Für die Spracherkennung im menschlichen Gehirn ist die Analyse von zeitlichen Abfolgen vermutlich größer als gedacht. Dass stellten Forscher des Leipziger Max-Planck-Instituts für Kognitions- und Neurowissenschaften und des Wellcome Trust Centre for Neuroimaging in London jetzt fest.

Eigentlich geht es bei dem Forschungsprojekt um die Suche nach einem mathematischen Modell, mit dem sich die Spracherkennung am Computer verbessern lässt. Die Forscher haben dafür die Spracherkennung im menschlichen Gehirn genauer unter die Lupe genommen und vermuten nun, dass bei der Spracherkennung besonders die Analyse zeitlicher Abfolgen eine größere Rolle spielt, als bislang gedacht. Das Gehirn, so die Hypothese, unterteile  die verschiedenen Signale von den kleinsten, schnell veränderlichen Elementen wie den Lauten "u" oder "e" bis hin zu den größeren, langsam veränderlichen Informationen wie zum Beispiel dem Gesprächsthema.

"Das Gehirn sucht permanent nach zeitlicher Struktur in der Umwelt, aus der es ableiten kann, was als nächstes passieren könnte" erklärt Stefan Kiebel vom Leipziger Max-Planck-Institut. Auf diese Weise könne das Gehirn etwa, basierend auf den sich langsam verändernden Informationen, die nächsten Laute häufig bereits erahnen. Deshalb werde, wenn sich das Gesprächsthema z.B. um den heißen Sommer dreht, das Wortbeginn "So..." eher in "Sonne" als "Sofa" enden.

Mit einem auf diesen Erkenntnissen basierenden mathematischen Modell gelang es tatsächlich, ein System zu entwickeln, dass besser als bekannte Software Sprache verstehen kann. Das deute darauf hin, dass das Modell der Forscher den tatsächlichen Abläufen im Gehirn entspricht.