Kattehjerne:Et skridt mod den elektroniske ækvivalent

En kat kan genkende et ansigt hurtigere og mere effektivt end en supercomputer. Det er en af ​​grundene til, at en kattehjerne er modellen for et biologisk inspireret computerprojekt, der involverer University of Michigan.

UM-computeringeniør Wei Lu har taget et skridt i retning af at udvikle denne revolutionerende maskintype, der kunne lære og genkende, samt at træffe mere komplekse beslutninger og udføre flere opgaver samtidigt, end konventionelle computere kan.

Lu byggede tidligere en "memristor, "en enhed, der erstatter en traditionel transistor og fungerer som en biologisk synapse, husker tidligere spændinger det blev udsat for. Nu, han har demonstreret, at denne memristor kan forbinde konventionelle kredsløb og understøtte en proces, der er grundlaget for hukommelse og læring i biologiske systemer.

Et papir om forskningen offentliggøres online i Nano bogstaver og er planlagt til at blive vist i den kommende apriludgave af tidsskriftet.

"Vi bygger en computer på samme måde som naturen bygger en hjerne, "sagde Lu, en adjunkt i U-M Institut for Elektroteknik og Datalogi. "Ideen er at bruge et helt andet paradigme sammenlignet med konventionelle computere. Kattehjernen sætter et realistisk mål, fordi den er meget enklere end en menneskelig hjerne, men stadig ekstremt vanskelig at replikere i kompleksitet og effektivitet."

Dagens mest sofistikerede supercomputer kan udføre visse opgaver med hjernens funktionalitet hos en kat, men det er en massiv maskine med mere end 140, 000 centrale processorenheder og en dedikeret strømforsyning. Og den fungerer stadig 83 gange langsommere end en kats hjerne, Lu skrev i sit papir.

I et pattedyrs hjerne, neuroner er forbundet med hinanden ved synapser, som fungerer som rekonfigurerbare switches, der kan danne veje, der forbinder tusinder af neuroner. Mest vigtigt, synapser husker disse veje baseret på styrken og timingen af ​​elektriske signaler genereret af neuronerne.

I en konventionel computer, logik og hukommelsesfunktioner er placeret på forskellige dele af kredsløbet, og hver computerenhed er kun forbundet til en håndfuld naboer i kredsløbet. Som resultat, konventionelle computere udfører kode på en lineær måde, linje for linje, Sagde Lu. De er fremragende til at udføre relativt enkle opgaver med begrænsede variabler.

Men en hjerne kan udføre mange operationer samtidigt, eller parallelt. Sådan kan vi genkende et ansigt på et øjeblik, men selv en supercomputer ville tage meget, meget længere og bruger meget mere energi på at gøre det.

Indtil nu, Lu har forbundet to elektroniske kredsløb med en memristor. Han har demonstreret, at dette system er i stand til en hukommelses- og læringsproces kaldet "spike timing afhængig plasticitet." Denne type plasticitet refererer til evnen af ​​forbindelser mellem neuroner til at blive stærkere baseret på, hvornår de stimuleres i forhold til hinanden. Spike timing afhængig plasticitet menes at være grundlaget for hukommelse og læring i pattedyrs hjerner.

"Vi viser, at vi kan bruge spændingstiming til gradvist at øge eller reducere den elektriske konduktans i dette memristor-baserede system. I vores hjerner, lignende ændringer i synapskonduktans giver i det væsentlige anledning til langtidshukommelse, "Sagde Lu.

Det næste trin er at bygge et større system, Sagde Lu. Hans mål er at opnå sofistikering af en supercomputer i en maskine på størrelse med en to-liters drikkebeholder. Det kan være flere år væk.

Lu sagde, at en elektronisk analog af en kattehjerne ville kunne tænke intelligent på katteniveau. For eksempel, hvis opgaven var at finde den korteste vej fra hoveddøren til sofaen i et hus fyldt med møbler, og computeren kender kun sofaens form, en konventionel maskine kunne opnå dette. Men hvis du flyttede sofaen, det ville ikke indse justeringen og finde en ny vej. Det er det, ingeniører håber, at kattehjernecomputeren ville være i stand til. Projektets største finansierer, Defense Advanced Research Projects Agency, er ikke interesseret i sofaer. Men dette illustrerer den type læring, maskinen er designet til.