Diffusiememristoren zouden de elektronische tegenhangers van  neuronen zijn, maar wel veel efficiënter en kleiner dan de huidige computertechniek (afb: Yang-lab/USC)

Onderzoekers van de universiteit van Zuid-Californië (USC) hebben kunstmatige neuronen gebouwd die echte hersenprocessen zouden kunnen nabootsen met behulp van memristors (geheugenweerstanden). Zoals bekend werken hersens veel efficiënter dan menselijke rekentuigen. Die technologie zou hersenachtige leersystemen mogelijk mogelijk kunnen maken (tenminste als we eindelijk zouden weten hoe onze hersens werken; as). Het zou kunstmatige intelligentie ‘menselijker’ kunnen maken, denken de USC-ers.
Die ‘hersencelachtige’ memristors zouden de chipgrootte aanzienlijk kunnen verkleinen, het energieverbruik drastisch kunnen verlagen en kunstmatige intelligentie dichter bij het bereiken van algemene kunstmatige intelligentie kunnen brengen.
In tegenstelling tot digitale processoren of eerdere neuromorfische chips die hersenactiviteit alleen simuleren met behulp van wiskundige modellen, reproduceren deze nieuwe neuronen fysiek hoe echte neuronen functioneren. Net zoals natuurlijke hersenactiviteit wordt geactiveerd door chemische signalen, gebruiken deze kunstmatige versies daadwerkelijke chemische interacties om rekenprocessen uit te voeren. Dat betekent dat ze niet alleen symbolische representaties zijn, maar ’tastbare’ reconstructies van biologische functies.
Het onderzoek, onder leiding van Joshua Yang van de afdeling computer- en elektrotechniek van USC, bouwt voort op eerder werk aan kunstmatige synapsen van meer dan tien jaar geleden. De nieuwe aanpak is gericht op wat de onderzoekers de ‘diffusiememristor’ noemen. Ze beschrijven hoe deze componenten gebruikt zouden kunnen worden voor een nieuwe generatie chips die traditionele elektronica op basis van silicium zowel aanvullen als verbeteren.
Terwijl siliciumsystemen afhankelijk zijn van elektronen om berekeningen uit te voeren, gebruiken Yangs diffusiememristors de beweging van ionen, waardoor een proces ontstaat dat meer lijkt op de manier waarop biologische neuronen informatie overbrengen. Het resultaat zou kleinere, efficiëntere chips mogelijk maken, die informatie verwerken zoals de hersenen dat doen (tenminste zoals we denken dat ze doen; as) en mogelijk de weg vrijmaken voor algemene kunstmatige intelligentie die meer op de menselijke intelligentie zou lijken (of wat daar voor doorgaat).

In de hersenen verloopt de celcommunicatie zowel via elektrische als chemische signalen. Wanneer een elektrische impuls het uiteinde van een neuron bereikt bij een verbinding, een synaps, wordt die omgezet in een chemisch signaal om informatie door te geven aan het volgende neuron. Eenmaal ontvangen, wordt dat signaal weer omgezet in een elektrische impuls die door het neuron heengaat. Yang en zijn collega’s hebben dit proces in hun apparaten met, naar zeggen, grote nauwkeurigheid nagebootst.

Zilverionen

In biologische neuronen helpen ionen bij het creëren van de elektrische impulsen die elektrische activiteit in het zenuwstelsel mogelijk maken. Het menselijk brein is hiervoor afhankelijk van ionen van, onder meer, kalium, natrium en calcium.
In de nieuwe studie gebruikten Yang c.s. zilverionen ingebed in oxiden om elektrische pulsen te genereren die hersenfuncties nabootsen. Deze omvatten fundamentele processen zoals leren, bewegen en plannen. “Hoewel het niet precies dezelfde ionen zijn als in neuronen, is de fysica die de ionenbeweging en de dynamiek bepaalt zeer vergelijkbaar”, zegt Yang.
“Zilver is gemakkelijk te diffunderen (verspreiden; as) en geeft ons de dynamiek die we nodig hebben om het biosysteem na te bootsen, zodat we de functie van de neuronen kunnen uitvoeren met een zeer eenvoudige structuur.” Het nieuwe onderdeel dat een hersenachtige chip mogelijk maakt, wordt de ‘diffusiememristor’ genoemd vanwege de ionenbeweging en de dynamische diffusie van de zilverionen die optreedt.

