Monografie von Dr. rer. nat. Andreas Heinrich Malczan
Interessierte und qualifizierte Forscher gesucht!
Ich suche interessierte Forscher, die sich uneigennützig und unentgeltlich - nur für Ruhm und Ehre - an der weiteren Entwicklung der hier in den Grundzügen dargestellten Gehirntheorie beteiligen möchten.
Es geht vorwiegend um die mathematische Aufbereitung der Grundlagen der menschlichen Intelligenz, wie sie durch das menschliche Gehirn ermöglicht wird.
Es gibt mehrere Forschungsrichtungen:
1. Elementarsignale (Gruppentheorie und Topologie)
Die Elementarsignale werden entweder durch Rezeptoren erzeugt oder gehen durch Signalinversion aus ihnen hervor. Zu jedem Signal existiert ein inverses Signal. Seine Signalstärke ist die Feuerrate. Elementarsignale lassen sich grundsätzlich jeweils einer von vielen Modalitäten zuordnen. Die Anzahl verschiedener Modalitäten ist endlich. Die Modalitäten spannen einen endlichdimensionalen Raum auf. Die Feuerrate einer Modalität stellt eine reelle Zahl dar. Einer inversen Größe ordnen wir eine negative Feuerate zu.
Den Übergang von einer Größe zur inversen Größe realisiert die inverse Transformation. Das Produkt einer Größe und ihrer Inversen ergibt das Quadrat des Signalmittelwertes dieser Modalität (oder einer Modalitätengruppe).
Die Elementarsignale sind gruppentheoretisch zu beschreiben. Aus ihnen gehen die Komplexsignale erster Stufe hervor durch die Divergenztransformation. Diese erzeugt aus dem stetigen Modalitätenraum einen diskreten Punktraum, der eine Teilmenge des Modalitätenrames darstellt. Dies bedeutet quasi eine Digitalisierung des stetigen Raumes, so wie Computer eine digitalisierte Darstellung der Welt durch endliche Dualzahlen ermöglichen. Die an sich stetige Feuerrate wird auf eine endliche Menge von Feuerratenintervallen abgebildet, jedes Feuerratenintervall repräsentiert ein Komplexsignal erster Stufe. Das Kontinuum wird durch die Divergenztransformation auf eine diskrete Punktmenge im endlichdimensionalen Modalitätenraum abgebildet - denn das Gehirn hat nur endlich viele Nervenzellen.
Im Gehirn wird das Kontinuum wird digitalisiert. In der Zahlentheorie ist es umgekehrt. Dort wird das Diskrete in das Kontinuum überführt:
natürliche Zahlen -> ganze Zahlen -> rationale Zahlen-> reelle Zahlen
Im Gehirn dagegen:
kontinuierliche Feuerrate -> diskrete Feuerrate (repräsentiert durch ein zugehöriges Intervall).
Die Komplexsignale erster Stufe stellen den Input des Gehirnsystems dar.
Komplexsignale entstehen im Gehirnsystem in Divergenzschaltungen.
Kompliziert wird alles dadurch, dass es Modalitäten in drei Dimensionen gibt. Muskelsignale etwa sind eindimensionale Signale, sie weisen lediglich eine kontinuierliche Feuerrate auf.
Visuelle oder taktile Signale weisen neben der Feuerrate eine Koordinate in einer Fläche auf, sind also als Funktionswerte einer zweidimensionalen Funktion (Länge, Breite) interpretierbar. So entstehen neurolane Landkarten.
Dreidimensionele Rezeptorsignale beziehen sich auf Rezeptoren, die im Raum - etwa im Körper - verteilt sind.
Egal, welche Dimension Rezeptorsignale einer Modalität aufweisen, (fast) immer existieren inverse Signale mit gleichen Raumkoordinaten. Ebenfalls existieren - wenigstens für zweidimensionale Rezeptorsinale (etwa Sehsignale) Divergenzschaltungen, die diese Signale ebenfalls "digitalisieren", also aus der stetigen Form in eine diskrete Form überführen.
Hier sind topologische Analysen nötig, da Signale die Grundlage aller menschlichen und tierischen Intelligenz bilden.
1. Komplexsignale erster Stufe und ihre Echos
Durch Echobildung entstehen zu Komplexsignalen erster Stufe Echosignale. Es gibt zwei Arten: kurzlebige (kurze Echos) mit endlicher und kleiner Lebensdauer und Ewigkeitssignale (lange Echos) mit unendlicher Lebensdauer, die jedoch durch Stopsignale beendet werden kann. Echos werden als Nachfolger des Signals aufgefasst in dem Sinne, dass es eine zeitliche Reihenfolge mit Vorgänger und Nachfolger gibt.
