Lektion 6 — Plastizität: Das Gehirn, das sich verändert
Wie funktioniert das Gehirn wirklich?
Learning Material
1 pagesLektion 6 — Plastizität: Das Gehirn, das sich verändert
Verstehen statt Staunen: Wie funktioniert das Gehirn wirklich?
Sheri Mizumori forscht an Ratten. Genauer: daran, wie Ratten durch Labyrinthe navigieren. Und die Befunde aus solchen Labors — klein, geduldige Experimente mit Nagetieren — haben eines der zentralen Dogmen der Neurologie des 20. Jahrhunderts zerstört.
Das Dogma lautete: Das Gehirn Erwachsener ist strukturell fixiert. Neuronen werden geboren, wachsen, und sterben. Neue kommen nicht nach. Das Netzwerk der Verbindungen ist im Erwachsenenalter unveränderlich.
Es stimmt nicht.
Neuroplastizität: Was sich wirklich verändert#
Neuroplastizität ist der Oberbegriff für die Fähigkeit des Gehirns, sich durch Erfahrung physisch zu verändern. Sie passiert auf mehreren Ebenen:
Synaptische Plastizität ist die häufigste Form. Synapsen werden stärker oder schwächer — in Echtzeit, abhängig vom Aktivitätsmuster der beteiligten Neuronen. Die Langzeitpotenzierung (LTP), die wir in Lektion 4 kennengelernt haben, ist der molekulare Mechanismus: mehr Rezeptoren werden in die postsynaptische Membran eingebaut, die Synapse reagiert empfindlicher. Das Gegenteil — Langzeitdepression (LTD) — schwächt Verbindungen, die lange inaktiv waren.
Axonales Wachstum und Pruning: In der Kindheit bildet das Gehirn zunächst weit mehr Synapsen als es braucht — eine Phase überschäumender Konnektivität. Im Laufe der Adoleszenz werden unbenutzte Verbindungen abgebaut ("synaptic pruning"), häufig genutzte werden verstärkt. Dieses Pruning erklärt, warum Sprachenlernen in der Kindheit leichter fällt als im Erwachsenenalter.
Neurogenese — das Nachwachsen neuer Neuronen — war das härteste Dogma, das fallen musste. Heute weiß man: Im Hippocampus entstehen auch im Erwachsenenalter neue Neuronen. Wie viele, wie häufig, und welche Funktion sie haben, ist noch Gegenstand aktiver Forschung. Aber der Grundbefund ist gesichert.
Die Londoner Taxifahrer#
In den späten 1990er Jahren wollte Eleanor Maguire wissen, ob Menschen, die ihr ganzes Berufsleben mit Navigation verbringen, ein anderes Gehirn haben. London war der ideale Ort für das Experiment: Die Stadt hat über 25.000 Straßen in einem Radius von sechs Meilen um Charing Cross. Wer eine Taxilizenz will, muss alle davon auswendig kennen — eine Anforderung, die man "The Knowledge" nennt und die zwei bis vier Jahre intensiven Lernens erfordert.
Maguire scannte die Gehirne von 16 Londoner Taxifahrern mit MRT und verglich sie mit denen von Kontrollpersonen. Der Befund war verblüffend eindeutig: Der hintere Hippocampus der Taxifahrer war signifikant größer als bei der Kontrollgruppe. Und — entscheidend — je länger jemand als Taxifahrer gearbeitet hatte, desto stärker war diese Vergrößerung ausgeprägt.
Das Gehirn hatte sich buchstäblich umgebaut. Der Bereich, der für räumliches Gedächtnis zuständig ist, war physisch gewachsen — als Reaktion auf jahrelange Navigation.
Eine Folgefrage: Gilt das nur für Taxi-Expertise? Nein. Musiker haben einen veränderten motorischen Kortex. Blinde haben erweiterte taktile und auditive Kortexbereiche. Jongleure, die neu eine Aufgabe erlernen, zeigen nach drei Monaten eine messbare Verdickung im visuellen Kortex — die sich wieder zurückbildet, wenn sie aufhören zu üben.
Was KI von diesen Ideen gelernt hat — und was nicht#
Frank Rosenblatt baute 1957 den Perceptron-Simulator: das erste künstliche neuronale Netz, direkt inspiriert von biologischen Neuronen. Die Logik war schlicht: Wenn biologische Neuronen durch Aktivitätsmuster lernen, könnten künstliche Einheiten dasselbe tun — mit Gewichten statt Synapsen, mit Backpropagation statt Hebb'scher Plastizität.
Backpropagation — der Algorithmus, der heutige KI-Systeme trainiert — ist eine mathematische Abstraktion des Lernprinzips: Fehler werden rückwärts durch das Netz propagiert, Gewichte werden angepasst, das System wird besser. Es ist Hebb'sche Plastizität, formalisiert und auf Silizium übertragen.
Aber die Analogie hat fundamentale Grenzen:
Kein Körper: Das biologische Gehirn ist untrennbar von seinem Körper. Propriozeption — das Gefühl, wo die eigenen Körperteile sind — speist ständig in das Nervensystem ein. Das Gehirn lernt nicht nur durch Sprache und Bilder, sondern durch Aktion und Rückmeldung. Ein Sprachmodell hat keinen Körper. Es lernt aus Text.
Kein Schlaf: Der Schlaf ist kein passiver Zustand. Das Gehirn nutzt ihn aktiv zur Gedächtniskonsolidierung: Im Tiefschlaf werden Erinnerungen aus dem Hippocampus in den Kortex übertragen. Im REM-Schlaf werden emotionale Inhalte verarbeitet. Wer nicht schläft, vergisst mehr. KI-Systeme haben keinen Schlaf. Sie werden einmalig trainiert und dann eingefroren.
Kein selektives Vergessen: Das biologische Gehirn vergisst aktiv — und das ist keine Fehlfunktion. Es filtert, komprimiert, generalisiert. KI-Systeme leiden unter "catastrophic forgetting": Wenn man sie auf neuen Daten trainiert, überschreiben sie die alten Kenntnisse. Biologische Plastizität balanciert Stabilität und Flexibilität auf eine Weise, die kein aktuelles KI-System repliziert.
Die Schlussfolgerung: KI ist vom Gehirn inspiriert, nicht das Gehirn. Die Inspiration war fruchtbar — aber das Ergebnis ist ein fundamental anderes System, das andere Stärken und andere Schwächen hat.
Nächste Lektion: Wer macht was? — Die Institutionen, Unternehmen und Forscher, die das Gehirn entschlüsseln wollen.
Lesezeit: ca. 10–11 Minuten