Traditionelle Computer stoßen zunehmend an ihre Grenzen, insbesondere bei komplexen wissenschaftlichen Simulationen, die enorme Mengen an Zeit und Energie erfordern. Dies hat zur Entwicklung neuartiger Rechensysteme geführt, von denen ein vielversprechender Ansatz das neuromorphe Computing ist. Diese Technologie imitiert die Funktionsprinzipien des Gehirns, einem bemerkenswert effizienten System, das für Aufgaben, die Supercomputer die Energiemenge einer Kleinstadt verbrauchen würden, nur so viel Energie wie eine Glühbirne benötigt.
Neuromorphes Computing: Das Gehirn als Vorbild
Das menschliche Gehirn ist ein komplexes Netzwerk aus Milliarden von Nervenzellen, das als der leistungsfähigste natürliche Computer der Welt gilt. Neuromorphe Technologien zielen darauf ab, diese Funktionsweise nachzubilden, um energieeffizientere und leistungsfähigere Computer zu entwickeln.
Am Forschungszentrum Jülich arbeiten Wissenschaftler interdisziplinär an der Weiterentwicklung neuromorpher Technologien. Neurowissenschaftler erforschen die Funktionsweise des Gehirns, während Materialwissenschaftler Bauteile entwickeln, die Synapsen und andere Teile von Nervenzellen imitieren. Physiker und Ingenieure arbeiten an der komplexen Vernetzung neuronaler Systeme und am Design spezieller neuromorpher Chips.
KI-Chip-gesteuerte Systeme: Anwendungen in der Medizin und Forschung
An der Universität Leipzig wurde ein neues KI-Chip-gesteuertes System entwickelt, das der Funktionsweise des menschlichen Gehirns nachempfunden ist. Dieses System soll unter anderem für die KI-gestützte Wirkstoffsuche eingesetzt werden.
Laut Humboldt-Professor Jens Meiler sind technische Systeme, die wie natürliche Nervennetze funktionieren, ideal, um komplexe Probleme zu lösen, wie sie bei der Entdeckung neuer Wirkstoffe auftreten. Die neue KI-gestützte Technologie soll helfen, Proteinstrukturen vorherzusagen und ganz neue Wirkstoffkandidaten für die Arzneimittelforschung zu identifizieren. Dabei hofft man, in Zukunft Beschleunigungen um den Faktor 10.000 zu erreichen, wenn die Algorithmen für die neue Hardware angepasst sind. Dies wäre ein wichtiger Schritt für die personalisierte Medizin, bei der kurze Entwicklungszyklen und patientenspezifische Anpassbarkeit eine entscheidende Rolle spielen.
Lesen Sie auch: Revolutionäre Computertechnologie
Das neue System stärkt die wissenschaftliche Infrastruktur am Standort Leipzig nachhaltig und bildet die Basis für Anwendungen, die über klassische Hochleistungsrechnungen hinausgehen, darunter Echtzeit-KI, adaptive Systeme und neuromorphe Signalverarbeitung. Dabei benötigt die technische Plattform etwa 18mal weniger Strom als normale Hochleistungs-Computer und wird perspektivisch in das entstehende KI-Rechenzentrum der Universität Leipzig integriert.
Professor Dr. Christian Mayr betont, dass diese Technologie ein Beispiel dafür ist, wie die Entwicklung personalisierter Medikamente massiv beschleunigt und gleichzeitig Europas technologische Souveränität im Bereich KI und Supercomputing gestärkt werden kann.
In der Startphase werden Forschungsgruppen der Universität Leipzig aus den Bereichen Medizin, Informatik und Physik sowie das Max-Planck-Institut für Kognitions- und Neurowissenschaften das neue System nutzen. Konkret wird zum Beispiel nach Wirkstoffen für einen Rezeptor gesucht, der bei metabolischen Erkrankungen eine große Rolle spielt. Bearbeitet werden unter anderem Forschungsfelder wie die Entwicklung von Algorithmen für Umwelt- und Klimamodelle, Wissensgraphen und KI-gestützte Entscheidungshilfe in der Krebsforschung und die Optimierung drahtloser Kommunikationstechnologien für biomedizinische Anwendungen.
Der neue Supercomputer ist Teil des KI-Kompetenzzentrums ScaDS.AI Dresden/Leipzig, das durch den Ausbau und die Bündelung regionaler Big-Data-Kompetenzen die Lücke zwischen der effizienten Nutzung von Massendaten, Wissensmanagement und sehr fortgeschrittener KI schließt.
Der erste biologische Computer: Eine neue Ära des Computing?
