Technologie

3 Computer, die das menschliche Gehirn imitieren

Welcher Film Zu Sehen?
 

Quelle: Thinkstock

Seit Jahren arbeiten Forscher intensiv an einem Konzept, das wie etwas aus einem ehrgeizigen Science-Fiction-Film klingt: Computer, die die Funktionen und die Struktur des menschlichen Gehirns nachahmen. Während die Computer, die wir täglich verwenden, in Bezug auf Geschwindigkeit, Speicher und Fähigkeiten einen langen Weg zurückgelegt haben, könnten Computer, die eher wie das menschliche Gehirn funktionieren, eine Reihe neuer Aufgaben wie das Bedienen von Robotern, Sensoren oder Drohnen und das Erledigen komplexer analytischer Aufgaben erfüllen die Computer derzeit nicht übernehmen können.

Lesen Sie weiter, um mehr über einige der Computer zu erfahren, die versucht haben, die Funktionen des menschlichen Gehirns nachzuahmen, und wie unser wachsendes Verständnis des menschlichen Gehirns neue Maschinentypen inspiriert hat, die schließlich zu leistungsfähigeren und effizienteren Computern führen könnten.

DeepMind baut eine neuronale Turingmaschine, die das Arbeitsgedächtnis des Gehirns nachahmt

DeepMind von Google hat ein neuronales Netzwerk aufgebaut, das wie eine Turing-Maschine auf einen externen Speicher zugreifen kann. Wie der Technology Review des MIT berichtet, zielt der Computer darauf ab, einige der Eigenschaften des Gehirns nachzuahmen Kurzzeitarbeitsgedächtnis . Der Computer ist ein neuartiges neuronales Netzwerk, das für die Arbeit mit einem externen Speicher geeignet ist. Es lernt beim Speichern von Erinnerungen und kann diese später abrufen, um logische Aufgaben zu erledigen - Aufgaben, die über die Aufgaben hinausgehen, für die es geschult wurde.

Ein kognitiver Psychologe namens George Miller entdeckte in den 1950er Jahren, dass das Kurzzeitgedächtnis des menschlichen Gehirns nicht durch die Menge an Informationen definiert wird, die es enthält. Stattdessen kann das Arbeitsspeicher nach Millers Theorie ungefähr sieben 'Informationsblöcke' enthalten.

Die 'Brocken', mit denen sich Millers Forschung befasste, reichten von einer einzelnen Ziffer oder einem Buchstaben bis zu einer kleinen Gruppe von Wörtern. Sie könnten alles darstellen, von einer sehr kleinen Informationsmenge bis zu einer komplexen Idee, die einer viel größeren Informationsmenge entspricht, und dem Gehirn eine Abkürzung geben, um sich große Informationsmengen zu merken.

Technology Review berichtet, dass in der Kognitionswissenschaft die Fähigkeit, die Komponenten eines Satzes zu verstehen und im Arbeitsspeicher zu speichern, als „Variablenbindung“ bezeichnet wird. Diese Fähigkeit ermöglicht es dem Gehirn, Informationen zu empfangen und sie einem Ort im Arbeitsgedächtnis zuzuweisen. Das Gehirn tut dies wiederholt.

In den 1990er und 2000er Jahren begannen Informatiker, Algorithmen, Schaltkreise und neuronale Netze zu entwerfen, die das Arbeitsgedächtnis des menschlichen Gehirns nachahmen könnten. Ein Computer mit einer solchen gehirnähnlichen Fähigkeit wäre in der Lage, einen einfachen Satz zu analysieren und ihn in einen Schauspieler, eine Handlung und den Empfänger der Handlung zu unterteilen. Das neue neuronale Netzwerk von DeepMind übernimmt diese Aufgabe, ändert aber auch die grundlegende Natur eines neuronalen Netzwerks.

