Waarom kunnen mensen met weinig voorbeelden leren wat een kat of een gezicht is, terwijl AI enorme hoeveelheden data nodig heeft? Die vraag staat centraal in het project Mastering Vision: How Inductive Biases Shape Mammalian Learning Efficiency, geleid door Sander Bohte en Steven Scholte (CWI en Universiteit van Amsterdam). Het project kreeg onlangs financiering vanuit het NWO-programma Open Competitie ENW-M.

Onze hersenen gebruiken zogeheten inductieve biases—ingebouwde aannames die ons helpen om visuele prikkels te interpreteren. Dit project onderzoekt hoe die biases zich ontwikkelen van baby tot volwassene, en hoe ze zorgen voor snelle, efficiënte visuele verwerking. De resultaten kunnen niet alleen leiden tot AI-systemen die minder data nodig hebben, maar ook bijdragen aan ons begrip van ontwikkelings- en perceptiestoornissen.

De onderzoekers combineren computationele modellen met data uit de neurowetenschappen. Ze willen achterhalen welke mechanismen zorgen voor leerefficiëntie bij zoogdieren en hoe die vertaald kunnen worden naar het ontwerp van nieuwe, datavriendelijkere AI-algoritmen.

Het onderzoek wordt gefinancierd door de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) en draagt bij aan fundamentele kennisontwikkeling op het snijvlak van neurowetenschap en kunstmatige intelligentie.