In einer hoch komplexen, sich dynamisch ändernden Umwelt, müssen wir unser Verhalten ständig überprüfen und an Veränderungen anpassen, um unsere Ziele zu erreichen. Diese flexible Anpassung von Entscheidungen und Handlungen an auftretende Hindernisse wird als kognitive Kontrolle bezeichnet. Kognitive Kontrolle stellt eine essenzielle Exekutivfunktion dar, deren Verständnis von fundamentaler Bedeutung ist, da Beeinträchtigungen gravierende Folgen für Individuen und Gesellschaft haben. Trotz intensiver Forschung gibt es noch kein übergreifendes Verständnis der Mechanismen der kognitiven Kontrolle. In diesem Projekt wird eine Theorie entwickelt, die beschreibt, wie kognitive Kontrolle latente Abstraktionen steuert, um die Informationsverarbeitung an aktuelle Ziele anzupassen. Diese Idee knüpft an neuere Arbeiten an, die zeigen, dass Recurrent Neural Networks (RNNs), die zwischen Lern- und Inferenzprozessen alternieren, latente Abstraktionen entdecken können, die verbesserte Generalisierung und Verhaltensflexibilität ermöglichen. Es wird die Hypothese getestet, dass Inferenz über diese latenten Abstraktionen als aufgabengenerelle Steuerinstanz fungiert, die Verhaltens- und neuronale Kennzeichen kognitiver Kontrolle beim Menschen erklärt. Das Projekt beinhaltet drei konkrete Ziele: Zunächst wird geprüft, ob und wie Inferenz in RNNs kognitive Kontrolle und dessen zugrunde liegende neuronale Dynamik in einem großen, bereits erhobenen Datensatz des Teams erklären kann. Anschließend werden neue Daten erhoben, um zu testen, ob Modellvorhersagen auf neuartige Kontrollanforderungen und Aufgaben generalisieren. Schließlich wird untersucht, ob Perturbationen des posterioren medialen Frontalkortex (pMFC) – einer für kognitive Kontrolle als kritisch geltenden Hirnregion – mittels transkranieller Ultraschallstimulation (TUS) Verhaltensänderungen hervorrufen, die mit Störungen der Inferenzprozesse in RNNs übereinstimmen.