Hirnforscher gewinnen Einblick in die Art und Weise, wie das Gehirn Computercode liest

Hirnforscher am Massachusetts Institute of Technology (MIT) haben wertvolle Erkenntnisse darüber gewonnen, wie das Gehirn Computercode liest. Sie fanden heraus, dass nicht die Regionen des Gehirns, die an der Sprachverarbeitung beteiligt sind, sondern das “Multiple Demand Network” aktiviert wird. Dieses Netzwerk ist auch für komplexe kognitive Aufgaben wie mathematische Probleme verantwortlich.

Es ist leicht zu verstehen, warum man annehmen könnte, dass die Bereiche, die an der Sprachverarbeitung beteiligt sind, auch für die Computerprogrammierung verantwortlich seien, da beide Aufgaben in vielerlei Hinsicht ähnlich sind. Zum Beispiel erfordert die Computerprogrammierung auch das Lernen neuer Symbole und Begriffe, die dann so organisiert werden müssen, dass die Maschine weiß, was sie tun soll. Computercode muss auch extrem klar sein, damit die Programmierer ihn verstehen können.

Trotzdem werden die Dinge noch komplexer, da das Lesen von Computercode mit dem Multiple Demand Network nicht die gleichen kognitiven Anforderungen wie Mathematik erfordert.

Anna Ivanova ist eine Doktorandin am MIT und die Hauptautorin der Studie.

“Das Verstehen von Computercode scheint seine eigene Sache zu sein. Es ist nicht dasselbe wie Sprache, und es ist nicht dasselbe wie Mathematik und Logik”, sagt Ivanova.

Die Forschung umfasste auch die Seniorautorin Evelina Fedorenko, eine Associate Professor of Neuroscience und Mitglied des McGovern Institute for Brain Research, sowie Forscher aus dem Computer Science and Artificial Intelligence Laboratory des MIT und der Tufts University.

Der Artikel wurde in diesem Monat in eLife veröffentlicht.

Fedorenkos Arbeit konzentriert sich auf die Funktionen, die auf dem Sprachnetzwerk des Gehirns basieren, das sich im linken Hemisphären des Gehirns befindet. Einige ihrer früheren Arbeiten haben gezeigt, dass das Sprachnetzwerk nicht durch Musik und Mathematik aktiviert wird.

“Wir waren hier an der Erforschung der Beziehung zwischen Sprache und Computerprogrammierung interessiert, teilweise weil die Computerprogrammierung so eine neue Erfindung ist, dass wir wissen, dass es keine hardverdrahteten Mechanismen gibt, die uns zu guten Programmierern machen”, sagt Ivanova.

Aktiviertes Multiple Demand Network

Die Forscher fanden sehr wenig Reaktion auf Code in diesen Sprachregionen, aber sie fanden das Multiple Demand Network im gesamten frontalen und parietalen Lappen aktiviert. Dieses Netzwerk wird eingesetzt, wenn Aufgaben große Mengen an Informationen erfordern, die gleichzeitig gehalten werden müssen, was unsere Fähigkeit zur Ausführung einer Reihe von mentalen Aufgaben ermöglicht.

“Es macht fast alles, was kognitiv herausfordernd ist, was dich hart denken lässt”, sagt Ivanova.

Die Forscher haben keine spezifischen Regionen identifiziert, die ausschließlich für die Programmierung verwendet werden, aber sie glauben, dass Personen mit umfangreicher Codiererfahrung spezielle Hirnaktivitäten entwickeln könnten.

“Es ist möglich, dass wenn man professionelle Programmierer nimmt, die 30 oder 40 Jahre in einer bestimmten Sprache programmiert haben, man möglicherweise einige Spezialisierung oder einige Kristallisation von Teilen des Multiple Demand Systems sieht”, sagt Fedorenko. “Bei Personen, die mit der Codierung vertraut sind und diese Aufgaben effizient ausführen können, aber nur begrenzte Erfahrung haben, sieht man einfach keine Spezialisierung.”

Ein Team von Forschern an der Johns Hopkins University hatte ähnliche Ergebnisse, insbesondere mit dem Multiple Demand Network, das für Codierprobleme aktiviert wird. Laut den Forschern bedeuten diese Ergebnisse, dass die Codierung nicht auf eine mathematische Fähigkeit oder eine sprachbasierte Fähigkeit beschränkt werden kann, da sie auf beiden Sprach- und Multiple Demand-Systemen basieren kann.

“Es gab Behauptungen aus beiden Lagern – es muss zusammen mit Mathematik sein, es muss zusammen mit Sprache sein”, sagt Ivanova. “Aber es sieht so aus, als ob die Computerwissenschaftler ihre eigenen Ansätze für die effektivste Lehre von Code entwickeln müssen.”