Ein neuer gehirnähnlicher Supercomputer soll die Größe des menschlichen Gehirns erreichen

Neuauflage von Plato

Verfolger: 0

Ein neuer gehirnähnlicher Supercomputer soll mit der Datenintelligenz des menschlichen Gehirns PlatoBlockchain mithalten. Vertikale Suche. Ai.

Ein Supercomputer, der im April 2024 ans Netz gehen soll, wird mit der geschätzten Rechenleistung des menschlichen Gehirns mithalten können. nach Angaben von Forschern in Australien. Die DeepSouth genannte Maschine ist in der Lage, 228 Billionen Operationen pro Sekunde durchzuführen.

Es ist der weltweit erste Supercomputer, der in der Lage ist, Netzwerke von Neuronen und Synapsen (wichtige biologische Strukturen, aus denen unser Nervensystem besteht) im Maßstab des menschlichen Gehirns zu simulieren.

DeepSouth gehört zu einem Ansatz bekannt als neuromorphes Computing, dessen Ziel es ist, die biologischen Prozesse des menschlichen Gehirns nachzuahmen. Es wird vom International Centre for Neuromorphic Systems an der Western Sydney University geleitet.

Unser Gehirn ist die erstaunlichste Rechenmaschine, die wir kennen. Durch die Verteilung seiner
Durch die Übertragung der Rechenleistung auf Milliarden kleiner Einheiten (Neuronen), die über Billionen von Verbindungen (Synapsen) interagieren, kann das Gehirn mit den leistungsstärksten Supercomputern der Welt mithalten und benötigt dabei nur die gleiche Energie wie die Glühbirne einer Kühlschranklampe.

Supercomputer hingegen nehmen im Allgemeinen viel Platz ein und benötigen zum Betrieb große Mengen an elektrischer Energie. Der Welt leistungsstärkster Supercomputer, der Hewlett Packard Enterprise Frontier, kann etwas mehr als eine Trillion Operationen pro Sekunde ausführen. Es erstreckt sich über eine Fläche von 680 Quadratmetern und benötigt für den Betrieb 7,300 Megawatt.

Unser Gehirn kann die gleiche Anzahl an Operationen pro Sekunde mit nur 20 Watt Leistung und einem Gewicht von nur 1.3 bis 1.4 Kilogramm ausführen. Neuromorphic Computing zielt unter anderem darauf ab, die Geheimnisse dieser erstaunlichen Effizienz zu entschlüsseln.

Transistoren am Limit

Am 30. Juni 1945 wurde der Mathematiker und Physiker geboren John von Neumann beschrieb den Entwurf einer neuen Maschine, die Elektronischer automatischer Computer mit diskreten Variablen (Edvac). Dies definierte effektiv den modernen elektronischen Computer, wie wir ihn kennen.

Mein Smartphone, der Laptop, den ich zum Schreiben dieses Artikels verwende, und der leistungsstärkste Supercomputer der Welt haben alle dieselbe Grundstruktur, die von Neumann vor fast 80 Jahren eingeführt hat. Diese verfügen alle über unterschiedliche Verarbeitungs- und Speichereinheiten, wobei Daten und Anweisungen im Speicher gespeichert und von einem Prozessor berechnet werden.

Jahrzehntelang verdoppelte sich die Anzahl der Transistoren auf einem Mikrochip etwa alle zwei Jahre. eine Beobachtung, die als Moores Gesetz bekannt ist. Dies ermöglichte uns, kleinere und günstigere Computer zu haben.

Allerdings nähern sich die Transistorgrößen jetzt an die atomare Skala. Bei diesen winzigen Größen stellt die übermäßige Wärmeentwicklung ein Problem dar, ebenso wie ein Phänomen namens Quantentunneln, das die Funktion der Transistoren beeinträchtigt. Das verlangsamt sich und wird schließlich die Miniaturisierung von Transistoren stoppen.

