Seltsame Träume könnten Ihrem Gehirn helfen, besser zu lernen

Zusammenfassung: Träume, die gleichzeitig realistisch und bizarr erscheinen, helfen unserem Gehirn, allgemeine Konzepte aus früheren Erfahrungen zu lernen und zu extrahieren, berichtet eine neue Studie.

Quelle: Menschliches Gehirn-Projekt

Eine neue Studie von Forschern der Universität Bern, Schweiz, legt nahe, dass Träume – insbesondere solche, die gleichzeitig realistisch, aber bei näherer Betrachtung bizarr erscheinen – unserem Gehirn helfen, zu lernen und allgemeine Konzepte aus früheren Erfahrungen zu extrahieren.

Die Studie, die im Rahmen des Human Brain Project durchgeführt und in veröffentlicht wurde eLifebietet eine neue Theorie über die Bedeutung von Träumen mit von maschinellem Lernen inspirierter Methodik und Gehirnsimulation.

Die Bedeutung von Schlaf und Träumen für Lernen und Gedächtnis ist seit langem bekannt – die Auswirkungen, die eine einzige unruhige Nacht auf unsere Wahrnehmung haben kann, sind bekannt. „Was uns fehlt, ist eine Theorie, die dies mit der Konsolidierung von Erfahrungen, der Verallgemeinerung von Konzepten und Kreativität verbindet“, erklärt Nicolas Deperrois, Erstautor der Studie.

Während des Schlafs erleben wir üblicherweise zwei Arten von Schlafphasen, die sich nacheinander abwechseln: Nicht-REM-Schlaf, wenn das Gehirn den im Wachzustand erlebten sensorischen Reiz „wiedergibt“, und REM-Schlaf, wenn spontane Ausbrüche intensiver Gehirnaktivität lebhafte Träume hervorrufen .

Die Forscher verwendeten Simulationen der Hirnrinde, um zu modellieren, wie sich verschiedene Schlafphasen auf das Lernen auswirken. Um ein ungewöhnliches Element in die künstlichen Träume einzuführen, ließen sie sich von einer Technik des maschinellen Lernens namens Generative Adversarial Networks (GANs) inspirieren.

In GANs konkurrieren zwei neuronale Netze miteinander, um aus demselben Datensatz neue Daten zu generieren, in diesem Fall eine Reihe einfacher Bilder von Objekten und Tieren. Diese Operation erzeugt neue künstliche Bilder, die für einen menschlichen Beobachter oberflächlich realistisch aussehen können.

Die Forscher simulierten dann den Kortex in drei verschiedenen Zuständen: Wachheit, Nicht-REM-Schlaf und REM-Schlaf. Im Wachzustand wird das Modell Bildern von Booten, Autos, Hunden und anderen Objekten ausgesetzt. Im Nicht-REM-Schlaf gibt das Modell die sensorischen Eingaben mit einigen Okklusionen wieder.

Der REM-Schlaf erzeugt durch die GANs neue sensorische Eingaben und erzeugt verdrehte, aber realistische Versionen und Kombinationen von Booten, Autos, Hunden usw.

Um die Leistung des Modells zu testen, bewertet ein einfacher Klassifikator, wie einfach die Identität des Objekts (Boot, Hund, Auto usw.) aus den kortikalen Repräsentationen gelesen werden kann.

„Nicht-REM- und REM-Träume werden realistischer, wenn unser Modell lernt“, erklärt Jakob Jordan, Seniorautor und Leiter des Forschungsteams.

„Während Nicht-REM-Träume Wacherfahrungen ziemlich ähnlich sind, neigen REM-Träume dazu, diese Erfahrungen kreativ zu kombinieren.“

Dieses zeigt eine schlafende Frau und ein seltsam aussehendes Haus über ihrem Kopf
Die Bedeutung von Schlaf und Träumen für Lernen und Gedächtnis ist seit langem bekannt – die Auswirkungen, die eine einzige unruhige Nacht auf unsere Wahrnehmung haben kann, sind bekannt. Das Bild ist gemeinfrei

Interessanterweise nahm die Genauigkeit des Klassifikators ab, wenn die REM-Schlafphase im Modell unterdrückt oder diese Träume weniger kreativ gestaltet wurden. Wenn die NREM-Schlafphase entfernt wurde, reagierten diese Repräsentationen tendenziell empfindlicher auf sensorische Störungen (hier Okklusionen).

Laut dieser Studie scheinen Wachheit, Non-REM- und REM-Schlaf komplementäre Funktionen für das Lernen zu haben: das Erleben des Stimulus, das Festigen dieser Erfahrung und das Entdecken semantischer Konzepte. „Wir denken, dass diese Ergebnisse auf eine einfache evolutionäre Rolle für Träume hindeuten, ohne ihre genaue Bedeutung zu interpretieren“, sagt Deperrois.

„Es sollte nicht überraschen, dass Träume bizarr sind: Diese Bizarrheit dient einem Zweck. Wenn Sie das nächste Mal verrückte Träume haben, versuchen Sie vielleicht nicht, eine tiefere Bedeutung zu finden – Ihr Gehirn organisiert vielleicht einfach nur Ihre Erfahrungen.“

Neuigkeiten aus der Schlaf-, Traum- und Lernforschung

Autor: Roberto Inchingolo
Quelle: Menschliches Gehirn-Projekt
Kontakt: Roberto Inchingolo – Human Brain Project
Bild: Das Bild ist gemeinfrei

Originalforschung: Uneingeschränkter Zugang.
Lernen kortikaler Repräsentationen durch gestörtes und widersprüchliches Träumen“ von Nicolas Deperrois et al. eLife


Abstrakt

Siehe auch

Dieses zeigt eine Familie an einem Strand

Lernen kortikaler Repräsentationen durch gestörtes und widersprüchliches Träumen

Menschen und andere Tiere lernen, allgemeine Konzepte aus Sinneserfahrungen ohne umfassenden Unterricht zu extrahieren. Es wird angenommen, dass diese Fähigkeit durch Offline-Zustände wie Schlaf erleichtert wird, in denen frühere Erfahrungen systematisch wiederholt werden. Die charakteristische kreative Natur von Träumen legt jedoch nahe, dass das Lernen semantischer Repräsentationen über das bloße Wiedergeben früherer Erfahrungen hinausgehen kann.

Wir unterstützen diese Hypothese durch die Implementierung einer kortikalen Architektur, die von Generative Adversarial Networks (GANs) inspiriert ist.

Das Lernen in unserem Modell ist in drei verschiedenen globalen Gehirnzuständen organisiert, die Wachheit, nicht schnelle Augenbewegung (NREM) und REM-Schlaf nachahmen und unterschiedliche, aber komplementäre, objektive Funktionen optimieren.

Wir trainieren das Modell auf Standarddatensätzen natürlicher Bilder und bewerten die Qualität der gelernten Repräsentationen.

Unsere Ergebnisse legen nahe, dass die Generierung neuer, virtueller sensorischer Eingaben durch kontradiktorisches Träumen während des REM-Schlafs für die Extraktion semantischer Konzepte unerlässlich ist, während das Wiedergeben episodischer Erinnerungen durch gestörtes Träumen während des NREM-Schlafs die Robustheit latenter Repräsentationen verbessert.

Das Modell bietet eine neue rechnerische Perspektive auf Schlafzustände, Gedächtniswiederholungen und Träume und schlägt eine kortikale Implementierung von GANs vor.

Leave a Comment

Your email address will not be published.