"ID";"Original Titel";"Titel Deutsch";"Zusammenfassung";"Kontakte";"Zitation";"URL Fachartikel";"weitere Quellen";"Keywords deutsch";"Forschungsgebiete";"Methode/Modell";"Jahr der Veröffentlichung";"Monat der Veröffentlichung";"Eingestellt am"; "444";"A modeling framework for adaptive lifelong learning with transfer and savings through gating in the prefrontal cortex";"KI dazu trainieren, sich wie menschliche Gehirne anzupassen";"Der präfrontale Cortex (PFC) ermöglicht die Fähigkeit des Menschen, sich flexibel an neue Umgebungen und Umstände anzupassen. Eine Störung dieser Fähigkeit ist oft ein Kennzeichen von präfrontalen Erkrankungen. Neuronale Netzwerkmodelle haben Werkzeuge zur Verfügung gestellt, um zu untersuchen, wie der PFC Informationen speichert und nutzt. Die Mechanismen, die dem PFC zu Grunde liegen, wie er sich anpassen und über neue Situationen lernen kann, ohne bereits vorhandenes Wissen zu unterbrechen, sind jedoch noch unbekannt. Hier wird die neuronale Netzwerkarchitektur DynaMoE verwendet, um zu zeigen, wie hierarchisches Gating adaptives Lernen auf natürliche Weise unterstützen kann, während Erinnerungen an frühere Erfahrungen erhalten bleiben. Darüber hinaus wird veranschaulicht, wie eine Schädigung des Netzwerkmodells Störungen des menschlichen PFCs rekapituliert.";"Terrence J. Sejnowski, Salk Institute for Biological Studies, La Jolla, USA, Ben Tsuda, Salk Institute for Biological Studies, La Jolla, USA";"Ben Tsuda et al. PNAS 2020";"https://www.pnas.org/content/117/47/29872";"Technology Networks, https://www.technologynetworks.com/informatics/news/can-we-train-ai-to-adapt-like-human-brains-344096";"Präfrontaler Cortex, künstliche Intelligenz";"Neurologie, Psychologie, Psychiatrie";"In silico, Künstliche Intelligenz, OMICs, Big Data";"2020";"11";"2020-12-21 15:07:51";