Search (7 results, page 1 of 1)

0.017301133 = product of:
  0.051903397 = sum of:
    0.023439063 = weight(_text_:wissen in 1325) [ClassicSimilarity], result of:
      0.023439063 = score(doc=1325,freq=2.0), product of:
        0.1639626 = queryWeight, product of:
          4.3128977 = idf(docFreq=1609, maxDocs=44218)
          0.038016807 = queryNorm
        0.14295371 = fieldWeight in 1325, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          4.3128977 = idf(docFreq=1609, maxDocs=44218)
          0.0234375 = fieldNorm(doc=1325)
    0.028464332 = weight(_text_:geschichte in 1325) [ClassicSimilarity], result of:
      0.028464332 = score(doc=1325,freq=2.0), product of:
        0.18068628 = queryWeight, product of:
          4.7528 = idf(docFreq=1036, maxDocs=44218)
          0.038016807 = queryNorm
        0.15753455 = fieldWeight in 1325, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          4.7528 = idf(docFreq=1036, maxDocs=44218)
          0.0234375 = fieldNorm(doc=1325)
  0.33333334 = coord(2/6)

Footnote

Rez. in: FAZ. (M. Lenzen: Eltern, laßt den Ehrgeiz sein!: "Die Sinnesorgane transportieren die Bilder, Töne und Gerüche der Welt ins Gehirn, und irgendwo dort drinnen sitzt ein Beobachter, ein Homunkulus, der sich ansieht, was auf der inneren Bühne gespielt wird. Diese Idee, die der neuen Essaysammlung des Hirnforschers Wolf Singer den Titel gibt, ist, wie der Autor darlegt, ebenso verlockend wie falsch. Das Gehirn ist ein selbstorganisierendes dezentrales System. Seine Leistungen beruhen auf seiner massiv parallelen Arbeitsweise und der rückgekoppelten Architektur der Großhirnrinde. Der Homunkulus ist überflüssig.' "Der Beobachter des Gehirns" hätte die Sammlung daher besser geheißen, denn unter diesen ist Singer einer der profiliertesten. In seinem neuen Buch reflektiert er über die verschiedensten Aspekte seiner boomenden Disziplin. Seine Themen reichen von der Geschichte der MaxPlanck-Institute über das Verhältnis von Natur- und Geisteswissenschaften, den Wert der Grundlagenforschung, die Unverzichtbarkeit der Tierversuche, den Nutzen der Hirnforschung für die Geschichtswissenschaft, für die Erziehung und für die Wertschätzung der Kunst bis hin zu Vorschlägen für die Stadtentwicklung: Die größte Herausforderung für die Hirnforschung sieht Singer darin, die Erklärungslücke zwischen der Ebene des schon recht gut verstandenen molekularen Geschehens im Gehirn und der Ebene des Verhaltens, das durch diese molekularen Aktivitäten ermöglicht wird, zu schließen. Zum besseren Verständnis der menschlichen Natur wie für die klinische Praxis. Das Gehirn, betont Singer, bildet die Welt nicht passiv ab, sondern trägt Hypothesen an sie heran, die es bestätigt oder verwirft. Daß das menschliche Gehirn mit diesem Frage-und-AntwortSpiel beginnt, noch bevor sein Aufbau abgeschlossen ist, seine Erfahrungen sich also in seiner Struktur niederschlagen können, ist der geniale Trick, dem die Menschen ihre überragende Intelligenz verdanken. Und es ist ein gutes Argument dafür, daß man sich stärker darum bemühen sollte, der Neugier der Kinder entgegenzukommen, als ihnen etwas beibringen zu wollen, das sie nicht interessiert. Reize, die den Erwartungen des Gehirns nicht entsprechen, bleiben wirkungslos, der Ehrgeiz der Eltern ist also überflüssig, meint Singer. Das Wissen über die Welt, das Menschen erwerben, ist nicht Stück für Stück wie in den Speicherplätzen eines klassischen Computers abgelegt, sondern, viel effektiver, in Form gemeinsam schwingender Neuronengruppen über das ganze Gehirn verteilt. Es gibt keine Zentralstelle für die Bewertung von Hirnaktivitäten, sondern lediglich rückgekoppelte Signale darüber, welche Aktivität sich in einer Situation als angemessen erwiesen hat. In kleinen Systemen, schreibt Singer, und meint damit sowohl kleine menschliche Gesellschaften als auch einfache Gehirne, herrscht ein hierarchisches Organisationsprinzip vor. In komplexeren Systemen wird das ineffektiv. An seiner Spitze müßte eine Superintelligenz stehen, die all die eingehenden Informationen aufnehmen und bewerten kann. Weder unter Neuronen noch unter Menschen sind solche Superintelligenzen jedoch verfügbar. Die einzige Chance, ein solches komplexes System dennoch zu beeinflussen; liegt darin, wie das Gehirn verteilte Strukturen auszubilden - wenn auch nicht so rücksichtslos wie das Gehirn, das Strukturen, die nicht mehr gebraucht werden, einfach eliminiert.

