Dr. Terry Sejnowski: Wie man mit Neurowissenschaften und KI besser lernt
Lernen wird oft als Frage betrachtet, mehr Informationen aufzunehmen. Im Gespräch mit Andrew Huberman bietet der Computational Neuroscientist Dr. Terry Sejnowski ein nützlicheres Modell: Dauerhaftes Wissen entsteht durch Vorhersage, Handlung, Feedback und biologische Konsolidierung. Lesen und Zuhören sind wichtig, aber sie sind nur ein Teil des Prozesses.
Sejnowski zieht Verbindungen zwischen Neurowissenschaften, künstlicher Intelligenz, Bildung, Schlaf, Bewegung und Motivation. Seine zentrale Botschaft ist ermutigend: Das Gehirn bleibt bis ins Erwachsenenalter anpassungsfähig, und Lernen kann sich verbessern, wenn wir mit seinen Systemen arbeiten, statt uns allein auf passive Aufnahme oder Willenskraft zu verlassen.
Das Gehirn auf algorithmischer Ebene verstehen
Sejnowski leitet das Computational Neurobiology Laboratory am Salk Institute, wo seine Arbeit Mathematik, Neurowissenschaften, Informatik und künstliche Intelligenz verbindet. Diese Perspektive prägt seinen Ansatz für eine der schwierigsten Fragen der Wissenschaft: Wie werden aus der Aktivität von Zellen und Schaltkreisen Wahrnehmung, Denken und Verhalten?
Ein detailliertes Verzeichnis von Neuronen, Molekülen und Verbindungen erklärt für sich allein nicht, wie das Gehirn funktioniert. Umgekehrt kann die Beobachtung von Verhalten von außen nicht vollständig offenlegen, wie die zugrunde liegenden Mechanismen es hervorbringen. Sejnowski beschreibt eine mittlere, algorithmische Ebene zwischen diesen beiden Perspektiven.
Ein Algorithmus ist mit einem Rezept vergleichbar: Er legt die Schritte fest, die ein System ausführt, um zu einem Ergebnis zu gelangen. In den Neurowissenschaften kann die Identifizierung solcher Schritte erklären, wie Schaltkreise Erfahrung in bessere Entscheidungen oder geschickteres Verhalten umwandeln. Auf dieser Ebene überschneiden sich auch Neurowissenschaften und KI zunehmend. Beide Felder fragen, wie ein System aus Feedback lernen, über frühere Beispiele hinaus verallgemeinern und Handlungen auswählen kann, die es einem Ziel näherbringen.
Die Basalganglien, Dopamin und das Lernen aus Ergebnissen
Ein wichtiges Lernsystem umfasst die Basalganglien, eine Gruppe von Hirnstrukturen, die dabei hilft, Handlungsabfolgen zu verfeinern. Durch Übung können diese Schaltkreise Bewegungen flüssiger und automatischer machen – ganz gleich, ob jemand seinen Tennisschlag, Golfschwung oder eine andere komplexe Fähigkeit verbessert.
Sejnowski argumentiert, dass dieselbe grundlegende Maschinerie auch zur kognitiven Expertise beiträgt. Um in Medizin, Finanzen, Physik oder Neurowissenschaften sicher zu werden, muss man produktive Denkabläufe lernen – und nicht bloß einzelne Fakten speichern.
Die Basalganglien helfen, sowohl „Los“- als auch „Nicht-los“-Signale zu organisieren. Wirksame Leistung hängt davon ab, die richtige Handlung einzuleiten und zugleich konkurrierende Handlungen zu unterdrücken. Ein Chirurg muss beispielsweise einen präzisen Eingriff ausführen und dabei irrelevante Gedanken ausblenden. Huberman und Sejnowski übertragen diese Unterscheidung auf die Jugendzeit, in der Systeme für Selbstkontrolle und Hemmung noch in Entwicklung sind.
