Forscher haben k\u00fcnstliche Neuronen entwickelt, die so pr\u00e4zise wie nie mit Gehirnzellen interagieren. Neben Hoffnungen f\u00fcr Parkinson-Patienten und Neuroprothesen, k\u00f6nnte darin die L\u00f6sung eines der gr\u00f6\u00dften Probleme im KI-Bereich liegen.<\/p>\n
Computer arbeiten in starren Nullen und Einsen. Menschliche Neuronen haben ein flexibles Repertoire an biologischen Signalen von Bursts, Spikes und kontinuierlichem Dauerfeuer. