Das Gesamtziel dieses Verbundprojekts ist es, die Leistung der KI-Bildverarbeitung zu verbessern und die neurowissenschaftliche Theorie der biologischen Wahrnehmung beim Menschen voranzutreiben, indem KI-Bildsysteme entwickelt werden, die wie Menschen sehen, weil sie einer menschlichen Entwicklungstrajektorie folgen. Das Hauptziel dieses Teilprojekts ist die Entwicklung einer leistungsfähigen, robusten und effizienten visuellen KI (d. h. visuelle tiefe neuronale Netze, DNNs), die sich an der Evolution des menschlichen visuellen Systems orientiert. Die Verbesserung der visuellen KI ist für ein breites Spektrum von KI-Anwendungen entscheidend: Fernerkundung, Wettervorhersage, medizinische Diagnostik, autonome Fahrzeuge und viele andere Anwendungen stützen sich auf die visuelle Erkennung als grundlegende Komponente, die die künstliche Intelligenz (KI) mit der realen Welt verbindet. Die Verbesserung der Leistung, Robustheit und Effizienz visueller Erkennungssysteme birgt daher ein erhebliches Potenzial für die Verbesserung der Fähigkeiten der KI in einer Vielzahl realer Kontexte. Der Bezug zum Förderziel liegt daher in den Möglichkeiten des Transfers neurowissenschaftlicher Erkenntnisse zur Optimierung der Informationsverarbeitung in KI-Systemen durch die Entwicklung neuer Architekturen und Trainingsmethoden. Das Hauptziel ist die Verbesserung der Leistungsfähigkeit, Generalisierbarkeit und Robustheit visueller KI-Systeme. Die Schlüsselhypothese ist, dass die Robustheit, Lern- und Dateneffizienz und der semantische Reichtum der visuellen Fähigkeiten des menschlichen Gehirns auf visuelle DNNs übertragen werden können, indem sie einem ähnlichen Repräsentationspfad folgen, d. h. wie menschliche Gehirne wachsen.