Wenn nur KI ein Gehirn-Ingenieur-Modell hätte, wäre das eine künstliche Synapse nach dem menschlichen Gehirn

Thomas Druyen: Was Zukunft mit unserer Psyche macht (April 2019).

Anonim

Die digitale Berechnung hat fast alle Formen der analogen Berechnung seit den 1950er Jahren obsolet gemacht. Es gibt jedoch eine wichtige Ausnahme, die mit der Rechenleistung der modernsten digitalen Geräte konkurriert: dem menschlichen Gehirn.

Das menschliche Gehirn ist ein dichtes Netzwerk von Neuronen. Jedes Neuron ist mit Zehntausenden von anderen verbunden, und sie verwenden Synapsen, um Informationen ständig hin und her zu feuern. Mit jedem Austausch moduliert das Gehirn diese Verbindungen, um effiziente Reaktionswege in direkter Reaktion auf die Umwelt zu schaffen. Digitale Computer leben in einer Welt aus Einsen und Nullen. Sie führen Aufgaben sequentiell aus, wobei sie jeden Schritt ihrer Algorithmen in einer festen Reihenfolge verfolgen.

Ein Forscherteam von Pitts Swanson School of Engineering hat eine "künstliche Synapse" entwickelt, die Informationen nicht wie ein digitaler Computer verarbeitet, sondern die analoge Art nachahmt, wie das menschliche Gehirn Aufgaben erledigt. Unter der Leitung von Feng Xiong, Dozent für Elektro- und Informationstechnik, veröffentlichten die Forscher ihre Ergebnisse in der aktuellen Ausgabe der Fachzeitschrift Advanced Materials (DOI: 10.1002 / adma.201802353). Seine Pitt Co-Autoren sind Mohammad Sharbati (Erstautor), Yanhao Du, Jorge Torres, Nolan Ardolino und Minhee Yun.

"Die analoge Natur und die massive Parallelität des Gehirns sind zum Teil der Grund, warum Menschen selbst die leistungsstärksten Computer übertreffen können, wenn es um kognitive Funktionen höherer Ordnung wie Spracherkennung oder Mustererkennung in komplexen und vielfältigen Datensätzen geht", erklärt Dr. Xiong.

Ein aufstrebendes Gebiet namens "Neuromorphic Computing" konzentriert sich auf das Design von Computerhardware, die vom menschlichen Gehirn inspiriert wurde. Dr. Xiong und sein Team bauten auf Graphen basierende künstliche Synapsen in einer zweidimensionalen Wabenkonfiguration von Kohlenstoffatomen. Graphens Leitfähigkeitseigenschaften erlaubten den Forschern, ihre elektrische Leitfähigkeit, die die Stärke der synaptischen Verbindung oder des synaptischen Gewichts ist, fein abzustimmen. Die Graphensynapse zeigte eine ausgezeichnete Energieeffizienz, genau wie biologische Synapsen.

In der jüngsten Renaissance der künstlichen Intelligenz können Computer das Gehirn bereits auf bestimmte Arten replizieren, aber es braucht etwa ein Dutzend digitaler Geräte, um eine analoge Synapse nachzuahmen. Das menschliche Gehirn hat Hunderte von Billionen Synapsen für die Übertragung von Informationen, so dass ein Gehirn mit digitalen Geräten scheinbar unmöglich oder zumindest nicht skalierbar ist. Der Ansatz von Xiong Lab bietet einen möglichen Weg für die Hardware-Implementierung von künstlichen neuronalen Netzwerken im großen Maßstab.

Laut Dr. Xiong werden künstliche neuronale Netzwerke, die auf der aktuellen CMOS-Technologie (Complementary Metal-Oxide Semiconductor) basieren, immer eine eingeschränkte Funktionalität in Bezug auf Energieeffizienz, Skalierbarkeit und Packungsdichte haben. "Es ist wirklich wichtig, dass wir neue Gerätekonzepte für synaptische Elektronik entwickeln, die analog sind, energieeffizient, skalierbar und für Integrationen im großen Maßstab geeignet sind", sagt er. "Unsere Graphen-Synapse scheint bisher alle Anforderungen zu erfüllen."

Mit der Flexibilität von Graphen und den ausgezeichneten mechanischen Eigenschaften können diese graphenbasierten neuronalen Netzwerke in flexibler und tragbarer Elektronik eingesetzt werden, um Berechnungen am "Rand des Internets" zu ermöglichen, wo Computergeräte wie Sensoren mit der physischen Welt in Kontakt kommen.

"Indem wir bereits eine rudimentäre Intelligenz in tragbaren Elektronikgeräten und Sensoren ermöglichen, können wir unsere Gesundheit mit intelligenten Sensoren verfolgen, vorbeugende Pflege und rechtzeitige Diagnose bereitstellen, das Pflanzenwachstum überwachen und mögliche Schädlingsprobleme identifizieren sowie den Herstellungsprozess regulieren und optimieren die Gesamtproduktivität und Lebensqualität in unserer Gesellschaft ", sagt Dr. Xiong.

Die Entwicklung eines künstlichen Gehirns, das wie das analoge menschliche Gehirn funktioniert, erfordert immer noch eine Reihe von Durchbrüchen. Forscher müssen die richtigen Konfigurationen finden, um diese neuen künstlichen Synapsen zu optimieren. Sie müssen sie mit einer Reihe von anderen Geräten kompatibel machen, um neuronale Netze zu bilden, und sie müssen sicherstellen, dass sich alle künstlichen Synapsen in einem neuronalen Netzwerk großen Ausmaßes genau so verhalten. Trotz der Herausforderungen sagt Dr. Xiong, dass er optimistisch ist, in welche Richtung er geht.

"Wir freuen uns sehr über diese Fortschritte, da sie potenziell zu einer energieeffizienten Hardware-Implementierung neuromorpher Computer führen können, die derzeit in energieintensiven GPU-Clustern durchgeführt wird. Der geringe Stromverbrauch unserer künstlichen Synapse und ihr flexibler Charakter machen Sie es zu einem geeigneten Kandidaten für jede Art von KI-Gerät, die unser Leben revolutionieren würde, vielleicht sogar mehr als die digitale Revolution, die wir in den letzten Jahrzehnten erlebt haben ", sagt Dr. Xiong.

menu
menu