Warum aber Rechner bauen, deren Hardware wie das Gehirn arbeitet, wenn sich doch ein neuronales Netzwerk inklusive seiner Formbarkeit auf normalen Computern simulieren lässt? Bei seinem Sieg gegen einen der weltbesten Go-Spieler, den Südkoreaner Lee Sedol, hat Googles Software Alpha-Go jüngst dank simulierter neuronaler Netze kreative Züge gemacht, die Sedol überrascht haben. Diese Software schlug den Menschen mit einer Art künstlicher Intuition. Die Neuronen und Synapsen sind rein virtuell, besitzen ebenso wenig einen Körper wie ein Rennauto in einem Computerspiel.

 

Das mit einer Software simulierte Hirn verschwendet aber verglichen mit dem biologischen Vorbild Energie. Für die Simulation des menschlichen Gehirns wäre ein etagenfüllender Supercomputer und die elektrische Leistung eines kleinen Kraftwerks nötig. Lee Sedols Gehirn hingegen verbraucht kaum mehr Energie als eine Glühbirne. Der Grund für die Diskrepanz: Der Computer verschiebt ständig Datenpakete zwischen Speicher und Prozessor. Das Gehirn hingegen kennt keine Trennung von Speicher und Prozessor: Jedes Neuron und jede Synapse ist ein winziger Prozessor und speichert zugleich Information, etwa in Form der Übertragungsstärke. So gelingt eine parallele Verarbeitung von sehr viel Information ohne viel Datentransfer.

Das Kunsthirn lernt schneller

Brainscales arbeitet ähnlich. „Er benötigt zwar noch wesentlich mehr Energie als das natürliche Vorbild, aber etwa 100 000-mal weniger Energie als ein herkömmlicher Rechner für die Simulation von neuronalen Netzen“, erklärt Meier. Besonders betont der Physiker aber das Lerntempo: Sein Kunsthirn lerne 10 000-mal schneller als ein Gehirn. Denn die Signale werden durch leichtgewichtige Elektronen übermittelt und nicht, wie im Gehirn, durch schwerere Ionen, also elektrisch geladene Atome. Auf einem Großrechner hingegen läuft die Simulation eines Gehirns tausendmal langsamer als das natürliche Vorbild. Um einen Tag Lernen zu simulieren, braucht es fast drei Jahre.

Der Neurocomputer in Manchester, entwickelt von einem Team um den Informatiker Steve Furber, ist ein Mittelding aus digitaler Simulation und neuer Hardware. Zwar speichern herkömmliche Handychips eine Milliarde virtuelle Neuronen, und auch die Stärke der Synapsen und deren Veränderung beim Lernen wird simuliert. Doch ein neu entwickelter Router lenkt winzige Datenpakete auf möglichst effiziente Weise zwischen den Prozessoren. Es ist wie ein winziges Internet, das die Logistik des Signalaustausches im Gehirn nachempfindet. Der aufwendige Datentransfer bei herkömmlichen Simulationen wird so minimiert. Der englische Neurocomputer liegt auch beim Tempo in der Mitte: Er ist genauso schnell wie ein natürliches Gehirn.

Jürgen Schmidhuber, Leiter des Schweizer Forschungsinstituts für Künstliche Intelligenz, ist indessen skeptisch, ob Neurocomputer eine wichtige Rolle spielen werden. Sie seien zwar energieeffizienter und schneller. Er verweist aber darauf, dass heute schon Millionen Menschen auf ihren Smartphones durch neuronale Netze verbesserte Software nutzen, etwa Spracherkennung. Zudem erhöhe sich die Rechenleistung klassischer Computer stetig. Die Neurocomputer müssen also erst noch zeigen, wo sie besser sein können.

Warum aber Rechner bauen, deren Hardware wie das Gehirn arbeitet, wenn sich doch ein neuronales Netzwerk inklusive seiner Formbarkeit auf normalen Computern simulieren lässt? Bei seinem Sieg gegen einen der weltbesten Go-Spieler, den Südkoreaner Lee Sedol, hat Googles Software Alpha-Go jüngst dank simulierter neuronaler Netze kreative Züge gemacht, die Sedol überrascht haben. Diese Software schlug den Menschen mit einer Art künstlicher Intuition. Die Neuronen und Synapsen sind rein virtuell, besitzen ebenso wenig einen Körper wie ein Rennauto in einem Computerspiel.

Das mit einer Software simulierte Hirn verschwendet aber verglichen mit dem biologischen Vorbild Energie. Für die Simulation des menschlichen Gehirns wäre ein etagenfüllender Supercomputer und die elektrische Leistung eines kleinen Kraftwerks nötig. Lee Sedols Gehirn hingegen verbraucht kaum mehr Energie als eine Glühbirne. Der Grund für die Diskrepanz: Der Computer verschiebt ständig Datenpakete zwischen Speicher und Prozessor. Das Gehirn hingegen kennt keine Trennung von Speicher und Prozessor: Jedes Neuron und jede Synapse ist ein winziger Prozessor und speichert zugleich Information, etwa in Form der Übertragungsstärke. So gelingt eine parallele Verarbeitung von sehr viel Information ohne viel Datentransfer.

Das Kunsthirn lernt schneller

Brainscales arbeitet ähnlich. „Er benötigt zwar noch wesentlich mehr Energie als das natürliche Vorbild, aber etwa 100 000-mal weniger Energie als ein herkömmlicher Rechner für die Simulation von neuronalen Netzen“, erklärt Meier. Besonders betont der Physiker aber das Lerntempo: Sein Kunsthirn lerne 10 000-mal schneller als ein Gehirn. Denn die Signale werden durch leichtgewichtige Elektronen übermittelt und nicht, wie im Gehirn, durch schwerere Ionen, also elektrisch geladene Atome. Auf einem Großrechner hingegen läuft die Simulation eines Gehirns tausendmal langsamer als das natürliche Vorbild. Um einen Tag Lernen zu simulieren, braucht es fast drei Jahre.

Der Neurocomputer in Manchester, entwickelt von einem Team um den Informatiker Steve Furber, ist ein Mittelding aus digitaler Simulation und neuer Hardware. Zwar speichern herkömmliche Handychips eine Milliarde virtuelle Neuronen, und auch die Stärke der Synapsen und deren Veränderung beim Lernen wird simuliert. Doch ein neu entwickelter Router lenkt winzige Datenpakete auf möglichst effiziente Weise zwischen den Prozessoren. Es ist wie ein winziges Internet, das die Logistik des Signalaustausches im Gehirn nachempfindet. Der aufwendige Datentransfer bei herkömmlichen Simulationen wird so minimiert. Der englische Neurocomputer liegt auch beim Tempo in der Mitte: Er ist genauso schnell wie ein natürliches Gehirn.

Jürgen Schmidhuber, Leiter des Schweizer Forschungsinstituts für Künstliche Intelligenz, ist indessen skeptisch, ob Neurocomputer eine wichtige Rolle spielen werden. Sie seien zwar energieeffizienter und schneller. Er verweist aber darauf, dass heute schon Millionen Menschen auf ihren Smartphones durch neuronale Netze verbesserte Software nutzen, etwa Spracherkennung. Zudem erhöhe sich die Rechenleistung klassischer Computer stetig. Die Neurocomputer müssen also erst noch zeigen, wo sie besser sein können.