1943 McCulloch-Pitts-Neuron (Gemini 3.0)

Der erste Funke

Einführung

Wir schreiben das Jahr 1943. Die Welt steht in Flammen, der Zweite Weltkrieg tobt. Doch in Chicago, fernab der Frontlinien, findet eine intellektuelle Revolution statt, die leiser, aber langfristig vielleicht noch folgenreicher ist als viele Schlachten dieser Zeit. Es ist eine Zeit, in der „Computer“ meist noch Menschen waren, die mit Papier und Bleistift rechneten, und in der die Vorstellung, eine Maschine könne „denken“, reine Science-Fiction war.

In diesem historischen Kontext treffen zwei ungleiche Charaktere aufeinander: Warren McCulloch, ein etablierter Neurophysiologe und Philosoph mit einem Hang zum Exzentrischen, und Walter Pitts, ein blutjunges, obdachloses Mathematikgenie, das sich in Bibliotheken versteckte. Gemeinsam verfassten sie einen Artikel mit dem sperrigen Titel „A logical calculus of the ideas immanent in nervous activity“.

Dieser Text ist der Urknall der Neuroinformatik. Er wagte etwas Ungeheuerliches: Er behauptete, dass das menschliche Gehirn – dieses nasse, schwammige, biologische Gewebe – im Grunde nichts anderes sei als eine logische Maschine. Eine Maschine, die man mit mathematischen Regeln beschreiben und theoretisch nachbauen könnte. Bevor der erste elektronische Computer überhaupt richtig lief, lieferten McCulloch und Pitts den Schaltplan für das künstliche Denken.

Kernidee

Die Kernidee des Artikels ist von einer bestechenden, fast schon radikalen Eleganz: Geist ist Logik, und das Gehirn ist die Hardware, auf der diese Logik läuft.

McCulloch und Pitts postulierten, dass die Tätigkeit der Nervenzellen (Neuronen) im Gehirn nicht mystisch oder unerklärlich ist, sondern dass sie den strengen Gesetzen der formalen Logik folgt. Sie sahen das Neuron nicht als komplexes biologisches Wunderwerk, sondern abstrahierten es zu einer simplen Funktionseinheit. Ein Neuron „feuert“ (sendet ein Signal) oder es feuert nicht. Es gibt nur diese zwei Zustände: An oder Aus, 1 oder 0, Wahr oder Falsch.

Wenn man nun annimmt, dass jeder Gedanke, jede Wahrnehmung und jede Erinnerung aus einem Geflecht solcher feuernden oder nicht-feuernden Neuronen besteht, dann lässt sich das Gehirn als ein gewaltiges Netzwerk aus logischen Schaltern beschreiben. Die Kernidee war also die Reduktion biologischer Komplexität auf binäre Logik. Sie bauten eine Brücke zwischen der Welt der Physiologie (wie der Körper funktioniert) und der Welt der Mathematik (wie wahre Aussagen gebildet werden).

Ziele bzw. Forschungsfragen

Die beiden Autoren trieb eine zutiefst philosophische Frage an, die sie mit den Mitteln der harten Wissenschaft zu beantworten suchten: Wie entsteht aus einer Ansammlung von Zellen so etwas wie ein Gedanke?

Ihre spezifischen Ziele und Forschungsfragen lassen sich wie folgt aufschlüsseln:

  1. Die Entmystifizierung des Gehirns: Können wir die scheinbar unendlich komplexe Aktivität des Nervensystems auf einfache, verständliche Grundregeln herunterbrechen?
  2. Die logische Äquivalenz: Lässt sich beweisen, dass ein Netzwerk aus Nervenzellen prinzipiell in der Lage ist, jede logische Operation durchzuführen, die auch ein Mensch oder eine theoretische Maschine (wie die Turing-Maschine) berechnen kann?
  3. Die Verbindung von Leib und Seele: McCulloch wollte verstehen, wie wir wissen können, was wir wissen. Er suchte nach der physiologischen Basis der Erkenntnistheorie. Wenn Logik die Sprache der Wahrheit ist, und das Gehirn Logik produziert, wie sieht dann der mechanische Apparat dafür aus?

