Neuromorphic Computing leitet die nächste Generation der künstlichen Intelligenz ein. Während die erste Generation der denkenden Maschinen äußerst regelbasiert war und reine Logik verwendete, um Schlussfolgerungen zu ziehen, geht diese neue Art der künstlichen Intelligenz einen Schritt weiter.
Die reine Schlussfolgerung anhand bestimmter Regeln ist nützlich, um Prozesse zu überwachen und deren Effizienz zu verbessern. Um wirklichen Nutzen in Artificial Intelligence zu bringen, muss es darüber jedoch hinausgehen. Die kommende Generation wird daher in Bereiche erweitern, die der menschlichen Kognition entsprechen, wie beispielsweise Interpretation und autonome Adaption. Dies ermöglicht der künstlichen Intelligenz in Zukunft Probleme zu abstrahieren und auch neue Situationen besser bewältigen zu können. Durch diesen Schritt kann die Automatisierung vorangetrieben werden und die Deep Learning Algorithmen können besser arbeiten.
Vorreiter des Neuromorphic Computing
Vorreiter des Neuromorphic Computing sind die Intel Labs, die einen Forschungsschwerpunkt auf Neuromorphes Rechnen gelegt haben. Hierbei ahmen sie die neuronalen Strukturen und Funktionsweisen des menschlichen Gehirns nach und übertragen sie in algorithmische Ansätze. Themen die hierbei besonders im Fokus stehen sind dabei beispielsweise Mehrdeutigkeit und Widersprüche, mit denen die Maschinen konfrontiert werden könnten.
Um diese Funktionen besser testen zu können, hat Intel hierfür den selbstlernenden neuromorphen Forschungstestchip der fünften Generation, „Loihi“, entwickelt. Der Loihi-Chip umfasst insgesamt ungefähr 130.000 Neuronen, die untereinander kommunizieren können und voneinander lernen.
Dieser Chip soll der gesamten Forschungsgesellschaft für unterschiedlichste Tests zur Verfügung gestellt werden, um das Neuromorphe Rechnen als interdisziplinäre Herausforderung voranzutreiben.
