LONDON (IT BOLTWISE) – Eine fMRI-Studie deutet darauf hin, dass das Gehirn Gender-Informationen nicht nur aus Gesichtern, sondern auch aus Körpern und sogar aus Objekten in überlappenden Netzwerken verarbeitet. Besonders auffällig ist eine Region im rechten mittleren Temporallappen, die genderbezogene Muster über verschiedene Bildtypen hinweg erkennen lässt. Die Ergebnisse stützen die Idee eines „kategorieübergreifenden“ Codes, bleiben aber laut Gutachtern mit methodischen Unsicherheiten behaftet. Entscheidend ist damit weniger, ob jemand aktiv nach Gender schaut, sondern wie das Gehirn visuelle Merkmale zu sozialen Kategorien abstrahiert.
Die Fähigkeit, Gender aus visuellen Hinweisen abzuleiten, läuft im Alltag meist „nebenbei“ ab. Bereits Sekundenbruchteile reichen aus, um aus Gesichtern, Körperhaltung, Kleidung oder sogar aus Gegenständen, die man kulturell mit Männern oder Frauen verbindet, eine soziale Zuordnung abzuleiten. Genau an dieser Schnittstelle setzt die nun diskutierte neurobildgebende Arbeit an: Sie fragt nicht, wo Gender im Gehirn „lokalisiert“ ist, sondern ob unterschiedliche Bildquellen auf eine gemeinsame Repräsentationsform hinauslaufen.
Methodisch basiert die Studie auf funktioneller Magnetresonanztomografie (fMRI), bei der das Signal Veränderungen im Blutfluss als indirektes Maß für neuronale Aktivität abbildet. Untersucht wurden 22 gesunde Erwachsene im Alter von 19 bis 28 Jahren (Durchschnitt 22; elf Männer). Im Kern sahen die Teilnehmenden 12-Sekunden-Blöcke mit Bildern, jeweils aus genau einer Bedingung: männliche und weibliche Gesichter, männliche und weibliche Körper sowie Objekte, die stark mit einem Geschlecht assoziiert waren. Pro Bedingung kamen 30 unterschiedliche Bilder zum Einsatz, und jeder Durchgang dauerte 5 Minuten und 30 Sekunden. Wichtig für die Interpretation: Die Probanden wurden nicht explizit gebeten, Gender zu beurteilen. Stattdessen sollten sie Aufmerksamkeit zeigen, indem sie einen Knopf drückten, wenn dasselbe Bild zweimal in Folge erschien; die Reaktionsgenauigkeit lag bei etwa 97 Prozent.
Die Auswertung nutzt dabei einen Ansatz aus dem maschinellen Lernen, der das Decoding von Klassen über räumliche Muster der Aktivität erlaubt. Dabei prüft ein Klassifikator, ob sich in einem bestimmten Hirnareal Signalmuster finden lassen, mit denen „männliche“ versus „weibliche“ Stimuli unterscheidbar sind. Für Gesichter zeigte sich die Gender-Information in mehreren visuell geprägten Regionen beidseits des Gehirns, darunter der Cuneus, die Calcarine Cortex, der Lingual Gyrus sowie der obere und mittlere Okzipitallappen (inklusive des Middle Temporal Gyrus). Zusätzlich tauchten genderrelevante Muster auch in parietalen und fusiformen Arealen auf. Bei Körpern verteilte sich die Information über einen großen Anteil des Okzipitotemporalcortex, begleitet von Clustern in mehreren Parietal-Regionen und im postzentralen Gyrus. Für Objekte schließlich fanden die Forschenden Hinweise in einem breiteren Satz okzipital-temporaler Areale, darunter Inferior Temporal Gyrus sowie wiederum – besonders konsistent – der rechte mittlere Temporallappen.
Der entscheidende Test folgt auf die getrennte Betrachtung: Kann die aus Gesichtern gelernte Information auch auf Körper oder Objekte übertragen werden? Die Forschenden trainierten den Klassifikator auf Aktivitätsmustern für männliche und weibliche Gesichter und testeten anschließend, ob er damit die Gender-Zuordnung bei Körpern korrekt vorhersagen kann. In analoger Weise wurden auch andere Paarkombinationen geprüft. Für alle drei Kombinationen (Gesichter↔Körper↔Objekte) funktionierte dies nur in einer kleinen Cluster-Region im rechten mittleren Gyrus temporalis. Eine zweite Analyse wies ebenfalls in dieselbe Richtung. Gleichzeitig war die Region nicht „nur für Gender“ zuständig: Ähnlich wie andere genderbezogene Areale trägt sie auch Informationen darüber, ob die Person gerade Gesichter, Körper oder Objekte sieht. Damit verschiebt sich der Fokus weg von einem einfachen Etikett („Hier sitzt Gender“) hin zu einer eher abstrakten, aber nicht exklusiven Repräsentationsrolle.
