Cognitive Neuroscience for AI Developers - Cheatsheet
Synaptische Plastizität: Langzeitpotenzierung (LTP) und Langzeitdepression (LTD)
Definition:
Mechanismen neuronaler Anpassung; LTP - Verstärkung synaptischer Verbindungen; LTD - Schwächung synaptischer Verbindungen
Details:
- LTP: Anhaltende Erhöhung der synaptischen Stärke nach starker und wiederholter Erregung.
- LTD: Anhaltende Verringerung der synaptischen Stärke aufgrund niedriger Stimulation oder spezifischer Muster.
- LTP häufig mit NMDA-Rezeptor und Kalziumeinstrom assoziiert.
- LTD oft durch reduzierte synaptische Aktivität und veränderte Rezeptorfunktion induziert.
- Wichtig für Lernen, Gedächtnis und neuronale Anpassung.
Rolle von Hippocampus und Neokortex in Lern- und Gedächtnisprozessen
Definition:
Hippocampus und Neokortex spielen zentrale Rollen in der Bildung, Speicherung und dem Abrufen von Erinnerungen.
Details:
- Hippocampus: Kurzzeitgedächtnis, Konsolidierung von Informationen ins Langzeitgedächtnis.
- Neokortex: Langzeitgedächtnis, Speicherung von konsolidierten Informationen, Integrieren neuer Informationen mit bestehenden.
- Wechselwirkung: Hippocampus und Neokortex arbeiten zusammen bei der Konsolidierung und dem Abruf von Erinnerungen (\textit{Systemkonsolidierungstheorie}).
- Modellierung: In KI-Systemen werden diese Prozesse als Inspiration zur Entwicklung effektiver Lernmechanismen genutzt.
Aufmerksamkeit und relevante neuronale Netzwerke
Definition:
Aufmerksamkeit und relevante neuronale Netzwerke: Fokus auf spezifische Stimuli, unterdrückt irrelevante Informationen.
Details:
- Wichtige neuronale Netzwerke: dorsales Aufmerksamkeitssystem, ventrales Aufmerksamkeitssystem
- dorsal: räumliche Aufmerksamkeit, obere Parietallappen und Frontalaugenfelder
- ventral: stimulusgetriebene Aufmerksamkeit, untere Parietallappen und Temporoparietalübergang
- Wichtige Konzepte: Selektive Aufmerksamkeit, geteilte Aufmerksamkeit
- \textit{Neural correlates}: Aktivität in cortex cerebralis, Verbindung zu präfrontalem Kortex
- Einfluss auf kognitive Prozesse: Wahrnehmung, Gedächtnis, Entscheidungsfindung
Entscheidungsfindung und kognitive Kontrolle im präfrontalen Kortex
Definition:
Entscheidungsfindung und kognitive Kontrolle im präfrontalen Kortex beinhalten die Prozesse und Mechanismen, die es ermöglichen, bewusst Ziele zu verfolgen und Handlungen entsprechend zu planen und auszuführen.
Details:
- Präfrontaler Kortex (PFC): Bereich des Gehirns, der für höhere kognitive Funktionen verantwortlich ist.
- Entscheidungsfindung: Bewertet Optionen basierend auf internen und externen Informationen.
- Kognitive Kontrolle: Steuert und reguliert Gedanken und Handlungen, um Ziele zu erreichen.
- DLPFC (dorsolateraler präfrontaler Kortex): Wichtiger Bereich für Arbeitsgedächtnis und Planen.
- VMPFC (ventromedialer präfrontaler Kortex): Integraler Bestandteil der Risiko- und Belohnungseinschätzung.
- Formel für erwarteten Nutzen: \ E(U) = \sum_{i=1}^{n} p_i \cdot U_i
Funktionsweise und Anwendungen der fMRT (funktionelle Magnetresonanztomographie)
Definition:
fMRT nutzt Magnetfelder und Radiowellen, um Veränderungen im Blutfluss im Gehirn zu messen und neuronale Aktivität sichtbar zu machen.
Details:
- Misst BOLD-Signal (Blood Oxygen Level Dependent)
- Hohe räumliche Auflösung
- Anwendungen: neurologische Forschung, Diagnostik, Kognition und Verhaltensstudien
- Signale durch Änderungen im Sauerstoffgehalt im Blut
- Erfordert spezielle Software zur Bildbearbeitung und Datenanalyse
Neuronale Netze und ihre Inspirationsquelle im Gehirn
Definition:
Neuronale Netze sind von der Struktur und Funktion des menschlichen Gehirns inspiriert, um lernfähige Algorithmen zu entwickeln.
Details:
- Bestehen aus Knoten (Neuronen), die in Schichten (Layer) organisiert sind.
- Eingabeschicht, versteckte Schicht(en), Ausgabeschicht.
- Gewichte \textbf{\textit{w}} und Biases \textbf{\textit{b}} justieren die Verbindungen zwischen den Neuronen.
- Aktivierungsfunktionen wie \textbf{\textit{Sigmoid}}, \textbf{\textit{ReLU}}, und \textbf{\textit{tanh}}.
- Lernprozess durch Backpropagation und Optimierungsverfahren (\textbf{\textit{Stochastic Gradient Descent}}).
- Inspiration im Gehirn: Synapsen, die Stärken der Verbindungen ändern, und neuronales Feuern durch Schwellenwertmechanismen.
Modellierung von kognitiven Prozessen in künstlicher Intelligenz
Definition:
Modellierung von kognitiven Prozessen in KI bezieht sich auf die Nachbildung menschlicher Denkprozesse zur Verbesserung der KI-Leistung.
Details:
- Kognitive Architektur: Struktur und Designprinzipien, um kognitive Prozesse abzubilden.
- Mechanismen: Algorithmen und Ansätze zur Nachbildung kognitiver Funktionen wie Lernen, Erinnern und Problemlösen.
- Neural Networks: Einsatz neuronaler Netze zur Nachahmung neuronaler Strukturen und Funktionen des Gehirns.
- Symbolische vs. subsymbolische Ansätze: Unterschiedliche Methoden zur Modellierung kognitiver Prozesse (z.B. Regeln vs. Mustererkennung).
- Reinforcement Learning: Lernmethode, die Belohnungsstrukturen nachbildet.
- Evaluation: Methoden zur Überprüfung der Genauigkeit und Effizienz der modellierten kognitiven Prozesse.
Simulation und Modellierung neuronaler Prozesse mit Software-Tools
Definition:
Simulation und Modellierung neuronaler Prozesse mithilfe von Software-Tools dienen dem Verständnis und der Analyse neuronaler Netze und ihrer Funktion.
Details:
- Verwendete Software-Tools: NEURON, NEST, Brian
- Ziele: Verständnis neuronaler Dynamiken, Vorhersage von Netzwerkverhalten
- Modelle umfassen: Einzelne Neuronen, Synapsen, Netzwerke
- Mathematische Grundlage: Differentialgleichungen, Spiking-Modellierung
- Analysewerkzeuge: Spike-Train-Analyse, Frequenzspektren, Korrelationsanalysen
- Wichtige Parameter: Membranzeitkonstante (\tau_m), Eingangsstrom (I)