RealmNN

Rekurrentes Expressives Adaptives Leaky-Memory Neuronales Netzwerk: Nutzung von Erkenntnissen über kortikale Neuronen für KI-Architekturen der nächsten Generation

01.12.2025 bis 30.11.2028

Moderne künstliche Intelligenz nutzt meist sehr einfache Recheneinheiten, die ihre Eingaben
zusammenzählen und dann eine nichtlineare Umwandlung durchführen. Im Gegensatz dazu zeigen echte
Gehirnzellen ein deutlich komplexeres Verhalten: Sie verarbeiten Signale auf mehreren Ebenen und über
verschiedene Zeiträume hinweg. Daraus ergibt sich die Frage, ob künstliche Intelligenz leistungsfähiger,
effizienter und robuster werden kann, wenn sie diese biologischen Eigenschaften nachahmt.
In diesem Projekt wollen wir Netzwerke entwickeln, die aus besonders ausdrucksstarken künstlichen
Nervenzellen bestehen. Solche Netzwerke könnten schwierige Aufgaben besser lösen, insbesondere
solche, bei denen Informationen über lange Zeiträume hinweg miteinander verbunden werden müssen, wie
bei Sprachverarbeitung oder Entscheidungsfindung. Wir haben bereits eine neue Art künstlicher
Nervenzellen entwickelt, die das Verhalten von Gehirnzellen sehr genau nachahmt und bei Aufgaben mit
langen Zeitabhängigkeiten gute Ergebnisse liefert.
Aufbauend darauf wollen wir zunächst untersuchen, welche Eigenschaften echte Gehirnzellen haben und
wie diese auf künstliche Nervenzellen übertragen werden können. Danach wollen wir diese Nervenzellen in
größere Netzwerke einbauen und herausfinden, wie die Zusammensetzung und Struktur solcher Netzwerke
die Leistungsfähigkeit beeinflusst. Schließlich wollen wir diese Netzwerke in Szenarien einsetzen, in denen
Roboter oder virtuelle Agenten über längere Zeiträume lernen und handeln müssen.
Mit diesem Ansatz wollen wir grundlegende Erkenntnisse darüber gewinnen, wie Nervenzellen
Informationen verarbeiten, und die Grundlage für eine neue Generation künstlicher Intelligenz legen, die
stärker an der Funktionsweise des Gehirns orientiert ist.