Artikelaktionen

Sie sind hier: Startseite / Forschung / Wissenschaftler im Porträt / Matthias Bethge

Matthias Bethge

Bernstein Preisträger 2006,
Max-Planck-Institut für Biologische Kybernetik

bethge150


Matthias Bethge ist Träger der Bernstein Preises 2006. Mit dem international ausgeschriebenen Preis zeichnet das BMBF jährlich exzellente NachwuchswissenschaftlerInnen auf dem Gebiet der "Computational Neuroscience" aus und ermöglicht ihnen den Aufbau einer selbständigen Nachwuchsgruppe. Bethge hat in Göttingen Physik studiert. Nach seiner Promotion in Bremen arbeitete er als Post-Doc in der Arbeitsgruppe von Bruno Olshausen am Redwood Neuroscience Institute in Kalifornien. Seit November 2005 ist Bethge am Max-Planck-Institut für biologische Kybernetik in Tübingen in der Arbeitsgruppe von Bernhard Schölkopf tätig.

Die Sprache des Gehirns

Neurone geben Signale in Form von kurzen, elektrischen Impulsen weiter – sie „feuern“. Jede Wahrnehmung – vom Duft einer Rose bis hin zum Farbenspiel eines Sonnenuntergangs – wird im Gehirn in solche „Morsesignale“ der Neurone umgesetzt. Schon seit seiner Diplomarbeit beschäftigt sich Bethge mit Fragen der neuronalen Informationsverarbeitung. Ist die Feuerrate von Neuronen entscheidend in der Informationskodierung, spielt das gemeinsame Aktivitätsmuster mehrerer Neurone eine Rolle? Die Informationsverarbeitung im Gehirn muss sehr schnell gehen. Berechnungen von Bethge zeigen, dass eine maximale Informationssrate erreicht werden kann, wenn Neurone nach dem Alles-oder-Nichts-Prinzip entweder ganze Salven von Impulsen feuern oder minimale Aktivität zeigen. „Feine Unterschiede in der Frequenz der Impulse können in so kurzer Zeit nicht aufgelöst werden“, meint Bethge. Darüber hinaus kann das System nur funktionieren, wenn ganze Populationen von Neuronen gemeinsam Informationen kodieren. „Es ist eine große Herausforderung, ein solches System zu analysieren und zu verstehen“, sagt Bethge.

Nicht jede Information, die das Gehirn über die Sinnesorgane erreicht, wird verarbeitet – viel mehr ist das Gehirn in der Lage, relevante von irrelevanter Information zu unterscheiden und zu filtern. Aber nicht nur das, es kann auch visuelle Information interpretieren. Aus dem zweidimensionalen Bild, das auf die Netzhaut fällt, leitet es zum Beispiel die dreidimensionale Struktur von Gegenständen ab. Bei der Erforschung, wie das visuelle System aus der riesigen Menge an sensorischem Input verwertbare Rückschlüsse ziehen kann, arbeitet Bethge mit methodisch unterschiedlichen Ansätzen.

Als einen „Top-Down-Ansatz“ bezeichnet Bethge die abstrakte Überlegung, nach welchen Prinzipien das Gehirn vorgehen könnte, um sensorische Eindrücke optimal zu verarbeiten. „Was würden wir tun, wenn wir eine Maschine bauen wollen, die dreidimensionale Strukturen erkennen soll?“, fragt er. Daraus ergeben sich nicht nur Erkenntnisse über das biologische Sehen, sondern auch Anwendungen im Bereich der künstlichen Intelligenz. „Die Forschung auf dem Gebiet des rechnergestützten Sehens bemüht sich in der Regel um Lösungen für sehr spezifische Anwendungen“, sagt Bethge. Nur stark eingeschränkte Klassen von Objekten können von Computern erkannt werden. Sie greifen dazu auf Vorkenntnisse zurück, die sich nicht auf andere Objektklassen übertragen lassen. Das Gehirn hingegen ist auch in der Lage, anhand von Schatten und Kanten die Gestalt einer abstrakten Skulptur zu erfassen, von der es keine speziellen Vorkenntnisse hat. „Wir versuchen die Prinzipien dieser Formanalyse zu verstehen, so dass Computer irgendwann auch Bilder mit ganz unterschiedlichen Inhalten richtig interpretieren können“, so Bethge.

In einem „Bottom-Up-Ansatz“ geht Bethge von Messungen neuronaler Aktivitäten aus. Aus der Art und Weise, wie die Nervenzellen auf visuelle Stimuli reagieren, zieht er Schluss-folgerungen über die Bildverarbeitung. Derzeitige Modelle der Bildanalyse im Gehirn nehmen eine weitgehend lineare Verarbeitung der Bildinformation in verschiedenen aufeinander folgenden Stufen an. Solche Modelle spiegeln die Realität aber nur begrenzt wider. Sie können die neuronale Aktivität der Retina und der nachfolgenden Verarbeitungsbereiche im Gehirn nur eingeschränkt vorhersagen. Bethge entwickelt Methoden, die über diese Modelle hinausgehen und auch die Wechselwirkung der Neurone in den einzelnen Ebenen untereinander berücksichtigen.

Ähnlich wie eine Computeranwendung zur Komprimierung von Bilddaten, strebt auch das Gehirn an, überflüssige Information zu eliminieren. Von einer uniformen Fläche muss nicht jeder Pixel unabhängig verarbeitet werden – fehlende Bildbereiche können problemlos ersetzt werden. Die sogenannten „Simplen Zellen“ im primären visuellen Kortex reagieren in erster Linie auf Kanten. Statistische Modelle zur Bildanalyse sagen voraus, dass sich Kanten als besonders unabhängige Bildkomponenten auszeichnen. Durch quantitative Analysen konnte Bethge zeigen, dass andere Bildaspekte als ähnlich unabhängige Bildkomponenten dienen können. Gemeinsam mit Felix Wichmann, ebenfalls am MPI für biologische Kybernetik, testet Bethge nun seine theoretischen Ergebnisse mit Hilfe von psychophysikalischen Experimenten. „Probanden können Kantenkomponenten gut vorhersagen – sie sind also nicht weniger redundant als andere Bildaspekte“, erklärt Bethge. Angesichts der enormen Komplexität des Gehirns sind mathematische Modelle und Analysen mit dem Computer ein essentielles Werkzeug, um seine Funktion besser zu verstehen. Messen müssen sich die Modelle aber immer an der Realität.