Forschungsthe­men

Computationale Modellierung von schnellem und flexiblen Verhalten

Wir entwickeln computationale Modelle in der Psychologie und den kognitiven Neurowissenschaften. Unsere wichtigste Leitfrage lautet: "Wie kann der Mensch in seinem täglichen Verhalten sowohl schnell als auch flexibel sein? Wie kann man zum Beispiel in einem Gespräch innerhalb von ein paar hundert Millisekunden aus den vielen möglichen Dingen, die wir sagen könnten, auswählen? Oder wie können wir auf dem Weg zur Arbeit innerhalb von Sekundenbruchteilen entscheiden, ob wir einen anderen überholen wollen?

Obwohl uns diese Entscheidungen leicht erscheinen, sind sie eine rechnerische Meisterleistung: Denn bevor wir eine Handlung ausführen, muss unser Gehirn Vorhersagen über die Folgen einer Handlung und mögliche Alternativen berechnen. Aus der Informatik wissen wir, dass diese Berechnungen aufwändig sind und Zeit brauchen, insbesondere in einer komplexen, dynamischen und unsicheren Umgebung wie der unseren.

Wie also ist das menschliche Gehirn in der Lage, diese Berechnungen in einem Sekundenbruchteil durchzuführen? Dies ist eine offene Frage, nicht nur in der Psychologie und den Neurowissenschaften, sondern auch in der Informatik und dem maschinellen Lernen. Jüngsten Schätzungen von Experten zufolge sind wir beispielsweise noch Jahrzehnte von vollständig autonomen Fahrzeugen entfernt, weil die schnelle Entscheidungsfindung des Menschen bei der sicheren Navigation im Verkehr noch nicht nachgeahmt oder sogar verbessert werden kann.

Wenn wir wüssten, wie das Gehirn seine schnellen Entscheidungen trifft, (i) würden wir viel besser verstehen, wie genau Menschen ihre Entscheidungen im Allgemeinen treffen und warum Menschen manchmal ein unangepasstes und unflexibles Verhalten an den Tag legen, und (ii) könnten wir die menschliche Art der Entscheidungsfindung auf künstliche Systeme übertragen.

Wir gehen dieser Frage mit Hilfe von Computermodellen auf der Grundlage der so genannten Bayes'schen Gehirnhypothese und Methoden wie aktiver Inferenz und Verstärkungslernen nach. Die daraus resultierenden Modelle nutzen wir zur Analyse von Daten (z. B. Verhalten, funktionelle Magnetresonanztomographie und Elektroenzephalographie) und zur experimentellen Überprüfung von Hypothesen.

Wir sind Teil des Sonderforschungsbereichs 940 "Volition und kognitive Kontrolle", des Sonderforschungsbereichs/Transregio 265 "Verlust und Wiedererlangung der Kontrolle über die Drogenaufnahme" und des Exzellenzclusters "Centre for Tactile Internet with Human-in-the-Loop (CeTI)" an der TU Dresden.

Wichtige Publikationen

Cuevas Rivera, D., Kiebel, S.J. (in press). The effects of uncertain context inference on motor adaptation. PLOS ONE. https://www.biorxiv.org/content/10.1101/2021.11.30.470569v2

Ott, F., Legler, E., Kiebel, S. J. (2022). Forward planning driven by context-dependent conflict processing in anterior cingulate cortex. NeuroImage, 256, 119222. doi:10.1016/j.neuroimage.2022.119222

Schwöbel, S., Markovic, D., Smolka, M. N., Kiebel, S. J. (2021). Balancing control: A Bayesian interpretation of habitual and goal-directed behavior. Journal of Mathematical Psychology, 100. doi:10.1016/j.jmp.2020.102472

Markovic, D., Goschke, T., Kiebel, S. J. (2021). Meta-control of the exploration-exploitation dilemma emerges from probabilistic inference over a hierarchy of time scales. Cognitive Affective & Behavioral Neuroscience, 21(3), 509-533. doi:10.3758/s13415-020-00837-x