Volgens de onderzoeker is het menselijke brein “de efficiëntste intelligente machine”.
Computers zijn volgens hem inefficiënt. “Het is niet dat onze chips of computers niet krachtig genoeg zijn voor wat ze ook doen. Ze gebruiken te veel energie.” De huidige ki-systemen zijn gigantische energieverspillers doordat ze voor hun ‘leerproces’ enorme gegevensverzamelingen moeten verwerken.
Die bestaande computersystemen zouden ook nooit bedoeld zijn om enorme hoeveelheden gegevens te verwerken of om zelfstandig van slechts een paar voorbeelden te leren. Een manier om zowel de energie- als de leerefficiëntie te verhogen, is door kunstmatige systemen te bouwen die werken volgens principes die in de hersenen worden waargenomen, aldus de USC-onderzoeker.

Als je op zoek bent naar pure snelheid, zijn elektronen die moderne computers aandrijven het meest geschikt voor snelle bewerkingen. “Maar”, legt Yang uit, “ionen zijn een beter medium dan elektronen om principes van de hersenen te verwezenlijken.(…) De hersenen leren door ionen over membranen te verplaatsen, waardoor energiezuinig en adaptief leren direct in het component ontstaat, of preciezer gezegd, in wat ‘natwaar’ wordt genoemd.”
Een kind van vier kan, bijvoorbeeld, handgeschreven cijfers leren herkennen na slechts een paar voorbeelden van elk te hebben gezien, terwijl een computer er doorgaans duizenden nodig heeft om dezelfde taak uit te voeren. Toch voert het menselijk brein deze opmerkelijke leeractiviteit uit met een vermogen van slechts ongeveer 20 watt, vergeleken met de megawatts die de huidige supercomputers nodig hebben.

Nog niet snel genoeg

Yang en de zijnen zien deze technologie als een belangrijke stap in de richting van het repliceren van natuurlijke intelligentie. Hij erkent dat de zilverionen die in deze experimenten worden gebruikt zich nog niet kunnen meten met standaard halfgeleiderprocessen, niet snel genoeg zijn. Toekomstig onderzoek zal andere ionische materialen onderzoeken die vergelijkbare effecten kunnen bereiken.
De diffusieve memristors zijn zowel qua energie als qua grootte efficiënt. Een typische telefoon kan ongeveer tien chips bevatten, elk met miljarden transistoren die aan en uit gaan om berekeningen uit te voeren. “In plaats daarvan gebruiken we gewoon één transistor per neuron. We ontwerpen de bouwstenen die er uiteindelijk toe hebben geleid dat we de chipgrootte met ordegrootte hebben kunnen verkleinen en het energieverbruik met ordegrootte hebben kunnen verminderen, zodat ki in de toekomst duurzaam (nou ja; as) kan worden uitgevoerd met een vergelijkbaar niveau van intelligentie zonder de hoeveelheid energie te verbruiken die we niet kunnen volhouden.”

“Nu we capabele en compacte bouwstenen, kunstmatige synapsen en neuronen hebben aangetoond, is de volgende stap om grote aantallen ervan te integreren en te testen hoe goed we de efficiëntie en mogelijkheden van de hersenen kunnen nabootsen. Nog spannender,” zegt Yang, “is het vooruitzicht dat zulke hersenachtige systemen ons kunnen helpen nieuwe inzichten te verkrijgen in hoe de hersenen zelf werken.”

Bron: Science Daily