Mit kognitiven Karten durch Wissensräume navigieren

• Antragsteller: Professor Dr. Matthias Kaschube
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Biologische Psychologie und Kognitive Neurowissenschaften ; Experimentelle und theoretische Netzwerk-Neurowissenschaften
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459426179

Eine grundlegende Fähigkeit des Gehirns besteht darin, flexibel eine kognitive Karte der räumlichen Umgebung zur Navigation zu bilden. Aktuelle Arbeiten deuten darauf hin, dass das Konzept der kognitiven Karten im Gehirn weit über die Darstellung des physischen Raums hinausgeht. Sie zeigen, dass sich kognitive Karten flexibel und aufgabenspezifisch bilden und semantische Darstellungen auf verschiedenen Abstraktionsebenen umfassen können. Solche geordneten Karten mit aufgabenrelevantem, semantischem Wissen könnten eine Reihe wichtiger Funktionen erfüllen, darunter Kategorisierung, Gedächtnisbildung und Extrapolation zu bisher unbekannten Objekteigenschaften. Es ist jedoch unklar, wie kognitive Karten mit abstrakten semantischen Eigenschaften entstehen, wie sie Kategorienlernen oder visuelles Suchen unterstützen und inwieweit sie über verschiedene Aufgaben hinweg verallgemeinert werden können. Daher soll dieser Antrag die gemeinsamen wissenschaftlichen Stärken der ARENA-Forschungsgruppe nutzen, um die Entstehung und den Nutzen kognitiver Karten besser zu verstehen, indem wir neue KI-Modelle entwickeln und ihre Vorhersagen im menschlichen Gehirn testen. Zunächst werden wir kognitive Karten für abstrakte Repräsentationen modellieren, indem wir „generative adversarial networks“ (GANs) verwenden. GANs können neuartige Daten erzeugen, wie z.B. komplexe Bilder, und ihr latenter Raum enthält geordnete, semantisch sinnvolle Repräsentationen. Darauf aufbauend schlagen wir Methoden zur Konstruktion niedrigdimensionaler und interpretierbarer Karten aus dem latenten Raum der GANs vor, die semantische Merkmale visueller Objekte enthalten. Anschließend verwenden wir diesen Ansatz zum Kategorienlernen mit limitierten Datenmengen. Da GANs realitätsnahe Daten erzeugen können, untersuchen wir, wie diese Fähigkeit, geleitet von geeigneten kognitiven Karten, das Kategorienlernen mit begrenzten Datenmengen effizienter machen kann. Dieser Datengenerierungsprozess ähnelt der mentalen Vorstellungskraft, weshalb wir die Hypothese aufstellen, dass die von einer kognitiven Karte geleitete Datenerweiterung als Mechanismus für das Kategorienlernen beim Menschen dienen könnte. Das Modell sagt Veränderungen in der hochdimensionalen Struktur der Hirnaktivität während des Kategorienlernens voraus, und wir testen diese Vorhersagen in parallelen Experimenten innerhalb ARENAs. Zudem bietet das ARENA-Konsortiums die Möglichkeit, die Generalisierbarkeit kognitiver Karten sowie ihre Flexibilität über verschiedene Aufgaben hinweg zu analysieren. Dies werden wir im Kontext des Kategorienlernens und des Lernens von Szenengrammatiken mit Hilfe von Computermodellen untersuchen, die eng an Verhaltensexperimenten am Menschen angelehnt sind. Mit der Erforschung der Kernprinzipien und der funktionellen Bedeutung kognitiver Karten wollen wir Aufschluss darüber gewinnen, wie das Gehirn sowie KI-Systeme abstraktes Wissen effizient und aufgabenspezifisch lernen können.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5368: KI-FOR Abstrakte Repräsentationen in neuronalen Architekturen (ARENA)