Nicht von dieser Welt: Wissenschaftler haben ein künstliches Gehirn aus Silber und zwangen ihn zu lernen

Ein Winziger selbstorganisierte Netzwerk künstlichen Synapsen erinnert sich an seine Erlebnisse und kann einfache Probleme zu lösen. Seine Schöpfer hoffen, dass eines Tages auf Basis dieses künstlichen Gehirns erstellt werden, die Geräte nach Ihrer Energieeffizienz nicht schlechter als die Rechenleistung des Gehirns. Überhaupt, Gehirne, wenn Sie Ihre Leistungen im denken und Problemlösungen, perfekt in Ihrer Energieeffizienz. Für die Arbeit das Gehirn braucht so viel Energie, wie viel absorbiert 20-Watt-Glühbirne. Und einer der mächtigsten und schnellsten Supercomputer der Welt, der K Computer in Kobe, Japan, verbraucht bis zu 9,89 Megawatt Energie – etwa so viel wie 10 000 Häuser. Aber im Jahr 2013, sogar mit solcher Energie, Auto dauerte es 40 Minuten, um zu simulieren 1% der Aktivität des menschlichen Gehirns während 1 Sekunde.

Und hier sind Ingenieure-Forscher des California NanoSystems Institute an der Ucla in Los Angeles hoffen antreten und energieeffizienten Computing-Fähigkeiten des Gehirns, durch die Systeme, die die Struktur des Gehirns. Sie schaffen Ihr Gerät vielleicht, das erste seiner Art, das «Gehirn inspiriert Eigenschaften zu generieren, die es ermöglichen, dem Gehirn zu tun, was er tut», sagt Stig Adam, Forscher und Dozent des Instituts, das das Projekt zusammen mit Jim Гимжевски, Professor für Chemie an der University of California in Los Angeles.

Ihr Gerät ist nicht wie herkömmliche Computer, die darauf beruhen kleine Drähte, gedruckt auf Silizium-Chips in высокоупорядоченных Systeme. Die aktuelle experimentelle Version sind ein raster von 2 x 2 mm aus Silber-Nanodrähte, die Vereinigten künstlichen Synapsen. Im Gegensatz zu Silizium-Schemas mit Ihrer geometrischen Genauigkeit ist das Gerät verdreht, wie «gut перемешанное Teller Spaghetti», sagt Stig. Dabei seine feine Struktur organisiert, die aus zufälligen chemischen und elektrischen Prozessen, und nicht sorgfältig entworfen.

In seiner Komplexität dieser silbernes Netz erinnert an das Gehirn. Maschen pro Quadratzentimeter entfallen eine Milliarde künstlichen Synapsen, was mehrere Größenordnungen unterscheidet sich vom wirklichen Gehirn. Elektrische Netzwerkaktivität zeigt auch die Eigenschaft, eine einzigartige für komplexe Systeme wie das Gehirn: «Kritikalität», ein Zustand zwischen Ordnung und Chaos, die besagt, dass maximale Effizienz.

Dieses Netzwerk äußerst verschachteltes Nanodrähte Aussehen könnte chaotisch und zufällig, aber seine Struktur und Verhalten erinnert an das Verhalten der Neuronen im Gehirn. Wissenschaftler aus NanoSystems erarbeiten Sie, wie das Gerät-Gehirn für das lernen und Berechnungen

Darüber hinaus Vorversuche zeigen, dass diese нейроморфная (das heißt, ähnlich wie das Gehirn) silberne Drahtgeflecht hat eine große funktionale Potenzial. Sie bereits durchführen können einfache Lehr-und logische Operationen. Sie reinigen kann das empfangene Signal vor unerwünschtem Lärm, sondern ist eine wichtige Fähigkeit für die Spracherkennung und ähnlichen Aufgaben, die die Probleme verursachen herkömmliche Computer. Und Ihre Existenz beweist den Grundsatz, dass eines Tages wird es möglich sein, erstellen Geräte mit einer Energieeffizienz nahe der Energieeffizienz des Gehirns.

Besonders neugierig diese Vorteile Aussehen auf dem hintergrund der nahenden Grenze der Miniaturisierung und Effizienz der Silizium-Mikroprozessoren. «Moores Gesetz ist tot, Halbleiter nicht mehr können immer weniger, und die Menschen beginnen zu Schreien, sagen Sie, was sollen wir tun», sagt Alex Нюджент, CEO der Firma Knowm, die sich mit нейроморфными Berechnungen und nicht участвовавшей in einem Projekt der University of California. «Ich mag diese Idee, diese Richtung. Herkömmliche Computing-Plattform eine Milliarde mal weniger wirksam».