Dopamin spielt bei der Aktualisierung dieser Schaltkreise eine zentrale Rolle. Das Gehirn sagt voraus, welche Belohnung auf eine Handlung folgen sollte, vergleicht diese Erwartung mit dem tatsächlichen Ergebnis und passt seine Verbindungen an, wenn das Resultat von der Erwartung abweicht. Über wiederholte Erfahrungen hinweg entsteht so, was Forschende in der Computational Science eine Wertfunktion nennen: eine angesammelte Schätzung darüber, welche Entscheidungen wahrscheinlich nützliche oder schädliche Folgen haben.
Dieses Prinzip ist nicht auf das Labor beschränkt. Es beeinflusst Gewohnheiten, berufliches Urteilsvermögen, soziales Verhalten und persönliche Vorlieben. Kleine positive Ergebnisse können ein hilfreiches Muster allmählich verstärken, während ein stark negatives Ereignis bereits nach einer einzigen Erfahrung schnelles Lernen auslösen kann.
Verwandte Methoden des Verstärkungslernens trugen dazu bei, Systeme wie AlphaGo möglich zu machen. Der Vergleich bedeutet nicht, dass Gehirne und KI identisch sind. Er zeigt vielmehr, wie eine relativ kompakte Lernregel anspruchsvolles Verhalten hervorbringen kann, wenn sie in vielen Situationen wiederholt angewendet wird.
Etwas zu wissen ist nicht dasselbe, wie es tun zu können
Ein zentrales Thema des Gesprächs ist der Unterschied zwischen kognitivem und prozeduralem Lernen. Kognitives Lernen vermittelt explizites Wissen: Konzepte, Erklärungen, Regeln und Fakten. Prozedurales Lernen verwandelt dieses Wissen in eine Fähigkeit, die effizient eingesetzt werden kann.
Man kann Tennis nicht allein lernen, indem man über Technik liest. Ebenso kann ein Pilot nicht allein durch Lehrbücher kompetent werden, ohne praktische Ausbildung. Selbst akademische Fächer erfordern prozedurale Entwicklung. Eine Gleichung auswendig zu lernen ist etwas anderes, als zu erkennen, wann man sie einsetzen sollte, sie auf ein unbekanntes Problem anzuwenden und zu prüfen, ob die Antwort plausibel ist.
Die beiden Systeme sollten sich daher gegenseitig unterstützen. Zu verstehen, warum eine Methode funktioniert, kann die Übung leiten, während die Übung Lücken sichtbar macht, die beim passiven Lernen verborgen bleiben. Sejnowski kritisiert Bildungsansätze, die Hausaufgaben, Problemlösen oder andere Formen aktiver Wiederholung minimieren. Ohne wiederholte Anwendung können Lernende Material wiedererkennen, ohne es wirklich zu beherrschen.
Ein produktiver Lernzyklus sieht so aus:
Die zugrunde liegende Idee lernen.
Eine Aufgabe lösen, ohne sofort die Antwort nachzuschlagen.
Die Abweichung zwischen Vorhersage und Ergebnis erkennen.
Die Methode korrigieren und sie in einem neuen Kontext erneut anwenden.
Nach einiger Zeit zum Material zurückkehren.
Tests sind in diesem Zyklus wertvoll, weil das Abrufen selbst ein Lernereignis ist. Es deckt Fehler auf, stärkt den Zugang zu Wissen und trainiert Lernende darin, eine Antwort zu erzeugen, statt sie nur wiederzuerkennen.
Aktives Lernen fördert Verallgemeinerung
Sejnowski betont, dass das Gehirn Informationen nicht wie ein Computer speichert, der Dateien kopiert. Lernen erfordert Interaktion: ausprobieren, vorhersagen, Fehler machen und Verhalten überarbeiten.
Dieser aktive Prozess unterstützt die Verallgemeinerung – die Fähigkeit, früher Gelerntes in einer Situation einzusetzen, die nicht genau dem Übungsbeispiel entspricht. Sie ist auch ein prägendes Ziel moderner KI. Ein Sprachmodell, das lediglich seine Trainingsdaten reproduziert, wäre weit weniger nützlich als eines, das auf eine neue Frage stimmig reagieren kann.
