusammenspiel  von Neuronen in unserer Großhirnrinde. Diese Nervenzellen – unsere „Denkatome“ – existieren in atemberaubender Anzahl: 100 Milliarden Mal in unserem Gehirn. Weiter lesen    http://dlvr.it/THf8yN «

[axelknaus]

Forschung aus März 2022, Fraunhofer Gesellschaft Kohärenz wird durch das sendende Gehirnareal bestimmt, nicht durch das empfangene.

Mit dem Begriff „Kohärenz“ bezeichnet man in den Neurowissenschaften gleiche Schwingungen (Oszillationen), die von Neuronen-Populationen erzeugt werden. (Wenn ein Neuron feuert, dann liegt darin seine Aufmerksamkeit. Die Nervenzellen, also die Neuronen rund um das feuernde Neuron bilden die Population). Bisher ging die Forschung davon aus, dass unterschiedliche Hirnbereiche besonders gut miteinander kommunizieren, weil Kohärenz ihre Verbindung verstärkt.. Die Oszillationen wiederum erzeugen elektromagnetische Felder, die an der Kopfhaut oder im Gehirn mittels Elektroenzephalographie (EEG) gemessen werden können. (Kohärenz wäre der Grund dafür weshalb bei einer selektiven Wahrnehmung in der Realität Randgebiete mit in Erscheinung treten. Bsw. ich suche zu einem Thema weitere Informationen. Da ich dauerhaft am Thema arbeite tauchen in der Realität auch immer wieder Lösungen für meine Fragen auf) . Durch Kohärenz werden Gedankengänge einzelner Menschen für aussenstehende nachvollziehbar, auch wenn Kommunikation nur einseitig, also bipolar stattfindet.

Wir zeigen dass Kohärenz einfach dadurch entsteht, dass einzelne Neuronen in einem Bereich aktiv sind und (synaptische) Impulse in anderen Bereichen erzeugen. Dies hat zur Folge, dass die elektrischen Signale in den einzelnen Bereichen auf vorhersehbare Weise kohärent werden. Mit einer eleganten mathematischen Formel konnten wir beweisen, dass Kohärenz keine Voraussetzung für Kommunikation, sondern vielmehr eine direkte Folge der anatomischen Verbindung zwischen zwei Hirnbereichen und der Signalstärke ist, berichtet Marius Schneider vom Fraunhofer Institut. Ein Beispiel für Kohärenz aus der Realtität: Eine Person läuft eine Straße entlang, plötzlich ruft jemand etwas auf der anderen Straßenseite. Vielleicht bleibt die Person stehen, weil sie etwas gehört hat. Vielleicht geht die Person weiter, weil sie die Sprache nicht verstanden und sich folglich nicht angesprochen gefühlt hat. Vielleicht gibt es keine Reaktion, weil ein vorbeifahrender Lkw den Ruf übertönt. In allen Fällen wurde etwas gerufen, und die Geräusche auf den gegenüberliegenden Straßenseiten wurden miteinander in Verbindung gebracht. Aber nur aufgrund des Rufes kann nicht davon ausgegangen werden, dass die Nachricht auch empfangen oder verarbeitet wurde. Und es bedeutet auch nicht, dass die Kohärenz der Mechanismus ist, durch den der Ton übertragen wird.

[critchpodcast]

Neue Erkenntnisse über die Rolle von MCH-Neuronen beim nicht-hungergetriebenen Essen

Neue Erkenntnisse über die Rolle von MCH-Neuronen beim nicht-hungergetriebenen Essen: https://www.it-boltwise.de/neue-erkenntnisse-ueber-die-rolle-von-mch-neuronen-beim-nicht-hungergetriebenen-essen.html

[transmedialejournal]

Black Boxes in der künstlichen Intelligenz (KI) sind Modelle oder Systeme, deren interne Entscheidungsprozesse für Menschen schwer oder gar nicht nachvollziehbar sind. Der Begriff wird oft verwendet, um auf die Intransparenz von komplexen Modellen wie Deep Neural Networks (DNNs) hinzuweisen. Hier sind die wichtigsten Punkte:

1. Was bedeutet Black Box in der KI?

Eine Black Box ist ein System, das Eingaben entgegennimmt, diese verarbeitet und Ausgaben liefert, ohne dass klar wird, wie die Entscheidung oder Transformation zustande gekommen ist.