Endliche Echos (Dauer etwa 50 bis 100 Millisekunden) entstehen in den Basalganglien, unendliche im hippocampalen - genauer limbischen System sowie auf Grund von Signalrotatonen in Signalschleifen (Cortex-Cerebellum-System). Komplexsignale und ihre Echos stellen den alleinigen Input des Gehirnsystems dar.
Stopsignale zur Unterbrechung von Ewigkeitssignalen entstehen beispielsweise im Nucleus suprachiasmaticus, diese erreichen die limbischen Ratationsschleifen topologisch wohlgeordnet.
2. Komplexsignale höherer Stufe und ihre Echos
Komplexsignale (aller Stufen) sowie ihre kurzen und langen Echos stellen den Input eines speziellen neuronalen Netzes dar, welches hier als das direkte Netz bezeichnet wird. Der Output kann wieder als (neues) Elementarsignal aufgefasst werden, welches im bisherigen Signalraum durch eine Punktmenge repräsentiert wird und selbst als neue Modalität aufgefasst werden kann. Auf dieser neuen Modalität wird dieses Signal durch einen Punkt auf der zugehörigen Modalitätenachse dargestellt. Die Lage auf der neuen Modalitätenachse ergibt sich direkt aus der Feuerrate dieses Signals. Aus dem Output wird wieder standardmäßig ein inverses Signal gewonnen sowie das kurze und lange Echo.
Jedes vom neuronalen Netz als Output ausgegebene Komplexsignal wird in einen inversen neuronalen Netz wieder in seine ursprünglichen Elementarsignale transformiert und als Input in das ursprüngliche, direkte Netz eingespeist. So kommt es zu einer Signalrotation zwischen dem direkten und dem inversen Netz.
Der Signalzustand des direkten und des inversen Netzes kann auf der Zeitachse verfolgt und analysiert werden.
3. Intelligenzentstehung
Intelligenz entsteht im beschriebenen System zwangsläufig und gesetzmäßig durch die systemeigenen Lernalgotithmen. Bezüglich der Signaltopologie (der Anordnung der Signale im diskreten, mehrdimensionalen Raum und hinsichtlich der zeitlichen Nähe zueinander) existiert im System eine Nachbarhemmung (laterale Hemmung benachbarter Neuronen) durch hemmende Interneuronen. Einem Neuron entspricht im topologischen Raum ein Punkt. Nachbarpunkte werden gehemmt, die Hemmung wächst mit zunehmender Signalstärke und nimmt mit dem Abstand zum gehemmten Neuron (Raumpunkt) ab. Die Kennlinie der Hemmungsfunktion muss untersucht werden.
Innerhalb der neuronalen Schaltung existiert ein Mittelwertsystem. Mittelwertneuronen sammeln Input der Umgebung räumlich und zeitlich integrierend auf. Die Umgebung nennen wir Cluster. Das Outputsignal eines Clusters wirkt im neuronalen Netz aktivierend auf die Signalneuronen, die Input aus diesem Cluster erhalten. Dadurch wird der Prozess des Hebbschen Lernens zusätzlich verstärkt. Das Mittelwertsignal wirkt sozusagen als Schreibbefehl - wie in modernen Computern - und beschleunigt das Signalerlernen extrem (1 Sekunde könnte schon ausreichen, um etwas langfristig zu speichern)
Die Speicherzellen des neuronalen Netzes im Gehirn - genauer im Cerebellum - bilden Ketten aus Speicherzellen, alle Speicherzellen einer Kette erhalten völlig identischen Input aus einem zugeordneten Cluster - alle Elementarsignale und zusätzlich das Schreibsignal.
Hat eine Speicherzelle ein Signal erlernt (gespeichert), so hemmt sie die Signalweiterleitung der Elementarsignale in der Signalkette.
Weiterhin sind viele Ketten parallelgeschaltet, auch diese erhalten gleichen Input aus dem gleichen Signalcluster.
Die Outputneuronen (Purkinjezellen) dieser Clustergruppe stehen untereinander in neuronaler Konkrrenz. Hat ein Outputneuron ein Signal erlernt, hemmt es das gemeinsame Schreibsignal (Mittelwertsignal) des Clusters - die Feuerrate des Outputsignals bestimmt die Hemmungsstärke. Dadurch verringert sich die Signalstärke des Schreibsignals.
Fällt die Feuerrate des Schreibsignals eines Clusters unter einen charakteristischen, niedrigen Wert, so tritt eine Funktionswandlung auf: Das Signal wirkt auf alle angeschlossenen Zellen - mit Ausnahme der Outputzelle, die die Signalhemmung verursacht - als Löschsignal. Dadurch verlernen die übrigen Zellen in der gleichen Kette ihre Erinnerung an dieses Signal und sind als leere Speicherzellen für neue Signal bereit.
