NAILIt

The NAILIt project aims to transfer neuroscientific insights to develop AI systems capable of rapid adaptation in dynamic, non-stationary environments. By applying and developing dynamical systems reconstruction methods to neurophysiological data, the project investigates principles underlying few-shot ("in-context") learning and plasticity-based ("continual") learning, in novel tasks and changing contingencies. These biological insights are translated into efficient generative AI architectures and spiking neural networks capable of online learning and robust real-time adaptation. Led by the Central Institute of Mental Health and Heidelberg University, together with partners from Saarland University and NIMH, the consortium coordinates multi-species neuroscience research within the BMFTR NeuroAI initiative. By tightly integrating neuroscience and AI development, NAILIt enables a reciprocal exchange in which biological mechanisms inspire new machine learning approaches, while AI-driven analyses help uncover the neurocomputational basis of adaptive behavior and learning in the brain, with potential applications to mental health and psychiatry.

Das NAILIt-Projekt zielt darauf ab, neurowissenschaftliche Erkenntnisse zu übertragen, um KI-Systeme zu entwickeln, die sich schnell an dynamische, nicht-stationäre Umgebungen anpassen können. Durch die Anwendung und Weiterentwicklung von Methoden zur Rekonstruktion dynamischer Systeme auf neurophysiologische Daten untersucht das Projekt Prinzipien, die dem Few-Shot-("In-Context"-)Lernen und dem plastizitätsbasierten ("kontinuierlichen") Lernen bei neuartigen Aufgaben und wechselnden Kontingenzen zugrunde liegen. Diese biologischen Erkenntnisse werden in effiziente generative KI-Architekturen und Spiking Neural Networks übertragen, die Online-Lernen und robuste Echtzeit-Adaptation ermöglichen. Geleitet vom Zentralinstitut für Seelische Gesundheit und der Universität Heidelberg, gemeinsam mit Partnern der Universität des Saarlandes und dem NIMH, koordiniert das Konsortium mehrspezies-übergreifende Neurowissenschaftsforschung im Rahmen der BMFTR NeuroAI-Initiative. Durch die enge Verzahnung von Neurowissenschaften und KI-Entwicklung ermöglicht NAILIt einen reziproken Austausch, bei dem biologische Mechanismen neue maschinelle Lernansätze inspirieren, während KI-gestützte Analysen dazu beitragen, die neurocomputationale Grundlage von adaptivem Verhalten und Lernen im Gehirn aufzudecken – mit möglichen Anwendungen in der psychischen Gesundheit und Psychiatrie.