Modellierung der funktionalen Rolle des episodischen Gedächtnisses beim räumlichen Lernen

• Antragsteller: Professor Dr. Sen Cheng
• Fachliche Zuordnung: Allgemeine, Kognitive und Mathematische Psychologie ; Experimentelle und theoretische Netzwerk-Neurowissenschaften
• Förderung: Förderung seit 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 397530566

Das Gedächtnis speichert Informationen, die derzeit nicht verfügbar sind, aber das Gedächtnis ist kein Selbstzweck für ein Lebewesen. Die gespeicherten Informationen müssen dem Organismus einen evolutionären Vorteil verschaffen. Die Funktion des Gedächtnisses im Allgemeinen und des episodischen Gedächtnisses (EG) im Besonderen wurde bisher weit weniger untersucht als die Gedächtnisprozesse und der ihnen zugrunde liegenden neuronalen Mechanismen. Dieses Teilprojekt untersucht die gerichtete Funktionen des EG, bei denen die abgerufenen Informationen auf praktische Probleme angewendet werden. In der 1. Förderperiode haben wir das Verstärkungslernen verwendet, um die funktionale Rolle des EG beim räumlichen Lernen zu modellieren. Dabei haben wir drei Lernparadigmen verglichen: 1. Episodische Erinnerungen (EE) werden abgerufen, um aus einer bestimmten Erfahrung zu lernen. 2. EE werden wiederholt wiedergegeben (Replay), um statistische Regelmäßigkeiten zu lernen. 3. Lernen findet nur während der Erfahrung statt ohne Zugriff auf vergangene Erfahrungen. Unsere Resultate zeigen, dass es von der Anzahl der Lernversuche und der Komplexität der Aufgabe abhängt, ob ein Agent eine Aufgabe mit Hilfe einer der drei Lernparadigmen lösen kann. Das EG kann das räumliche Lernen verbessern, tut das aber nicht in jedem Fall, und der Effekt ist differenziert. Paradigma 1 lernt anfänglich schneller als Paradigma 2, aber letzteres erreicht eine bessere asymptotische Leistung. In der 2. Förderperiode werden wir auf diesem Ansatz aufbauend mehr kognitive Prozesse, die im Zusammenhang mit dem EG stehen, in unser Modell integrieren und unsere Studien auf die Gedächtnisenkodierung und -konsolidierung ausweiten. Erstens werden wir die Bildverarbeitung von der Verstärkungslernkomponente trennen, um zu untersuchen, wie das Repräsentationsformat der Netzwerkeingaben das Lernen beeinflusst. Wir werden auch ein Modell der semantischen Vervollständigung einbinden, um die funktionelle Rolle der Generativität des EG zu untersuchen. Zweitens werden wir unsere Hypothese testen, der zufolge die selektive Aufmerksamkeit das Lernen beschleunigt und das Verhalten robuster macht. Wir werden auch untersuchen, wie die Selektion unterschiedlicher Repräsentationsformat das Lernen flexibler machen kann. Drittens werden wir das prioritisierte Replay verwenden, um diverse in der Literatur beschriebene Sequenzmustern zu generieren, und damit untersuchen, wie das Replay für unterschiedliche Anforderungen optimiert sein könnte. Viertens werden wir die funktionalen Auswirkungen der Aktualisierung von EE untersuchen. Wir erwarten, dass es in einer sich ändernden Umgebung von Vorteil ist, den Einfluss neuerer EE gegenüber älteren zu erhöhen, was zu einer Aktualisierung der gespeicherten Informationen führt. Zusammenfassend wird unsere Forschung unser Verständnis der Funktion des EG voran bringen und damit einen wichtigen Beitrag zur Aufklärung des Wesens des EG leisten.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2812: Szenarien der Vergangenheit: Ein neuer theoretischer Rahmen für das generative episodische Gedächtnis
• Mitverantwortlich: Professor Dr. Laurenz Wiskott