New publication on speech representation learning using a human hack for a better auditory perception

Learning effective speech representations is challenging due to the complexity and redundancy in speech signals. Conventional supervised learning requires costly labeled data, while cognitive science suggests humans rely on redundancy reduction principles for invariant auditory perception. This study by Yusuf Brima and his colleagues investigates the Barlow Twins (BTs) framework, which integrates redundancy minimization concepts from neuroscience with self-supervised learning in deep learning. First results point out the potential of Barlow Twins for sample-efficient speech encoding. Recently published in MDPI Information.

Jasmin L. Walter mit dem OLB-Wissenschaftspreis ausgezeichnet

Tolle Anerkennung für unsere Doktorandin Jasmin L. Walter: für ihre Masterarbeit wurde sie mit dem ersten Preis des begehrten OLB-Wissenschaftspreises ausgezeichnet. Im Laudatio der Jury wurde die besondere wissenschaftliche Qualität, der innovative Ansatz und die Relevanz für die Forschung hervorgehoben. Herzlichen Glückwunsch, Jasmin! Wie gut, dass dein Promotionsthema daran anknüpft!

How artificial agents can learn from communication games

New publication on how language-perception interactions can be studied with deep learning methods. In this study Xenia Ohmer and Michael Marino use communication games with neural network agents to model co-adaptation effects between language and visual perception. The results point out ways to modulate and improve visual representation learning and emergent communication in artificial agents. Recently published in PLOS computational biology.

Workshop on biological and artificial neural networks

This workshop organized by Viktoria Zemliak & Yusuf Brima brings together experts from diverse but intersecting fields pursuing research in understanding the mechanisms that give rise to intelligence in biological and artificial systems. We will discuss how neurons in the brain and the artificial neural networks transmit information, what advantages and disadvantages those biological and artificial networks have, discuss to what extent AI needs to be biologically plausible.
The workshop takes place on October 6-7, 2022, in Osnabrück. Some of the speakers will join online. Online attendance for the participants will also be possible.

Der menschlichen Orientierung auf der Spur

Um es besser zu verstehen wie wir uns in einer neuen Umgebung zurechtfinden ist das Erforschen des Verhaltens während der räumlichen Navigation sinnvoll. Hierfür haben die Doktorandin Jasmin L. Walter und weitere Forscher*innen ein mit Eye tracking kombiniertes VR Experiment durchgeführt, in dem Probanden sich in einer neuen virtuellen Stadt orientieren mussten. Für die Auswertung der gewonnenen Daten haben die Autor*innen eine neue Methode basierend auf der Graphentheorie entwickelt. Diese Methode publiziert in PLOS Computational Biology ermöglicht neue Einsichten in die Prozesse der visuellen Aufmerksamkeitsverarbeitung während räumlicher Orientierung und eröffnet neue Möglichkeiten für das Forschungsfeld.

Retreat 2022 - a mix of science, sport, culture, a lot of fun, a duck, & a cat :)

In May we finally went for our long-awaited 3-day retreat. While the majority went by bike, Julius came along running (24 km!). We stayed at Kloster Malgarten, a former monastery, where we enjoyed the amazing surroundings, having all sessions outside. As a team building event we went on a boat trip with two boats on the Hase - which proved to be quite challenging and competitive. The evening barbecue was then the perfect closing. All in all, it was a terrific research group retreat - without any research presentations - but a lot of fabulous discussions providing a taste of good things to come!

New deep learning vision model

New publication by H. Lukanov et al. in Front. Comput. Neurosci. The authors propose a new deep learning vision model inspired by the structural organization of the primate retina. The information reduction provided by the foveation technique allows for an energy efficient way to perceive a visual scene and acquire detailed information incrementally. Parts of the observed scene can be explored with high resolution, while the agent retains a large field of view in low resolution. Moreover, the authors provide an easy to implement attention mechanism that allows for saccadic “eye movements” to be performed in order to acquire more detailed information from different parts of the scene in a sequential manner. They believe this shift in paradigm from classical machine vision can assist development of embodied active vision agents in simulated environments or in the field of cognitive robotics.

Open access book on concept research

Concepts lie at the core of human cognition, and concept research is a highly interdisciplinary field. This edited volume provides a unique, holistic picture for the understanding and for the use of concepts combining theoretical, experimental, computational, and applied approaches.

The editors Lucas Bechberger, Prof. Kai-Uwe Kühnberger (both from the Institute of Cognitive Science) and Prof. Mingya Liu (HU Berlin) invited leading researchers from a wide range of fields including cognitive science, linguistics, philosophy, psychology, artificial intelligence, and computer science. A lot of thanks to the DFG who made this open access publication possible!

Workshop on Computational Cognition

The COMCO workshops bring together experts studying the mind from a computational point of view for a better understanding of human and machine intelligence. Besides featuring top-class scientific talks and panel discussions this workshop also offers the opportunity to networking. Participants can present their latest research projects for a talk/ poster session.
This year's workshop took place online, on September 23 – 24. Check out the recorded talks here.

Organized by: Juliane Schwab, Michael Marino & Xenia Ohmer

Technisches Museum Wien zeigt unsere Erklärvideos zu Thema KI

Wie funktioniert Deep Learning? Warum ist es wichtig, dass künstliche neuronale Netze sich selbst erklären? Unsere Erklärvideos, die als Teil unseres Ausstellungsbeitrages auf der MS-Wissenschaft in 2019 entwickelt worden waren, werden seit Dezember 2020 in der Ausstellung „Künstliche Intelligenz?“ im Technisches Museum Wien gezeigt. Gleich neben dem interkativen Modell eines neuronalen Netzes - sehenswert!!