Traditionell wurde ein neuronales Netzwerk aus Mustern verbundener „Neuronen“ aufgebaut, die die Stärke ihrer Verbindungen basierend auf externen Eingaben ändern können. Es fehlt ihnen jedoch ein externer Speicher - eine Grundvoraussetzung für den Rechenprozess -, aus dem während des Rechenprozesses gelesen und beschrieben werden kann. Also haben Alex Graves, Greg Wayne und Ivo Danihelka von DeepMind dem neuronalen Netzwerk einen externen Speicher hinzugefügt, den sie dann Neural Turing Machine nannten.

Während die neuronale Turingmaschine wie ein herkömmliches neuronales Netzwerk von externen Eingaben lernt, lernt sie auch, Informationen zu speichern und abzurufen. Es kann einfache Algorithmen aus Beispieldaten lernen und diese Algorithmen dann verwenden, um weit außerhalb seines Trainingsbereichs zu verallgemeinern. Diese Fähigkeit ist ein bedeutender Schritt, um Computer dem menschlichen Gehirn ähnlicher zu machen als je zuvor.

Einer der nächsten Schritte könnte darin bestehen, eine andere Fähigkeit des Gehirns in Angriff zu nehmen: die mehreren Informationsblöcke, über die Miller gesprochen hat, in einen einzigen Block umzukodieren, in einem Prozess, der es dem Gehirn ermöglicht, komplexe Argumente zu verstehen. Miller betrachtete diese Fähigkeit zur Rekodierung als Schlüssel zur künstlichen Intelligenz und glaubte, dass sie niemals die Leistung des menschlichen Gehirns erreichen würde, bis ein Computer sie reproduzieren könnte.

Stanford-Forscher entwickeln den Neurogrid-Schaltkreis, der vom menschlichen Gehirn inspiriert ist

Im April berichtete der Nachrichtendienst der Stanford University, dass Bioingenieure entwickelte eine neue Schaltung nach dem Vorbild des menschlichen Gehirns. Kwabena Boahen und sein Forscherteam entwickelten Neurogrid, eine Leiterplatte aus 16 „Neurocore“ -Chips, die 1 Million Neuronen und Milliarden synaptischer Verbindungen simulieren können. Das Neurogrid-Gerät, ungefähr so ​​groß wie ein iPad, kann mehr „Größenordnungen mehr Neuronen und Synapsen“ simulieren als andere Computer, die das Gehirn nachahmen, und dies alles mit der Leistung, die für den Betrieb eines Tablets erforderlich ist.

Boahen plant, die Kosten für den Bau des Neurogrid zu senken und dann eine Software zu entwickeln, mit der Ingenieure oder Informatiker ohne neurowissenschaftliche Kenntnisse Probleme wie die Steuerung eines humanoiden Roboters mit Neurogrid lösen können.

In der aktuellen Form müssen Forscher wissen, wie das menschliche Gehirn arbeitet, um den 40.000-Dollar-Prototyp zu programmieren. In der Pressemitteilung heißt es: „Aufgrund seiner Geschwindigkeit und seiner geringen Leistung ist Neurogrid ideal für mehr als nur die Modellierung des menschlichen Gehirns. Boahen arbeitet mit anderen Stanford-Wissenschaftlern zusammen, um Prothesen für gelähmte Menschen zu entwickeln, die von einem Neurocore-ähnlichen Chip gesteuert werden. “

Um ein System erschwinglich genug zu machen, um in der Forschung weit verbreitet zu sein, würde Boahen den Herstellungsprozess für die 16 Neurocores ändern, die jeweils 65.536 Neuronen unterstützen und auf 15 Jahre alten Herstellungstechniken beruhen. Durch die Umstellung auf modernere Herstellungsverfahren und die Herstellung der Chips in großen Mengen geht er davon aus, dass er einen Neurocore 100-fach kosten und theoretisch eine Million-Neuron-Platine für nur 400 US-Dollar pro Kopie bauen könnte.

Was ist mit Danielle Trotta auf dem Race Hub passiert?