Um einzuordnen, welche Art visueller Information diese Region nutzt, verglichen die Forschenden ihre Aktivitätsmuster mit einem künstlichen neuronalen Netzwerk, das darauf trainiert war, Bilder nach Gender zu klassifizieren. Die Signalähnlichkeit lag dabei am stärksten in den mittleren Ebenen des Netzwerks. Das ist technisch bedeutsam, weil „mid-level visual features“ als Zwischenrepräsentationen verstanden werden: also Konturen, Texturen, Formen und räumliche Anordnungen, die weiter über elementare Eigenschaften wie Farbe oder Orientierung hinausgehen, aber noch nicht der vollständigen Objekt- oder Kategorienerkennung entsprechen. Ebenso analysierten die Autoren, wie sich genderrelevante Regionen gegenseitig „unterhalten“; das Muster der Konnektivitätsähnlichkeit war moderat, wenn Gesichter und Körper betrachtet wurden, während dies bei Objekten weniger deutlich war.
Solche Mechanismen passen zu der verbreiteten Vorstellung, dass das Gehirn soziale Kategorien über verteilte Netzwerke abstrahiert, statt jedes Detail in einem einzigen Areal zu speichern. Der Artikel macht damit einen konkreten Vorschlag: Ein kategorieübergreifender „Hub“ im rechten mittleren Temporallappen könnte eine Brücke zwischen heterogenen visuellen Eingängen schlagen und so eine gemeinsame Zuordnung ermöglichen. Gleichzeitig bleibt die wissenschaftliche Robustheit umstritten. In der Begutachtung wurde die Evidenz als unvollständig bewertet; Kritiker verwiesen auf konzeptionelle Bedenken, schwache statistische Methoden und mögliche Störfaktoren durch grundlegende Unterschiede zwischen den Bildmaterialien, etwa die Größe der Darstellungen. Dazu kommt, dass die Stichprobe mit 22 jungen Erwachsenen klein ist und die Aufgabe Gender nicht erfordern ließ. Außerdem sind die Objektauswahl und deren Genderassoziationen kulturell geprägt; in anderen Populationen könnten andere Lernerfahrungen zu abweichenden Repräsentationen führen. Die Publikation ist als Peer-Review-kontextualisierte Version verfügbar, das Paper verweist dabei auf den Datensatz über eLife und beschreibt die Arbeit unter dem Titel „A shared neural code for gender across faces, bodies, and objects in the human brain“.
Für die KI- und Neurowissenschafts-Community ist besonders interessant, dass die Studie einen datengetriebenen Weg zeigt, wie „abstrakte“ Kategorien aus unterschiedlichen Wahrnehmungskanälen rekonstruierbar werden könnten. Wer solche Ideen in Modell-Designs übertragen will, findet hier ein Analogon: Statt Kategorien ausschließlich an ein einzelnes Input-Format zu knüpfen, könnten Architekturen die Zwischenebenen („mid-level“) stärker als gemeinsame „Sprachschicht“ zwischen Domänen nutzen. Entscheidend wird dabei die Frage, wie robust dieser Transfer ist, wenn Bildstatistiken, Bildgrößen oder kulturelle Assoziationen variieren. Genau diese Punkte dürften in zukünftigen Studien mit größeren Stichproben, kontrollierterem Stimulus-Design und aktiveren Aufgabenstellungen überprüft werden. Bis dahin liefert die Arbeit vor allem eine plausible Hypothese: Gender kann im Gehirn über einen gemeinsamen Code zugänglich werden – aber die Belege dafür müssen methodisch noch belastbarer werden.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Studie zeigt: Gehirn nutzt womöglich einen gemeinsamen Gender-Code" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Studie zeigt: Gehirn nutzt womöglich einen gemeinsamen Gender-Code" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Studie zeigt: Gehirn nutzt womöglich einen gemeinsamen Gender-Code« bei Google Deutschland suchen, bei Bing oder Google News!