Vorhersage des Geschlechts anhand der Gehirnwellen

In der Zeitschrift „Nature“ wurde ein interessanter Artikel veröffentlicht, in dem es darum geht, ob man das Geschlecht einer Person an den Gehirnwellen erkennen kann. Dazu wurde eine AI auf entsprechende Muster angesetzt und ausgewertet, welche Unterschiede diese fand:

Aus dem Abstract:

We have excellent skills to extract sex from visual assessment of human faces, but assessing sex from human brain rhythms seems impossible. Using deep convolutional neural networks, with unique potential to find subtle differences in apparent similar patterns, we explore if brain rhythms from either sex contain sex specific information. Here we show, in a ground truth scenario, that a deep neural net can predict sex from scalp electroencephalograms with an accuracy of >80% (p < 10−5), revealing that brain rhythms are sex specific. Further, we extracted sex-specific features from the deep net filter layers, showing that fast beta activity (20–25 Hz) and its spatial distribution is a main distinctive attribute. This demonstrates the ability of deep nets to detect features in spatiotemporal data unnoticed by visual assessment, and to assist in knowledge discovery. We anticipate that this approach may also be successfully applied to other specialties where spatiotemporal data is abundant, including neurology, cardiology and neuropsychology.

Quelle: Predicting sex from brain rhythms with deep learning

Vielleicht zunächst etwas zur Methode, um die es da geht, aus der Wikipedia:

Die Elektroenzephalografie (EEG, von altgriechisch ἐγκέφαλος enképhalos, deutsch ‚Gehirn‘, γράφειν gráphein, deutsch ‚schreiben‘) ist eine Methode der medizinischen Diagnostik und der neurologischen Forschung zur Messung der summierten elektrischen Aktivität des Gehirns durch Aufzeichnung der Spannungsschwankungen an der Kopfoberfläche. Das Elektroenzephalogramm (ebenfalls EEG abgekürzt) ist die grafische Darstellung dieser Schwankungen. Das EEG ist neben der Elektroneurografie (ENG) und der Elektromyografie (EMG) eine standardmäßige Untersuchungsmethode in der Neurologie.

Ursache dieser Potentialschwankungen sind physiologische Vorgänge einzelner Gehirnzellen, die durch ihre elektrischen Zustandsänderungen zur Informationsverarbeitung des Gehirns beitragen. Entsprechend ihrer spezifischen räumlichen Anordnung addieren sich die von einzelnen Neuronen erzeugten Potentiale auf, so dass sich über den gesamten Kopf verteilte Potentialänderungen messen lassen.

Zur klinischen Bewertung wird eine Aufzeichnung in mindestens zwölf Kanälen von verschiedenen Elektrodenkombinationen benötigt.

Die Ortsauflösung des üblichen EEGs liegt bei mehreren Zentimetern. Wenn eine höhere Ortsauflösung benötigt wird, so müssen die Elektroden nach neurochirurgischer Eröffnung des Schädels direkt auf die zu untersuchende Hirnrinde aufgelegt werden. Das ist jedoch nur in Sonderfällen z. B. vor epilepsiechirurgischen Eingriffen erforderlich. In diesem Falle spricht man von einem Elektrocorticogramm (ECoG; in deutscher Schreibung Elektrokortikogramm). Das ECoG ermöglicht eine räumliche Auflösung von unter 1 cm und bietet zusätzlich die Möglichkeit, durch selektive elektrische Reizung einer der Elektroden die Funktion der darunterliegenden Hirnrinde zu testen. Dies kann für den Neurochirurgen z. B. bei Eingriffen in der Nähe der Sprachregion von größter Wichtigkeit sein, um zu entscheiden, welche Teile er entfernen darf, ohne eine Funktionseinbuße fürchten zu müssen (vgl. Wachkraniotomie). Eine noch detailliertere Erfassung von Einzelzellaktivität ist nur im Tierexperiment möglich.

Die resultierenden Daten können von geübten Spezialisten auf auffällige Muster untersucht werden. Es gibt aber auch umfangreiche Software-Pakete zur automatischen Signalanalyse. Eine weitverbreitete Methode zur Analyse des EEGs ist die Fouriertransformation der Daten vom Zeitbereich (also der gewohnten Darstellung von Spannungsänderungen im Verlauf der Zeit) in den sogenannten Frequenzbereich. Die so gewonnene Darstellung erlaubt die schnelle Bestimmung von rhythmischer Aktivität.