Höher, schneller, smarter – Besser codieren durch interaktives Lernen

Neue Publikation! Wie können simulierte Agenten eine interne Repräsentation der Welt lernen ohne, dass man ihnen die Gegenstände in deren Welt benennt, bzw. erklärt? Darauf sucht Viviane Clay eine Antwort in ihrer Doktorarbeit. Dazu versucht sie, dass ein Software-Agent allein durch Ausprobieren die Welt versteht, also den Gegenständen Bedeutung zuordnet und gegebenenfalls als hilfreich erkennt. Hierzu nutzt sie ein künstliches neuronales Netzwerk welches in einer 3D simulierten Labyrinth-Welt trainiert wird. Die ersten Ergebnisse die jetzt veröffentlicht wurden zeigen, dass dieses sogenannte embodied learning (lernen durch körperliche Erfahrungen) zu robustem Lernen führt, das heißt, dass der Agent besser generalisieren und ohne Supervision effiziente und informative Repräsentationen lernt. Jetzt veröffentlicht in Neural Networks.

Deep Reinforcement Learning Workshop

Ein Workshop organisiert von zwei unserer Promovierenden, Viviane Clay & Ashima Keshava, zu Deep Reinforcement Learning. Bestehend aus einem Crashkurs sowie Vorträgen und wissenschaftlichen Diskussionen. Unsere Vortragende sind international renommierte Forschende die an höchst relevanten Themen im diesem Forschungsfeld arbeiten.

YouTube live stream über die Vorträge und Diskussionen

Interview mit Viviane Clay, Gewinnerin des Mendeley Data FAIRest Datasets Awards

Frei zugängliche Forschungsdaten sind essentiell für eine prosperierende Forschungsgemeinschaft, sagt Viviane Clay, die den Mendeley Data FAIRest Datasets Award als eine wichtige Anerkennung für ihr Bemühen ansieht, Forschungsdaten und Analyse-Skripten wiederverwendbar zu veröffentlichen. In ihrem Interview in Elsevier Connect News stellt sie die Wichtigkeit von Open Access Daten für Forschende und die Forschung dar.

Corona-Vorhersagen: gemeinsames Projekt mit dem Forschungszentrum Jülich

Neuroinformatiker der Universität Osnabrück und Datenspezialisten des Forschungszentrums Jülich stellen täglich neue Modellergebnisse zur Vorhersage der Covid-19-Infektionen bereit. Die Ergebnisse enthalten tagesaktuelle Schätzungen der gemeldeten Neu-Infektionen und eine 5-Tages-Vorhersage für jeden deutschen Landkreis, und sind hier abrufbar. Die Prognosen beruhen auf Daten des Robert Koch-Instituts, die mit einem neuen, wahrscheinlichkeitsgewichteten Modell der Osnabrücker Neuroinformatiker auf Höchstleistungsrechnern des Jülich Supercomputing Centre (JSC) statistisch analysiert werden.

Schneller verstehen mit 'zwar' und 'aber'

Wörter wie 'zwar' und 'aber' sind linguistische Hinweiswörter, die uns helfen Texte zu strukturieren und so schneller den Inhalt zu erfassen. Wie nützlich solche Hinweiswörter in der Sprachverarbeitung sind, und ob auch subtilere Elemente im Kontext als Hinweise auf Diskursrelation erkannt werden können waren einige der Fragen dieser Studie, die unsere Doktorandin Juliane Schwab untersuchte. Um einen allgemeineren Einblick in die kognitive Verarbeitung von Sprache zu erhalten, hat sie die Experimente sprachübergreifend (englisch und deutsch) durchgeführt. Das Verständnis für den richtigen Gebrauch von linguistischen Signalwörtern ist essentiell für das Ziel künstliche Sprechassistenten mit natürlich wirkenden Sprachfähigkeiten zu entwickeln.

Wissenschaftskommunikation mal anders: VR-Projekt WESTDRIVE auf der Jobmesse

In dem interaktiven Experiment ‘Westdrive LoopAR‘ wird in einer virtuellen Umgebung getestet, unter welchen Bedingungen der Fahrer eines autonom fahrenden Kfz am schnellsten und effizientesten wieder die Kontrolle übernehmen kann, falls dieses einmal notwendig ist.
Der Fahrsimulator mit integrierten Lenkrädern und Eyetracking-fähigen VR-Brillen wird auf drei Jobmessen in Lingen, Osnabrück und Hannover präsentiert. Das Team um die Projektleiter Maximilian Wächter und Farbod Nosrat Nezami erhoffen neben einer großen Zahl von Teilnehmern gute Gespräche rund um die Thematik Autonomes Fahren, Mensch-Maschine Interaktion, etc.

KI: Sprechen lernen wie die Kinder

Wie können künstliche Agenten effektiv Begriffe lernen ohne, dass sie jedes einzelne Wort gesagt bekommen? Können sie „Tricks“ anwenden die Kinder nutzen um schneller Begriffswelten zu erschließen?
Unsere Doktorandin Xenia Ohmer hat mithilfe von maschinellem Lernen ein Modell implementiert womit künstliche Agenten effektiver Begriffe lernen können. Ihre Implementierung ist nicht nur für die Linguistik und Entwicklungspsychologie interessant, sondern auch für die Weiterentwicklung von künstlichen neuronalen Netzen „Mutual Exclusivity Bias Challenge“.

Trotz Covid-19: Dagstuhl-Treffen der Informatik GRKs - natürlich online :)

Das traditionelle Treffen der deutschen Informatik Graduiertenkollegs drohte wegen der Epidemie auszufallen, gerade jetzt, wo wir das erste mal die Organisation übernahmen zusammen mit dem Hasso-Plattner Institut. Kurzerhand setzten wir eine Online-Version Anfang Juni um - die von 50 Teilnehmern gut angenommen wurde und ein erfolgreiches Alternativ-Format darstellte.