Computernetzwerk imitiert schizophrenes Denken
"Die Hypothese ist, dass Dopamin die Bedeutung, den Stellenwert und die Erfahrung kodiert", sagte Uli Grasemann, ein Doktorand am Institut für Informatik der University of Texas in Austin.
"Wenn zu viel Dopamin vorhanden ist, führt dies zu einer übertriebenen Ausstrahlung, und das Gehirn lernt am Ende aus Dingen, aus denen es nicht lernen sollte."
Die Studie bestätigt eine Hypothese, die als „HyperlernenDies deutet darauf hin, dass Menschen mit Schizophrenie die Fähigkeit verlieren, so viel zu vergessen oder zu ignorieren, wie sie es normalerweise tun würden.
Wenn eine Person die Fähigkeit verliert, die Bedeutung der enormen Mengen an Reizen im Gehirn zu entschlüsseln, beginnt sie, Verbindungen herzustellen, die nicht real sind, oder in einem Ozean von so vielen Verbindungen zu ertrinken, dass sie keine zusammenhängende Geschichte zusammenstellen kann .
Das neuronale Netzwerk (DISCERN genannt) wurde von Grasemanns Berater Risto Miikkulainen, Ph.D., entwickelt und kann natürliche Sprache lernen.
DISCERN wurde verwendet, um zu simulieren, was mit der Sprache während acht verschiedener Arten von neurologischen Dysfunktionen passiert. Die Ergebnisse der Simulationen wurden von Ralph Hoffman, M. D., Professor für Psychiatrie an der Yale School of Medicine, mit dem verglichen, was er beim Studium menschlicher Schizophrener sah.
Um den Prozess nachzuahmen, begannen die Forscher, DISCERN einige einfache Geschichten beizubringen, die dann in das Gedächtnis von DISCERN aufgenommen wurden, ähnlich wie das menschliche Gehirn Informationen speichert: nicht als separate Einheiten, sondern als statistische Beziehungen von Wörtern, Sätzen, Skripten und Geschichten.
„Bei neuronalen Netzen trainieren Sie sie im Grunde genommen, indem Sie ihnen immer und immer wieder Beispiele zeigen“, sagte Grasemann.
„Jedes Mal, wenn Sie ein Beispiel zeigen, sagen Sie, wenn dies die Eingabe ist, sollte dies Ihre Ausgabe sein, und wenn dies die Eingabe ist, sollte dies Ihre Ausgabe sein. Du machst es immer wieder tausende Male und jedes Mal passt es sich ein bisschen mehr an das an, was du willst. Wenn Sie es genug tun, hat das Netzwerk am Ende gelernt. “
Die Forscher modellierten das Hyper-Lernen, indem sie das System erneut auf Herz und Nieren prüften, änderten jedoch einen Schlüsselfaktor: Sie ahmten eine große Freisetzung von Dopamin nach, indem sie die Lernrate des Systems erhöhten - und sagten ihm im Grunde, es solle aufhören, so viel zu vergessen.
"Es ist ein wichtiger Mechanismus, Dinge ignorieren zu können", sagt Grasemann. "Wir haben festgestellt, dass wenn Sie die Lernrate in DISCERN hoch genug erhöhen, dies zu Sprachanomalien führt, die auf Schizophrenie hindeuten."
Nachdem DISCERN mit der erhöhten Lernrate umgeschult worden war, begann es, sich in fantastische, wahnhafte Geschichten einzufügen, die Elemente aus anderen Geschichten enthielten, an die man sich erinnern sollte. In einem Fall übernahm DISCERN beispielsweise die Verantwortung für einen Terroranschlag.
In einem anderen Beispiel zeigte DISCERN Hinweise auf eine „Entgleisung“ - die Beantwortung von Anfragen nach einem bestimmten Gedächtnis mit einem Durcheinander dissoziierter Sätze, plötzlichen Abweichungen vom Thema und ständigem Springen von der ersten zur dritten Person und wieder zurück.
"Informationsverarbeitung in neuronalen Netzen ähnelt in vielerlei Hinsicht der Informationsverarbeitung im menschlichen Gehirn", sagte Grasemann. „Die Hoffnung war also, dass es auch auf ähnliche Weise zusammenbrechen würde. Und das hat es getan. “
Die Ähnlichkeit zwischen dem neuronalen Netzwerk und der menschlichen Schizophrenie ist kein unbestreitbarer Beweis dafür, dass die Hyper-Learning-Hypothese richtig ist, sagte Grasemann. Es bietet jedoch Unterstützung für die Hypothese.
"Wir haben so viel mehr Kontrolle über neuronale Netze als jemals zuvor über menschliche Subjekte", sagte er. "Die Hoffnung ist, dass diese Art der Modellierung der klinischen Forschung helfen wird."
Die Studie ist veröffentlicht in Biologische Psychiatrie.
Quelle: Universität von Texas in Austin