Menschen können manchmal aus erstaunlich wenigen Beispielen verallgemeinern, obwohl diese Fähigkeit von früherer Erfahrung und bestehenden mentalen Strukturen abhängt. Praktisch bedeutet das, dass Lernende ihre Übung variieren sollten. Immer wieder denselben Aufgabentyp zu lösen kann die Vertrautheit steigern, doch unterschiedliche Kontexte und unbekannte Fälle liefern einen besseren Test für übertragbares Verständnis.
Sejnowski und die Pädagogin Barbara Oakley entwickelten den kostenlosen Onlinekurs Learning How to Learn rund um viele dieser Prinzipien. Obwohl er ursprünglich für Studierende gedacht war, zog er ein breites internationales Publikum an, darunter berufstätige Erwachsene, die neue Fähigkeiten erwerben mussten. Seine Popularität spiegelt eine moderne Realität wider: Formale Bildung endet, aber die Notwendigkeit zu lernen nicht.
Gedächtnis ist im gesamten Gehirn verteilt
Ältere Darstellungen der Gehirnfunktion ordneten jede Aufgabe oft einer eng abgegrenzten Region zu: Visuelle Informationen gehörten zum visuellen Kortex, auditive Informationen zum auditorischen Kortex und Bewegung zu motorischen Bereichen. Diese Unterscheidungen bleiben nützlich, doch neuere Aufzeichnungsmethoden zeigen eine viel weiterreichende Koordination.
Sejnowski bespricht Forschung, in der aufgabenbezogene Aktivität in mehreren Regionen erscheint, teils mit erheblichem Beitrag von Bereichen, die traditionell nicht als primär für diese Aufgabe gelten würden. Komplexe Kognition scheint aus Wechselwirkungen zwischen verteilten Systemen hervorzutreten, nicht aus einem einzigen Speicherort.
Aufzeichnungen von Menschen mit Epilepsie haben einen besonders wertvollen Einblick in diese Dynamiken ermöglicht. Einige Patientinnen und Patienten erhalten im Rahmen ihrer klinischen Versorgung implantierte Elektroden, wodurch sich seltene Möglichkeiten ergeben, menschliche neuronale Aktivität direkt zu beobachten. Bei geeigneter Forschungszusammenarbeit können Wissenschaftlerinnen und Wissenschaftler untersuchen, wie sich die Aktivität verändert, während Teilnehmende lernen und schlafen.
Diese Erkenntnisse lassen Gedächtnis weniger wie ein Objekt erscheinen, das in einem Fach abgelegt wird, sondern eher wie ein Muster, das in ein bestehendes Netzwerk integriert ist.
Schlaf konsolidiert, was Übung beginnt
Lernen endet nicht, wenn eine Lernsitzung vorbei ist. Im Non-REM-Schlaf erzeugt das Gehirn kurze Ausbrüche koordinierter Aktivität, die als Schlafspindeln bekannt sind. Sejnowski beschreibt diese Ereignisse als Teil des Prozesses, durch den jüngste Erfahrungen in längerfristiges Wissen im Kortex eingebunden werden.
Der Hippocampus übernimmt dabei eine vorübergehende organisierende Rolle und spielt während des Schlafs Elemente jüngster Erfahrungen erneut ab. Diese Wiederholung hilft, neue Informationen zu integrieren, ohne das bereits Gelernte einfach zu überschreiben. Ausreichender Schlaf ist daher nicht nur Erholung nach dem Lernen, sondern eine aktive Phase der Gedächtnisbildung.
Das Gespräch untersucht außerdem Forschung zu Zolpidem, das allgemein als Ambien bekannt ist. In einem von Sejnowski besprochenen Experiment erhöhte das Medikament die Zahl der Schlafspindeln und verbesserte die Behaltung zuvor gelernten Materials. Zolpidem kann jedoch auch das Gedächtnis für Ereignisse beeinträchtigen, die nach seiner Einnahme stattfinden.
Dieser Zielkonflikt verdeutlicht eine allgemeinere Warnung: Die Manipulation eines biologischen Mechanismus kann an anderer Stelle Nutzen und Kosten erzeugen. Sejnowski wendet dieselbe Vorsicht auf Nootropika und hormonbasierte Interventionen an. Eine pharmakologische Leistungssteigerung sollte nicht als kostenlose Verbesserung eines isolierten Systems missverstanden werden, denn Gehirn und Körper halten miteinander verbundene Formen des Gleichgewichts aufrecht.
