Inhaltsverzeichnis

1.  Einführung  3

2.  Grundlagen der Neurophysiologie aus der Perspektive der Komplexitätstheorie  4

3.  Synaptische Plastizität und der Weg als Ziel  7

4.  Zeiterlebnis und die Emergenz des Bewusstseins  11

5.  Charakteristik des Bewusstseins  13

5.1  Emotion  14

5.2  Konstitutions-Merkmale von Emotionen  15

5.3  Emotionen und Stimmungen  15

5.4  Emotionsverarbeitung im limbischen Gehirn  16

6.  Kreativer und effizienter Rechner  17

7.  Computerzeit und künstliche Intelligenz  17

8.  Zusammenfassung  21

9.  Literatur  22

2

1. Einführung

Das menschliche Leben kann für die Wahrnehmung mit einem Anfang und einem Ende skizziert werden. Ebenso hat jeder Tag in unserer Zeitrechnung einen Anfang und ein Ende. Im Unterschied dazu ist das Lebensende in der Regel offen gestaltet. Laut Statistik (Weltbank, 2009) drehen sich die Deutschen circa 80 Jahre oder 29200 Tage mit der Erde. Für die Beschreibung von Zeit und Bewusstsein eignen sich komplexe Systeme. Denn das Phänomen des Zeitbewusstseins hängt eng mit der Dynamik von Bewusstseinszuständen des Gehirns zusammen. Basierend auf der Komplexitätstheorie wird das Bewusstsein charakterisiert, die Gehirnenergetik sowie die synaptische Plastizität erklärt, welche das tragende Element für die Selbstorganisation des Menschen ist. Mainzer (2005) weißt daraufhin, dass dieses Zeitbewusstsein nicht im Gegensatz zur Physik stehe, und als Ergebnis der komplexen neuronalen Wechselwirkungsprozesses erklärbar sei. Dadurch werden Konfrontationen wie die zwischen Bergson und Einstein überflüssig, da jene Ebenen nicht vergleichbar sind. Im Gegensatz zur traditionellen Physik ist die Zeit für die Intelligenz unterschiedlich erfahrbar. Einstein zerstörte die alte Idee der absoluten Zeit. Mit der Relativitätstheorie stieß er das Fundament der klassischen Physik um. Seitdem sind Raum und Zeit miteinander verwandt. Das Konzept der Zeitdehnung oder die Idee von Wurmlöchern wurden für die Wissenschaftler existent (Coveney und Highfield, 1994), allerdings ist die Theorie komplexer Systeme fern des thermischen Gleichgewichts als Erklärungsversuch zu verstehen und das Bewusstsein wird demzufolge als ein globaler makroskopischer Ordnungszustand von neuronalen Verschaltungsmuster verstanden, die durch lokale mikroskopische Wechselwirkungen in komplexen neuronalen Netzen entstünden (Mainzer, 2005).

3

2. Grundlagen der Neurophysiologie aus der Perspektive der Komplexitätstheorie Unter komplexen Systemen versteht man Systeme, welche sich der Vereinfachung

verwehren und vielschichtig bleiben. Insbesondere gehören hierzu die komplexen adaptiven Systeme, die im Stande seien, sich an ihre Umgebung anzupassen (wikipedia.org). Die Analyse erfolgt auf dem Fundament der Komplexitäts- beziehungsweise der Systemtheorie. Jene beschäftigt sich mit der Komplexität von Algorithmen und Funktionen (Mainzer, 2005). Das Gehirn verfügt über eine Population mehrerer Milliarden wechselwirkenden Neuronen und organisiert sich nach der Theorie komplexer Systeme in Clustern. Der evolutionäre Vorteil des Gehirns gegenüber Computern besteht in der Organisation und der Kreativität. Die Speicherkapazität, Rechenleistung, Präzision sowie die Verarbeitungsschnelligkeit eines Computer erreicht das menschliche Gehirn nicht. Diese relative Ungenauigkeit ist ein evolutionärer Vorteil des Gehirns gegenüber den Maschinen. Die Intelligenz erlaubt Flexibilität und Anpassung. Genau das was die Natur erfordert. In der Natur gilt das Prinzip der Asymmetrie, während bei Computern eher lineare Prozesse ablaufen. Dennoch kann das Gehirn außergewöhnliche Rechenleistungen vollbringen wie es Autisten eindrucksvoll bestätigen. In der dreiteiligen Fernsehreportage „Expedition ins Gehirn der Superbegabten“ wurden Wissenschaftler bei der Erkundung des Gehirns von Autisten von einem Kamerateam begleitet. Die gewonnenen Erkenntnisse konnten dadurch allgemeinverständlich erklärt werden.

Der netzartige Aufbau erklärt den Vorteil des Gehirns gegenüber dem Von-Neumann-Computer. Ein großer Teil der Neuronenpopulation ist hier aktiv und kommuniziert miteinander. Dies sei die Voraussetzung für die Koordination von ganzheitlichen Bewegungsvorgängen. Fängt man, darüber nachzudenken und die Bewegung in einzelne Teile zu zerlegen, wird man häufig verunsichert und die Bewegung funktioniert nicht mehr (Mainzer, 2008). Das Nervensystem kommuniziert via Spikes direkt mit den Muskelzellen. Bewegungen werden zur sichtbaren Clusteraktivität des motorischen Kortex und seinen Verknüpfungen mit der Großhirnrinde.