Das australische Start-up Cortical Labs hat mit dem CL1 den ersten biologischen Computer der Welt im Serienmodell vorgestellt. Dieser Computer basiert auf menschlichen Gehirnzellen, die in einer Nährlösung leben und selbstlernend Aufgaben bearbeiten sollen.
Lesen Sie auch: Anwendungen und Ethik von BCI
Der CL1 besteht aus 800.000 menschlichen Gehirnzellen, die aus neuronalen Stammzellen gezüchtet wurden und einen Schaltkreis bilden. Dieser Schaltkreis ist in ein Gehäuse verbaut, das einer handlichen Musikbox ähnelt. Das Produkt, halb Maschine, halb menschliches neuronales Netzwerk und halb Software, soll selbständig lernen und Aufgaben lösen können.
Der CL1 ist in erster Linie als Werkzeug für die naturwissenschaftliche Forschung gedacht und kann in der Forschung als Leinwand eingesetzt werden, auf der verschiedenste Experimente zu kognitiver, klinischer und pharmakologischer Neurowissenschaft durchführbar werden - ohne Tierversuche. So kann dem Organoid zum Beispiel eine Krankheit und dann eine medikamentöse Therapie verabreicht werden, ohne Tiere zu quälen. Im Prinzip handelt es sich um eine nicht-digitale Simulationsmaschinerie, mit der sich Schlaganfall, Demenz, Stoffwechselstörung und andere Krankheiten simulieren lassen.
Funktionsweise des CL1: Selbstlernende semi-biologische Intelligenz
Im CL1 leben Neuronen auf einem Chip, der 59 Elektroden beinhaltet. Die Neurone können ihre elektrischen Signale über die Elektroden senden und empfangen. Auf Veränderungen ihrer simulierten Umwelt - durch einen vom User gesetzten Stimulus wie Computercode, ein Video, etc. - reagieren sie, indem sie in die eigene Software neuen Code hineinprogrammieren. Deshalb ist der CL1 selbstlernend.
Die Neuronen haben nicht nur den Softwarecode verändert, sondern auch untereinander neue synaptische Verbindungen geschaffen. Die Funktionsweise des biologischen Computers basiert darauf, dass Menschen Stimuli (Reize) durch einen Input (Video, Computercode, Audiosignal o.ä.) setzen, worauf die Neuronen mit einem Output reagieren. Dieser Output soll laut den Entwicklern das Ziel haben, die Unsicherheit über die neugeschaffene Umgebung (also die Veränderung durch den Input) zu minimieren - Lernen stellt sich ein.
Vorteile des biologischen Computings: Lerngeschwindigkeit und Energieeffizienz
In der Lerngeschwindigkeit ist der CL1 einer herkömmlichen KI tatsächlich haushoch überlegen. Und dabei ist der Stromverbrauch viel niedriger - einer der Gründe, warum es überhaupt erst zur Idee kam. Eine KI verbraucht enorme Mengen Strom und Wasser (zur Kühlung der Recheneinheiten).
Lesen Sie auch: Gehirn und Computer im Vergleich
Reservoir Computing ist der Begriff für diese sparsame Informationsverarbeitung, die biologische Systeme effizienter als Computerprogramme macht. Noch potenter werden Systeme, in denen KI und biologischer Neuronenschaltkreis gekoppelt werden. In einer Studie von 2023 haben Forscher in einem ähnlichen Organoid demonstriert, dass ihre Silizium-Neuronen-Schaltkreise menschliche Sprache erkennen konnten.
Ethische Überlegungen und Zukunftsperspektiven
Cortical Labs wirbt zwar damit, dass der CL1 eine ethisch überlegene Alternative zu Tierversuchen darstellt. Ob das lange so bleibt, ist allerdings fraglich, wenn man sich die Aussagen von Brett Kagan noch einmal vor Augen führt: Ziel ist eine Produktreihe, die sich natürlicher Intelligenz immer weiter annähert.
Aus ethischer Perspektive wird es genau an diesem Punkt brenzlig, denn intelligentes Leben steht in den meisten Ländern unter rechtlichem Schutz. Wenn nun eine Firma wie Cortical Labs ankündigt, sich echter Intelligenz annähern zu wollen, um diese dann zu manipulieren, und wenn sie dabei Erfolg hätten, dann wären irgendwann forschungsethische Grenzen erreicht. Eine grenzenlose Technologie erfordert ethische Schranken. Man kann nicht beliebig weit einen denkenden oder fühlenden Organismus züchten - irgendwann greifen Personenrechte.