Sie wollten nicht weniger als den Beweis antreten, dass das Gehirn eine Rechenmaschine ist. Wenn man versteht, wie die Bauteile (Neuronen) funktionieren und wie sie verdrahtet sind, versteht man das Ergebnis (den Geist).

Konzept

Um diese Fragen zu beantworten, entwickelten McCulloch und Pitts das erste mathematische Modell eines Neurons, das heute als „McCulloch-Pitts-Neuron“ (oder MCP-Neuron) bekannt ist.

Stellen Sie sich das Konzept wie folgt vor, ganz ohne komplizierte Formeln:

Ein Neuron ist wie ein kleiner Entscheidungsträger in einem Büro. Dieser Entscheidungsträger hat mehrere Telefone auf seinem Schreibtisch (das sind die Eingänge, biologisch: Dendriten). Über diese Telefone rufen andere Neuronen an.

Das Konzept basiert auf zwei Hauptarten von Anrufen:

  1. Erregende Anrufe: Jemand ruft an und schreit: „Tu es! Los jetzt!“
  2. Hemmende Anrufe: Jemand ruft an und sagt strikt: „Auf gar keinen Fall! Halt still!“

Das McCulloch-Pitts-Neuron arbeitet nun nach einem simplen Prinzip, dem sogenannten „Alles-oder-Nichts-Gesetz“ (Schwellenwert-Logik):

  • Der Schwellenwert (Threshold): Jedes Neuron hat eine gewisse Toleranzgrenze. Sagen wir, es braucht mindestens zwei „Tu es!“-Anrufe, um aktiv zu werden. Das ist der Schwellenwert.
  • Die Summation: Das Neuron zählt einfach zusammen, wie viele „Tu es!“-Signale gerade reinkommen.
  • Die Entscheidung: Wenn die Anzahl der „Tu es!“-Signale den Schwellenwert erreicht oder überschreitet, feuert das Neuron selbst ein Signal ab (Ausgang, biologisch: Axon). Es gibt das „Ja“ weiter an die nächsten Kollegen.
  • Das absolute Veto: Die hemmenden Anrufe spielen eine Sonderrolle. Im Modell von 1943 war ein hemmendes Signal absolut. Wenn auch nur ein Anruf kommt, der „Nein!“ sagt, bleibt das Neuron stumm, egal wie viele andere „Ja“ schreien. Es ist wie ein Türsteher: Wenn der Chef „Nein“ sagt, kommst du nicht rein, egal wie viele Freunde dich auf der Gästeliste haben wollen.

Logische Gatter:

Der genialste Schachzug war zu zeigen, dass man mit diesen simplen Regeln die fundamentalen Bausteine der Logik (UND, ODER, NICHT) nachbauen kann:

  • ODER-Schaltung: Das Neuron feuert, wenn irgendeiner der Eingänge aktiv ist (niedriger Schwellenwert).
  • UND-Schaltung: Das Neuron feuert nur, wenn alle Eingänge gleichzeitig aktiv sind (hoher Schwellenwert).
  • NICHT-Schaltung: Hier kommt die Hemmung ins Spiel. Das Neuron feuert nur, wenn ein bestimmtes Signal nicht da ist.

Indem man diese simplen Neuronen zu komplexen Netzen zusammenschaltet, so das Konzept, kann man jede beliebige logische Funktion berechnen. Sie zeigten sogar, dass Netzwerke mit Kreisläufen (wo das Signal im Kreis läuft) eine Art Gedächtnis haben können – die Grundlage für Speicher in Computern.

Argumente

Die Argumentation von McCulloch und Pitts stützte sich auf zwei Säulen: die damals bekannte Neurobiologie und die mathematische Logik.

