Es scheint uns immer, dass Algorithmen für künstliche Intelligenz bestimmte Aufgaben nicht nur schneller als Menschen, sondern auch viel schneller erledigen. Aber paradoxerweise funktioniert es umso besser, je mehr künstliche Intelligenz dem menschlichen Gehirn ähnelt.
Ein Team von Ingenieuren bei IBM hat ein physisches neuronales Netzwerk aufgebaut, das buchstäblich menschlichen Neuronen ähnelt. Als Ingenieure den AI-Algorithmus an einer neuen Art von Verkabelung testeten, stellten sie fest, dass er Aufgaben mit der gleichen Effizienz wie herkömmliche neuronale Netze ausführt, jedoch 100-mal weniger Energie verbraucht.
Wenn diese neuronale Verkabelung Wurzeln schlägt, kann künstliche Intelligenz bald viel mehr Berechnungen durchführen und viel weniger Energie verbrauchen. Das Problem ist, dass Computerchips und neuronale Netzwerkalgorithmen zwei verschiedene Sprachen sprechen und daher langsamer sind. Aber im neuen System passen Hard und Software perfekt zusammen, und daher erledigt das neue KI-System alle Aufgaben schneller, ohne die Genauigkeit zu beeinträchtigen.
Dies ist ein Schritt zum Aufbau von neuronalen Netzen auf Siliziumbasis. Normalerweise funktionierten solche KI-Systeme nicht so gut, aber die neue Studie simulierte zwei Arten von Neuronen: Einer war für die schnelle Berechnung verantwortlich, der andere wurde zum Speichern von Langzeitinformationen erstellt.
Es gibt natürlich einige Zweifel an den Behauptungen von Forschern, die argumentieren, dass die Antwort auf die Schaffung einer funktionierenden künstlichen Intelligenz darin besteht, das menschliche Gehirn wiederherzustellen. Im Großen und Ganzen wissen wir immer noch nicht, wie das Gehirn funktioniert. Und es besteht die Möglichkeit, dass vieles, was sich in unserem Gehirn befindet, für den Computer unbrauchbar wird.
Neue Forschungsergebnisse zeigen jedoch, dass die physikalische Struktur menschlicher Neuronen für Algorithmen der künstlichen Intelligenz sehr nützlich sein kann. Unter modernen Bedingungen ist die Energieeinsparung eine wichtige Voraussetzung für das optimale Funktionieren eines jeden Systems.