Schalter in der Rolle von Synapsen

Wenn Гимжевски begann die Arbeit an seinem Projekt mit einem silbernen Gitter vor 10 Jahren, Interessierte ihn gar nicht энергоэффективнось. Ihm war langweilig. Mit Scanning-Tunneling-Mikroskop für das Studium der Elektronik auf der atomaren Skala über 20 Jahre, er schließlich sagte: «Ich bin müde von Perfektion und präzise Steuerung und ein bisschen müde vom Reduktionismus».

Reduktionismus, es ist anzunehmen, das Herzstück jeder modernen Mikroprozessoren, wenn komplexe Phänomene und Schemata erklärt werden kann mit Hilfe von einfachen Phänomenen und Elementen.

Im Jahr 2007 bot er an, sich der Untersuchung der einzelnen atomaren Switches (oder Schalter), entwickelt von einer Gruppe von Masakazu Аоно aus Materialien des Internationalen Zentrums auf наноархитектонике in Tsukuba, Japan. Diese Switches enthielten denselben Wirkstoff, der färbt die silbernen Löffel in der schwarzen Farbe, wenn es sich um Eier: Sulfid Eisen, eingeklemmt im Sandwich zwischen festem metallischem Silber.

Versorgungsspannung auf das Gerät stößt die positiv geladenen Silberionen in сульфиде Silber zu silbernen Schicht der Kathode, wo die wiederhergestellt werden zu metallischem Silber. Atom-Faden Silber wachsen, schließlich schließen die Lücke zwischen den metallischen silbernen Seiten. Der Schalter ist eingeschaltet, und der Strom kann fließen. Die Umkehrung des Stromes hat den gegenteiligen Effekt: silberne Brücken abgebaut und die Schalter ausgeschaltet.

Doch bald nach der Entwicklung des Schalter-Gruppe Аоно Anfang an beobachten ungewöhnliches Verhalten. Je öfter die Schalter verwendet, desto leichter ist er eingeschaltet. Wenn er eine Weile nicht verwendet wurde, wird er allmählich selbst ausgeschaltet. In der Tat, Schalter erinnerte sich an seineGeschichte. Аоно und seine Kollegen fanden auch, dass die Schalter scheinen miteinander kommunizierten, so dass die Aktivierung eines Schalters manchmal blockiert hat abgeschaltet oder andere in der Nähe.

Die Meisten in der Gruppe Аоно wollte konstruieren diese seltsamen Eigenschaften der Schalter heraus. Aber Гимжевски und Stig (der soeben seine Doktorarbeit in der Gruppe Гимжевского) erinnerte sich an den Synapsen, den Schaltern zwischen den Nervenzellen im menschlichen Gehirn, schwanken auch die Beziehung durch das sammeln von Erfahrungspunkten und Interaktion. Und so wurde die Idee geboren. «Wir dachten: warum nicht versuchen, alle diese in der Struktur, erinnert an die Rinde des Gehirns eines Säugetiers, und erforschen?», sagt Stig.

Erstellen Sie eine komplexe Struktur auf jeden Fall war es schwierig, aber Stig und Одриус Авиценис, der gerade trat der Gruppe als Doktorand, haben für dieses Protokoll. Gießen Silbernitrat auf kleine kupferne Kugel, die Sie veranlassen könnten, das Wachstum von mikroskopisch dünnen kreuzenden silbernen Drähten. Dann verpassen Sie konnten durch dieses raster schwefliges Gas, um eine Schicht von Silber-Sulfid zwischen silbernen Drähten, wie in der ursprünglichen atomarer Schalter Befehle Аоно.

Selbstorganisierte Kritikalität

Wenn Гимжевски und Stig erzählt den anderen von seinem Projekt, niemand geglaubt, dass das funktioniert. Einige sagten, dass das Gerät zeigt eine Art statische Aktivität und auf ihm absetzt, erinnert sich Stig. Andere vermuten das Gegenteil: «Sie haben gesagt, dass der Wechsel wird kaskadiert und die ganze Konstruktion nur zu verbrennen», sagt Гимжевски.

Aber das Gerät nicht Wagen. Im Gegenteil, wenn Гимжевски und Stig beobachtete ihn durch eine Infrarot-Kamera, Eingangsstrom weiterhin ändern Weg, ging durch die Gerät — was beweist, dass die Aktivität im Netzwerk wurde nicht lokalisiert, sondern verteilt, wie im Gehirn.

