Entschlüsselung des Geistes mit Hilfe von KI
Mentale Modelle sind kognitive Darstellungen, die das Gehirn zur Vorhersage und Interpretation der Außenwelt erstellt. Sie dienen dazu, die Folgen unseres Handelns vorherzusagen, die Umwelt zu verstehen und unsere Entscheidungsprozesse zu steuern. Diese Modelle werden auf der Grundlage neuer Sinneseindrücke und Rückmeldungen aus der Umwelt sowie früherer Erfahrungen und erworbener Kenntnisse kontinuierlich aktualisiert und verfeinert. Wenn eine Person beispielsweise nach einem Gegenstand greift, verwendet ihr Gehirn ein mentales Modell, um Vorhersagen über die zu erwartenden sensorischen Rückmeldungen zu machen, die sich aus dieser Aktion ergeben, je nach Gewicht des Gegenstands, seiner Beschaffenheit und der Greifkraft der Person. Wenn die Person das Objekt dann greift, vergleicht ihr Gehirn die tatsächlichen sensorischen Rückmeldungen mit den Vorhersagen des mentalen Modells und aktualisiert das Modell für künftige Handlungen.
Die internen Repräsentationen des Gehirns verstehen
Das vom Europäischen Forschungsrat finanzierte Projekt COGTOM konzentrierte sich darauf, die vielfältigen internen Repräsentationen des Menschen aufzudecken, die unserem anpassungsfähigen Verhalten zugrunde liegen. „Man geht davon aus, dass interne Repräsentationen ein wesentlicher Bestandteil der Funktionsweise unseres Verstandes sind, aber sie lassen sich nicht direkt beobachten, was eine große Herausforderung für die Kognitionswissenschaft darstellt“, erklärt Máté Lengyel, wissenschaftlicher Mitarbeiter. Obwohl Verhaltensweisen in einem experimentellen Umfeld leicht zu beobachten sind, hängt das Verhalten auf oft komplexe und indirekte Weise von den internen Repräsentationen des Geistes ab. Das Ziel von COGTOM war es, unser Verständnis dafür zu verbessern, wie der Verstand mentale Modelle für die Wahrnehmung, Entscheidungsfindung, Bewegungssteuerung und Interaktion mit anderen konstruiert.
Modellierung der kognitiven Fähigkeiten des Gehirns
Der Forscher verwendete maschinelles Lernen (ML), den vorherrschenden Ansatz in der KI, der auf Algorithmen basiert, die aus der „Erfahrung“ mit Daten lernen können. Fortschrittliche Werkzeuge des maschinellen Lernens können für die Analyse großer Datensätze verwendet werden, die routinemäßig in aktuellen neuro- und kognitionswissenschaftlichen Experimenten gesammelt werden. Darüber hinaus bot das maschinelle Lernen für COGTOM auch einen theoretischen Rahmen für die mathematische Formalisierung der Art und Weise, wie Menschen aus Erfahrungen lernen und Entscheidungen treffen. Bayes‘sche Modelle wurden auf ihre Anwendbarkeit auf Daten menschlichen Verhaltens getestet, um zu erklären, wie das Gehirn sensorische Informationen verarbeitet und integriert, um optimale Entscheidungen zu treffen. Bayes‘sche Modelle gehen davon aus, dass das Gehirn Vorwissen oder Erwartungen in die eingehenden Sinnesdaten integriert. Anhand einer Reihe von Verhaltensbeobachtungen rekonstruierte die Forschungsgruppe des Projekts dann ein detailliertes mentales Modell für die Veränderungen der kognitiven Fähigkeiten des Menschen im Laufe der Zeit. Sie wendete diesen Ansatz auf verschiedene experimentelle Datensätze im Zusammenhang mit dem Wahrnehmungslernen und dem Lernen visueller und motorischer Strukturen an. Zudem führte die Gruppe eingehende Analysen der Augenbewegungen durch, da sie deren entscheidende Rolle bei der Verbesserung der Präzision und Reichhaltigkeit der mentalen Modelle, die aus Verhaltensdaten abgeleitet werden können, erkannten. Das COGTOM-Team enthüllte den Prozess, mit dem Menschen ihren kontinuierlichen Strom an Erfahrungen in verschiedene Kontexte unterteilen. Diese Segmentierung hat großen Einfluss darauf, wie Individuen kontextabhängige Erinnerungen erstellen, aktualisieren und ausdrücken. Die Erkenntnisse von COGTOM über die außergewöhnliche Fähigkeit des Menschen, ständig dazuzulernen und neue Informationen zu integrieren, könnten auch dazu beitragen, die derzeitigen Hindernisse bei der KI zu überwinden.
Der zusätzliche Nutzen von KI in der Forschung
„Die Bedeutung von KI (ML) in meiner Forschung geht weit über einen bloßen Mehrwert hinaus; sie spielt eine unverzichtbare Rolle. Ohne die Techniken und theoretischen Rahmen, die ML bietet, wäre die COGTOM-Forschung gar nicht möglich gewesen“, betont Lengyel. „Im Allgemeinen stellt die Mathematik das wirksamste Mittel dar, um wissenschaftliche Theorien überprüfbar und widerlegbar zu machen und die begriffliche Kohärenz zu gewährleisten. Speziell für den Bereich der Kognition und der Wahrnehmung bietet das ML die geeignete mathematische Sprache, um die wesentlichen Konzepte und Rahmenbedingungen einzubeziehen. Außerdem sind Maschinenlern-Techniken erforderlich, um die Vorhersagen dieser Theorien mit den Daten zu vergleichen.“
Schlüsselbegriffe
COGTOM, Gehirn, KI, interne Repräsentationen, kognitive Fähigkeiten, Bayes‘sche Modelle, mentale Modelle des Gehirns, maschinelles Lernen, Neurowissenschaften, sensorische Informationen
