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)