Das SyNAPSE-Projekt von IBM liefert den neurosynaptischen TrueNorth-Chip

Im IBM SyNAPSE-Projekt - kurz für Systems of Neuromorphic Adaptive Plastic Scalable Electronics - übernahmen die Forscher die Aufgabe, Computerchips neu zu entwerfen, um die Fähigkeit von Neuronen zu replizieren, synaptische Verbindungen herzustellen. Wie CNET damals berichtete, stellte IBM im August den weltweit ersten neurosynaptischen Computerchip vor, einen Prozessor, der den des menschlichen Gehirns nachahmt Fähigkeiten und Energieeffizienz .

Der TrueNorth-Chip, ungefähr so ​​groß wie eine Briefmarke, enthält 5,4 Milliarden Transistoren, 1 Million programmierbare Neuronen und 256 Millionen programmierbare Synapsen. Während diese Zahlen niedriger sind als die 100 Milliarden Neuronen und 100 Billionen bis 150 Billionen im menschlichen Gehirn, passt der Chip Supercomputer-ähnliche Fähigkeiten in einen viel kleineren, effizienteren Mikroprozessor.

Der leitende Ermittler und Senior Manager von IBM, Dharmendra Modha, sagte gegenüber CNET, dass TrueNorth über genügend Neuronen und Synapsen verfügt, um Geräte auszuführen, die proaktiv Tsunami-Warnungen ausgeben, die Überwachung von Ölverschmutzungen abschließen oder die Regeln für Schifffahrtswege durchsetzen können, während ungefähr die gleiche Menge an Strom verbraucht wird durch ein Hörgerät.

CNET berichtet, dass der TrueNorth-Chip, anstatt Probleme durch mathematische Brute-Force-Berechnungen zu lösen, seine Umgebung verstehen, mit Mehrdeutigkeiten umgehen und in Echtzeit Maßnahmen ergreifen soll. Mögliche Anwendungen könnten die Stromversorgung von Such- und Rettungsrobotern, die Unterstützung von Menschen mit Sehbehinderungen bei der sicheren Fortbewegung oder die Unterscheidung zwischen Stimmen in einer Besprechung und die Erstellung genauer Transkripte für jeden Sprecher umfassen.

Während sich der TrueNorth-Chip noch in der Prototypenphase befindet, kann es nur zwei bis drei Jahre dauern, bis er erstmals kommerziell eingesetzt wird. Es ist möglich, dass der TrueNorth-Chip oder eine Innovation wie diese dazu beiträgt, die Einschränkungen der von Neumann-Architektur zu überwinden, die den Kern fast aller seit 1948 entwickelten Computer bildet.

Im Gegensatz zu einer Turing-Maschine verfügt eine Maschine, die auf der von Neumann-Architektur basiert, über einen Direktzugriffsspeicher (RAM), der es jeder Operation ermöglicht, einen beliebigen Speicherort zu lesen oder zu schreiben. Es hat auch eine Zentraleinheit (CPU) mit einem oder mehreren Registern, in denen Daten gespeichert sind, die bearbeitet werden. Da der Prozessor und der Speicher getrennt sind und sich ständig Daten zwischen ihnen bewegen, sind Verzögerungen unvermeidlich. Unabhängig davon, wie schnell ein Prozessor arbeiten kann, wird die Leistung der Maschine durch die Übertragungsrate zwischen Prozessor und Speicher begrenzt.

Wie die New York Times berichtete, als IBM TrueNorth vorstellte, gab es die Idee, dass neuronale Netze ein nützliches Werkzeug für die Verarbeitung von Informationen sein könnten, seit den 1940er Jahren vor der Erfindung moderner Computer, jedoch erst vor kurzem - dank der Zunahme der Speicherkapazität und der Verarbeitung Geschwindigkeit - sind neuronale Netze geworden leistungsstarke Computer-Tools . Google, Microsoft und Apple haben alle die Mustererkennung verwendet, die von neuronalen Netzen gesteuert wird, um Dienste wie Spracherkennung und Fotoklassifizierung zu verbessern.

Mit TrueNorth möchte IBM Computer über die typischen mathematischen Aufgaben der „linken Gehirnhälfte“ hinausschieben, um sensorische Verarbeitungsfunktionen für die „rechte Gehirnhälfte“ mit sehr wenig Leistung auszuführen. Dies würde es Chips ermöglichen, die in Autos oder Smartphones installiert sind, Berechnungen in Echtzeit ohne Verbindung zum Internet durchzuführen.