  1. Das biologische Argument: Sie bezogen sich auf Beobachtungen, dass echte biologische Neuronen tatsächlich eine „Ruhephase“ haben und dann plötzlich „feuern“ (Aktionspotential), wenn die Reizung stark genug ist. Es gibt keinen „halben“ Impuls im Nervensystem – entweder der Impuls läuft, oder er läuft nicht. Diese binäre Natur der Biologie war ihr stärkstes Argument dafür, dass die Sprache des Gehirns binär (0 und 1) sein muss.
  2. Das logische Argument (Turing-Äquivalenz): Sie argumentierten, dass ein Netzwerk aus ihren künstlichen Neuronen mächtig genug ist, um eine „Universelle Turing-Maschine“ zu simulieren. Das bedeutet: Alles, was überhaupt berechenbar ist, kann auch von einem solchen neuronalen Netz berechnet werden, vorausgesetzt, es hat genügend Neuronen und Zeit. Damit nahmen sie dem Gehirn das „Unberechenbare“ und machten es zu einem Gegenstand der Ingenieurskunst.
  3. Die Zeitlosigkeit der Logik: Ein weiteres Argument war, dass Logik unabhängig von der Zeit ist, das Denken aber in der Zeit stattfindet. Durch die Einführung von Verzögerungen (ein Signal braucht Zeit, um von Neuron A zu Neuron B zu kommen) konnten sie erklären, wie zeitliche Abfolgen logisch verarbeitet werden. „A verursacht B“ wurde zu „A feuert jetzt, also feuert B einen Moment später“.

Bedeutung

Die Bedeutung dieses Artikels kann kaum überschätzt werden. Er ist der Gründungsmythos der Künstlichen Intelligenz.

Vor 1943 gab es Psychologie (wie verhält sich der Mensch) und Neurologie (wie sieht das Gehirn aus), und es gab Mathematik. Aber es gab keine Verbindung. McCulloch und Pitts lieferten das „Missing Link“.

  1. Blaupause für Computer: Der Mathematiker John von Neumann, einer der Väter des modernen Computers, war von dieser Arbeit fasziniert. Er nutzte die Ideen von McCulloch und Pitts, um die Architektur des EDVAC (einer der ersten Computer) zu entwerfen. Wenn wir heute von „Von-Neumann-Architektur“ sprechen, steckt darin auch immer ein Stück McCulloch-Pitts. Er benutzte ihre Notation, um Computerchips zu entwerfen.
  2. Geburt des Konnektionismus: Der Ansatz, Intelligenz nicht durch eine riesige Liste von Regeln zu programmieren (wie in einem Gesetzbuch), sondern durch die Vernetzung vieler einfacher Einheiten entstehen zu lassen, nahm hier seinen Anfang. Das ist der Vorläufer des „Deep Learning“.
  3. Formalisierung der Neurowissenschaft: Sie gaben Hirnforschern eine Sprache, um über die Funktion von neuronalen Schaltkreisen präzise zu sprechen, statt nur vage Vermutungen anzustellen.

Wirkung

Die unmittelbare Wirkung war zunächst auf einen kleinen Kreis von Genies beschränkt, entfaltete sich dann aber explosionsartig.

In den berühmten „Macy-Konferenzen“ der Nachkriegszeit, wo die Kybernetik begründet wurde, war das McCulloch-Pitts-Modell das zentrale Gesprächsthema. Es inspirierte Forscher wie Frank Rosenblatt, der später das „Perzeptron“ entwickelte – die erste KI, die wirklich lernen konnte (dazu gleich mehr unter Kritik).

Die Wirkung reicht bis heute: Jedes Mal, wenn Sie in den Nachrichten von „neuronalen Netzen“ hören, von ChatGPT oder Bilderkennung, blicken Sie auf die direkten Urenkel des McCulloch-Pitts-Neurons. Natürlich sind die heutigen Modelle mathematisch ausgefeilter, aber das Grundprinzip – gewichtete Eingänge, Summation, Aktivierung – ist im Kern erhalten geblieben. Sie haben das Paradigma geschaffen, dass „Rechnen“ nicht nur mit Zahlen, sondern mit logischen Zuständen in einem Netzwerk funktioniert.

