Terrence Joseph Sejnowski (* 13. August 1947) ist ein US-amerikanischer Computational Neuroscientist und Francis-Crick-Professor am Salk Institute for Biological Studies, wo er das Computational Neurobiology Laboratory leitet und als Direktor des Crick-Jacobs Center for Theoretical and Computational Biology fungiert. Er ist außerdem Professor für Biowissenschaften und außerordentlicher Professor in den Abteilungen für Neurowissenschaften, Psychologie, Kognitionswissenschaft, Informatik und Ingenieurwesen an der University of California, San Diego, wo er das Institute for Neural Computation mit-leitet. Sejnowski ist weithin anerkannt für seine bahnbrechende Forschung zu neuralen Netzwerken und Computational Neuroscience, einschließlich der Miterfindung der Boltzmann-Maschine mit Geoffrey Hinton und der Entwicklung des Infomax-Algorithmus für die unabhängige Komponentenanalyse.
Sejnowskis Arbeit hat Biologie und maschinelles Lernen verbunden und Felder von künstlicher Intelligenz bis zur Signalverarbeitung beeinflusst. Er hat zahlreiche akademische Positionen innegehabt und viele Auszeichnungen erhalten, darunter die Wahl in alle vier US-amerikanischen Nationalakademien. 2025 wurde er in die American Philosophical Society gewählt und zum ausländischen Mitglied der Royal Society ernannt.
Frühes Leben und Ausbildung
Sejnowski wurde 1947 in Cleveland, Ohio, geboren. Er erwarb 1968 einen Bachelor of Science in Physik an der Case Western Reserve University. Anschließend besuchte er die Princeton University, wo er unter der Betreuung von John Archibald Wheeler einen Master of Arts in Physik und 1978 einen Doctor of Philosophy in Physik erhielt, betreut von John Hopfield.
Während seines Masterstudiums analysierte Sejnowski die Stärke von Gravitationswellen aller damals bekannten Quellen und die für ihre Detektion erforderliche Empfindlichkeit. Er kam zu dem Schluss, dass alle bestehenden Gravitationswellendetektoren etwa 1000-mal zu unempfindlich waren, und schätzte, dass die notwendigen Detektoren erst in weiteren 30 Jahren gebaut würden. Diese Erkenntnis führte ihn dazu, seinen Forschungsschwerpunkt von der Physik hin zur Biologie und Neurowissenschaft zu verlagern.
Karriere und Forschung
Sejnowski begann seine Postdoktorandenausbildung 1978 an der Abteilung für Biologie der Princeton University, wo er mit Alan Gelperin arbeitete. Von 1979 bis 1981 war er Postdoktorand in der Abteilung für Neurobiologie an der Harvard Medical School bei Stephen Kuffler. 1982 trat er der Fakultät der Abteilung für Biophysik an der Johns Hopkins University bei, wo er zum Professor aufstieg, bevor er 1988 nach San Diego zog.
Er hatte eine langjährige Verbindung zum California Institute of Technology, wo er 1987 Wiersma Visiting Professor für Neurobiologie, 1993 Sherman Fairchild Distinguished Scholar und von 1995 bis 1998 Teilzeit-Gastprofessor war. 2004 wurde er zum Francis-Crick-Professor am Salk Institute und zum Direktor des Crick-Jacobs Center for Theoretical and Computational Biology ernannt.
Sejnowski war von 1991 bis 2018 Forscher am Howard Hughes Medical Institute. Seine Forschung konzentrierte sich auf das Verständnis der Rechenressourcen von Gehirnen und die Entwicklung von Verknüpfungsprinzipien vom Gehirn zum Verhalten mithilfe von Computermodellen. Er hat untersucht, wie Dendriten synaptische Signale integrieren, wie Netzwerke von Neuronen dynamische Muster erzeugen, wie sensorische Informationen im zerebralen Kortex repräsentiert werden, wie Gedächtnisrepräsentationen während des Schlafs gebildet und konsolidiert werden und wie visuomotorische Transformationen organisiert sind.
Sein Labor hat neue Methoden zur Analyse elektrischer und magnetischer Signale von der Kopfhaut sowie hämodynamischer Signale aus der funktionellen Neurobildgebung entwickelt. Er hat auch zur biophysikalischen Modellierung der elektrischen und chemischen Signalverarbeitung innerhalb von Neuronen beigetragen und die MCell-Software für die Monte-Carlo-Modellierung zellulärer Signalübertragung entwickelt.
Neuronale Netzwerke und die Boltzmann-Maschine
In den frühen 1980er Jahren, nach der Arbeit von John Hopfield, wurden Computersimulationen neuronaler Netzwerke weit verbreitet. Sejnowski und Geoffrey Hinton zeigten, dass einfache neuronale Netzwerke Aufgaben von einiger Komplexität lernen konnten. Gemeinsam erfanden sie die Boltzmann-Maschine, ein stochastisches neuronales Netzwerk, das zu einem grundlegenden Modell im Deep Learning wurde. Die Fähigkeit der Boltzmann-Maschine, komplexe Wahrscheinlichkeitsverteilungen zu lernen, beeinflusste spätere Entwicklungen im maschinellen Lernen und in der generativen KI.