Eines Tages Herbsttag im Jahr 2010, als Авиценис und sein Kollege Henry Силлин erhöhten sich die Eingangsspannung in Ihrem Gerät, werden Sie plötzlich bemerken, dass darüber hinaus gehende Spannung von Anfang zufällig schwanken, ob Drahtgestelle lebendig. «Wir setzten uns und sahen das alles, wir waren schockiert», sagt Силлин.

Sie wussten, dass Sie fanden etwas Interessantes. Wenn Авиценис Analysierte die Daten der überwachung für ein paar Tage, fand er, dass das Netz blieb auf dem gleichen Niveau der Aktivität für kurze Zeiträume häufiger als bei längeren. Später entdeckten Sie, dass kleinere Bereiche der Aktivität häufiger als die großen.

«Ich habe otvisla der Kiefer», sagt Авиценис, weil Sie zum ersten mal gelernt haben aus Ihrem Gerät exponentiellen Gesetz. Die gesetzten Gesetze beschreiben mathematische Beziehungen, in denen eine Variable ändert sich Grad wie ein anderes. Sie gelten für Systeme, in denen größere Ausmaße an, längere Veranstaltungen weniger Häufig als kleinere und kürzere, jedoch Häufig und nicht zufällig. Per Bak, der Dänische Physiker, verblichener im Jahr 2002 zum ersten mal bot die gesetzten Gesetze wie die Besonderheiten aller Arten von komplexen dynamischen Systemen, die auf einem großen Maßstab organisiert und langen Distanzen. Dieses Verhalten, sagte er, gibt an, dass ein Komplexes System balanciert und arbeitet auf der Goldenen Mitte zwischen Ordnung und Chaos, in einem Zustand der «Kritikalität», und alle seine Teile interagieren und beziehen sich aus Gründen der maximalen Effizienz.

Wie vorhergesagt Tank, exponentialen Verhalten im menschlichen Gehirn beobachtet: im Jahr 2003 Dietmar Пленц, Neurowissenschaftler National Institutes of Health, beobachtete, dass Gruppen von Nervenzellen aktiviert haben andere, die wiederum aktiviert andere, oft ohne die Kaskaden Aktivierungen. Пленц festgestellt, dass die Größen dieser Kaskaden gefolgt von der Verteilung in der степенному Gesetz, und das Gehirn wirklich so gewirkt, Verbreitung zu maximieren Aktivität, ohne zu riskieren, verlieren die Kontrolle über Ihre Verbreitung.

Die Tatsache, dass das Gerät an der Universität von Kalifornien zeigte auch der exponentiellen Gesetz in Aktion zu sehen, es ist sehr wichtig, sagt Пленц. Weil daraus folgt, dass, wie im Gehirn, er hat eine feine Balance zwischen Aktivierung und Hemmung, die Aufzeichnungen der Arbeit in die Summe seiner Teile. Aktivität nicht hemmt Seth, aber nicht beendet.

Später Гимжевски und Stig fanden noch eine ähnlichkeit zwischen einem silbernen Netz und Gehirn: geradeso wie der schlafende menschliche Gehirn zeigt weniger kurzen Kaskaden der Aktivierung, als das Gehirn wach, kurzen Zustand der Aktivierung in einem silbernen Netz wird weniger Häufig bei niedrigeren Eingangs-Energien. In gewisser Weise eine Reduzierung des Energieverbrauchs im Gerät kann ein Status, der Sie daran erinnert, schlafende Zustand des menschlichen Gehirns.

Ausbildung und Berechnungen

Und hier ist die Frage: wenn das Netzwerk silbernen Draht hat Eigenschaften ähnlich den Eigenschaften des Gehirns, ob Sie Rechenaufgaben lösen? Vorläufige Experimente zeigten, dass die Antwort — ja, obwohl das Gerät natürlich noch entfernt und nicht zu vergleichen mit herkömmlicher Computer.

Erstens, keine Software. Stattdessen die Forscher nutzen die Tatsache, dass das Netzwerk kann verzerren das Eingangssignal auf verschiedene Weise, je nachdem, wo der Ausgang gemessen. Dies ist eine mögliche Verwendung für Spracherkennung oder Bilder, denn das Gerät muss die Möglichkeit haben, reinigen laut das Eingangssignal.

Daraus folgt auch, dass das Gerät kann für so genannte rezervuarnihBerechnungen. Da eine Eingabe kann im Prinzip erzeugen viele, Millionen zu verschiedenen Schlussfolgerungen (daher auch der Tank), Benutzer können wählen oder kombinieren Sie die Erkenntnisse, um das Resultat ist die gewünschte Berechnung der einleitend. Wenn beispielsweise stimulieren das Gerät in zwei verschiedenen Orten zur gleichen Zeit, gibt es eine Chance, dass einer der Millionen verschiedenen Schlussfolgerungen repräsentieren die Summe der beiden Einführungskursen.

