Neuromorphes Engineering - Neuromorphic engineering


Neuromorphic Engineering , auch bekannt als Neuromorphic Computing , ist die Verwendung von Systemen mit sehr großer Integration (VLSI), die elektronische Analogschaltungen enthalten , um im Nervensystem vorhandene neurobiologische Architekturen nachzuahmen. Ein neuromorpher Computer/Chip ist jedes Gerät, das physikalische künstliche Neuronen (aus Silizium) verwendet, um Berechnungen durchzuführen. In jüngster Zeit wurde der Begriff neuromorph verwendet, um analoge, digitale, gemischt-analog/digitale VLSI- und Softwaresysteme zu beschreiben, die Modelle neuronaler Systeme implementieren (für Wahrnehmung , Motorsteuerung oder multisensorische Integration ). Die Implementierung neuromorpher Berechnungen auf Hardwareebene kann durch oxidbasierte Memristoren , Spintronikspeicher, Schwellwertschalter und Transistoren realisiert werden .

Ein Schlüsselaspekt des neuromorphen Engineerings ist das Verständnis, wie die Morphologie einzelner Neuronen, Schaltkreise, Anwendungen und Gesamtarchitekturen wünschenswerte Berechnungen erzeugt, die Darstellung von Informationen beeinflusst, die Robustheit gegenüber Schäden beeinflusst, Lernen und Entwicklung einbezieht, sich an lokale Veränderungen anpasst (Plastizität), und erleichtert evolutionäre Veränderungen.

Neuromorphic Engineering ist ein interdisziplinäres Fach, das sich von Biologie , Physik , Mathematik , Informatik und Elektrotechnik inspirieren lässt , um künstliche neuronale Systeme wie Vision-Systeme , Head-Eye-Systeme, Hörprozessoren und autonome Roboter zu entwerfen, deren physikalische Architektur und Design Die Prinzipien basieren auf denen des biologischen Nervensystems. Es wurde Ende der 1980er Jahre von Carver Mead entwickelt .

Neurologische Inspiration

Das neuromorphe Engineering zeichnet sich durch die Inspiration aus dem, was wir über die Struktur und Funktionsweise des Gehirns wissen . Neuromorphic Engineering übersetzt unser Wissen über die Funktion des Gehirns in Computersysteme. Die Arbeiten konzentrierten sich hauptsächlich auf die Nachbildung der analogen Natur biologischer Berechnungen und die Rolle von Neuronen bei der Kognition .

Die biologischen Prozesse von Neuronen und ihren Synapsen sind erschreckend komplex und daher sehr schwer künstlich zu simulieren. Ein Schlüsselmerkmal biologischer Gehirne ist, dass die gesamte Verarbeitung in Neuronen analoge chemische Signale verwendet. Dies macht es schwierig, Gehirne in Computern zu replizieren, da die aktuelle Computergeneration vollständig digital ist. Die Eigenschaften dieser Teile können jedoch in mathematische Funktionen abstrahiert werden, die das Wesen der Neuronenoperationen genau erfassen.

Das Ziel des neuromorphen Computings besteht nicht darin, das Gehirn und alle seine Funktionen perfekt nachzuahmen, sondern stattdessen das Wissen über seine Struktur und Operationen zu extrahieren, um es in einem praktischen Computersystem zu verwenden. Kein neuromorphes System wird behaupten oder versuchen, jedes Element von Neuronen und Synapsen zu reproduzieren, aber alle halten an der Idee fest, dass die Berechnung über eine Reihe kleiner Rechenelemente analog zu einem Neuron stark verteilt ist. Während dieses Gefühl Standard ist, verfolgen Forscher dieses Ziel mit unterschiedlichen Methoden.

