Neue Forschung zeigt, dass Künstliche-Intelligenz-Modelle nicht nur menschliche Wahrnehmung und Sprache nachahmen, sondern auch einen grundlegenden gehirnähnlichen Mechanismus zur Belohnungsbewertung teilen. Wissenschaftler der EPFL und des MIT haben entdeckt, dass Vision-Language-Modelle spezialisierte Einheiten besitzen, die Belohnungen vorwegnehmen – analog zum menschlichen Nucleus accumbens (NAc), einer Schlüsselregion des Gehirns, die an der Motivation beteiligt ist. Wenn diese Einheiten künstlich gestört wurden, zeigten die Modelle eine auffällige Verschiebung hin zu Entscheidungen mit geringem Aufwand und geringer Belohnung, was Symptome der Anhedonie bei Depressionen widerspiegelt.
Die Forschung
Unter der Leitung von Melika Honarmand, Samin Mahdipour Aghabagher und Martin Schrimpf testete das Team ein modernes Vision-Language-Modell an aufwandsbasierten Entscheidungsaufgaben, die aus der klinischen Psychologie übernommen wurden. Zunächst identifizierten sie „belohnungsantizipierende Einheiten“, indem sie neuronale Aktivitätsmuster analysierten, die mit der bevorstehenden Belohnungsgröße korrelierten. Diese Einheiten waren funktional analog zum NAc – sie feuerten stark, wenn das Modell eine hohe Belohnung erwartete. Die Forscher störten dann gezielt diese Einheiten und beobachteten eine dramatische Veränderung: Das Modell wählte häufiger Optionen mit geringem Aufwand und geringer Belohnung, selbst wenn hochbelohnende Gelegenheiten verfügbar waren. Entscheidend war, dass das Modell, wenn die belohnungsbasierte Wahl entfernt wurde, auf dem Basisleistungsniveau arbeitete, was bestätigt, dass das Defizit spezifisch für die Belohnungsbewertung war, nicht für die allgemeine Fähigkeit. Das induzierte Verhalten stimmte mit zwei klinischen Skalen überein: der Dimensional Anhedonia Rating Scale (DARS) und der Motivation and Pleasure Scale—Self-Report (MAP-SR).
Warum es wichtig ist
Diese Ergebnisse bieten ein konkretes Computermodell der Anhedonie – ein Kernsymptom der Depression, das verminderte Motivation und Freude umfasst. Indem Forscher menschliche Belohnungsdefizite in der KI nachbilden, können sie nun kausale Mechanismen testen, die im Gehirn schwer zu isolieren sind. Für Einzelpersonen unterstreicht diese Forschung, dass Motivation nicht nur eine Frage der „Willenskraft“ ist; sie ist in spezifischen neuronalen (oder computerbasierten) Schaltkreisen verwurzelt, die verstanden und potenziell trainiert werden können. Das Verständnis dieser Schaltkreise kann zu besseren kognitiven Trainingsübungen führen, die auf die Belohnungsantizipation abzielen und Menschen helfen, Anstrengungen für langfristige Ziele aufrechtzuerhalten.
Was Sie tun können
Sie können die Belohnungsantizipation Ihres Gehirns stärken, indem Sie klare, erreichbare Meilensteine setzen und kleine Erfolge feiern. Üben Sie, sich die positiven Ergebnisse Ihrer Bemühungen vorzustellen, bevor Sie eine Aufgabe beginnen. Spiele, die kurzfristigen Aufwand für verzögerte Belohnungen erfordern – wie Rätsellösen oder Strategiespiele – können ebenfalls Ihr Belohnungssystem trainieren. Die iqgenio-Plattform bietet Gehirntrainingsstufen, die belohnungsbasiertes Lernen integrieren, um die Motivation zu steigern.
Quelle: arXiv q-bio.NC
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder probieren Sie 306 Gehirntrainingsstufen.
