Från hjärnsignaler till språk: ett seminarium om analytisk konnektionism

Det är kärnan i detta seminarium på Chalmers, där tre internationellt ledande forskare delar sina perspektiv på hur kognitiva system fungerar – både biologiskt och matematiskt. Seminariet arrangeras av styrkeområde IKT tillsammans med 2026 School on Analytical Connectionism.

En central idé är konnektionism: att tänkande uppstår genom samspel i nätverk av många enkla enheter – nervceller i hjärnan eller artificiella noder i neurala nätverk. Dessa nätverk används som modeller för att studera hur lärande och förståelse fungerar. De är kraftfulla, men ofta svåra att tolka och beskrivs därför ibland som ”svarta lådor”. Nya teoretiska verktyg gör det nu möjligt att bättre förstå hur de fungerar, vilket för oss närmare en förklaring av hur både människor och maskiner lär sig.

Program

08.30 – Registrering
08.45 – Introduktion
09.00–10.30 – Paul Smolensky
10.30–11.00 – Paus (kaffe och tilltugg)
11.00–12.30 – Caroline Rowland
12.30–14.00 – Lunch
14:.0–15.30 – Michael Biehl
15.30–16.00 – Paus (kaffe och tilltugg)
16.00–17.00 – Postersession

Talare

Paul Smolensky (Johns Hopkins University & Microsoft Research)


Pionjär inom kognitionsvetenskap och neurala modeller. Han har utvecklat teorier som förenar symboliskt tänkande med neurala system och visar hur språk och resonemang kan förstås genom nätverk som efterliknar hjärnans funktioner. Hans arbete har haft stort genomslag internationellt och har även bedrivits i nära samverkan med Microsoft Research, där han bidragit till utvecklingen av teoretiska grunder för avancerad AI. Smolensky är professor vid Johns Hopkins University och en internationellt erkänd forskare inom analytisk konnektionism.

Caroline Rowland (Max Planck Institute for Psycholinguistics)


Ledande forskare inom barns språkutveckling och chef för avdelningen för språkutveckling vid Max Planck-institutet. Hon studerar hur barn lär sig språk genom interaktion och i komplexa miljöer, med fokus på samspelet mellan kognitiv utveckling, psykologiska processer och språklig input. Hennes forskning kombinerar empiriska studier av barns språkinlärning med modeller från artificiell intelligens för att bättre förstå hur språk utvecklas i verkliga sammanhang.

Michael Biehl (University of Groningen)


Professor i maskininlärning med inriktning mot teoretisk analys av neurala nätverk. Hans forskning fokuserar på att utveckla matematiska och statistiska metoder för att förstå hur komplexa inlärningssystem fungerar. Genom arbete med bland annat prototypbaserade modeller har han bidragit till att göra AI-system mer begripliga, analyserbara och tillförlitliga, med tillämpningar inom flera vetenskapliga områden.

Arrangör

Styrkeområde Information och kommunikationsteknik (IKT), Chalmers tekniska högskola, tillsammans med 2026 School on Analytical Connectionism.