Beispiele

Bereits 2006 veröffentlichten Forscher der Georgia Tech ein feldprogrammierbares neuronales Array. Dieser Chip war der erste in einer Reihe von immer komplexer werdenden Arrays von Floating-Gate-Transistoren, die die Programmierbarkeit der Ladung auf den Gates von MOSFETs ermöglichten , um die Kanal-Ionen-Eigenschaften von Neuronen im Gehirn zu modellieren, und war einer der ersten Fälle eines programmierbaren Silizium-Arrays von Neuronen.

Im November 2011 entwickelte eine Gruppe von MIT- Forschern einen Computerchip, der die analoge, ionenbasierte Kommunikation in einer Synapse zwischen zwei Neuronen unter Verwendung von 400 Transistoren und Standard- CMOS- Fertigungstechniken nachahmt .

Im Juni 2012 präsentierten Spintronik- Forscher der Purdue University ein Papier zum Design eines neuromorphen Chips mit seitlichen Spinventilen und Memristoren . Sie argumentieren, dass die Architektur ähnlich wie Neuronen funktioniert und daher verwendet werden kann, um Methoden zur Reproduktion der Verarbeitung des Gehirns zu testen. Zudem sind diese Chips deutlich energieeffizienter als herkömmliche.

Forschungen der HP Labs zu Mott-Memristoren haben gezeigt, dass sie zwar nicht flüchtig sein können , aber das flüchtige Verhalten, das bei Temperaturen deutlich unter der Phasenübergangstemperatur gezeigt wird, zur Herstellung eines Neuristors genutzt werden kann , ein biologisch inspiriertes Gerät, das das Verhalten von Neuronen nachahmt. Im September 2013 präsentierten sie Modelle und Simulationen, die zeigen, wie das Spiking-Verhalten dieser Neuristoren genutzt werden kann, um die für eine Turingmaschine erforderlichen Komponenten zu bilden .

Neurogrid , das von Brains in Silicon an der Stanford University gebaut wurde , ist ein Beispiel für Hardware, die nach neuromorphen Konstruktionsprinzipien entwickelt wurde. Die Platine besteht aus 16 kundenspezifischen Chips, die als NeuroCores bezeichnet werden. Die analogen Schaltkreise jedes NeuroCore wurden entwickelt, um neuronale Elemente für 65536 Neuronen zu emulieren und so die Energieeffizienz zu maximieren. Die emulierten Neuronen sind unter Verwendung einer digitalen Schaltung verbunden, die entwickelt wurde, um den Spitzendurchsatz zu maximieren.

Ein Forschungsprojekt mit Auswirkungen auf das neuromorphe Engineering ist das Human Brain Project , das versucht, mithilfe biologischer Daten ein komplettes menschliches Gehirn in einem Supercomputer zu simulieren. Es besteht aus einer Gruppe von Forschern in den Bereichen Neurowissenschaften, Medizin und Informatik. Henry Markram , der Co-Direktor des Projekts, hat erklärt, dass das Projekt vorschlägt, eine Grundlage für die Erforschung und das Verständnis des Gehirns und seiner Krankheiten zu schaffen und dieses Wissen zum Aufbau neuer Computertechnologien zu nutzen. Die drei Hauptziele des Projekts bestehen darin, besser zu verstehen, wie die Teile des Gehirns zusammenpassen und zusammenarbeiten, zu verstehen, wie Hirnerkrankungen objektiv diagnostiziert und behandelt werden können, und das Verständnis des menschlichen Gehirns zu nutzen, um neuromorphe Computer zu entwickeln. Dass die Simulation eines kompletten menschlichen Gehirns einen tausendmal leistungsfähigeren Supercomputer erfordert als heute, fördert die derzeitige Konzentration auf neuromorphe Computer. 1,3 Milliarden US-Dollar hat die Europäische Kommission für das Projekt bereitgestellt .

Andere Forschungen mit Auswirkungen auf das neuromorphe Engineering umfassen die BRAIN-Initiative und den TrueNorth- Chip von IBM . Neuromorphe Geräte wurden auch unter Verwendung von Nanokristallen, Nanodrähten und leitfähigen Polymeren demonstriert.