Relevanz

Warum ist ein Artikel von 1943 heute noch relevant, wo wir doch Supercomputer in der Hosentasche tragen?

Die Relevanz liegt in der Abstraktion. McCulloch und Pitts haben uns gelehrt, wie man ein komplexes System (Gehirn) modelliert, indem man die Details (Chemie, Ionenkanäle, Hormone) weglässt und sich auf die Informationsverarbeitung konzentriert.

Für das Verständnis moderner KI ist dieser Meilenstein essenziell, weil er zeigt, dass Intelligenz – zumindest in dieser Lesart – kein magisches Fluidum ist, sondern das emergente Resultat von vielen, sehr dummen kleinen Schaltern. Wenn jemand fragt: „Wie kann ein Computer denken?“, ist die Antwort immer noch die gleiche wie 1943: „Indem er Milliarden kleiner Ja/Nein-Entscheidungen extrem schnell miteinander verknüpft.“ Das Verständnis dieses Artikels erdet die oft überhitzte Debatte um KI-Bewusstsein auf dem Boden der logischen Tatsachen.

Kritik

Natürlich war das Modell von 1943 aus heutiger Sicht herrlich naiv und in vielen Punkten schlichtweg falsch oder unvollständig. Man darf nicht vergessen: Die beiden arbeiteten rein theoretisch, ohne moderne Messgeräte.

  1. Das fehlende Lernen: Der größte Kritikpunkt ist, dass das McCulloch-Pitts-Netzwerk statisch war. Die „Drähte“ wurden einmal verlegt und blieben dann so. Es gab keinen Mechanismus, wie sich das Netz verändern oder anpassen konnte. Moderne KI basiert aber fast ausschließlich auf Lernen (dem Anpassen der Gewichte). McCulloch und Pitts bauten einen Computer, aber keinen lernenden Computer. Das musste erst Donald Hebb 1949 (Hebb’sche Lernregel) und später Frank Rosenblatt hinzufügen.
  2. Biologische Vereinfachung: Das Gehirn ist viel chaotischer. Neuronen sind keine perfekten logischen Gatter. Sie feuern manchmal spontan, sie werden müde, chemische Botenstoffe verändern ihre Stimmung. Die Annahme, dass ein hemmendes Signal ein absolutes Veto hat, ist biologisch nicht haltbar. Auch ist das Gehirn nicht rein digital; viele Prozesse sind analog.
  3. Das Timing: Das Modell nahm an, dass alle Neuronen in einem perfekten Takt arbeiten (synchron), wie Soldaten im Gleichschritt. Das echte Gehirn ist asynchron; alles passiert durcheinander.

Trotz dieser Kritik schmälert es die Leistung nicht. Man kritisiert ja auch nicht das Rad, weil es keinen Motor hat. Sie haben das Rad erfunden; den Motor bauten andere später ein.

Fazit

Der Artikel „A logical calculus of the ideas immanent in nervous activity“ ist ein Meisterwerk der interdisziplinären Forschung. Warren McCulloch und Walter Pitts gelang es, die Kluft zwischen der nassen Biologie und der trockenen Mathematik zu überbrücken.

Ihr Fazit war kühn: Wenn man das Gehirn als logisches Netzwerk begreift, dann gibt es prinzipiell keine geistige Leistung, die nicht auch maschinell nachbildbar wäre. Sie haben den Geist nicht „erklärt“ im Sinne von „gelöst“, aber sie haben ihn „berechenbar“ gemacht. Sie haben die Landkarte gezeichnet, auf der sich alle späteren KI-Forscher bewegten. Das McCulloch-Pitts-Neuron war vielleicht physiologisch ungenau, aber als Inspirationsquelle für die digitale Revolution war es perfekt.

