STANFORD / LONDON (IT BOLTWISE) – Stanford startet mit dem Wu Tsai Neurosciences Institute ein universitär vernetztes „Digital Brain“-Projekt. Ziel sind predictive computational models der menschlichen Hirnaktivität, gespeist aus großskaligen, maßgeschneiderten Bildgebungsdaten. Die Daten sollen Foundation Models trainieren, mit denen Forschende Gehirnreaktionen in unterschiedlichen Kontexten simulieren können. Zusätzlich soll der Ansatz perspektivisch helfen, Netzwerkmuster hinter Störungen wie Depression oder Parkinson früher zu erkennen und gezielter zu behandeln.
Stanford treibt die nächste Stufe der Neuroinformatik mit einem Projekt voran, das so ambitioniert wie methodisch klar umrissen ist: Aus Messdaten zur Hirnaktivität soll ein „Digital Brain“ entstehen, also ein Modell, das nicht nur Muster beschreibt, sondern Hirndynamik vorhersagbar macht. Laut dem Vorhaben wird das Projekt über fünf Jahre laufen und als universitätsweites Konsortium arbeiten. Im Zentrum steht die Idee, dass sich komplexe Zustände des Gehirns in einer virtuellen Umgebung prüfen lassen, bevor Experimente im Labor stattfinden – deutlich schneller als klassische Studiendesigns, die stark von Zeit, Rekrutierung und Messaufwand abhängen.
Technisch denkt das Projekt in der Logik moderner Foundation Models: Große, vielfältige Datensätze dienen als Grundlage, damit Modelle breite statistische Zusammenhänge lernen und darauf gestützt verallgemeinerbare Vorhersagen liefern. Die Stanford-Konzeption beschreibt dabei „large brain models“ als Pendant zu textbasierten großen Sprachmodellen, nur eben trainiert auf heterogenen Bildgebungsdaten. Damit rückt das Zusammenspiel aus prädiktiver Modellierung und Abstraktion in den Vordergrund: Nicht ein einzelnes Spezialmodell für eine Aufgabe soll dominieren, sondern eine Modellfamilie, die sich schrittweise von Teilfunktionen hin zum Gesamtsystem ausbaut. Dass Stanford ausdrücklich auf offene Wissenschaft setzt und die Resultate weltweit teilen will, ist dabei nicht nur Kultur, sondern auch ein Hebel für Wiederverwendbarkeit in der Forschung.
Für die Datenbasis setzt das Projekt auf eine Kombination aus Hochleistungs-Infrastruktur, die unterschiedliche Dimensionen von Hirnaktivität sichtbar macht. Vorgesehen ist der Einsatz eines 7-Tesla-MRT-Scanners in klinischer Qualität, angekündigt für das Lucas Center for Imaging an Stanford Medicine, ergänzt durch ein neuartiges Wearable-OPM-MEG-System im Koret Human Neurosciences Community Laboratory des Wu Tsai Neurosciences Institute. Der Kernvorteil liegt in der Verbindung von räumlicher Auflösung des 7-Tesla-MRT und der zeitlichen Präzision von MEG im Millisekundenbereich. So lassen sich Situationen abbilden, in denen Menschen natürliche Videos ansehen, beschreiben und später wieder abrufen – also Paradigmen, die Wahrnehmung, Aufmerksamkeit und Gedächtnis in einem inhaltlich reicheren Setting testen, statt nur isolierte Reize in streng kontrollierten Sequenzen zu untersuchen.
Die organisatorische Umsetzung folgt der Vorstellung „Team science at scale“. Das Konsortium arbeitet demnach in großen experimentellen Kampagnen, die jeweils unterschiedliche Aspekte der Funktion des Gehirns adressieren: Wahrnehmung, Gedächtnis, Sprache, Bewegung, Entscheidungen, Emotionen, soziale Interaktion und weitere Domänen. Führungskräfte nennen dabei die Mess- und Integrationsleistung als entscheidende Zutat. So beschreibt Dan Yamins, Wu Tsai Neuro faculty scholar und assoziierter Professor für Psychologie und Informatik, dass das Training von Foundation Models auf Hirndaten im Maßstab quantitative Vorhersagen über die Informationsverarbeitung zellularer und netzwerkbasierter Strukturen ermöglichen soll. Ähnlich wird Kang Shen als Direktor des Wu Tsai Neurosciences Institute zitiert, der das Vorgehen als strategische Brücke sieht, um Interventionen gedanklich vorwegzunehmen und dann gezielter testen zu können.
Auch klinisch will Stanford das Projekt nicht bei der reinen Modellgüte stehen lassen. Die Erwartung lautet, dass digitale Hirnmodelle subtilere Netzwerkstörungen aufdecken helfen könnten, die hinter Erkrankungen wie Depression oder Parkinson stehen. Wenn solche Muster konsistent identifizierbar sind, könnten daraus frühere Biomarker entstehen und als Leitplanken für Interventionen dienen, die später in klinischen Studien überprüft werden. Ein konkreter Denkpfad, der im Projekttext anklingt, ist das Matching individueller Patientinnen und Patienten mit personalisierten Therapien auf Basis der eigenen Hirnaktivitätsdaten – inklusive der Möglichkeit, Simulationen zu nutzen, um selektive Stimulationseingriffe auf „gesündere“ Netzwerkzustände auszurichten. Gerade diese Verbindung aus Vorhersage, Individualisierung und Testbarkeit macht den Ansatz für Forschungsteams attraktiv, die sonst an die harte Realität von langen klinischen Validierungszyklen gebunden sind.
Für die Umsetzung nennt das Vorhaben auch den Rechen- und Modellbau-Aspekt: Die Modellentwicklung soll laut Projektteam Foundation Models auf den komplementären Datensätzen trainieren, mit „frontier computational methods“, die im Umfeld von Yamins und Kolleginnen/Kollegen entwickelt wurden. Dafür wird der Hochleistungs-GPU-Cluster Marlowe am Standort eingebunden. Gleichzeitig wird ein kontinuierlicher Feedback-Zyklus betont, bei dem Datenerhebung und Modelltraining einander prüfen: Modelle sollen ihre Genauigkeit gegen reale Hirndynamik und menschliche Verhaltenskontexte unter Beweis stellen. In der Open-Science-Logik baut das Projekt zudem auf etablierten Standards und Infrastrukturen auf, darunter OpenNeuro als Plattform für Datenaustausch sowie die Brain Imaging Data Structure als verbreitetes Datenformat. Damit wird das „Digital Brain“ nicht nur zu einem internen Forschungsasset, sondern zu einer Basis, die externe Arbeitsgruppen für eigene Hypothesen- und Interventionsstudien nutzen können.
🔥 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 "Stanford startet „Digital Brain“: KI soll Hirndynamik vorhersagen" 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 "Stanford startet „Digital Brain“: KI soll Hirndynamik vorhersagen" 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: »Stanford startet „Digital Brain“: KI soll Hirndynamik vorhersagen« bei Google Deutschland suchen, bei Bing oder Google News!