# Portabilitaet: UNIVERSAL
# Zuletzt validiert: 2026-01-30 (Gemini)
# Naechste Pruefung: 2026-07-30
# Quellen: [https:/neurosciencenews.com/ai-brain-neuron-learning-30073/], Pathak et al. (Nature Communications 2025/2026)

BIOMIMETISCHES LERNEN UND FEHLERPRÄDIKTION
==========================================

Stand: 2026-01-30

WAS IST DAS BIOMIMETISCHE MODELL (PATHAK ET AL.)?
-------------------------------------------------
Ein am MIT (Picower Institute) entwickeltes Rechenmodell (Anand Pathak et al.), das die neuronale Architektur von Cortex, Striatum und Hirnstamm sowie neuromodulatorische Systeme (Acetylcholin) originalgetreu nachbildet. Es wurde nicht mit Quelldaten trainiert, sondern folgt rein biologischen Verschaltungsregeln. Das Modell zeigt identische Lernkurven wie Labor-Primaten und ermöglichte die Entdeckung "inkongruenter Neurone".

MODELL DER BEDINGUNGEN FÜR NEURONALES FEHLERLERNEN
--------------------------------------------------
Aus der Studie lassen sich folgende notwendige und hinreichende Bedingungen für biologisch inspiriertes Fehlerlernen ableiten:

1. EXPLORATION DURCH MODULIERTES RAUSCHEN (NOTWENDIG)
   - Beteiligte Region: Tonisch aktive Neurone (TAN) im Striatum.
   - Mechanismus: Injektion von Acetylcholin (ACh) führt zu Burst-artiger Variabilität.
   - Funktion: Ohne dieses Rauschen kann das System keine neuen Lösungsräume explorieren. Biologisches Lernen beginnt mit "Trial and Error", gesteuert durch chemische Unruhe.

2. STRUKTURELLE SYNCHRONISATION (HINREICHEND)
   - Mechanismus: Beta-Band-Synchronität (ca. 15-30 Hz) zwischen Cortex und Striatum.
   - Emergenz: Wenn eine Kategorisierung korrekt ist, steigt die Synchronität der Oszillationen.
   - Effekt: Stabilisierung des gelernten Musters und Unterdrückung des explorativen Rauschens (Übergang zu Exploitation).

3. INKONGRUENTE NEURONE ALS FEHLER-PRÄDIKTOREN (NOTWENDIG FÜR PLASTIZITÄT)
   - Entdeckung: Eine Population von ca. 20% der Neuronen ("inkongruente Neurone") feuert spezifisch bei Fehlentscheidungen.
   - Funktion: Diese Neuronen wirken als interne Störsignale gegen zu starke Konsistenz.
   - Bedeutung: Sie ermöglichen "Stumbling upon new conditions" - d.h. sie erhalten die Flexibilität, das Modell zu ändern, wenn sich Umweltbedingungen wandeln.

HINREICHENDE GESAMT-BEDINGUNG
-----------------------------
Biologisches Fehlerlernen ist dann hinreichend gegeben, wenn die Architektur:
a) Initiales chemisches Rauschen zur Exploration erlaubt (TAN/ACh).
b) Erfolgreiche Muster durch überregionale Oszillations-Koppelung (Beta-Synchrony) erkennt.
c) Eine dedizierte neuronale Subpopulation zur Fehler-Antizipation nutzt, um Fixierungen zu vermeiden.

BEDEUTUNG FÜR DIE KI-ENTWICKLUNG
--------------------------------
Im Gegensatz zum klassischen Deep Learning (Backpropagation) zeigt dieses biomimetische Modell, dass Lernen kein rein mathematischer Optimierungsprozess ist, sondern eine systemweite Orchestrierung von Rauschen (Exploration) und Taktung (Synchronisation).

SIEHE AUCH
----------
wiki/informatik/ki_ml/README.txt
wiki/gemini.txt
wiki/antigravity.txt