Intel stellte im Oktober 2017 seinen neuromorphen Forschungschip „ Loihi “ vor. Der Chip verwendet ein asynchrones neuronales Spiking-Netzwerk (SNN), um adaptive, selbstmodifizierende, ereignisgesteuerte, feingranulare parallele Berechnungen zu implementieren, die zum Implementieren von Lernen und Inferenz mit hoher Effizienz verwendet werden .

IMEC , ein in Belgien ansässiges Forschungszentrum für Nanoelektronik, demonstrierte den weltweit ersten selbstlernenden neuromorphen Chip. Der vom Gehirn inspirierte Chip, der auf der OxRAM-Technologie basiert, hat die Fähigkeit zum Selbstlernen und hat nachweislich die Fähigkeit, Musik zu komponieren. IMEC veröffentlichte die 30-Sekunden-Melodie, die vom Prototyp komponiert wurde. Der Chip wurde sequentiell mit Songs im gleichen Takt und Stil geladen. Die Lieder waren alte belgische und französische Flötenmenüs, aus denen der Chip die Spielregeln lernte und dann anwandte.

Das Blue Brain Project unter der Leitung von Henry Markram zielt darauf ab, biologisch detaillierte digitale Rekonstruktionen und Simulationen des Mausgehirns zu erstellen. Das Blue Brain Project hat in silico Modelle von Nagetiergehirnen erstellt und versucht, so viele Details seiner Biologie wie möglich zu replizieren. Die supercomputerbasierten Simulationen bieten neue Perspektiven zum Verständnis der Struktur und Funktionen des Gehirns.

Die Europäische Union finanzierte eine Reihe von Projekten an der Universität Heidelberg, die zur Entwicklung von BrainScaleS ( gehirninspirierte Multiskalenberechnung in neuromorphen Hybridsystemen) führten, einem hybriden analogen neuromorphen Supercomputer an der Universität Heidelberg, Deutschland. Es wurde als Teil der neuromorphen Computerplattform des Human Brain Project entwickelt und ist die Ergänzung zum Supercomputer SpiNNaker (der auf digitaler Technologie basiert). Die in BrainScaleS verwendete Architektur ahmt biologische Neuronen und ihre Verbindungen auf physischer Ebene nach; Da die Bauteile aus Silizium bestehen, arbeiten diese Modellneuronen zudem durchschnittlich 864-mal (24 Stunden Echtzeit sind 100 Sekunden in der Maschinensimulation) so viel wie ihre biologischen Pendants.

Neuromorphe Sensoren

Das Konzept neuromorpher Systeme kann auf Sensoren (nicht nur auf Berechnungen) ausgedehnt werden, ein Beispiel hierfür ist die Ereigniskamera (neuromorphe Kamera).

Ethische Überlegungen

Während das interdisziplinäre Konzept des neuromorphen Engineerings relativ neu ist, gelten für neuromorphe Systeme viele der gleichen ethischen Überlegungen wie für menschenähnliche Maschinen und künstliche Intelligenz im Allgemeinen. Die Tatsache, dass neuromorphe Systeme entworfen wurden, um ein menschliches Gehirn nachzuahmen, wirft jedoch einzigartige ethische Fragen bezüglich ihrer Verwendung auf.

Die praktische Debatte ist jedoch, dass sowohl neuromorphe Hardware als auch künstliche „neuronale Netze“ immens vereinfachte Modelle dafür sind, wie das Gehirn arbeitet oder Informationen verarbeitet, bei einer viel geringeren Komplexität in Bezug auf Größe und funktionaler Technologie und einer viel regelmäßigeren Struktur in Bezug auf Konnektivität . Der Vergleich neuromorpher Chips mit dem Gehirn ist ein sehr grober Vergleich, ähnlich dem Vergleich eines Flugzeugs mit einem Vogel, nur weil beide Flügel und einen Schwanz haben. Tatsache ist, dass neuronale kognitive Systeme um viele Größenordnungen energie- und recheneffizienter sind als die aktuelle KI und neuromorphe Technik ist ein Versuch, diese Lücke zu schließen, indem sie sich wie viele andere Konstruktionsdesigns von den Mechanismen des Gehirns inspirieren lassen haben bioinspirierte Funktionen .

