Drei Wissenschaftler:innen am Göttingen Campus haben jeweils einen ERC Starting Grant des Europäischen Forschungsrats (ERC) erhalten. Prof. Dr. Elisa Oberbeckmann von der Universitätsmedizin Göttingen wird für ihr Projekt zur Erforschung der Mechanismen der Positionierung von Nukleosomen gefördert, Evolutionsbiologin Dr. Sophie de Vries von der Universität Göttingen für ihre Forschung zu pflanzlichen Immunreaktionen in dauerhaften Symbiosen. Unter den drei Ausgezeichneten ist auch Dr. Tristan Stöber, Computational Neuroscientist an der Universität Göttingen und Mitglied des Bernstein Netzwerks. Sein Projekt „World Models in Brains and Machines: From Normative Hippocampus Models to Robust Planning in Artificial Intelligence and Back“ (WoM-BaM) widmet sich Weltmodellen im Gehirn und in künstlicher Intelligenz.

Die drei Projekte haben eine Laufzeit von fünf Jahren und werden jeweils mit rund 1,5 Millionen Euro gefördert.

Wie versteht das Gehirn die Welt? Kann dieses Wissen KI-Systeme verbessern?

Dr. Tristan Stöber, Research Fellow am Campus-Institut Data Science (CIDAS) der Universität Göttingen, hat Fördermittel für das WoM-BaM-Projekt erhalten. Diese Forschung soll Erkenntnisse aus den Neurowissenschaften gewinnen – insbesondere darüber, wie das Gehirn sein internes Modell der Welt aufbaut und nutzt –, um zur Entwicklung besserer KI-Systeme beizutragen. Dies kann wiederum unser Verständnis der Funktionsweise des Gehirns vertiefen.

Die Bewertung zukünftiger Szenarien durch gedankliche Zeitreisen ist ein Kennzeichen von Intelligenz und erfordert eine innere Repräsentation der Welt. Um ein solches Modell aufzubauen, leiten Gehirne strukturelles Wissen aus der Interaktion mit der Umwelt ab. KI-Systeme versuchen dasselbe, weisen jedoch eine Schwäche bei „Navigationsaufgaben mit langem Zeithorizont“ auf – also bei der Lösung komplexer Probleme in großen, unbekannten oder sich verändernden Umgebungen über längere Zeiträume hinweg. Diese Schwäche könnte auf einen grundlegenden Mangel im Weltmodell der KI zurückzuführen sein: Im Gegensatz zum Gehirn gelingt es diesen Algorithmen möglicherweise nicht, gut strukturierte Repräsentationen zu entwickeln.

Um diesem Problem zu begegnen, untersucht Stöbers Projekt das Lernen von Weltmodellen sowohl im Gehirn als auch in Maschinen mithilfe eines interdisziplinären Ansatzes, der die grundlegenden Schwächen von KI-Systemen aufzeigt, um deren Grenzen mit neu entwickelten Techniken zu überwinden, die von der Funktionsweise des menschlichen Gehirns inspiriert sind. Stöber und sein Team werden zunächst eine neue, vereinfachte und skalierbare virtuelle Testumgebung namens „MiniGrid Memory Maze“ schaffen, um die Grenzen aktueller KI-Modelle systematisch auszuloten. Anschließend wird das Team Inspirationen aus der Psychologie kombinieren, um ein System zu entwickeln, das sowohl eine flexible zeitliche Verarbeitung als auch strukturiertes Schlussfolgern ermöglicht. Dadurch lassen sich künstliche Weltmodelle anhand eines einzigartigen Datensatzes von Gehirnaktivitäten validieren, die bei Mäusen während der Navigation durch verschiedene Umgebungen aufgezeichnet wurden.

„Diese Methode schafft einen positiven Kreislauf: Erkenntnisse aus den Neurowissenschaften werden die KI verbessern, die wiederum als leistungsstarkes rechnerisches Rahmenwerk dienen wird, um unser Verständnis davon zu vertiefen, wie das Gehirn sein Weltmodell aufbaut“, erklärt Stöber. „Darüber hinaus dürfte die Verbesserung des Weltmodelllernens in künstlichen neuronalen Netzen zu intelligenten Systemen führen, die die aktuelle Technologie in puncto Zuverlässigkeit, Geschwindigkeit und Effizienz übertreffen. Dies wird den Datenbedarf und den Energieverbrauch senken.“