0.015626043 = product of:
  0.09375625 = sum of:
    0.09375625 = weight(_text_:wissen in 5213) [ClassicSimilarity], result of:
      0.09375625 = score(doc=5213,freq=8.0), product of:
        0.1639626 = queryWeight, product of:
          4.3128977 = idf(docFreq=1609, maxDocs=44218)
          0.038016807 = queryNorm
        0.57181484 = fieldWeight in 5213, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          4.3128977 = idf(docFreq=1609, maxDocs=44218)
          0.046875 = fieldNorm(doc=5213)
  0.16666667 = coord(1/6)

Abstract

Es gibt drei Mechanismen, über die Wissen in das Gehirn gelangt. Es ist einmal das durch die Evolution in den Genen gespeicherte Wissen über die Welt, wie es im Phänotyp jedes neu ausgereiften Gehirns exprimiert ist. Zum Zweiten gibt es das während der frühen Ontogenese erworbene Erfahrungswissen, das sich in strukturellen Änderungen der Gehirnarchitektur manifestiert - die übrigens kaum von den genetisch bedingten zu unterscheiden sind. Drit ten s ist es das durch Lernen erworbene Wissen, das sich in funktionellen Änderungen bereits bestehender Verbindungen ausdrückt. Auch die lernbedingten Veränderungen führen natürlich zu strukturellen Veränderungen auf der molekularen Ebene, die allerdings nur mit hoch auflösenden Mikroskopen identifiziert werden können. In ihrer Gesamtheit bestimmen diese drei Wissensquellen die funktionelle Architektur des jeweiligen Gehirns und damit das Programm, nach dem das betrachtete Gehirn arbeitet

0.007813022 = product of:
  0.046878126 = sum of:
    0.046878126 = weight(_text_:wissen in 5129) [ClassicSimilarity], result of:
      0.046878126 = score(doc=5129,freq=8.0), product of:
        0.1639626 = queryWeight, product of:
          4.3128977 = idf(docFreq=1609, maxDocs=44218)
          0.038016807 = queryNorm
        0.28590742 = fieldWeight in 5129, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          4.3128977 = idf(docFreq=1609, maxDocs=44218)
          0.0234375 = fieldNorm(doc=5129)
  0.16666667 = coord(1/6)

Abstract

Es soll der Frage nachgegangen werden, wie Wissen über die Welt in das Gehirn gelangt, wie es dort verankert wird und wie es bei der Wahrnehmung der Welt genutzt wird, um diese zu ordnen. Behandelt werden müssen dabei kognitive Aspekte der Evolution und der Individualentwicklung. Vor allem aber bedarf es dabei der Auseinandersetzung mit den neurobiologischen Grundlagen der Wahrnehmung, mit der Frage nach der Repräsentation von Wahrnehmungsobjekten im Gehirn. Vorab soll an einem alltäglichen Wahrnehmungsprozess verdeutlicht werden, welche Leistungen unsere kognitiven Systeme erbringen müssen, wenn sie versuchen, Ordnung in die Welt zu bringen. Die erste Abbildung zeigt eine komplexe Szene, in der Figuren zu erkennen sind. Es dauert gemeinhin eine Weile, bis diese als Pferde identifiziert werden können, und je länger die Suche währt, um so mehr Pferde werden sichtbar. Um diese Figuren erkennen zu können, muss das visuelle System zunächst eine Segmentierungsleistung erbringen. Es muss die Figuren vom Grund trennen; die Mustermerkmale, die konstitutiv für individuelle Figuren sind, müssen als zusammengehörig erkannt werden. Ferner müssen die verschiedenen Figuren voneinander getrennt werden, um identifizierbar zu sein. Vermengung von Konturen der Pferde mit Konturen des Hintergrundes oder von Konturen unterschiedlicher Pferde würde das Erkennen individueller Gestalten unmöglich machen, Dieser Segmentierungsprozess läuft meist automatisch ab, bleibt unbewusst und erfordert keine besondere Aufmerksamkeit. Da er der Objektidentifikation vorausgeht, muss er auf einer relativ niedrigen Ebene der visuellen Verarbeitungshierarchie erfolgen. Aus dem gleichen Grund muss er sich an Gruppierungsregeln orientieren, die für alle visuellen Objekte gleichermaßen gelten. Gruppierung muss möglich sein, bevor man weiß, welche Figuren eine Szene enthält. Ohne Vorwissen darüber, wie die Welt strukturiert ist, nach welchen Kriterien Szenen zweckmäßigerweise zu segmentieren sind, wäre es unmöglich, aus den zweidimensionalen Helligkeitsverteilungen, auf welche die Sehwelt in unseren Augen reduziert wird, irgendwelche Figuren zu extrahieren. Natürlich hilft es zu wissen, dass in dieser Szene Pferde grasen, aber dies weist nur zusätzlich darauf hin, dass sprachlich vermittelbares Wissen von den entsprechenden auditorischen Zentren im Gehirn auf periphere Ebenen des visuellen Systems zurückprojiziert werden kann, um dort Segmentierungsprozesse zu unterstützen. In diesem Fall erfolgt die Segmentierung dann aber unter der Kontrolle von Aufmerksamkeit und wird zur bewussten Suche.
Da Segmentierung aber möglich sein muss, ohne dass vorher gewusst wird, was zu sehen ist, muss sie allgemeinen, Im System fest verankerten Gesetzen gehorchen. Es muss angeborenes oder erworbenes Wissen darüber gespeichert sein, mit welcher Wahrscheinlichkeit bestimmte Konstellationen von Mustermerkmalen für visuelle Objekte kennzeichnend sind. Dieses Regelwissen ist in den dreißiger Jahren von den Gestaltpsychologen um Max Wertheimer gründlich erforscht worden. Als starkes Gruppierungskriterium gilt zum Beispiel die Kontinuität bzw. räumliche Kontiguität von Konturen. Das Sehsystem hat die Tendenz, Konturen, die zusammenhängen, als zu einer Figur gehörig zu gruppieren. Das Gleiche gilt für Bildelemente, die nahe benachbart sind (Kriterium der Nähe) oder für Elemente, die in irgendeinem Merkmalsraum Ähnlichkeiten aufweisen, etwa die gleiche Farbe oder die gleiche Textur haben (Kriterium der Ähnlichkeit). Ein ganz besonders effizientes Gruppierungskriterium, das vermutlich angeboren ist und den meisten Spezies gemeinsam ist, wird als Kriterium des gemeinsamen Schicksals angesprochen, Wenn ein gut getarnter Käfer reglos im Laub sitzt, ist er in der Regel nicht segmentierbar und damit auch nicht erkennbar. Bewegt er sich aber, was zur Folge hat, dass sich die Konturen seines Tarnmusters alle mit der gleichen Geschwindigkeit in die gleiche Richtung bewegen, wird er sofort vom Hintergrund abgrenzbar, als Käfer identifizierbar und, wenn er Pech hat, gefressen. Kognitive Systeme wenden also zunächst relativ elementare Kohärenzkriterien an, um Bildelemente zusammenzufassen, die mit einer gewissen Wahrscheinlichkeit konstitutiv für Wahrnehmungsobjekte sind. Hinzu treten eine Reihe komplexerer Kriterien wie die Geschlossenheit oder die gute Fortsetzung sich überschneidender Konturgrenzen. Wir gehen davon aus, dass sich Konturen harmonisch und kontinuierlich fortsetzen, auch wenn sie partiell verdeckt sind. Und schließlich bewerten wir sogar symmetrische Bezüge von Musterelementen als konstitutiv für Objekte. Es werden solche Konturgrenzen gruppiert, die, wenn zusammengefasst, symmetrische Figuren ergeben. Es entspricht dies dem Faktum, dass die meisten Organismen entweder radial- oder axialsymmetrisch sind.