Demokratische Bedenken

Aufgrund der öffentlichen Wahrnehmung können dem neuromorphen Engineering erhebliche ethische Einschränkungen auferlegt werden. Die Eurobarometer-Sonderumfrage 382: Öffentliche Einstellung zu Robotern, eine von der Europäischen Kommission durchgeführte Umfrage, ergab, dass 60 % der EU- Bürger ein Verbot von Robotern in der Betreuung von Kindern, älteren Menschen oder Behinderten wünschten. Darüber hinaus befürworteten 34 % ein Verbot von Robotern im Bildungsbereich, 27 % im Gesundheitswesen und 20 % in der Freizeit. Die Europäische Kommission stuft diese Bereiche als besonders „menschlich“ ein. Der Bericht zitiert die zunehmende Besorgnis der Öffentlichkeit über Roboter, die in der Lage sind, menschliche Funktionen nachzuahmen oder zu replizieren. Neuromorphes Engineering ist per Definition darauf ausgelegt, die Funktion des menschlichen Gehirns nachzubilden.

Die demokratischen Bedenken im Zusammenhang mit neuromorphem Engineering werden in Zukunft wahrscheinlich noch tiefer gehen. Die Europäische Kommission stellte fest, dass EU-Bürger zwischen 15 und 24 Jahren Roboter eher als menschenähnlich (und nicht als instrumentenähnlich) empfinden als EU-Bürger über 55 Jahren als menschenähnlich definiert wurde, gaben 75 % der EU-Bürger im Alter von 15 bis 24 Jahren an, dass dies ihrer Vorstellung von Robotern entspreche, während nur 57 % der EU-Bürger über 55 auf dieselbe Weise reagierten. Die menschenähnliche Natur neuromorpher Systeme könnte sie daher in die Kategorien von Robotern einordnen, die viele EU-Bürger gerne in Zukunft verboten sehen würden.

Persönlichkeit

Da neuromorphe Systeme immer weiter fortgeschritten sind, haben sich einige Wissenschaftler dafür eingesetzt , diesen Systemen Persönlichkeitsrechte zu verleihen. Wenn das Gehirn dem Menschen seine Persönlichkeit verleiht, inwieweit muss ein neuromorphes System das menschliche Gehirn nachahmen, um Persönlichkeitsrechte zu erhalten? Kritiker der Technologieentwicklung im Human Brain Project , das darauf abzielt, das vom Gehirn inspirierte Computing voranzutreiben, haben argumentiert, dass der Fortschritt im neuromorphen Computing zu Maschinenbewusstsein oder Persönlichkeit führen könnte. Wenn diese Systeme wie Menschen behandelt werden sollen, argumentieren Kritiker, dann könnten viele Aufgaben, die Menschen mit neuromorphen Systemen ausführen, einschließlich der Beendigung neuromorpher Systeme, moralisch unzulässig sein, da diese Handlungen die Autonomie der neuromorphen Systeme verletzen würden.

Doppelnutzung (militärische Anwendungen)

Das Joint Artificial Intelligence Center , ein Zweig des US-Militärs, ist ein Zentrum, das sich der Beschaffung und Implementierung von KI-Software und neuromorpher Hardware für den Kampfeinsatz widmet. Spezifische Anwendungen umfassen intelligente Headsets/Brillen und Roboter. JAIC beabsichtigt, sich stark auf neuromorphe Technologie zu verlassen, um "jeden Kämpfer mit jedem Schützen" innerhalb eines Netzwerks von neuromorph-fähigen Einheiten zu verbinden.

