‘Hersenachtige’ computer zou als een mens leren

Een circuit van synapstransistoren (afb: Northwestern univ.)

Onderzoekers in Hongkong en de VS zouden een ‘hersenachtig’ rekentuig hebben ontwikkeld. Dat zou in staat zijn om te leren door associëren. In het systeem worden, net als in de hersens, opslag en be-/verwerking gecombineerd en zijn niet gescheiden zoals in de hedendaagse computer. De vraag is alleen wat ik heb aan een computer die zich laat conditioneren.
Hersens worden door informaticaonderzoekers gezien als de heilige graal van hun vakgebied. Zo ook in onderhavig onderzoek waarbij ze hun rekentuig zouden hebben geconditioneerd als de Russische onderzoeker Ivan Pavlov zijn spreekwoordelijke hond. Het rekentuig ging op den duur licht associëren met druk.
Het rekentuig bestaat een organische structuur van synaptische transistoren (een synaps is in de hersens het contactpunt tussen hersencellen), die, zoals beloofd, zowel de informatie verwerken als opslaan. Dit synaptische systeem zou de plasticiteit (aanpasbaarheid) van de echte hersens hebben en herinneringen opslaan teneinde te leren. Daardoor zou deze vorm van informatieverwerking een stuk minder energieintensief zijn dan onze huidige computers en geen problemen hebben met het uitvoeren van meer taken tegelijk. Bovendien zou het systeem minder foutgevoelig zijn, zelfs bij uitval van bepaalde componenten.
“De moderne computer is geweldig”, zegt Jonathan Rivnay van de Northwestern-universiteit, “maar het menselijk brein wint het makkelijk bij complexe en ongestructureerde taken zoals patroonherkenning en multisensorintegratie. Dat komt door de plasticiteit van de synaps, de bouwsteen van de rekenkracht van het brein. Die synapsen maken het mogelijk om parallel, fouttolerant en energiezuinig te werken. We hebben een organische transistor ontwikkeld die eigenschappen heeft die lijken op die van de biologische synaps.”
“In onze computers zijn geheugen en logica (redeneren; as) gescheiden”, zegt eerste auteur Xudong Ji. “Je berekent en stuurt de uitkomst naar het geheugen en die moet je steeds weer ophalen als je die nodig hebt. Die functies samenbrengen spaart ruimte en energie.”

Op het ogenblik is de geheugenresistor de best ontwikkelde technologie om dat te bewerkstelligen, maar die schakelen voortdurend (dat kost energie) en zouden minder biocompatibel zijn. Dat heeft geleid tot de ontwikkeling van de synaptische transistor en speciaal de organische, elektrochemische synapstransistor, die werkt bij lage spanning, met een constante geheugenfunctie en geschikt zou zijn in biologische toepassingen, maar daar mankeert (-de?) nog wel wat aan.
Ook bij die ‘bifunctionele’ transistoren is de schrijfoperatie losgekoppeld van het lezen. Om dat probleem te omzeilen hebben de onderzoekers een geleidend polymeer in de transistor (organisch en elektrochemisch, dus) aangepast om ionen te vangen. Via de synaps in de hersens worden signalen overgebracht door zogeheten neurotransmitters (signaalstoffen). In die synapstransistoren zijn ionen die signaalstoffen die in feite de informatie bevatten.

Neuromorf circuit

De onderzoekers toonden de mogelijkheden van hun synapssysteem door afzonderlijke synapstransistoren samen te bouwen tot een neuromorf (op hersens lijkend) circuit. Ze vulden dat circuit aan met licht- en druksensoren en leerden het systeem die twee fenomenen met elkaar te associëren.
Dat deden ze op een vergelijkbare manier als Pavlov zijn hond conditioneerde met voedsel in combinatie met geluid om de speekselproductie op gang te brengen (uiteindelijk ging het met dat geluid alleen ook). Na vijf leerrondes bleek de synaptische computer het verband gelegd te hebben in zoverre dat het geconditioneerd was.

Volgens Rivnay heeft hij alleen bewezen dat het concept werkt. Uitbreiding van het systeem is mogelijk, maar (het zal wel een domme vraag zijn) wat heb ik aan computers die zich laten conditioneren?

Bron: EurekAlert

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.