0.004006141 = product of:
  0.024036845 = sum of:
    0.024036845 = product of:
      0.07211053 = sum of:
        0.07211053 = weight(_text_:22 in 5573) [ClassicSimilarity], result of:
          0.07211053 = score(doc=5573,freq=2.0), product of:
            0.13312837 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.038016807 = queryNorm
            0.5416616 = fieldWeight in 5573, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.109375 = fieldNorm(doc=5573)
      0.33333334 = coord(1/3)
  0.16666667 = coord(1/6)

Date

22. 7.2000 18:43:51

0.0028875046 = product of:
  0.017325027 = sum of:
    0.017325027 = product of:
      0.05197508 = sum of:
        0.05197508 = weight(_text_:29 in 3118) [ClassicSimilarity], result of:
          0.05197508 = score(doc=3118,freq=2.0), product of:
            0.13373125 = queryWeight, product of:
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.038016807 = queryNorm
            0.38865322 = fieldWeight in 3118, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.078125 = fieldNorm(doc=3118)
      0.33333334 = coord(1/3)
  0.16666667 = coord(1/6)

Date

31.12.1996 19:29:41

0.0017169174 = product of:
  0.010301504 = sum of:
    0.010301504 = product of:
      0.030904513 = sum of:
        0.030904513 = weight(_text_:22 in 4167) [ClassicSimilarity], result of:
          0.030904513 = score(doc=4167,freq=2.0), product of:
            0.13312837 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.038016807 = queryNorm
            0.23214069 = fieldWeight in 4167, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.046875 = fieldNorm(doc=4167)
      0.33333334 = coord(1/3)
  0.16666667 = coord(1/6)

Date

22. 2.2018 18:10:21

0.0011446116 = product of:
  0.0068676695 = sum of:
    0.0068676695 = product of:
      0.020603009 = sum of:
        0.020603009 = weight(_text_:22 in 2402) [ClassicSimilarity], result of:
          0.020603009 = score(doc=2402,freq=2.0), product of:
            0.13312837 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.038016807 = queryNorm
            0.15476047 = fieldWeight in 2402, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03125 = fieldNorm(doc=2402)
      0.33333334 = coord(1/3)
  0.16666667 = coord(1/6)

Date

12. 2.1996 22:34:46