Key Takeaways
- Eine neue Art von Computerhardware könnte es künstlicher Intelligenz ermöglichen, wie das menschliche Gehirn kontinuierlich zu lernen.
- Forscher der Purdue University sagen, dass ihr Gerät bei Bedarf durch elektrische Impulse umprogrammiert werden kann.
- Obwohl ein vollständig selbstlernendes KI-System immer noch hauptsächlich ein Konzept ist, gibt es viele Beispiele, die dem nahe kommen.
Künstliche Intelligenz (KI) könnte bald durch eine neue Art von Computerchips, die vom menschlichen Gehirn inspiriert sind, einen Schub bekommen.
Forscher der Purdue University haben eine neue Hardware gebaut, die bei Bedarf durch elektrische Impulse neu programmiert werden kann. Das Team behauptet, dass diese Anpassungsfähigkeit es dem Gerät ermöglichen würde, alle notwendigen Funktionen zu übernehmen, um einen vom Gehirn inspirierten Computer zu bauen. Es ist Teil der laufenden Bemühungen, KI-Systeme zu entwickeln, die kontinuierlich lernen können.
"Wenn KI-Systeme kontinuierlich in der Umgebung lernen, können sie sich an eine Welt anpassen, die sich im Laufe der Zeit verändert", sagte Jordan Suchow, KI-Experte des Stevens Institute of Technology, in einem E-Mail-Interview mit Lifewire. „Wir sehen dies zum Beispiel, wenn ein Betrugserkennungssystem ein zuvor unbeobachtetes Muster betrügerischer Einkäufe aufgreift oder wenn ein Gesichtserkennungssystem auf eine Person trifft, die es noch nie zuvor gesehen hat.“
Lebenslange Lernende
Die Purdue-Forscher haben das Papier kürzlich in der Zeitschrift Science veröffentlicht. Es beschreibt, wie sich Computerchips dynamisch neu verdrahten könnten, um neue Daten aufzunehmen, so wie es das Gehirn tut. Der Ansatz könnte der KI dabei helfen, im Laufe der Zeit weiter zu lernen.
"Das Gehirn von Lebewesen kann während seiner gesamten Lebensdauer kontinuierlich lernen. Wir haben jetzt eine künstliche Plattform geschaffen, auf der Maschinen während ihrer gesamten Lebensdauer lernen können", sagte einer der Autoren der Studie, Shriram Ramanathan, in einer Pressemitteilung.
Die von Ramanathans Team entwickelte Hardware ist ein kleines, rechteckiges Gerät aus einem Material namens Perowskit-Nickelat, das sehr empfindlich auf Wasserstoff reagiert. Durch das Anlegen elektrischer Impulse mit unterschiedlichen Spannungen kann das Gerät eine Konzentration von Wasserstoffionen innerhalb von Nanosekunden mischen und Zustände erzeugen, die die Forscher den entsprechenden Funktionen im Gehirn zuordnen konnten.
Wenn das Gerät zum Beispiel mehr Wasserstoff in der Nähe seines Zentrums hat, kann es als Neuron, eine einzelne Nervenzelle, fungieren. Mit weniger Wasserstoff an dieser Stelle dient das Gerät als Synapse, eine Verbindung zwischen Neuronen, die das Gehirn verwendet, um Erinnerungen in komplexen neuronalen Sch altkreisen zu speichern.
"Wenn wir einen Computer oder eine Maschine bauen wollen, die vom Gehirn inspiriert ist, dann wollen wir entsprechend die Fähigkeit haben, den Chip kontinuierlich zu programmieren, neu zu programmieren und zu verändern", sagte Ramanathan.
Denkende Maschinen?
Viele moderne KI-Systeme passen sich an neue Informationen an, wenn sie umgeschult werden, sagte David Kanter, der Geschäftsführer von MLCommons, einem offenen Ingenieurkonsortium, das sich der Verbesserung des maschinellen Lernens verschrieben hat, in einer E-Mail.
"Die Welt ist ein von Natur aus dynamischer Ort, und letztendlich müssen sich maschinelles Lernen und KI daran anpassen", sagte Kanter. „Zum Beispiel würde einem Spracherkennungssystem im Jahr 2022, das nichts über COVID-19 oder Coronaviren ‚kennt‘, ein großer Aspekt der modernen Welt fehlen. Ebenso sollte sich ein autonomes Fahrzeug an Straßenänderungen, Brückensperrungen usw. anpassen sogar niedrige Temperaturen machen eine Straße vereist."
Obwohl ein KI-System, das vollständig selbst lernt, immer noch größtenteils ein Konzept ist, kommen viele Beispiele nahe, sagte Sameer Maskey, der CEO des KI-Unternehmens Fusemachines, in einem E-Mail-Interview. Eines dieser selbstlernenden Systeme machte Schlagzeilen, als ein KI-System einen Menschen bei einem Go-Spiel besiegte.
"AlphaGo war die erste KI von DeepMind, die einen professionellen Go-Spieler besiegte", fügte Maskey hinzu. "Ihre Spiele-Franchises sind zu Sprungbrettern geworden, mit jedem Neuzugang, der Fortschritte in Richtung einer KI macht, die ständig lernt."
KI-Systeme der Zukunft werden die Informationen suchen, die sie benötigen, um gute Entscheidungen zu treffen und angemessene Maßnahmen zu ergreifen, prognostizierte Suchow. Diese fortschrittlichen Computer werden kostspielige Fehler vermeiden, indem sie aus ihren eigenen Erfahrungssimulationen lernen, beispielsweise durch „Selbstspiele“, bei denen sich die KI die Ergebnisse der Interaktionen vorstellt, die sie mit Kopien von sich selbst hat.
"Dies ähnelt dem, wie Menschen durch Vorstellungskraft lernen können, indem sie ein schlechtes Ergebnis vorhersehen, ohne es direkt erleben zu müssen", fügte Suchow hinzu. „KI-Systeme werden effektivere Lernstrategien lernen, ähnlich wie ein Schüler seine Zeit und Aufmerksamkeit nicht nur auf die inh altlichen Inh alte des Gelernten, sondern auch auf den Lernprozess selbst richten kann."
