Forscher des Korea Advanced Institute of Science and Technology (KAIST) haben einen selbstlernenden Memristor für neuromorphes Computer entwickelt, das seine eigenen Fehler korrigieren kann, eine Entwicklung, die in der Zeitschrift beschrieben ist Naturelektronik. Die theoretische Grundlage für diese Technologie stammt aus dem Jahr 1971, als der amerikanische Elektroingenieur und Informatiker Leon Chua die Existenz eines vierten grundlegenden elektrischen Elements vorschlug. Neben dem Widerstand, Kondensator und Induktor ist Chua begründet, dass es auch einen „Memristor“ geben muss, ein Begriff, der durch Kombination von „Gedächtnis“ und „Widerstand“ erzeugt wurde. Er beschrieb diese Komponente als ein nichtflüchtiges Gedächtnis, was bedeutet, dass sie gespeicherte Informationen auch ohne Stromquelle behalten könnte. Dieses Konzept legte den Grundstein für zukünftige Fortschritte in Gedächtniskomponenten, die biologische Gehirnfunktionen enger wiederholen könnten. Während der Memristor seit Jahrzehnten ein theoretisches Konstrukt war, weckte seine experimentelle Entdeckung durch die Forscher im Jahr 2008 ein erhebliches Interesse innerhalb der wissenschaftlichen Gemeinschaft. Nach dieser Entdeckung wurden Memristoren zu einem führenden Kandidaten für die Verwendung als künstliche Synapsen in neuromorphen oder hirnähnlichen Rechensystemen. Ihr Schlüsselattribut ist die Fähigkeit, sowohl Datenspeicherung als auch Berechnung gleichzeitig innerhalb einer einzelnen Komponente durchzuführen. Diese doppelte Funktionalität spiegelt die integrierte Art und Weise wider, wie Synapsen im menschlichen Gehirn funktionieren, wo Verarbeitung und Gedächtnis nicht physikalisch getrennt sind, was einen Weg zur Schaffung effizienterer und leistungsstärkerer künstlicher neuronaler Netzwerke bietet. Im Januar 2024 kündigte der kaistische Präsident Kwang Hyung Lee eine erfolgreiche Entwicklung in diesem Bereich an. Die Forscher des Instituts haben einen Memristor erstellt, der aus seinen Fehlern und korrekten Fehlern lernen kann, um Probleme zu ermöglichen, die Probleme mit bisher als schwierigen für neuromorphen Systeme angehen können. Als spezifisches Beispiel für seine Fähigkeit gab das Forschungsteam an, dass der neue Chip Aufgaben wie die Trennung eines bewegten Bildes von einem statischen Hintergrund während der Videoverarbeitung ausführen kann. Das System soll seine Genauigkeit bei dieser Aufgabe verbessern, da es es im Laufe der Zeit weiterhin durchführt. Diese Weiterentwicklung erleichtert die lokale Ausführung künstlicher Intelligenzaufgaben und verringert die Abhängigkeit von Remote-Cloud-Computing-Servern. Diese Verschiebung des Verarbeitungsorts verbessert die Privatsphäre der Benutzer direkt, indem Daten auf dem Gerät aufbewahrt werden, und verbessert die Gesamtenergieeffizienz. Hakcheon Jeong und Seungjae Han, Forscher von Kaist, gaben eine Analogie für den Betrieb des Systems in einer Pressemitteilung an. „Dieses System ist wie ein intelligenter Arbeitsbereich, in dem alles in der Reichweite des Arms liegt, anstatt zwischen Schreibtischen und Aktenschränken hin und her gehen zu müssen“, sagten sie. „Dies ähnelt der Art und Weise, wie unser Gehirn Informationen verarbeitet, bei denen alles effizient an einer Stelle verarbeitet wird.“ In einer verwandten Entwicklung im selben Jahr führte Kaist auch einen AI -Superkonferenzchip vor. Dieser Chip wurde so konzipiert, dass er mit ultrahohen Geschwindigkeiten operiert und gleichzeitig minimaler Strom verbraucht und ein weiteres Attribut, das die Effizienz des menschlichen Gehirns emuliert, emuliert. Für den Kontext ist das menschliche Gehirn in der Lage, ungefähr eine Milliarden Milliarden oder 10^18 mathematische Operationen pro Sekunde durchzuführen, während nur etwa 20 Watt Macht verwendet werden. Die Schaffung neuromorpher Systeme, die diese Hypereffizienz erreichen können, ist ein zentrales Ziel des Feldes. Die fortgesetzte Verbesserung der Memristoren wird als inkrementeller Schritt zur Erstellung eines echten Gehirn-auf-A-Chip angesehen, einer Technologie, die die KI-Fähigkeiten beschleunigen könnte. Dieser Fortschritt hat zu Diskussionen über die technologische Singularität geführt, ein hypothetischer Punkt, an dem künstliche Intelligenz die menschliche Intelligenz übertrifft. Die Komplexität des Begriffs „Intelligenz“ wird jedoch von Wissenschaftlern festgestellt, die darauf hinweisen, dass die Fähigkeit, Berechnungen wie ein menschliches Gehirn auszuführen, nicht gleichberechtigt, alle Funktionen des Gehirns zu besitzen. Einige wissenschaftliche Perspektiven legen nahe, dass solche Maschinen „fremde Köpfe“ mit neuronalen Konstruktionen ausmachen könnten, die sich von der menschlichen Wahrnehmung unterscheiden, aber ihre eigene Form der Intelligenz darstellen. Gegenwärtig bleibt das menschliche Gehirn der Maßstab für hypereffizientes Computer, obwohl die Fortschritte in Komponenten wie Memristoren es AI ermöglichen können, ähnliche Leistungsniveaus zu erreichen.
