Domänenspezifische Schemawiederverwendung unterstützt flexibles Lernen zu lernen im Primatenhirn

Warum vergangene Erfahrung neues Lernen erleichtert

Warum fühlt sich das Erlernen einer neuen Fähigkeit in einer vertrauten Fähigkeitsfamilie oft leichter an – etwa Badminton nach Jahren Tennis oder die Umstellung auf ein neues Smartphone nach mehreren Vorgängermodellen? Dieses Papier untersucht, wie das Primatenhirn diesen Trick vollbringt. Anhand von Studien an Affen, die eine Reihe visueller-zu-Bewegungsaufgaben lernten, zeigen die Autorinnen und Autoren, wie das Gehirn wiederverwendbare „Vorlagen“ für Entscheidungen speichert und zugleich flexibel genug bleibt, um neue Situationen zu bewältigen. Das liefert Hinweise sowohl für die Neurowissenschaft als auch für die künstliche Intelligenz.

Muster im Gehirn, die allgemeine Regeln erfassen

Die Forschenden konzentrieren sich auf ein Konzept, das Psychologen als Schema bezeichnen – ein mentales Rahmenwerk, das die gemeinsame Struktur verwandter Erfahrungen erfasst. Auf neuronaler Ebene sprechen sie von neuronalen Korrelaten des Schemas (NCS): stabile Aktivitätsmuster, die wiederkehren, wenn ähnliche Regeln in unterschiedlichen Kontexten angewendet werden. Die große Frage ist, wie das Gehirn diese stabilen Muster bewahren kann, die künftiges Lernen beschleunigen, ohne starr zu werden und sich nicht mehr an veränderte Umstände anzupassen. Dieser Zielkonflikt ist als Stabilitäts‑Plastizitäts-Dilemma bekannt und stellt auch eine große Herausforderung bei der Entwicklung künstlicher neuronaler Netze dar, die kontinuierlich lernen müssen, ohne Vergessen zu erleiden.

Affen neue Regeln beibringen und alte wieder auffrischen

Um dies zu untersuchen, wurden drei Makaken an visuomotorische Zuordnungsaufgaben trainiert. In jedem Durchgang erschien ein Bild auf einem Touchscreen, und nach einer kurzen Verzögerung musste der Affe eine von zwei Tasten drücken, zum Beispiel oben oder unten, um eine Belohnung zu erhalten. In jeder Trainingssitzung lernten die Tiere zunächst eine neue Zuordnung zwischen Bildern und Aktionen (Aufgabe A), dann eine oder zwei weitere neue Zuordnungen (Aufgaben B und manchmal C), anschließend wurde die ursprüngliche Zuordnung wieder aufgefrischt (Revisit-A) und in einigen Fällen lernten sie schließlich die Umkehr der ursprünglichen Regel (Reverse-A), bei der dieselben Bilder nun die gegenüberliegende Taste erforderten. Während die Affen arbeiteten, zeichneten die Forschenden die Aktivität von Hunderten von Neuronen im dorsolateralen prämotorischen Kortex auf, einer Region, die an Bewegungsplanung und Entscheidungen beteiligt ist.

Wenn ähnliche Aufgaben leichter fallen – aber gegensätzliche Regeln schwerer

Verhaltensmäßig zeigten die Affen den klassischen Effekt des „Lernens zu lernen“. Neue, aber ähnliche Aufgaben (B und C) wurden schneller erlernt als die erste Aufgabe A, und beim Zurückkehren zur ursprünglichen Zuordnung (Revisit-A) lernten sie sie noch schneller nach. Im krassen Gegensatz dazu dauerte die umgekehrte Zuordnung (Reverse-A), die direkt dem zuvor Gelernten widersprach, länger, um gemeistert zu werden. Dieses Muster deutet darauf hin, dass Vorwissen hilft, wenn neue Aufgaben dieselbe zugrundeliegende Regel teilen, aber tatsächlich bremsen kann, wenn die neue Regel der alten widerspricht. Die neuronalen Aufzeichnungen boten Einblick in die Gründe: Sie zeigten, welche Aspekte der Aufgaben in stabilen, wiederverwendbaren Mustern kodiert waren und welche verändert werden konnten.

