För observationer baserade på sensoriska data, den mänskliga hjärnan måste hela tiden verifiera vilken "version" av verkligheten som ligger till grund för uppfattningen. Svaret hämtas från sannolikhetsfördelningar som lagras i själva nervcellnätet. Neuronerna kan upptäcka mönster som återspeglar förvärvad kunskap. Tillämpa matematiska metoder, fysiker från Heidelbergs universitet och forskare från Graz tekniska universitet har bevisat detta fenomen i sina undersökningar. De aktuella forskningsresultaten, publicerad i tidningen Fysisk granskning E , är av stor betydelse för att utveckla nya typer av datorsystem.

En av de viktigaste funktionerna i vår hjärna är att skapa en intern modell av vår miljö. Det finns två kategorier av information tillgänglig för detta ändamål - den förvärvade kunskapen om kända objekt och en konstant ström av sensoriska data som kan jämföras med och ständigt läggas till befintlig kunskap. Dessa sensoriska data är de enklaste, "direkt" tillgängliga byggstenar för uppfattning. Dock, observationer som är baserade på sensoriska data är ofta kompatibla med flera "verkligheter" samtidigt, som fenomenet optiska illusioner tydligt visar. Hjärnan står därför inför utmaningen att känna till alla möjliga versioner av den underliggande verkligheten. För att göra detta beslut, hjärnan hoppar fram och tillbaka mellan dessa versioner av verkligheten, provtagning av en sannolikhetsfördelning.

Forskarna som arbetade med Heidelberg -fysikern Prof. Dr Karlheinz Meier studerade denna process med hjälp av formella matematiska metoder som tillämpades på nivån för enskilda nervceller, kallas neuroner. Modellen för enskilda neuroner som används är strikt deterministisk. Detta innebär att varje upprepad stimulering från yttre stimuli alltid framkallar samma responsbeteende. Hjärnan, dock, är ett nätverk av neuroner som kommunicerar med varandra. När en nervcell stimuleras tillräckligt av sin granne, det avfyrar en kort elektrisk puls, stimulerar därigenom andra neuroner. I ett stort nätverk av aktiva neuroner, nervceller blir stokastiska - deras "svar" är inte längre bestämt, d.v.s. exakt förutsägbar, men följer statistiska sannolikhetsregler.

"I våra studier kunde vi visa att sådana neuroner får sitt svar från sannolikhetsfördelningar som lagras i själva nätverket och som tas ur nervcellerna, "förklarar prof. Meier. Så här kan neuroner upptäcka mönster som återspeglar förvärvad kunskap. Forskningen genomfördes som en del av European Human Brain Project, där Heidelberg -forskarna under ledning av Karlheinz Meier utvecklar nya datorsystem med hjärnan som modell. "Begreppet statistiskt urval av förvärvade sannolikheter är extremt väl lämpad för att implementera en ny datorarkitektur. Det är ett fokus för den aktuella forskningen som vår arbetsgrupp bedriver, "säger fysikern, som undervisar och bedriver forskning vid Heidelberg University's Kirchhoff Institute for Physics.