Predictive Codierung: Was ist das und welche Vorteile gibt es?

Die Analyse der Gehirnfunktion ist ein komplexes und sich kontinuierlich entwickelndes Feld. Gemäß mehrerer Studien, verfügt das Gehirn über einen eigenen Algorithmus, um zukünftige Klänge und Bilder vorherzusagen: das Predictive Coding. In diesem Artikel widmen wir uns dem Predictive Coding, dem natürlichen Algorithmus des Gehirns zur Vorhersage seiner Umgebung.

Predictive Coding: Was ist das?

Unser Gehirn ist in der Lage, auf Basis seiner kognitiven Erfahrungen ein komplexes und raffiniertes Modell zu entwickeln. Dies ermöglicht ihm, zukünftige Erfahrungen zu prognostizieren und zu antizipieren. Mit diesem Modell erkennt es Personen, Geräusche oder Bilder mit hoher Präzision, basierend auf vergangenen Erfahrungen. Indem es seine Umgebung vorausnimmt, statt jedes Detail in jedem Moment zu analysieren, reduziert das Gehirn die kognitive Belastung, was zu Zeiteinsparung und gesteigerter Effizienz führt. Entspricht die Vorhersage nicht dem tatsächlichen Ergebnis, wird ein Überraschungsmoment ausgelöst.

Der Überraschungseffekt, eine Reaktion auf einen Fehler im Predictive Coding

Das Predictive Coding gründet auf den Erwartungen des Gehirns und dem, was es bereits kennt. Wenn das Gehirn auf eine Information trifft, die es nicht korrekt vorausgesehen hat, ergibt sich ein Vorhersagefehler: eine Diskrepanz zwischen dem vom Gehirn antizipierten Ergebnis und dem wirklichen Ergebnis. Dieser Fehler löst den uns bekannten Überraschungseffekt aus, wenn eine unvorhergesehene Information präsentiert wird. Dies motiviert unser Gehirn dazu, sich anzupassen und sein Modell zu überarbeiten, um in Zukunft solche Ereignisse besser vorhersehen zu können. Dieser Prozess der Anpassung ermöglicht es ihm, sein Verständnis von der Welt kontinuierlich zu verbessern.

Predictive Coding und Autismus

Neuere Forschungsergebnisse zeigen auf, dass eine Störung in diesem Vorhersagesystem die Ursache der Hypersensibilität von Personen mit Autismus gegenüber sensorischen Reizen sein könnte. Betrachten wir das Beispiel einer nicht-autistischen Person, die eine Parfümerie betritt. Zuerst mag der intensive Duft unangenehm sein und überraschen, doch das Gehirn gewöhnt sich letztendlich an den Geruch und beachtet ihn nicht weiter. Dies geschiehen, weil das Gehirn nach einer gewissen Anpassungszeit voraussagen kann, dass der Duft konstant bleiben wird und entscheidet, diese wiederkehrende Information zu ignorieren. Im Gegensatz dazu hat eine Person mit Autismus möglicherweise nicht die Fähigkeit, dieser Information auf die gleiche Weise entgegenzuwirken. Bei jedem Duftschub nimmt ihr Gehirn einen neuen Reiz wahr. Die Vorhersagen des Gehirnmodells sind nicht korrekt und die durch die Anomalie dieses Modells generierten Fehler erklären, wieso der Geruch persistiert und Unbehagen bei starken Düften hervorruft.

Algorithmus des Predictive Coding

Professor Karl Friston, eine führende Persönlichkeit im Bereich des Predictive Coding, hat den spezifischen Algorithmus untersucht, den das Gehirn verwendet, um seine äußere Umgebung vorherzusagen. Nach ihm nutzt unser Gehirn einen Algorithmus, der dem der Maximum-Likelihood-Schätzung ähnelt, auch bekannt als EM-Algorithmus (Expectation Maximisation). Der EM-Algorithmus verwendet verfügbare Daten, um statistische Parameter basierend auf mathematischen Wahrscheinlichkeitsformeln zu schätzen, und interpretiert so die Welt um uns herum. Das Ziel des Gehirns ist es, seine Parameter ununterbrochen anzupassen und sein internes Modell zu aktualisieren, damit der Unterschied zwischen Vorhersage und Realität minimiert wird. Dieser Algorithmus findet häufig Anwendung in Bereichen des Machine Learning.

Kompression der Signale zur Effizienzsteigerung

Dank Predictive Coding muss unser Gehirn die empfangenen Signale nicht aufzeichnen, sondern lediglich den Fehler zwischen der Vorhersage und dem tatsächlichen Wert, der in der Regel eine geringere Varianz aufweist. Das Predictive Coding zielt daher darauf ab, ausschließlich diesen Fehler zu kodieren, was eine effizientere Kompression der Signale ermöglicht. Beispielsweise kann diese Technik für die Kompression von Videos verwendet werden: Einige Pixel wiederholen sich in mehreren Bildern, und es ist unnötig, diese Pixel in jedem Frame zu speichern.  Die Vorhersagen hängen vom Modell und dessen Komplexität ab. Dies könnte bei einem Bild bedeuten, den Durchschnitt der benachbarten Pixel zu berechnen. Es gibt natürlich weit komplexere Modelle, die in diesem Artikel nicht weiter erläutert werden.

Schlussfolgerung

Predictive Coding verdeutlicht, wie unser Gehirn die Verarbeitung externer Stimuli optimiert, indem es kommende Daten im Voraus einschätzt. Es nutzt dabei bekannte Algorithmen aus dem Bereich Data Science. Um mehr über Data-Science-Techniken zu erfahren und sich für Berufe im Bereich Data zu qualifizieren, besuchen Sie Liora, das umfangreiche erzieherische Unterstützung bietet.