Viele andere gehirninspirierte Projekte sind derzeit im Gange

Eine Vielzahl anderer Projekte befindet sich ebenfalls in verschiedenen Phasen, um die Funktionen des menschlichen Gehirns mit einem Computer zu emulieren. Die Europäische Union Human Brain Project Beispielsweise handelt es sich um ein 10-jähriges Unternehmen mit Zielen wie der Entwicklung neuromorpher Computer- und neurorobotischer Systeme sowie der Simulation eines menschlichen Gehirns auf einem Supercomputer. Das US-amerikanische BRAIN-Projekt - kurz für Brain Research through Advancing Innovative Neurotechnologies - fordert Wissenschaftler auf, neue Arten von Werkzeugen zu entwickeln, um die Aktivität von Tausenden oder sogar Millionen von Neuronen im Gehirn auszulesen und in komplexen Aktivitätsmustern zu schreiben.

ZDNet berichtet, dass Forscher der RMIT University in Melbourne eine Datenspeicher-Nanostruktur Das ahmt das menschliche Gehirn nach und verwendet einen Film aus Oxidmaterial, der mehr als 10.000 Mal dünner ist als ein menschliches Haar. Das Verhalten des Gedächtnisses hängt von seinen früheren Erfahrungen ab. Die Forschung soll dazu beitragen, die Tür für die Erforschung neuer Materialien zu öffnen, wenn sich der Flash-Speicher den Skalierungsgrenzen nähert.

Im Rahmen des BrainScales-Projekts der Universität Heidelberg entwickeln Forscher analoge Chips, die das Verhalten von Neuronen und Synapsen nachahmen. Der HICANN-Chip - kurz für High Input Count Analog Neural Network - würde Gehirnsimulationen beschleunigen und es Forschern ermöglichen, Arzneimittelwechselwirkungen zu simulieren, deren Ausspielung andernfalls Monate dauern könnte.

Als ComputerWorld berichtet Im Mai führen Forscher der Sandia National Laboratories ein langfristiges Projekt durch, um neuroinspirierte Computer zu bauen, die Verarbeitung und Speicher in einer einzigen Architektur vereinen, sodass Daten von denselben Komponenten der Maschine verarbeitet und gespeichert werden. Sandia sagt, dass Forscher in der Lage sein werden, diese Architektur in den nächsten Jahren zu erstellen, aber dass kommerzielle Anwendungen wahrscheinlich noch Jahre entfernt sind.

Gizmodo berichtete, dass Forscher der Universität Zürich und der ETH Zürich 11.011 Elektroden auf ein 2 x 2 Millimeter großes Stück Silizium bauten und so einen Mikrochip schufen, der das menschliche Gehirn nachahmt, um einen Mikrochip zu schaffen, der Komplexe „fühlen“ und vervollständigen kann sensomotorische Aufgaben unter Verwendung der kognitiven Fähigkeiten des Netzwerks.

Während es eine monumentale Aufgabe sein wird, einen Computer zu schaffen, der wirklich wie das menschliche Gehirn funktionieren kann, haben Wissenschaftler aus verschiedenen Disziplinen und mit unterschiedlichem Hintergrund gezeigt, dass sie der Herausforderung gewachsen sind. Der Umfang und die Ambitionen der derzeit laufenden Projekte sind breit und die weltweiten Bemühungen, Computer zu bauen, die das menschliche Gehirn nachahmen, werden wahrscheinlich weiterhin faszinierende Erfindungen und Einblicke in neue Architekturen und Materialien liefern, um Computer leistungsfähiger und leistungsfähiger zu machen.

Mehr vom Tech Cheat Sheet:

  • Was ist ein Quantencomputer und warum baut Google einen?
  • Kann ein Chromebook Ihren Computer ersetzen?
  • 10 Fiktive Technologien, die in Filmen dargestellt werden, von denen wir uns wünschen, dass sie real sind