Die Herausforderung besteht darin, die richtigen Schlussfolgerungen zu ziehen und zu decodieren, und um herauszufinden, wie Sie am besten Informationen Kodieren, wenn das Netz zu verstehen. Das kann durch die Ausbildung des Geräts: durch den Träger der Aufgabe Hunderte oder Tausende Male, zuerst mit einer Art von Eingabe, dann mit einem anderen, und Vergleiche, was ist das Ergebnis besser mit der Aufgabe zu bewältigen. «Wir Programmieren das Gerät, wählen aber der beste Weg, um die Informationen zu codieren, um das Verhalten des Netzes war nützlich und interessant», sagt Гимжевски.

In der Arbeit, die bald veröffentlicht wird, Wissenschaftler sagen, wie trainiert ein Netz von Drähten Herstellung von einfachen logischen Operationen. Und in unveröffentlichten Experimenten Sie bildeten ein Netz entscheiden einfache Aufgabe für das Gedächtnis, die normalerweise die Ratten (T-Labyrinth). Im Test T-Labyrinth Ratte belohnt, wenn die richtige Drehung in Reaktion auf Licht. Mit eigene Version für den Unterricht, kann das Netz das richtige zu tun in 94% der Fälle.

Bisher diese Ergebnisse wurden nicht mehr als Beweis des Prinzips, sagt Нуджент. «Die kleine Ratte, die Entscheidung in der T-Labyrinth, nie nähert sich etwas aus dem Bereich des maschinellen Lernens, was kann bewerten Ihre Systeme» auf einem traditionellen Computer, sagt er. Er bezweifelt, dass von diesem Gerät kann ein nützliches Chip in den nächsten Jahren.

Aber das Potenzial ist riesig, betont er. Weil das Netz, wie das Gehirn, zerteilt die Verarbeitung und Speicher. Traditionelle Computer übermittelt Informationen zwischen den verschiedenen Bereichen, die mit diesen zwei Funktionen. «All diese zusätzliche Kommunikation zu akkumulieren, weil die Leitungen brauchen Energie», sagt Нуджент. Mit der Abholung Ihres traditionellen Computern, müssten Sie trennen Frankreich zu simulieren vollständige menschliche Gehirn in einer guten Auflösung. Wenn Geräte wie der silbernen Netzwerk in der Lage, die Aufgaben zu lösen mit der Effizienz von algorithmen für maschinelles lernen, die auf traditionellen Computern, werden Sie in der Lage zu erschließen, die eine Milliarde mal weniger Energie. Und dann ist es klein.

Die Ergebnisse der Wissenschaftler bestätigen auch die Meinung, dass unter den richtigen Umständen intelligente Systeme bilden können, indem Sie Selbstorganisation, ohne irgendeine Vorlage oder ein Prozess für deren Entwicklung. Silbernes Netz «entstand spontan», sagt Todd Hylton, der ehemalige Manager der DARPA, die unterstützte das Projekt in den frühen Stadien.

Гимжевски glaubt, dass das Netz Silber-Leitungen oder ähnliche Geräte können sich besser traditionellen Computern bei der Vorhersage von komplexen Prozessen. Traditionelle Computer simulieren die Welt der Gleichungen, die oft nur ungefähr beschreiben komplexe Phänomene. Нейроморфные Netzwerk auf atomaren Schaltern säumen die eigene innere strukturelle Komplexität mit dem Phänomen, das modelliert. Und Sie machen auch das schnell — Netzwerkstatus kann schwanken mit einer Geschwindigkeit von bis zu Zehntausenden von änderungen pro Sekunde. «Wir verwenden ein ausgeklügeltes System für das Verständnis komplexer Phänomene», sagt Гимжевски.

Anfang dieses Jahres auf dem treffen der American Chemical Society in San Francisco Гимжевски, Stig und Ihre Kollegen stellten die Ergebnisse des Experiments, in dessen Verlauf Sie beruhigt das Gerät den ersten drei Jahren der sechsjährigen Satz von Daten über den Straßenverkehr in Los Angeles, in Form einer Reihe von Impulsen, die die Anzahl der vorbeifahrenden Autos pro Stunde. Durch Hunderte von Stunden der Ausbildung wir schließen endlich die vorhergesagte statistische Tendenz in der zweiten Hälfte der Datenmenge, und es ist ganz gut, obwohl das Gerät nicht gezeigt.

Vielleicht, eines Tages, Witze Гимжевски, er nutzt das Netz für die Prognose des Aktienmarktes.