Neuromorphe Computerchips: Nachahmung der Neuronen des Gehirns mit Halbleitermaterialien
Wissenschaftler der TU Dresden und des Helmholtz-Zentrums Dresden-Rossendorf (HZDR) ist es erstmals gelungen, die Funktionsweise der Neuronen des Gehirns mit Halbleitermaterialien nachzuahmen. Sie veränderten einen klassischen Feldeffekttransistor so, dass ein künstlicher Neurotransistor entsteht. Der Vorteil einer solchen Architektur liegt gerade in der gleichzeitigen Speicherung und Verarbeitung von Informationen in ein und demselben Bauelement.
Die Idee, Computer nach dem Vorbild des Gehirns zu entwerfen, ist dabei nicht neu. Bereits vor Jahrzehnten gab es schon Versuche, Nervenzellen in der Petrischale mit Elektronik zu verbinden. Nun konnten Cuniberti, Baraban und ihr Team ihn umsetzen: „Wir bringen dafür eine zähflüssige Substanz - Solgel genannt - auf einen herkömmlichen Siliziumwafer mit den Schaltungen auf. Dieses Polymer härtet aus und wird zu einer porösen Keramik“, erklärt der Professor für Materialwissenschaft. „Zwischen den Löchern bewegen sich Ionen. Sie sind schwerer als Elektronen und springen nach einer Anregung langsamer auf ihre Position zurück. Diese Verzögerung nennt man Hysterese und die ist für den Speichereffekt verantwortlich.“
Computer auf Basis dieses Chips wären weniger präzise und würden mathematische Berechnungen eher schätzen als bis in die letzte Nachkommastelle zu berechnen. Aber sie wären intelligenter. Ein Roboter mit solchen Prozessoren würde damit beispielsweise laufen oder greifen lernen, ein optisches System besitzen und lernen, Zusammenhänge zu erkennen. Und das alles, ohne Software entwickeln zu müssen.
Das Human Brain Project: Einblicke in das Gehirn und Entwicklung innovativer Technologien
Im Rahmen des Human Brain Projects haben 500 Fachleute von mehr als 150 Forschungseinrichtungen aus 19 europäischen Ländern zehn Jahre lang daran gearbeitet, das Denkorgan zu entschlüsseln, zu kartieren und besser zu verstehen. Die Erkenntnisse sollen nicht nur die Hirnforschung selbst und mögliche medizinische Anwendungen nach vorne bringen, sondern auch Impulse für die Entwicklung neuer Informationstechnologien liefern.
Besonders beeindruckend ist dabei eine Arbeit der Forschungsgruppe um den Neuroinformatiker Wolfgang Maass von der Technischen Universität Graz: Ihr ist es im Rahmen des Human Brain Projects gelungen, einen Teil des Mäusehirns zu simulieren. Das Team schuf ein Computermodell des knapp 52 000 Neuronen umfassenden visuellen Kortex einer Maus, des bisher am genauesten untersuchten Teils eines Säugerhirns. Das auf diese Art simulierte neuronale Netzwerk war in der Lage, ähnliche visuelle Aufgaben zu erfüllen wie eine lebende Maus. Die Fachleute konnten also erstmals den Sehsinn eines Tiers nachbauen.
Um ihr künstliches neuronales Netz zu testen, haben die Forschenden ihrem Computerprogramm die gleichen Bilder vorgelegt, die sie den Mäusen in den vorangegangenen Experimenten vorgesetzt hatten. Die Mäuse mussten jedes Mal reagieren, wenn ein neues Bild sich vom vorherigen unterschied - zur Motivation bekamen die Nager für richtig gelöste Aufgaben kleine Belohnungen. Das Computermodell hat am Ende die gleiche Trefferquote erzielt wie die Maus. Zudem stellten die Neuroinformatiker fest, dass die Sehfunktion ihres Modells deutlich weniger fehleranfällig war als die gewöhnlichen KI-Systeme, die klassischerweise für solche Aufgaben zum Einsatz kommen.
Neuromorphe Computer: Eine energieeffiziente Alternative
Die von Forschenden der Technischen Universität Dresden und der University of Manchester entwickelten SpiNNaker-Chips (Spiking Neural Network Architecture) werden als neuromorph bezeichnet, weil manche ihrer Funktionsweisen vom Gehirn inspiriert sind. So ist das Gehirn etwa darauf ausgelegt, die über die Sinnesorgane eintreffenden Informationen auf das absolut Wesentliche zu reduzieren. Daher kommen bei den SpiNNaker-Chips ebenso Codierungsprinzipien zum Einsatz, die redundante Informationen entfernen. Und während herkömmliche Computerhardware synchron und immer auf der gleichen Betriebsspannung sowie Taktfrequenz läuft, lassen sich die neuromorphen Prozessoren je nach Bedarf automatisch hoch- und wieder herunterfahren, um Energie zu sparen.
tags: #computer #aus #gehirnzellen