Die Forscher zeigten Makaken sorgfältig ausgewählte natürliche Bilder und zeichneten die Reaktionen von Neuronen im visuellen Kortex auf. Anschließend trainierten sie zunächst große KI-Modelle, bis diese die neuronalen Antworten um mehr als 30 Prozent genauer vorhersagen konnten als bisherige Ansätze. Danach komprimierten sie die Modelle auf etwa ein Tausendstel der ursprünglichen Größe – klein genug, um sie per E-Mail zu verschicken.
Große KI-Modelle ersetzen ein komplexes System (das Gehirn) durch ein anderes (die KI). Um wirklich zu verstehen, wie das Gehirn funktioniert, lohnt sich nach Ansicht von Neurowissenschaftlern ein bewusster Schritt zurück: kleine, einfache Modelle. Ein internationales Team um Benjamin Cowley vom Cold Spring Harbor Laboratory hat genau das getan – und dabei überraschende Parallelen zwischen Affenhirn und kompakter KI entdeckt. Die Ergebnisse erschienen am 25. Februar 2026 in Nature.
Die winzigen Modelle erwiesen sich als erstaunlich aussagekräftig. Ihre „Neuronen“ zerlegen Bilder in einfache Grundmerkmale wie Kanten und Farben und bilden dann individuelle Vorlieben, indem sie diese Merkmale unterschiedlich kombinieren. Das Ergebnis: Einige künstliche Neuronen spezialisieren sich auf Punkte (dots). Cowley zieht den Vergleich zum echten Gehirn: „Im Affenhirn – und sehr wahrscheinlich auch in unserem – gibt es eine Gruppe von V4-Neuronen, die Punkte lieben.“
Punkte sind kein Zufall: Augen bestehen aus Punkten voller Information, und Blickkontakt ist für soziale Interaktion entscheidend. Die Studie zeigt, dass das Gehirn einfache, niedrigstufige Merkmale zu hochstufigen Konzepten verknüpft – ein Prozess, den die kompakten KI-Modelle sehr ähnlich abbilden.
Cowley sieht großes Potenzial für die Zukunft: „Bei Alzheimer gehen Synapsen verloren. Wenn wir wissen, welche Bilder Neuronen zum ‚Sprechen‘ bringen, könnten wir eines Tages Synapsen gezielt wiederherstellen.“ Die Arbeit demonstriert, dass kleine Modelle nicht nur ausreichen, sondern oft sogar bessere Einblicke in biologische Prozesse ermöglichen als riesige Systeme.
Die Studie entstand in Kooperation mit Forschern der Carnegie Mellon University und der Princeton University und wurde unter anderem von der Starr Foundation, den National Institutes of Health, der Simons Foundation, der BRAIN Initiative und dem National Institute of Mental Health gefördert.
