Semantisch speicheroptimierte Integration Neuronaler Representationen

Links zu vorige Artikel:

Herleitung zur hierarchischen Struktur der neuronalen Datenspeicherung

Ausgehend von der hierachischen Speicherung von Integrierten Neuronalen Representationen (INR) kann man sich einen Speicherbaum vorstellen, dessen erste Ebene aus den Basis-INR besteht, von denen jeweils wieder Abzweigungen zur zweiten Ebene gehen, die wiederrum jeweils aus der Menge der Basis-INR besteht und so weiter.

Wenn eine NR aus wenigen dieser INR zusammengesetzt werden kann, ist sie leichter zu speichern, weil dann auch weniger Verbindungen gespeichert werden muessen.

Da unser Gehirn nicht unbegrenzt Speicherplatz besitzt, kann man sich leicht vorstellen, die es effektiver ist, die Speicherung von Daten so zu optimieren, dass Themengebiete, mit denen man mehr zu tun hat, leichter im Gedaechtstnis bleiben, als andere. Die natuerliche Selektion sorgt automatisch dafuer , dass unser Speicherbaum und die Basis-INR so aufgebaut wird, dass die kuerzesten Wege zu "populaeren" Themen gehen auf Kosten von anderen NR, die jetzt vielleicht etwas komplizierter durch die Basis-INR kombiniert werden muessen, aber dafuer auch kaum verwendet werden. Es ensteht also eine semantisch orientierte Speicheroptimierung.

Praktisch zeigt sich das in unserer Gedaechsnisleistung, die je nach Thema schwankt.
Waehrend sich manche Menschen gut Zahlen merken koennen, bleiben ihnen Namen nicht lange im Gedaechtnis. Das Erinnerungsvermoegen laesst also darauf schliessen, wie gut sein Gehirn seine NR integriert, aber vor allem womit sich diese Person sonst geistig so beschaeftigt oder nicht. Das ist sicher keine neue Erkenntnis, aber durch INR laesst es sich vollstaendig analytisch erklaeren.
In der Informatik sind diese Speicherstrukturen uebrigens gang und gebe.