FOR 5368:  KI-FOR Abstrakte Repräsentationen in neuronalen Architekturen (ARENA)

• Fachliche Zuordnung: Informatik, System- und Elektrotechnik ; Medizin ; Sozial- und Verhaltenswissenschaften
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459426179

Die Forschungsgruppe ARENA untersucht die Entstehung und Codierung von Wissensrepräsentationen in funktionellen Netzwerken des menschlichen Gehirns und in Modellen der künstlichen Intelligenz (KI). Wir untersuchen Wissensrepräsentationen auf unterschiedlichen Abstraktionsebenen, beginnend bei invarianten Objektrepräsentationen bei unterschiedlichen sensorischen Eindrücken (z.B. das Sehen eines Objekts aus verschiedenen Blickwinkeln) über kategorische Repräsentationen, die verschiedene ähnliche Objekte umfassen, bis hin zu abstrakten konzeptuell-semantischen Repräsentationen, die durch mehrere sensorische Eingangskanäle aktiviert werden können (wie das Konzept „Baby“, das sowohl durch das Sehen eines Babys als auch durch das Hören eines weinenden Kleinkinds oder das Wort „Baby“ aktiviert wird). Das Verständnis der neuronalen Codierungen, die solchen Repräsentationen zugrunde liegen, ist auch heute noch eine Herausforderung sowohl für die kognitive Neurowissenschaft als auch für die KI-Modellierung. Wir postulieren, dass KI-Modellierung in Kombination mit maschinellem Lernen und neuro-computationeller Modellierung das Verständnis hierarchisch organisierten Wissens entlang solcher Abstraktionsgradienten im menschlichen Gehirn vertiefen kann und damit gleichzeitig als Inspiration für die KI-Entwicklung dient. Durch die Integration experimentalpsychologischer und neurokognitiver Ansätze mit aktuellen Entwicklungen in der KI wollen wir folgende Forschungsfragen beantworten: (1) Welche computationellen Prinzipien liegen der neuronalen Repräsentation von Wissen auf unterschiedlichen Abstraktionsebenen zugrunde? (2) Was sind die Prinzipien, die die Emergenz abstrakter Repräsentationen im sich entwickelnden Gehirn ermöglichen und wie können sie in Modelle der künstlichen Intelligenz integriert werden? (3) Wie kann das Gehirn solche Repräsentationen so viel autonomer erlernen als aktuelle KI-Modelle und wie können wir das nachahmen? (4) Wie macht das Gehirn hochdimensionale Repräsentationen abstrakten Wissens effizient für Entscheidungen und Verhalten nutzbar? Die Entwicklung quantitativ expliziter Modelle der Wissensrepräsentation trägt grundlegend zur Entschlüsselung kognitiver Prozesse im menschlichen Gehirn bei und ebnet gleichzeitig den Weg für eine neue Generation flexiblerer und enger an der menschlichen Kognition angelehnter KI-Systeme. Um dies zu erreichen, vereint ARENA Forscherinnen und Forscher aus Informatik, Psychologie und kognitiver Neurowissenschaft, einschließlich einer Brückenprofessur an der Schnittstelle dieser Disziplinen, die gemeinsam über umfangreiche Erfahrung in KI- und neuro-computationeller Modellierung sowie langjährige Erfahrung in der experimentellen Untersuchung des menschlichen Verhaltens und seiner neuronalen Grundlagen verfügen. Die enge Verzahnung der unterschiedlichen Kompetenzen und die so entstehenden Synergien werden zur systematischen Erforschung disziplinübergreifender Fragestellungen genutzt.

• DFG-Verfahren: Forschungsgruppen
• Internationaler Bezug: USA

Projekte

• Autonomes Lernen von Objektrepräsentationen (Antragsteller Triesch, Jochen )
• Die Emergenz abstrakter Repräsentationen durch Lernen und Entwicklung (Antragstellerin Shing, Yee Lee )
• Die hierarchische Struktur von abstrakten Szenenrepräsentationen (Antragstellerin Vo, Melissa Le-Hoa )
• Entstehung von abstrakten Repräsentationen in kontextualisierten multimodalen Modellen (Antragstellerin Roig, Gemma )
• Hierarchische Organisation semantischen Wissens in neuronalen Sprachsysteme (Antragsteller Fiebach, Christian )
• Koordinationsfonds (Antragsteller Fiebach, Christian )
• Mit kognitiven Karten durch Wissensräume navigieren (Antragsteller Kaschube, Matthias )
• Semantische Abstraktionen im menschlichen Gehirn und in KI-Modellen der natürlichen Sprachverarbeitung (Antragstellerin Toneva, Ph.D., Mariya )

• Sprecher: Professor Dr. Christian Fiebach