Nach Singer (2006) werden in den präfrontalen Arealen die Handlungsplanung unter

4

Einbindung der sozialen Gefüge vermutet. Hier findet sich der Kurzzeitspeicher, der es dem Menschen ermöglicht, Reaktionen und Reize aufzuschieben sowie Handlungsentwürfe gegeneinander abzuwägen. Diese Beispiele zeigen, dass die komplexe Struktur es dem Menschen erst ermöglicht Menschen wiederzuerkennen, sich zu unterhalten und Bewegungsabläufe zu koordinieren - und das in Sekundenbruchteilen. Das Gehirn ist komplexer als das Universum:

„… daher kann es nicht um eine numerische Beherrschung und Simulation des Gehirns gehen, sondern vielmehr sollen die Strukturprinzipien des Gehirns erkannt und mathematisch beschrieben werden, um auf dieser Grundlage die Emergenz von Denken, Fühlen, Sprechen etc. verstehen zu können.“ (Mainzer 2005, S. 100)

Der evolutionäre Vorteil des Gehirns besteht in der Fähigkeit sich selbst zu organisieren indem es Netzwerke in Form von neuronalen Verbindungen bildet. Diese selbstständigen Modifikationen ermöglichen dem Gehirn das Lernen. Im Modell wird dies durch variable Synapsengewichte zum Ausdruck gebracht. Die Stärke der Verbindungen beziehungsweise der Assoziationen hängt laut Mainzer (2005) von den jeweiligen Synapsen ab. Aus der physiologischen Perspektive stellt sich Lernen daher als lokaler zeitlicher Vorgang dar. Veränderungen der Synapsen erfolgen nicht von außen, sondern durch eine lokale Veränderung der Synapsen.

Die zeitliche Veränderungen der Synapsengewichte wurde nach den Lernregeln von D.O. Hebb vorgenommen, berichtet Mainzer (2005). Hier könnte eine Lernregel darin bestehen, dass häufig gemeinsam aktivierte Neuronen ihre Verbindung untereinander verstärken, welche zu Assemblies führen würden. Diese Aktivitätsmuster kann man als neuronale Korrelationen im Gehirn verstehen. Sie stehen wiederum für Korrelationen mit Außenweltsignalen. Der Komplexitätsforscher Mainzer meint, dass es sich bei solchen Mustern um Worte, Klänge, Bilder von Gegenständen oder ganzer Situationen handelt. Für die Hirnforscher sind die

5

Assemblies von großer Bedeutung, denn sie ermöglichen es ihnen Bewusstseinszustände zu beschreiben.

Mit diesen Verfahren können einige Leistungen des Gehirns charakterisiert werden. Beim merken und einprägen lernt das Gehirn einen Weg zu gehen. Durch die längere Beschäftigung mit dem Sachverhalt wird er wiederholt und im Gehirn wiederholt sich das entsprechende Aktivitätsmuster und trainiert die neuronalen Verbindungen. Aus der Perspektive der Hebbschen Regel verstärken sich die synaptischen Verbindungen zwischen den aktivierten Neuronen. Möchte man sich an etwas erinnern, so wird aus Teilen der vollständige Sachverhalt konstruiert. Im Idealfall funktioniert dies, allerdings geschieht jene Form der Mustervervollständigung spontan. Ferner schreibt Mainzer (2005), dass Aktivitätsmuster auch abstrakte Konzepte wie geometrische Formen repräsentieren. Beim Lernen werden Verbindungen zwischen Neuronen und vernetzten Neuronengruppen hergestellt. Diesen Vorgang beschreibt man als synaptische Plastizität. Für Mainzer stellt eine gelernte Gedankenassoziation ein zeitlich geronnenes Korrelationsmuster dar. Aus diesen Ideen konnten sich Lernstrategien entwickeln. Das Lernen mit Mindmaps nach Buzan und Clustern basiert auf diesem Prinzip. Hier wird um ein Bild oder einen Begriff eine netzartige Struktur entworfen um Informationen zu sammeln mit dem Ziel durch Verknüpfungen sie in einen möglichen Zusammenhang zu bringen. Jedoch bekommt die kreative Gestaltung bei den Mindmaps mehr Gewichtung geschenkt als bei der Clustermethode.

Die zwei Millimeter dicke gefaltete Gehirnrinde scheint für den Neurophysiker Wolf Singer vom Max-Planck-Institut für Biophysik den Unterschied zwischen Mensch und den niederen Lebewesen auszumachen.

„Die hochentwickelten Gehirne von Primaten unterscheiden sich von den Gehirnen anderer Säugetiere vornehmlich durch die enorme Volumenzunahme der Großhirnrinde. Größe ist notwendige, aber nicht hinreichende Voraussetzung für Komplexität und Leistung; es kommt auch und vor allem auf die Verschaltung der Nervenzellen an.“ (Singer 2006 , S. 15)

6