Bewegung unterstützt Lernen und kreatives Denken
Sejnowski nutzt körperliche Aktivität als kognitives Werkzeug. Bewegung kann das Gehirn auf das Lernen vorbereiten, die Schlafphysiologie beeinflussen und Bedingungen schaffen, unter denen sich Ideen freier verbinden.
Das Gespräch weist auf einen Zusammenhang zwischen Bewegung am Tag und Schlafspindeln in der darauffolgenden Nacht hin. Bewegung fordert zudem motorische Systeme, während Schlaf dabei hilft, deren Anpassungen zu verfeinern und zu konsolidieren. Diese Beziehung unterstreicht, dass sich kognitive Leistung nicht sauber vom körperlichen Verhalten trennen lässt.
Für Lernende ist die Lehre einfach: Bewegung ist nicht unbedingt Zeit, die der geistigen Arbeit verloren geht. Regelmäßige körperliche Aktivität kann die Prozesse unterstützen, die Lernen produktiv machen – insbesondere in Verbindung mit ausreichend Schlaf.
Konnektivität, Psychedelika und wissenschaftliche Vorsicht
Sejnowski spricht auch über Psilocybin-Forschung, einschließlich klinischer Studien, die bei einigen Menschen mit schweren Depressionen Verbesserungen berichten. Hirnbildgebung deutet darauf hin, dass Psilocybin die Kommunikation zwischen Regionen, die normalerweise stärker getrennt sind, vorübergehend erhöhen kann. Dadurch entsteht ein Muster mit gewissen Ähnlichkeiten zur umfassenden Konnektivität im REM-Schlaf.
Das wirft faszinierende Fragen auf. Entwicklung umfasst sowohl das Bilden als auch das Beschneiden von Verbindungen, teilweise weil die Aufrechterhaltung neuronaler Verbindungen metabolisch kostspielig ist. Das Erlernen einer neuen Fähigkeit kann eine neue Koordination zwischen zuvor getrennten Systemen erfordern, doch mehr Konnektivität ist nicht automatisch besser.
Das Gespräch stellt diesen Bereich als sich entwickelndes wissenschaftliches Problem dar, nicht als Lernprotokoll zum Selbermachen. Jeder mögliche therapeutische Nutzen muss gemeinsam mit klinischer Begleitung, individuellen Risiken, rechtlichen Einschränkungen und den Grenzen der aktuellen Evidenz betrachtet werden.
Eine praktische, neurowissenschaftlich fundierte Lernroutine
Die nützlichsten Ideen aus dem Gespräch lassen sich verbinden, ohne Lernen in ein aufwendiges Optimierungsprojekt zu verwandeln. Beginnen Sie mit konzentrierter Anleitung, gehen Sie aber schnell zur aktiven Anwendung über. Versuchen Sie, Wissen abzurufen, bevor Sie es wiederholen, lösen Sie Aufgaben in unterschiedlichen Formen und behandeln Sie Fehler als Informationen für den nächsten Versuch.
Halten Sie Belohnungen klein und unmittelbar genug, um Fortschritt zu verstärken. Üben Sie regelmäßig, damit anstrengende Schritte prozedural werden können. Nutzen Sie Bewegung zur Unterstützung der Kognition und schützen Sie ausreichend Schlaf für die Konsolidierung. Beurteilen Sie Lernen vor allem danach, was Sie in einem neuen Kontext erzeugen, erklären oder ausführen können – nicht danach, wie vertraut sich das Ausgangsmaterial anfühlt.
Sejnowskis Darstellung ersetzt die vereinfachte Botschaft „Lern einfach härter“ durch einen biologischen Kreislauf: vorhersagen, handeln, Feedback erhalten, aktualisieren, ruhen und zurückkehren. Lernen wird wirksamer, wenn Wissen, Verhalten und Erholung als Teile desselben Systems behandelt werden.
