AG Physik und Kognition (PD Dr. rer. nat. Patrick Krauss)

Im Alltag erscheint Denken oft als etwas Immaterielles oder Abstraktes. Aus wissenschaftlicher Sicht beruht Kognition jedoch auf physikalischen Prozessen. Milliarden von Nervenzellen tauschen elektrische Signale aus und bilden dabei hochkomplexe Netzwerke. Ähnliche Netzwerke finden sich heute auch in modernen KI-Systemen.

Wir untersuchen die Hypothese, dass viele kognitive Funktionen als dynamische Prozesse verstanden werden können. Dabei spielen Konzepte wie Attraktoren, Selbstorganisation, Rekurrenz, Resonanzphänomene und Informationsverarbeitung eine zentrale Rolle. Ähnlich wie sich Planetenbahnen, Wetterphänomene oder Ökosysteme durch allgemeine mathematische Prinzipien beschreiben lassen, könnte auch Kognition auf universellen physikalischen Gesetzmäßigkeiten beruhen.

Unsere Forschung nutzt Methoden aus der Dynamischen Systemtheorie, der Informationstheorie, der Graphentheorie und der statistischen Physik, um solche Prinzipien zu identifizieren. Dadurch entsteht eine Perspektive, die biologische und künstliche Intelligenz innerhalb eines gemeinsamen theoretischen Rahmens betrachtet.

Ein Schwerpunkt unserer empirischen Forschung liegt auf der Verarbeitung natürlicher Sprache. Das menschliche Gehirn verarbeitet Sprache nicht Wort für Wort isoliert, sondern kontinuierlich und in Echtzeit. Um diese Prozesse zu untersuchen, verwenden wir Methoden wie Elektroenzephalografie (EEG), Magnetenzephalografie (MEG) invasive Hirnableitungen (iEEG) und funktionelle Magnetresonanztomographie (fMRT).

Anders als klassische Laborexperimente nutzen wir häufig natürliche Reize wie Hörbücher oder zusammenhängende Erzählungen. Dadurch können wir untersuchen, wie das Gehirn Informationen unter realistischen Bedingungen verarbeitet. Unser Ziel ist es, die zeitliche Dynamik neuronaler Aktivität sichtbar zu machen und besser zu verstehen, wie aus kontinuierlichen Signalen Bedeutung, Vorhersagen und Verständnis entstehen.

Besonders interessiert uns die Frage, wie interne Repräsentationen aufgebaut sind und wie sich diese im Verlauf der Verarbeitung verändern. Sprache stellt dabei ein ideales Modellsystem dar, da sie Wahrnehmung, Gedächtnis, Vorhersage und abstraktes Denken miteinander verbindet.

Moderne Sprachmodelle und andere KI-Systeme zeigen Fähigkeiten, die noch vor wenigen Jahren als ausschließlich menschlich galten. Gleichzeitig bleibt weitgehend unklar, wie diese Systeme intern funktionieren. Deshalb vergleichen wir künstliche neuronale Netzwerke direkt mit biologischen Gehirnen.

Dazu analysieren wir die Aktivität großer Sprachmodelle und vergleichen ihre internen Repräsentationen mit Messungen aus EEG, MEG, iEEG oder fMRT. Auf diese Weise untersuchen wir, welche Prinzipien biologischer und künstlicher Informationsverarbeitung gemeinsam sind und welche Unterschiede bestehen.

Ein wichtiges Ziel besteht darin, erklärbare und nachvollziehbare KI-Systeme zu entwickeln. Durch Methoden aus Neurowissenschaft und Physik versuchen wir, die verborgenen Strukturen künstlicher Netzwerke sichtbar zu machen und besser zu verstehen, wie stabile Repräsentationen, Vorhersagen und Entscheidungen entstehen.

Ein besonderer Schwerpunkt unserer Forschung liegt auf der Rolle von Dynamik und Resonanz in neuronalen Systemen. Viele biologische Systeme profitieren von Rauschen, Rückkopplungen und rekurrenten Verbindungen. Entgegen der intuitiven Annahme, dass Rauschen grundsätzlich störend ist, kann es unter bestimmten Bedingungen die Informationsverarbeitung sogar verbessern.

