AEye

Künstliche Intelligenz für Eyetracking-Daten. Deep Learning-Methoden zur automatischen Analyse kognitiver Prozesse

Motivation

KI-Nachwuchswissenschaftlerinnen Mit der Bekanntmachung „Förderung von KI-Nachwuchswissenschaftlerinnen“ vom 19. Juni 2019 wird das Ziel verfolgt, den Anteil qualifizierter Frauen in Führungspositionen der deutschen KI-Forschung zu steigern und den Einfluss von Wissenschaftlerinnen auf das Themengebiet nachhaltig zu stärken. Die Erforschung von KI-Fragestellungen zu neuartigen und innovativen Themen durch Nachwuchsgruppen, die von Frauen geleitet werden, steht im Fokus. Nachwuchswissenschaftlerinnen mit verantwortungsvoller Beteiligung aus den Fachbereichen Informatik, Mathematik, Physik, Linguistik, Neuro- und Kognitionswissenschaften, Psychologie oder angrenzender Fachgebiete sowie aus KI-bezogenen Spezialisierungen in Anwendungsgebieten werden gefördert, um die Forschung zum Thema KI in Deutschland weiter voranzubringen und um die Präsenz von herausragend qualifizierten Frauen im Wissenschaftssystem weiter zu erhöhen. Mit der Förderung der Nachwuchsgruppen soll den Wissenschaftlerinnen die Möglichkeit gegeben werden, eigenständige Forschung zu betreiben, ihr wissenschaftliches Profil zu stärken und ihre Sichtbarkeit zu erhöhen. Deep-Learning-Methoden zur automatischen Analyse kognitiver Prozesse Die Bewegungen der Augen verraten viel über die (oft unbewussten) Prozesse, die im Gehirn ablaufen. Die im Bereich der Kognitiven Psychologie angesiedelte Blickbewegungsforschung hat in den vergangenen Jahrzehnten umfangreiche Erkenntnisse über die Zusammenhänge von neurokognitiven Prozessen und Blickbewegungen gewonnen. So weiß man z. B., dass Sprachverarbeitungsprozesse die Blickbewegungen beim Lesen beeinflussen oder dass sich Konzentration und Müdigkeit auf die Bewegungen der Augen auswirken.

Ziele und Vorgehen

In der kognitionspsychologischen Grundlagenforschung werden Blickbewegungen als abhängige Variable verwendet, um die kognitive Architektur des Menschen zu erklären. Im Gegensatz dazu sollen in diesem Projekt durch ein Team von Nachwuchswissenschaftler*innen aus den Bereichen KI und Kognitionswissenschaften Algorithmen des Maschinellen Lernens entwickelt werden, die aus Eyetracking-Daten Rückschlüsse auf kognitive Eigenschaften oder Zustände eines Individuums ableiten. Dazu muss der für die Blickbewegung verantwortliche Stimulus in die Modellierung einbezogen und Erkenntnisse aus der kognitionspsychologischen und (computer-)linguistischen Forschung in die Modellierung integriert werden. Diese Information kann in verschiedensten KI-Anwendungen genutzt werden, z. B. bei der Früherkennung für Leserechtschreibstörungen. Etwa 10% der Kinder eines Jahrgangs entwickeln eine Leserechtschreibstörung (Legasthenie) oder zeigen eine spezifische Sprachentwicklungsstörung. Für die optimale sprachliche Förderung der betroffenen Kinder ist eine frühzeitige Diagnose erstrebenswert. Gängige diagnostische Verfahren enthalten überwiegend explizite sprachliche Aufgaben, so dass sie für jüngere Kinder ungeeignet sind. Als implizites Verfahren kann Eyetracking bereits bei sehr jungen Kindern angewendet werden und hat auch bei älteren Kindern den Vorteil, dass die Ergebnisse weniger stark von sekundären Faktoren wie Motivation oder Nervosität beeinflusst werden. Als weitere Anwendungsgebiete werden das E-Learning, die Überwachung des geistigen Zustands eines Kraftfahrzeugfahrers sowie die Anwendung von Blickbewegung in der Biometrie betrachtet.

Innovationen und Perspektiven

Außerdem ist es für viele Anwendungen wichtig, zu verstehen, warum ein Algorithmus eine bestimmte Vorhersage macht. Oft ist es darüber hinaus ethisch geboten, eine algorithmisch getroffene Entscheidung der betroffenen Person gegenüber explizit zu begründen. Z. B. ist es bei den in diesem Projekt zu entwickelnden sprachbezogenen diagnostischen Screenings für die Eltern und für den weiterbehandelnden Sprach- oder Lerntherapeuten wichtig zu wissen, wie eine bestimmte Diagnose entstanden ist. Der Fokus des Projekts soll daher auf der Entwicklung neuronaler Architekturen mit interpretierbaren Elementen liegen.

Projektinformation

Projektleitung

Universität Potsdam
Am Neuen Palais 10
14469 Potsdam

Volumen

2.212.097,00 €

Laufzeit

07/2026 – 07/2026

Projektpartnerinnen und -partner

Universität Potsdam