Ausblick

Wohin führte dieser Meilenstein? Direkt in das „Goldene Zeitalter“ der Kybernetik und später der KI.

Aufbauend auf ihrer Arbeit entwickelte Frank Rosenblatt das Perzeptron, das erste neuronale Netz, das lernen konnte. Marvin Minsky (ein Schüler von formalen neuronalen Netzen) analysierte später die Grenzen dieser einfachen Modelle, was zum ersten „KI-Winter“ führte.

Doch in den 1980ern feierten die neuronalen Netze mit neuen Lernverfahren (Backpropagation) ein Comeback, und seit den 2010ern erleben wir mit „Deep Learning“ den ultimativen Triumph der Idee von McCulloch und Pitts.

Jedes Mal, wenn eine KI heute ein Gesicht erkennt oder einen Text übersetzt, hallt das Echo von 1943 nach. Der Traum der beiden, Logik in Materie zu gießen, ist Realität geworden.

Literaturquellen

  • Hauptquelle: McCulloch, W. S.; Pitts, W. (1943): A logical calculus of the ideas immanent in nervous activity.6 Bulletin of Mathematical Biophysics, Bd. 5, S. 115–133.
  • Weiterführend: Lettvin, J. Y. (1989): Warren and Walter. In: Machines that Learn. (Ein sehr persönlicher Bericht über die beiden).

Hintergrundinformationen zu den Autoren

Um die Entstehung dieses Meilensteins wirklich zu verstehen, muss man die Menschen dahinter kennen, denn ihre Geschichte ist filmreif.

Warren S. McCulloch (1898–1969) war der Senior der beiden. Ein Philosoph, Psychiater und Neurophysiologe, der aussah wie ein Prophet aus dem Alten Testament – mit Bart, wilden Augen und einer enormen geistigen Präsenz. Er war besessen von der Frage, wie wir wissen, was wir wissen. Er trank viel, rauchte Kette und veranstaltete auf seiner Farm legendäre Diskussionen, die bis in den Morgen dauerten. Er war der Visionär, der Netzwerker, der Mann mit den großen Fragen.

Walter Pitts (1923–1969) war das komplette Gegenteil. Er war ein Wunderkind. Als Teenager wurde er in Detroit gemobbt, also flüchtete er sich in die Bibliothek und brachte sich selbst Griechisch, Latein, Logik und Mathematik bei. Mit 12 Jahren fand er Fehler in der Principia Mathematica von Bertrand Russell und schrieb dem berühmten Logiker einen Brief.7 Russell war beeindruckt und lud ihn ein. Pitts lief von zu Hause weg, landete in Chicago und lebte dort zeitweise als Obdachloser, der sich in der Universität einschlich, um Vorlesungen zu hören. Er war extrem schüchtern, wollte nicht, dass man ihn ansah, und trug oft eine Schiebermütze tief im Gesicht.

McCulloch fand Pitts, erkannte sein Genie und nahm ihn buchstäblich bei sich zu Hause auf. Pitts lebte bei McCullochs Familie. Abends saßen der etablierte Wissenschaftler und der junge Streuner am Küchentisch, tranken Whiskey und versuchten, das Gehirn mit logischen Formeln zu bändigen. Pitts lieferte die mathematische Strenge, die McCulloch fehlte.

Es ist eine Tragödie, dass beide Männer später zerstritten waren und Pitts, nach einer tiefen persönlichen Krise und dem Bruch mit McCulloch und der Wissenschaftsgemeinschaft, sich zu Tode trank und im selben Jahr wie McCulloch starb. Doch in jenem kurzen Fenster im Jahr 1943 bildeten sie eine Symbiose, die die Welt der Wissenschaft für immer veränderte. Sie waren die John Lennon und Paul McCartney der frühen KI-Forschung.

Disclaimer: Dieser Text ist komplett KI-generiert (Gemini 3.0 Thinking, 14.12.2025). Die darin enthaltenen Angaben wurden nicht überprüft. Zum Prompt. Zur Übersicht.