Wir untersuchen verschiedene Resonanzphänomene in biologischen und künstlichen neuronalen Netzwerken, darunter stochastische Resonanz, rekurrente Resonanz und verwandte Mechanismen. Solche Prozesse könnten eine wichtige Rolle für Wahrnehmung, Lernen und Gedächtnis spielen.

Darüber hinaus erforschen wir die Entstehung stabiler Attraktorzustände. Attraktoren beschreiben Zustände, in die dynamische Systeme bevorzugt zurückkehren. Sie könnten erklären, wie Erinnerungen gespeichert werden, wie Wahrnehmungen stabil bleiben oder warum ähnliche Repräsentationen unabhängig voneinander in unterschiedlichen Gehirnen und KI-Systemen entstehen.

Ein weiterer Forschungsbereich beschäftigt sich mit der Frage, wie Wissen organisiert wird. Menschen navigieren nicht nur durch physische Räume, sondern auch durch Bedeutungsräume, Erinnerungen und sprachliche Strukturen. Zur Beschreibung solcher Prozesse verwenden wir Konzepte wie kognitive Karten und Nachfolgerrepräsentationen (Successor Representations).

Besonders interessiert uns, ob verschiedene Systeme unabhängig voneinander ähnliche interne Strukturen entwickeln. Erste Ergebnisse aus Hirnforschung und KI deuten darauf hin, dass bestimmte Repräsentationen immer wieder entstehen könnten. Wir bezeichnen solche Phänomene als konvergente Repräsentationen.

Langfristig möchten wir verstehen, ob hinter diesen Beobachtungen allgemeine Organisationsprinzipien stehen, die unabhängig vom jeweiligen biologischen oder technischen Substrat sind.

Neben normaler Kognition untersuchen wir auch veränderte Wahrnehmungszustände. Ein Beispiel sind Phantomwahrnehmungen wie Tinnitus, bei dem Menschen Geräusche wahrnehmen, obwohl keine äußere Schallquelle vorhanden ist. Unsere Forschung verbindet neurobiologische, informationstheoretische und neurokomputationale Modelle, um zu verstehen, wie solche Phantomwahrnehmungen entstehen. Im Rahmen von Predictive Coding können sie als Folge fehlangepasster Vorhersageprozesse interpretiert werden; aus Sicht dynamischer Systeme entsprechen sie stabilen, aber fehlerhaften Attraktorzuständen. Solche Phänomene liefern wichtige Hinweise darauf, wie das Gehirn Wahrnehmungen konstruiert und aufrechterhält.

Darüber hinaus beschäftigen wir uns mit grundlegenden Fragen des Bewusstseins. Dabei untersuchen wir, unter welchen Bedingungen biologische oder künstliche Systeme interne Selbstmodelle, Weltmodelle und bewusstseinsähnliche Verarbeitungsformen entwickeln könnten. Ziel ist nicht die Entwicklung „bewusster Maschinen“, sondern ein besseres Verständnis der Prinzipien, die komplexe kognitive Systeme hervorbringen.

Die Arbeitsgruppe „Physik und Kognition“ versteht sich als interdisziplinäre Plattform an der Schnittstelle von Neurowissenschaften, Physik, und Künstlicher Intelligenz. Während andere Forschungsgruppen primär neue Technologien oder medizinische Anwendungen entwickeln, konzentrieren wir uns auf die fundamentalen Prinzipien, die Kognition überhaupt ermöglichen.

Langfristig verfolgen wir die Vision einer „Physik des Denkens“ – einer wissenschaftlichen Perspektive, die Gehirne, künstliche Intelligenz und andere kognitive Systeme innerhalb eines gemeinsamen theoretischen Rahmens beschreibt. Durch die Verbindung von empirischer Hirnforschung, computergestützten Modellen und physikalischer Theorie möchten wir zu einem tieferen Verständnis von Denken, Wahrnehmung und Intelligenz beitragen.