Die Leistungsfähigkeit des menschlichen Denkens wurde lange vor allem auf die schiere Zahl der Nervenzellen und ihrer Verknüpfungen zurückgeführt. Eine neue Modellstudie verschiebt den Fokus auf eine sehr viel kleinere Ebene. Sie zeigt, dass eine einzelne Zelle der menschlichen Großhirnrinde bereits eine Rechenkomplexität erreicht, für deren Nachbildung ein mehrschichtiges künstliches Netz nötig ist. Verantwortlich sind zwei konkrete bauliche und biophysikalische Unterschiede.
Nervenzellen werden in vereinfachten Darstellungen gern als Schalter beschrieben, die eingehende Signale aufsummieren und ab einer bestimmten Schwelle einen elektrischen Impuls aussenden. Diese Vorstellung hat die Entwicklung künstlicher neuronaler Netze maßgeblich geprägt, denn dort entspricht eine Einheit genau einer solchen Summenbildung mit anschließender Schwellwertentscheidung. Die reale Zelle ist deutlich komplexer aufgebaut. Von ihrem Zellkörper gehen weit verzweigte Fortsätze aus, die Dendriten, an denen tausende Synapsen ansetzen. Diese Verzweigungen leiten Spannungsänderungen nicht nur passiv weiter, sondern verstärken sie unter bestimmten Bedingungen. Weil weit auseinanderliegende Äste elektrisch teilweise voneinander entkoppelt sind, kann ein einzelner Ast Signale eigenständig verrechnen, bevor das Ergebnis den Zellkörper überhaupt erreicht. Ein Dendritenbaum verhält sich dadurch weniger wie ein Kabel und eher wie eine Sammlung halbselbstständiger Recheneinheiten.
Ein Team des Edmond and Lily Safra Center for Brain Sciences an der Hebräischen Universität Jerusalem und der Vrije Universiteit Amsterdam hat diesen Unterschied nun quantifiziert. Die Forscher entwickelten dafür ein Maß für die funktionale Komplexität einer einzelnen Zelle. Das Vorgehen ist im Kern ein Nachbau-Test: Aus rekonstruierten realen Zellmorphologien entstanden detaillierte biophysikalische Modelle, deren Ein- und Ausgangsverhalten anschließend durch künstliche Netze angenähert wurde. Die Frage lautete, wie viele Schichten und wie viele Einheiten ein solches Netz benötigt, um die Antwort der biologischen Zelle über die Zeit hinweg korrekt vorherzusagen. Je tiefer das erforderliche Netz ausfällt, desto mehr eigenständige Rechenschritte muss die Zelle bereits selbst leisten. Damit wird ein bislang schwer greifbarer Unterschied vergleichbar.
Verglichen wurden Pyramidenzellen der Großhirnrinde von Mensch und Ratte, also derselbe Zelltyp in derselben Hirnregion bei zwei Arten mit sehr unterschiedlicher kognitiver Ausstattung. Das Ergebnis fällt deutlich aus: Die menschlichen Zellen erreichen eine erheblich höhere funktionale Komplexität, und die Studie führt das auf zwei Ursachen zurück. Erstens ist die Membranfläche der Dendriten größer und das Verzweigungsmuster ausgedehnter, besonders bei den Endästen der basalen Dendriten. Dadurch entstehen mehr voneinander unabhängige Rechenbereiche innerhalb einer einzigen Zelle. Zweitens unterscheiden sich die Synapsen selbst. Die NMDA-Rezeptoren menschlicher Kortexzellen zeigen eine höhere Leitfähigkeit und eine steilere Spannungsabhängigkeit, was ihre Reaktion stärker nichtlinear macht. Diese Nichtlinearität ist die eigentliche Voraussetzung dafür, dass mehrere Verarbeitungsschritte hintereinander überhaupt einen Gewinn bringen.
Die verbreitete Erklärung menschlicher Denkleistung setzt vor allem auf Skalierung, also auf die rund 86 Milliarden Nervenzellen und die noch weit höhere Zahl ihrer Verbindungen. Die neuen Ergebnisse widersprechen dem nicht, ergänzen ihn aber um eine zweite Ebene: Auch die einzelnen Bausteine selbst wurden im Lauf der Evolution leistungsfähiger, nicht nur zahlreicher. Damit reiht sich die Arbeit in eine Serie von Befunden ein, die einfache Größenargumente relativieren. So zeigte eine Untersuchung, dass der Zusammenhang zwischen IQ und Gehirngröße überschätzt wird. Für die Neurowissenschaft folgt daraus, dass Modelle des Kortex, die eine Zelle als einfache Recheneinheit behandeln, deren Beitrag systematisch unterschätzen.
Einschränkend gilt, dass die Untersuchung auf Simulationen beruht und nicht auf Ableitungen an lebendem Gewebe. Die zugrunde liegenden Modelle stützen sich zwar auf gemessene Morphologien und biophysikalische Kennwerte, bilden die Zelle aber notwendigerweise vereinfacht ab. Ob die berechnete Komplexität im Verbund tatsächlich genutzt wird, lässt sich daraus nicht ableiten, denn ein Netzwerk kann seine Bausteine auch deutlich unterhalb ihrer Möglichkeiten betreiben. Dafür spricht, dass die tatsächliche Verarbeitungsrate im Alltag erstaunlich niedrig liegt, wie eine Analyse zur Denkgeschwindigkeit des menschlichen Gehirns ergab. Interessant ist der Ansatz dennoch für beide Richtungen, weil er ein übertragbares Maß liefert, mit dem sich Zelltypen verschiedener Arten und Hirnregionen erstmals direkt vergleichen lassen.
Proceedings of the National Academy of Sciences, Dendritic morphology and synaptic nonlinearities enhance functional complexity in human cortical neurons; doi:10.1073/pnas.2533168123