Rechtlichen Erwägungen

Skeptiker haben argumentiert, dass es keine Möglichkeit gibt, die elektronische Persönlichkeit, das Konzept der Persönlichkeit, das für die neuromorphe Technologie gelten würde, legal anzuwenden. In einem von 285 Rechts-, Robotik-, Medizin- und Ethikexperten unterzeichneten Brief gegen einen Vorschlag der Europäischen Kommission, „intelligente Roboter“ als juristische Personen anzuerkennen, schreiben die Autoren: „Ein Rechtsstatus für einen Roboter kann nicht von der natürlichen Person abgeleitet werden Modell, da der Roboter dann Menschenrechte wie das Recht auf Würde, das Recht auf seine Integrität, das Recht auf Entlohnung oder das Recht auf Staatsbürgerschaft besitzen würde und damit direkt den Menschenrechten gegenübersteht. Dies würde der Charta der Grundrechte der Europäischen Union und der Konvention zum Schutze der Menschenrechte und Grundfreiheiten widersprechen .“

Eigentums- und Eigentumsrechte

Es gibt erhebliche juristische Debatten um Eigentumsrechte und künstliche Intelligenz. In der Rechtssache Acohs Pty Ltd gegen Ucorp Pty Ltd stellte Richter Christopher Jessup des Bundesgerichts von Australien fest, dass der Quellcode für Materialsicherheitsdatenblätter nicht urheberrechtlich geschützt sein kann, da er von einer Softwareschnittstelle und nicht von einem menschlichen Autor generiert wurde . Dieselbe Frage kann für neuromorphe Systeme gelten: Wenn ein neuromorphes System erfolgreich ein menschliches Gehirn nachahmt und ein Originalwerk hervorbringt, wer, wenn überhaupt, sollte das Eigentum an dem Werk beanspruchen können?

Neuromemristive Systeme

Neuromemristive Systeme sind eine Unterklasse neuromorpher Computersysteme, die sich auf die Verwendung von Memristoren zur Implementierung von Neuroplastizität konzentrieren . Während sich neuromorphes Engineering auf die Nachahmung biologischen Verhaltens konzentriert, konzentrieren sich neuromemristive Systeme auf Abstraktion. Beispielsweise kann ein neuromemristives System die Details des Verhaltens eines kortikalen Mikroschaltkreises durch ein abstraktes neuronales Netzwerkmodell ersetzen .

Es gibt mehrere neuroneninspirierte Schwellenwertlogikfunktionen, die mit Memristoren implementiert sind, die Anwendungen in High-Level- Mustererkennungsanwendungen haben . Einige der kürzlich berichteten Anwendungen umfassen Spracherkennung , Gesichtserkennung und Objekterkennung . Sie finden auch Anwendungen beim Ersetzen herkömmlicher digitaler Logikgatter.

Für ideale passive memristive Schaltungen gibt es eine exakte Gleichung (Caravelli-Traversa- Di Ventra- Gleichung) für den internen Speicher der Schaltung:

als Funktion der Eigenschaften des physikalischen memristiven Netzwerks und der externen Quellen. In der obigen Gleichung, die „Vergessen“ Zeitskala konstant ist, und ist das Verhältnis von off und auf Werten der Begrenzungswiderstände der Memristoren, ist der Vektor der Quellen der Schaltung und ist ein Projektor auf den Grundschleifen der Schaltkreis. Die Konstante hat die Dimension einer Spannung und ist mit den Eigenschaften des Memristors verbunden ; sein physikalischer Ursprung ist die Ladungsbeweglichkeit im Leiter. Die diagonale Matrix und Vektor und jeweils sind anstelle der interne Wert der Memristoren mit Werten zwischen 0 und 1. Diese Gleichung erfordert daher zusätzliche Einschränkungen für die Speicherwerte , um das Hinzufügen zuverlässig.

Siehe auch

Verweise

Externe Links