Sejnowski war auch ein Pionier bei der Anwendung von Lernalgorithmen auf schwierige Probleme in Sprache und Vision. Er entwickelte NETtalk, ein neuronales Netzwerk, das lernte, englischen Text laut vorzulesen. Mit seinem Postdoktoranden Tony Bell entwickelte er den Infomax-Algorithmus für die unabhängige Komponentenanalyse (ICA), der im maschinellen Lernen, in der Signalverarbeitung und im Data Mining weit verbreitet ist.
1989 gründete Sejnowski die Zeitschrift Neural Computation, die vom MIT Press veröffentlicht wird und zu einer führenden Zeitschrift für neuronale Netzwerke und Computational Neuroscience wurde. Er ist außerdem Präsident der Neural Information Processing Systems Foundation, die die jährliche NeurIPS-Konferenz überwacht, eine bedeutende interdisziplinäre Veranstaltung, die Forscher aus Biologie, Physik, Mathematik und Ingenieurwesen zusammenbringt.
Lehre und öffentliches Engagement
Sejnowski hat gemeinsam mit Barbara Oakley den Online-Kurs „Learning How to Learn: Powerful mental tools to help you master tough subjects“ erstellt und unterrichtet. Der Kurs, der auf Coursera verfügbar ist, ist zum beliebtesten Online-Kurs der Welt geworden. Er vermittelt evidenzbasierte Lerntechniken, einschließlich verteilter Wiederholung und Interleaving, und hat Millionen von Lernenden weltweit erreicht.
Seine Lehr- und Öffentlichkeitsarbeit hat dazu beigetragen, Neurowissenschaften und Lernwissenschaft zu popularisieren und komplexe Themen einem breiten Publikum zugänglich zu machen.
Ehrungen und Auszeichnungen
Sejnowski hat im Laufe seiner Karriere zahlreiche Ehrungen erhalten. 1984 erhielt er einen Presidential Young Investigator Award der National Science Foundation. 1996 erhielt er den Wright Prize des Harvey Mudd College für herausragende interdisziplinäre Forschung und 1999 den Hebb Prize der International Neural Network Society für Beiträge zu Lernalgorithmen.
Er wurde 2000 Fellow des Institute of Electrical and Electronics Engineers und erhielt 2002 deren Neural Network Pioneer Award. 2003 wurde er in die Johns Hopkins Society of Scholars gewählt. Er ist Senior Fellow des Design Futures Council.
Sejnowski wurde 2008 in die National Academy of Medicine, 2010 in die National Academy of Sciences, 2011 in die National Academy of Engineering und 2017 in die National Academy of Inventors gewählt. Damit gehört er zu einer Gruppe von nur drei lebenden Personen, die in alle vier US-amerikanischen Nationalakademien gewählt wurden. 2013 wurde er in die American Academy of Arts and Sciences gewählt und 2014 Fellow der American Physical Society.
Er erhielt 2015 den Swartz Prize for Theoretical and Computational Neuroscience der Society for Neuroscience, 2017 eine Ehrendoktorwürde der Universität Zürich und 2022 den Gruber Neuroscience Prize. 2024 wurde ihm der Brain Prize für bahnbrechende Arbeiten in der theoretischen Neurowissenschaft verliehen, geteilt mit Larry Abbott und Haim Sompolinsky, und er erhielt eine Ehrendoktorwürde der Naturwissenschaften von der Princeton University. 2025 wurde er zum ausländischen Mitglied der Royal Society ernannt und in die American Philosophical Society gewählt.
Vermächtnis und Einfluss
Sejnowskis Beiträge haben einen bleibenden Einfluss sowohl auf die Neurowissenschaft als auch auf die künstliche Intelligenz gehabt. Seine Arbeit an neuronalen Netzwerken legte das Fundament für modernes Deep Learning, und seine Erkenntnisse über die Gehirnfunktion haben Computermodelle informiert, die im maschinellen Lernen verwendet werden. Seine Forschung zur unabhängigen Komponentenanalyse hat Anwendungen in der Signalverarbeitung und im Data Mining.
Als Mentor und Pädagoge hat er eine Generation von Forschern in der Computational Neuroscience beeinflusst. Sein interdisziplinärer Ansatz, der Biologie, Physik und Informatik kombiniert, hat dazu beigetragen, das Feld der Computational Neuroscience zu formen. Seine laufende Arbeit am Salk Institute erforscht weiterhin die Rechenressourcen von Gehirnen mit dem Ziel, Verknüpfungsprinzipien vom Gehirn zum Verhalten zu entwickeln.