Indem sie die Aktivität in bestimmten Hirnregionen von Makaken beobachteten, konnten Forscher Bilder von Gesichtern, die den Affen zuvor gezeigt worden waren, detailliert replizieren. Die Wissenschaftler legten den Makaken Bilder von menschlichen Gesichtern vor und analysierten dann die Reaktion von etwa 200 Zellen in Regionen, die als das Gesichtserkennungssystem der Tiere gelten, und konnten aus diesen Signalen die Gesichter reproduzieren, die zuvor auf den Fotos gezeigt wurden.
Mithilfe von funktioneller Magnetresonanztomografie (fMRT) und elektrophysiologischer Aufzeichnungen wollten Wissenschaftler ein exaktes Modell der Hirnzellen konstruieren, die für die Erkennung von Gesichtern zuständig sind, um anschließend aus dem Verhalten dieser Hirnzellen ein willkürliches, realistisches Gesicht entschlüsseln zu können. Zudem versuchten sie vorherzusagen, welche Zellen im Gehirn aktiv werden, wenn das Bild eines Gesichts gezeigt wird.
Einer der ersten Schritte der Studie bestand darin, zu bestimmen, wie Gehirnzellen im oberen visuellen Cortex Bilder von erkennbaren Objekten verarbeiten. Bei früheren Forschungsarbeiten, die von Professor Doris Tsao vom California Institute of Technology (Caltech) und ihren Kollegen angestellt wurden, konnten mittels fMRT Zusammenschlüsse spezialisierter Zellen identifiziert werden, die aktiv wurden, wenn Menschen Bilder von menschlichen Gesichtern sahen. Die Neuronen, die die Forscher als „Gesichtszellen“ bezeichnen, sind in sechs Bereichen des unteren Temporallappens zu finden, die die Forscher wiederum als „Gesichtsregionen“ bezeichnen.
Mithilfe von fMRT orteten die Wissenschaftler bei zwei Affen zuerst je sechs Hirnregionen, in denen Gesichter verarbeitet werden, indem sie den Tieren einige Bilder von Gesichtern und anderen Objekten zeigten, um die gesuchten Zellen gezielt zu aktivieren. Einige dieser Hirnregionen wurden dann für elektrophysiologische Aufzeichnungen angesprochen. Um die Aktivität zu interpretieren, definierte das Team 50 verschiedene Dimensionen, aus denen sich ein erkennbares Gesicht zusammensetzt, darunter Parameter wie der Augenabstand, die Breite des Haaransatzes oder formlose Eigenschaften wie der Hautton.
Anschließend zeigten die Forscher den Tieren Bilder von 2 000 Gesichtern und beobachteten die resultierende Aktivität bei 205 Neuronen in den Gesichtsregionen. Ihre Ergebnisse wurden in Form einer
wissenschaftlichen Arbeit in der Fachzeitschrift „Cell“ veröffentlicht. In einem Bericht über diese Ergebnisse zitiert die Zeitschrift
„New Scientist“ Professor Tsao: „Wir haben den Code des Gehirns für Gesichtserkennung geknackt.“
Professor Tsao erklärte, dass es zwar unendlich viele verschiedene Gesichter geben mag, diese jedoch anhand von nur 50 Dimensionen beschrieben werden können. „Dies lässt sich mit computergenerierten Bildern vergleichen, nur dass es sich bei dem Computer um unser Gehirn handelt.“ Den Forschungen zufolge verarbeitet jedes der 200 Neuronen unterschiedliche Eigenschaften eines Gesichts, und indem es alle resultierenden Informationen kombiniert, kann das Makakengehirn ein klares Bild eines Gesichts zusammensetzen. Unter Anwendung eines Algorithmus waren die Forscher in der Lage, Gesichter zu rekonstruieren, die die Affen zuvor auf den Fotos gesehen hatten. Beim Vergleich der Fotos mit den rekonstruierten Bildern stellte sich heraus, dass diese beinahe identisch waren. Nur 106 Zellen in einem Bereich des Gehirns und 99 in einem weiteren reichten aus, um ein Gesicht akkurat rekonstruieren zu können.
„Dies verblüffte uns – wir hatten immer angenommen, dass die Gesichtszellen viel komplexer wären. Doch wie sich herausstellte, misst jede Zelle nur eine einzige Distanz auf einer einzigen Achse des Gesichts und ignoriert andere Merkmale“, sagte Professor Tsao laut der BBC. Unsere enge Verwandtschaft mit den Primaten legt nahe, dass im menschlichen Gehirn ähnliche Vorgänge ablaufen. Der leitende Autor des Papers, Steve Le Chang, vermutet aufgrund der Ergebnisse, dass das Gehirn auch andere Objekte mit ähnlichen, einfachen Koordinatensystemen verarbeiten könnte.