Bei diesen Mustern treten also Unterschiede auf, die man mittels einer AI ermitteln kann. So etwas sieht dann wohl so aus:

 

 

Gehirnwellen Unterschiede Mann Frau

Gehirnwellen Unterschiede Mann Frau

Für einen Laien dürften da viele Bilder recht gleich aussehen, aber die Computer haben dann einige Unterschiede erkannt, die eine Zuordnung ermöglichen:

While not all details of the features used for classification by the deep net have been revealed, our data show that differences in brain rhythms between sexes are mainly in the beta frequency range (cf. Figs 3 and 4). Women are generally better at recognizing emotions and expressing themselves than men34, in part also reflected in differences in responses from the mu-rhythm as a presumed read-out of the mirror neuron system35, and modulations of beta activity during wakefulness have been associated with cognition and emotionally positive or negative tasks36. The discovery from the deep net that information in the beta-range differs between the sexes supports these observations. However, which particular spatiotemporal characteristics of the beta-rhythm differentiate remains enigmatic, and was not further explored.

Die Unterschiede lassen sich demnach auch mal wieder klassischen Geschlechterunterschieden im Schnitt zuordnen.

Es zeigt sich immer wieder, dass erhebliche Unterschiede zwischen den Geschlechtern im Gehirn feststellbar sind. Die Behauptung, dass sich dies nicht auch im Denken niedergeschlagen hat, erscheint damit auch immer absurder.

Ich finde die Anwendung von „Deep Learning“ in dem Bereich sehr interessant. Ich glaube damit werden in Zukunft noch viel mehr Unterschiede aufgezeigt werden, die ansonsten schwer zu bestimmen sind.

Siehe auch:

 

 

Advertisements

Die These der größeren männlichen Variabilität

Ein Text behandelt die Theorie, dass Männer eine größere Variabilität haben und daher beispielsweise in einigen Bereichen sowohl bei den sehr schlechten als auch den sehr guten eher anzutreffen sind:

Es wäre die Unterscheidung zwischen diesem Bild aus dem Googlemanifesto:

Damore Populationen Normalverteilungen

Damore Populationen Normalverteilungen

und diesem Bild:

variabilität Männer Frauen

variabilität Männer Frauen

Da würde man sehen, dass die eine Kurve etwas „breiter“ ist, dafür aber „flacher“ verläuft.

Entsprechendes wird zB auch bei der Intelligenz diskutiert.

In dem Artikel wird einiges an Studien dazu zitiert, die das nahelegen:

Das bringt sie zu folgendem Ergebnis:

  1. On average, male variability is greater than female variability on a variety of measures of cognitive ability, personality traits, and interests.  This means men are more likely to be found at both the low and high end of these distributions (see Halpern et al., 2007; Machin & Pekkarinen, 2008 and, especially, the supplementary materials; for an ungated summary click here).  This finding is consistent across decades.
  2. The gender difference in variability has reduced substantially over time within the United States and is variable across cultures. It is clearly responsive to social and cultural factors (see Hyde & Mertz, 2009; Wai et al., 2010); Educational programs can be effective.  It is also clear that there are cultural/societal influences, as the male:female variability ratios can vary considerably across cultures (e.g., Machin & Pekkarinen, 2008).
  3. While the gender difference in the male:female ratio for the upper tail of the distribution of math test scores (SAT, ACT) narrowed considerably in the United States in the 1980s, it appears to have remained steady since the early 1990s.  This can be seen visually in Figure 1 from Wai et al. (2010):
    • Therefore at the top end of any distribution of test scores where men have higher variability, we’d expect men to make up more than 50% of the upper end of the tail.  Thus, any company drawing from the top 5% is likely to find a pool that contains more males. As one goes further out into the tail (i.e. becomes even more selective) the gender tilt becomes larger.
  4. Further compounding the gender tilt: the women in this elite group generally have much better verbal skills than the men in that elite group (see Reilly, 2012).  This means that these women may be better employees than men who match them on quantitative skills, but because they have such superior verbal skills they have more choices available to them when selecting a profession.

Zur Wissenschaftsfeindlichkeit der Ansicht, dass es keine Geschlechterunterschiede gibt

Nathan Covnas legt in einem interessanten Artikel im Weekly Standard etwas zu der „Political Correctness“-Kultur und deren Ansichten:

The liberal establishment has become invested in the scientific proposition that men and women have exactly equal distributions of innate abilities and dispositions, and so any disparities in behavior or achievement that we observe are entirely the result of social conditioning and discrimination. Questioning this belief is tantamount to heresy and will have one cast out of his (or her) community, as former Google engineer James Damore so recently learned.