Um dieses Problem zu lösen, erforschen Wissenschaftler neue Ansätze
Computing, angefangen bei dem leistungsstarken Computer, den wir alle in unseren Köpfen versteckt haben, dem menschlichen Gehirn. Unser Gehirn funktioniert nicht nach John von Neumanns Computermodell. Sie verfügen nicht über getrennte Rechen- und Speicherbereiche.

Stattdessen funktionieren sie, indem sie Milliarden von Nervenzellen verbinden, die Informationen in Form von elektrischen Impulsen übermitteln. Informationen können weitergegeben werden von einem Neuron zum nächsten über eine Verbindung, die Synapse genannt wird. Die Organisation von Neuronen und Synapsen im Gehirn ist flexibel, skalierbar und effizient.

Im Gehirn werden Speicher und Berechnungen – anders als in einem Computer – von denselben Neuronen und Synapsen gesteuert. Seit den späten 1980er Jahren untersuchen Wissenschaftler dieses Modell mit der Absicht, es in die Informatik zu übertragen.

Imitation of Life

Neuromorphe Computer basieren auf komplizierten Netzwerken einfacher, elementarer Prozessoren (die wie die Neuronen und Synapsen des Gehirns funktionieren). Der Hauptvorteil davon ist, dass diese Maschinen sind von Natur aus „parallel“.

Dies bedeutet, dass, wie bei Neuronen und Synapsenkönnen praktisch alle Prozessoren in einem Computer gleichzeitig arbeiten und im Tandem kommunizieren.

Da die von einzelnen Neuronen und Synapsen durchgeführten Berechnungen im Vergleich zu herkömmlichen Computern sehr einfach sind, ist der Energieverbrauch außerdem um Größenordnungen geringer. Obwohl Neuronen manchmal als Verarbeitungseinheiten und Synapsen als Gedächtniseinheiten betrachtet werden, tragen sie sowohl zur Verarbeitung als auch zur Speicherung bei. Mit anderen Worten: Die Daten befinden sich bereits dort, wo die Berechnung sie erfordert.

Dies beschleunigt die Rechenleistung des Gehirns im Allgemeinen, da es keine Trennung zwischen Speicher und Prozessor gibt, was bei klassischen (von Neumann-)Maschinen zu einer Verlangsamung führt. Es entfällt aber auch die Notwendigkeit, eine bestimmte Aufgabe des Zugriffs auf Daten aus einer Hauptspeicherkomponente auszuführen, wie dies bei herkömmlichen Computersystemen der Fall ist, und verbraucht eine beträchtliche Menge Energie.

Die gerade beschriebenen Prinzipien sind die Hauptinspiration für DeepSouth. Dies ist nicht das einzige derzeit aktive neuromorphe System. Erwähnenswert ist das Human Brain Project (HBP), finanziert im Rahmen eines EU-Initiative. Das HBP war von 2013 bis 2023 in Betrieb und führte zu BrainScaleS, einer Maschine in Heidelberg, Deutschland, die die Funktionsweise von Neuronen und Synapsen nachahmt.

BrainScaleS kann simulieren, wie Neuronen „spitzen“, die Art und Weise, wie ein elektrischer Impuls entlang eines Neurons in unserem Gehirn wandert. Dies würde BrainScaleS zu einem idealen Kandidaten machen, um die Mechanismen kognitiver Prozesse und in Zukunft auch die Mechanismen zu untersuchen, die schweren neurologischen und neurodegenerativen Erkrankungen zugrunde liegen.

Da sie so konstruiert sind, dass sie tatsächliche Gehirne nachahmen, könnten neuromorphe Computer der Beginn eines Wendepunkts sein. Sie bieten nachhaltige und erschwingliche Rechenleistung und ermöglichen Forschern die Bewertung von Modellen neurologischer Systeme. Sie sind eine ideale Plattform für eine Reihe von Anwendungen. Sie haben das Potenzial, sowohl unser Verständnis des Gehirns als auch unser Angebot zu verbessern neue Ansätze zur künstlichen Intelligenz.

Dieser Artikel wird erneut veröffentlicht Das Gespräch unter einer Creative Commons-Lizenz. Lies das Original Artikel.

Bild-Kredit: Marian Anbu Juwan / Pixabay