Stabile Entscheidungen von veränderlichen Wahrnehmungen trennen

Mit fortgeschrittenen Analysemethoden zerlegten die Autorinnen und Autoren die Populationsaktivität im prämotorischen Kortex in zwei Haupt-„Subräume“ – Sammlungen neuronaler Aktivitätsmuster, die unterschiedliche Informationsarten trugen. Ein Subraum erfasste die Entscheidungen der Affen (zum Beispiel die Wahl der oberen gegenüber der unteren Taste). Der andere Subraum erfasste Details der visuellen Bilder. Im entscheidungsbezogenen Subraum bildeten dieselben Wahlmuster stabile, niederdimensionale Trajektorien, die über die Aufgaben A, B, C und Revisit-A hinweg wiederverwendet wurden, selbst wenn sich die Bilder änderten. Je ähnlicher die Trajektorien zwischen einer neuen Aufgabe und der ursprünglichen Aufgabe waren, desto weniger Versuche brauchte der Affe, um sie zu erlernen. Im Gegensatz dazu wurden in der Umkehraufgabe diese Entscheidungs­muster nicht wiederverwendet: Die neuronalen Trajektorien verschoben sich und das Lernen verlief langsamer. Währenddessen veränderte sich der visuelle Subraum freier von Aufgabe zu Aufgabe und zeigte nicht dieselbe stabile Wiederverwendung.

Informationsströme nahezu rechtwinklig halten

Eine auffällige Erkenntnis war die geometrische Beziehung zwischen diesen beiden Subräumen. Mathematisch lagen sie nahezu orthogonal zueinander – im Raum der neuronalen Aktivität in Winkeln nahe 90 Grad angeordnet. Diese annähernd rechtwinkelige Anordnung bedeutet, dass Veränderungen in der Darstellung visueller Informationen nur minimalen Einfluss auf die Entscheidungsmuster haben und umgekehrt. Anders gesagt scheint das Gehirn stabile, wiederverwendbare Entschei­dungsschemata in einer Domäne zu speichern, während eine andere Domäne flexibel für neue sensorische Details bleibt, wobei beide genügend getrennt sind, um Interferenzen zu vermeiden. Diese Architektur könnte ein allgemeines Prinzip in Hirnregionen sein, die komplexes Verhalten steuern.

Was das für Gehirne und Maschinen bedeutet

Für eine allgemeine Leserschaft ist die Schlussfolgerung, dass das Gehirn das Stabilitäts‑Plastizitäts-Dilemma offenbar durch eine durchdachte Organisation seiner internen Aktivität löst. Es speichert das „Wesentliche“ einer Regel – ob man auf eine Weise oder eine andere handelt – in einem geschützten, stabilen Subraum, während es in anderen Subräumen Raum lässt, um neue Eindrücke und Situationen aufzunehmen. Ähnliche Aufgaben können dann schnell gelernt werden, indem die vorhandene Entscheidungs­vorlage wiederverwendet wird, während direkt entgegenstehende Regeln erfordern, dass das Gehirn ein neues Muster von Grund auf aufbaut. Über die Erklärung hinaus, wie Tiere effizient aus Erfahrung lernen, deutet diese Arbeit auf Strategien hin, um künstliche Intelligenzsysteme zu entwerfen, die wie Gehirne sowohl das Wichtige behalten als auch flexibel auf Neues reagieren können.

Zitation: Tian, K., Zhao, Z., Chen, Y. et al. Domain-specific schema reuse supports flexible learning to learn in the primate brain. Nat Commun 17, 2150 (2026). https://doi.org/10.1038/s41467-026-68692-x

Schlüsselwörter: Schemata-Lernen, neuronale Repräsentationen, kognitive Flexibilität, visuomotorisches Lernen, Stabilitäts‑Plastizität