Es ist ein wirklich erstaunliches Dogma, welches teilweise auch gerade nur auf die Arbeitswelt bezogen ist. Wer anführt, dass Männer und Frauen in Beziehungen unterschiedlich ticken, etwa Frauen dort verletzlicher sind oder mit ihren Freundinnen anders kommunizieren und allgemein im Privaten anders sind, der wird keinen großen Widerstand erhalten.
Wer die gleiche Aussage auf den Arbeitsmarkt bezieht oder auf Arbeitsstellen allgemein, der kann schnell einen Shitstorm entfachen. Wesentliches Element scheint zu sein Diskriminierung und Benachteilung als Grund für Gehaltsunterschiede und mangelnde Vorstandspositionen zu leugnen.

The problem is that the scientific evidence doesn’t support the liberal view. Sex differences in interests emerge within several hours after children are born, with girls showing more interest in people and boys in systems/things. One-day-old girls look longer at faces than one-day-old boys, who spend more time looking at mechanical objects. Our primate cousins, rhesus monkeys, show exactly the same sex differences in interest as young children. Male monkeys prefer to play with trucks, female monkeys with dolls. Two- to three-week-old female macaques look more than males at other macaques’ faces, and four to five weeks after birth they exhibit more “affiliative behaviors.”

Als die Türkei anführte, dass sie die Evolutionstheorie aus dem Lehrplan nehmen waren alle entsetzt. Zu akzeptieren, dass auch wir nur ein Produkt der Evolution sind und mit unseren nächsten Verwandten noch viel „tierisches“ teilen und das unsere Biologie uns insofern nachhaltig prägt ist, also die Folgen der Abstammung von den Tieren und einer Selektion nach dem egoistischen Gen fällt aber dennoch sehr schwer. Es ist aber genauso eine Ablehnung der evolutionären Theorien.

In der Tat zeigen sich Unterschiede der Art, wie sie beim Menschen auftreten, auch bei unseren nächsten  Verwandten und eben schon von Anfang an. Was wenig überraschend ist: Angesichts der offensichtlichen körperlichen Unterschiede in Kraft und sonstigen Körpereigenschaften wäre es geradezu ein Wunder, wenn nicht auch das Gehirn auf andere Aufgaben und Fähigkeiten eingestellt wäre.

Returning to humans, the greatest sex disparities in career choice are found in the richest and most egalitarian countries, where individuals have more freedom to pursue their interests. In Sweden, 79 percent of computer systems designers, analysts, and programmers and 97 percent of heavy truck and lorry drivers are men. Meanwhile, 89 percent of child-care workers and 74 percent of people working in research and development in education are women. In contrast, in relatively conservative and less wealthy India, more than 30 percent of computer programmers are women. Only 9 percent of engineers in the U.K. are women, while almost 30 percent of engineers in relatively poor EU countries like Bulgaria and Cyprus are women. Interest in people versus things is tied to prenatal testosterone levels even within sexes: Girls who had higher levels of testosterone in the womb end up with more stereotypically masculine cognitive styles and interests, and conversely for boys.

Selbst im sehr feministischen und liberalen Schweden bleiben die Unterschiede bestehen, arme Länder mit teilweise sehr traditionellen Lebenweisen hingegen schaffen es weitaus eher aus bestimmten Rollen auszubrechen, schlicht weil sie es müssen.

Und man muss, wenn man die Biologie ausblenden will, eben auch die Studien ausblenden, die beispielsweise genau so etwas nachgemessen haben und ermittelt haben, welche Auswirkungen etwa pränatales Testosteron hat.

It is of course theoretically possible that one day we will discover that girls and boys are socialized to have different interests a few hours after they are born (or perhaps in the womb?), or that people are socialized differently depending on their prenatal testosterone levels. But since so far no one has come up with a non-ridiculous theory of how this socialization might work, it seems reasonable to assume that sex differences have (at least in part) a biological basis. The claim that the evidence supports an environmental explanation of all sex differences in interests can only be motivated by ignorance or dishonesty. To protect the men-and-women-are-exactly-the-same theory, the liberal establishment cannot appeal to scientific evidence, so it must resort to silencing dissenters: firing them, making ad hominem attacks, and calling them names.

In der Tat sind die bestehenden Studien auch aus meiner Sicht Hürden, über die andere Theorien nicht hinwegkommen und zu denen ihnen auch nichts einfällt. Der radikale Feminismus blendet daher ganz überwiegend diesen Bereich aus oder benutzt Konstrukte wie „Wissenschaft ist subjektiv“ um sie generell abzuwerten.