Der Output dieses neuronalen Netzes wird wieder als Input für ein inverses neuronales Netz bereitgestellt. Im topologisch organisierten Outputraum gibt es wieder Mittelwertcluster, die Schreibsignale für das inverse Netz erzeugen. Durch Lernen nach beschriebenem Verfahren erlernt das inverse Netz, zu jedem Komplexsigjal wieder die ursprünglichen Elementarsignale zu erzeugen. Diese erreichen als Input wieder das ursprüngliche - direkte - neuronale Netz.
So kommt es zur Signalrotaion (Signaloszillation). Diese wurde im Gehirn bereits vor längerer Zeit beobachtet (Rolf Singer).
Zusätzlich verlässt der Output des Clusters das System und wird einem neuen, identisch aufgebauten System (nächsthöherer Stufe) zugeführt. Dort wird der Output mehrerer Ursprungscluster zu einem neuen Cluster zweiter Stufe zusammengefasst, welches wiederum ein neues Mittelwertsignal bildet. Parallel dazu bildet sich in inverses neuronales Netz.
So entsteht ein hierarchisch aufgebautes System aus neuronale und inversen Netzen erster, zweiter, dritter Stufe usw. Jeder Stufe ist eine Bewusstseinsebene zugeordnet - beginnend beim Körperbewusstsein.
Erschwerend für eine theoretische Analyse ist die Existenz der zu jedem Signal existierenden kurzen und langen Echos, wodurch das neuronale Netz und sein inverses Netz zusätzlich Vergangenheitssignale einbeziehen und eine Zeitachse ins System hineinkommt.
Die Theorie des inversen Netzes für zeitliche Folgen von Signalen muss erst noch entwickelt werden. Beispiel: In welcher Form existiert eine Signalrotation für den gesprochenen Satz: "Hunde fressen Fleisch". Wie ist die Aktivität der Elementarsignale und Komplexsignale für diesen Beispielsatz organisiert?
Theoretisch ungeklärt oder nur im Ansatz vorhanden sind Fragen der topologischen Organisation der Formenerkennung - es muss ein neuronales Netz für die Verschiebung, die Drehung und die Größenänderung optischer Abbildungen geben. Der Ansatz sieht die permanente Aktivierung benachberter Neuronen vor, die einer gering veränderten Position zugeordnet sind.
Es gilt zu beweisen, dass menschliche Intelligenz letztlich häufigkeitsbezogen entsteht. Statistisch häufigere Signale unterdrücken statistisch seltenere.
Ebenfalls fehlt eine Theore der Orientierung (des Menschen) im Raum. Grundlage sind die Überlagerungen topologischer Karten (neuronale Abbildungen der Umwelt), die mit erregenden (positiven) und hemmenden (negativen) Signalen arbeiten, die ihren Ursprung in den retinalen Abbildungen der zwei Augen haben.
Überlagerungen dieser erregenden und hemmenden Signale, die sich beide räumlich in der Ebene ausbreiten - wobei eine abstandsabhängige Dämpfung auftritt, führt dazu, dass in der Abbildungsebene eine räumliche Funktion mit Erregungsmaxime (erstrebenswerte Ziele, Futter, Sexualpartner) und Erregungsminima (Gefahrenquellen; Bäume, Fressfeinde) entsteht. Dieser Output steuert topologisch wohlgeordnet die Körpermuskeln, weil die Outputneuronen dem räumlichen Körpermodell entsprechend angeordnet sind. Im Kopf entsteht also ein virtuelles Erregungsbild der Umwelt, welches die Körperbewegungen über Schwerpunktmodule ansteuert.
Hier sind die Funktionentheoretiker gefragt - die sich mit der Analyse von Potentialfunktionen auskennen.
Die theoretische Analyse der beteiligten Lernalgorithmen wird wahrscheinlich nachweisen, dass der Mensch und alle Wirbeltiere das häufigkeitsbezogene Lernen anwenden.
Damit würde die Gehirntheorie der Intelligenz aufzeigen, warum der Menschheit oder einzelnen Gruppen (Nationen) grundsätzlich zwei Wege offenstehen: Der Weg zur Demokratie und der Weg zur Diktatur.
Diktaturen nutzen die häufigkeitsbezogene Lernmethode des Gehirns für ihre Zwecke. Ständiges verbreiten ihrer Ideologien und die Unterdrückung von Bildung, Meinungsvielfalt und Meinungsfreiheit sind garantierte Wege zur Unterdrückung der Mehrheit durch eine Minderheit und müssen daher von allen Zivilgesellschaften verurteilt, verhindert und bekämpft werden. Das meschliche Gehirn ist anfällig für die Installation von Unfreiheit, Meinungsarmut und Knechtschaft. Die Hirnforschung hat auch die Aufgabe, diese Zusammenhänge wissenschaftlich zu erforschen.
Interessenten werden gebeten, sich per Mail an mich zu wenden: kontakt@andreas-malczan.de