Wörter zu erkennen ist die Grundlage, um die Bedeutung eines Textes zu erfassen. Wenn wir lesen, bewegen wir unsere Augen sehr effizient und schnell von Wort zu Wort. Dieser Lesefluss wird in der Regel nur dann gestört, wenn wir einem Wort begegnen, das wir nicht kennen. Ein internationales Team von Forscher*innen der Universität Wien und der Goethe Universität Frankfurt hat nun in Experimenten mit Hilfe von funktioneller Magnetresonanztomographie (fMRT) herausgefunden, dass die Unterscheidung von bekannten Wörtern und unbekannten Zeichenketten im Sinne eines Filterprozesses ein gutes Modell für die Hirnaktivierungsmuster ist, welche in Lesestudien beobachtet werden. Dieser Filter ist in einem für die visuelle Worterkennung wichtigen Gehirnareal, im linken unteren Schläfenlappen, verortet. Diese Ergebnisse erschienen aktuell in der Fachzeitschrift PLOS Computational Biology.

Den diesjährigen Brains for Brains Nachwuchspreis des Bernstein Netzwerks Computational Neuroscience erhält Simone Azeglio aus Italien. Er ist der zehnte Preisträger dieser Reihe.

Forschenden ist es gelungen, ein Netzwerk im Gehirn von Mäusen zu identifizieren, das beim Lernen von Erwartungen eine wichtige Rolle spielt und dem Netzwerk im menschlichen Gehirn erstaunlich ähnelt.

Das „Master Program Computational Neuroscience“ des Bernstein Zentrums für Computational Neuroscience Berlin (BCCN Berlin), das im Oktober 2006 eingerichtet wurde, hat erfolgreich die System-Akkreditierung an der Technischen Universität Berlin (TU Berlin) abgeschlossen und ist nun bis 8.6.2028 akkreditiert. Die Zentrale Evaluations- und Akkreditierungsagentur (ZEvA) hat der TU Berlin im Juli 2021 das Siegel der Systemakkreditierung verliehen. Damit kann die TU Berlin ihre Studiengänge mit einer internen Kommission selbst akkreditieren.

Neues Tracking-Verfahren erfasst 3D-Bewegung von Körperpunkten und kann ungewollte Bewegungseinflüsse herausrechnen

Freiburger Wissenschaftler:innen forschen im IMBIT interdisziplinär zu Mensch-Maschine-Schnittstellen

Um die Potenziale Künstlicher Intelligenz voll auszuschöpfen, müssen ihre Entscheidungen nicht nur verstanden, sondern diese Erkenntnisse auch nutzbar gemacht werden. Diesem Ziel ist das neue Buch „xxAI - Beyond Explainable AI“ gewidmet. Herausgegeben wird es von Wojciech Samek, Abteilungsleiter Künstliche Intelligenz am Fraunhofer Heinrich-Hertz-Institut (HHI), und Klaus-Robert Müller, Professor für Maschinelles Lernen an der Technischen Universität Berlin (TUB) und Direktor bei BIFOLD. Die Publikation ist nach einem Workshop entstanden, der während der International Conference on Machine Learning 2020 stattfand. Zu den Mitherausgeber*innen gehören auch die KI-Experten Andreas Holzinger, Randy Göbel, Ruth Fong und Taesep Moon. Es ist bereits die zweite Veröffentlichung von Samek und Müller.

Unser Gehirn verfügt über eine Vielzahl von neuronalen Karten mit deren Hilfe wir unsere Bewegungen planen, in unserer Umwelt navigieren und die Welt mittels unserer Sinne wahrnehmen. Die Karten, die unser Gehirn von der visuellen Welt erstellt, wurden intensiv und detailliert erforscht und bieten uns eine Möglichkeit zu verstehen, wie sich auch andere neuronale Karten im Gehirn bilden, organisieren und funktionieren.

Richtungsselektive Nervenzell-Subtypen erfassen komplexe Bewegungsmuster und nicht nur uniforme Bewegungsrichtungen

Forschungsarbeiten zur Anpassungsfähigkeit des visuellen Systems von Insekten werden mit EU-Mitteln gefördert.