• Beispiel: Ein neuronales Netzwerk klassifiziert ein Bild als “Hund”, aber selbst die Entwickler können oft nicht genau erklären, warum das Modell zu dieser Entscheidung gekommen ist.

2. Warum sind KI-Modelle oft Black Boxes?

Die Intransparenz hat mehrere Ursachen:

• Komplexität der Modelle: Moderne neuronale Netze können Milliarden von Parametern haben. Es ist praktisch unmöglich, jeden einzelnen Parameter und seine Wechselwirkungen zu analysieren.

• Hierarchische Verarbeitung: DNNs verarbeiten Daten schichtweise. Jede Schicht abstrahiert die Informationen weiter, sodass es schwierig ist, die genaue Rolle einzelner Neuronen zu verstehen.

• Nicht-lineare Funktionen: Die Aktivierungsfunktionen in neuronalen Netzen machen die Beziehungen zwischen Eingabe und Ausgabe nichtlinear und damit schwer interpretierbar.

3. Warum ist das ein Problem?

Black Boxes können problematisch sein, weil:

• Mangelnde Erklärbarkeit: Wenn ein Modell eine falsche oder diskriminierende Entscheidung trifft, kann man nicht genau sagen, was schiefgelaufen ist.

• Vertrauensproblem: In kritischen Anwendungen wie Medizin, Justiz oder autonomen Fahrzeugen möchten Menschen nachvollziehen, warum ein System eine bestimmte Empfehlung gibt.

• Regulatorische Anforderungen: Gesetze wie die DSGVO (Datenschutz-Grundverordnung) verlangen, dass automatisierte Entscheidungen erklärbar sind.

4. Ansätze, um Black Boxes transparenter zu machen

Forscher arbeiten an Methoden, um KI-Systeme verständlicher zu machen:

a) Explainable AI (XAI)

• Lokale Erklärungen: Tools wie LIME oder SHAP zeigen, welche Eingabefaktoren für eine spezifische Entscheidung am wichtigsten waren.

• Beispiel: Ein Bildklassifizierungsmodell sagt “Katze”, weil es Schnurrhaare und spitze Ohren erkannt hat.

• Visuelle Erklärungen: Saliency Maps oder Heatmaps zeigen, auf welche Bereiche eines Bildes das Modell besonders geachtet hat.

b) Interpretable Modelle

• Einfachere Modelle wie Entscheidungsbäume oder lineare Regression sind per Design transparenter und leichter zu erklären, auch wenn sie weniger leistungsfähig sind.

c) Neuronale Netzwerke verständlicher machen

• Feature Visualization: Es wird versucht, herauszufinden, welche Muster ein Neuron in den Daten erkennt.

• Beispiel: Ein bestimmtes Neuron in einer Schicht aktiviert sich immer, wenn es eine “runde Form” wie ein Gesicht sieht.

• Layer-wise Relevance Propagation: Diese Methode zeigt, wie die Relevanz einer Eingabe durch die Schichten des Netzwerks propagiert wird.

5. Sind Black Boxes immer schlecht?

Nicht unbedingt. In einigen Fällen:

• Leistungsfähigkeit: Black Boxes wie DNNs können oft extrem komplexe Aufgaben lösen, die mit interpretierbaren Modellen unmöglich wären.

• Anwendungsspezifische Relevanz: In manchen Bereichen (z. B. Online-Werbung) ist die genaue Erklärung weniger wichtig als die reine Effektivität des Systems.

Fazit

Black Boxes sind ein Kernproblem in der KI, weil sie die Entscheidungsfindung von Modellen intransparent machen. Die Balance zwischen Erklärbarkeit und Leistungsfähigkeit ist eine der größten Herausforderungen moderner KI-Forschung.