Xia Xu verteidigte seine Dissertation in der Gruppe von Jochen Triesch am 10. Dezember. Er untersuchte, wie das von Säuglingen inspirierte Lernen zur nächsten Stufe der KI führen kann.

Während Kleinkinder erstaunlich effizient durch Beobachtung und Interaktion lernen, benötigen moderne Deep-Learning-Modelle in der Regel riesige Datenmengen und Rechenressourcen. Um diese Lücke zu schließen, zeigte Xu in seiner Arbeit im Triesch Lab einen rechnerischen Weg von der passiven Beobachtung zur aktiven, kausalen Handlungsfähigkeit auf.

In mehreren Publikationen beschreibt er, wie moderne Techniken wie Contrastive Learning mit dem von Kleinkindern inspirierten „Prinzip der zeitlichen Kohärenz” kombiniert werden können. Die Gruppe untersuchte auch, wie passive Modelle durch äquivariante Darstellungen für ihre Handlungen sensibilisiert werden können, und modellierte das Verhalten von Säuglingen unter dem Gesichtspunkt des „Handlungsbewusstseins” unter Verwendung eines neuartigen kausalen Mechanismus. Diese Stufen statten künstliches Lernen mit kognitiven Werkzeugen aus, die als solide Grundlage für die nächste Stufe der Entwicklung der KI dienen.

Xu möchte sich im akademischen Bereich weiterentwickeln und hofft, weiterhin spannende Ideen an der Schnittstelle von Biologie, Psychologie und KI erforschen zu können.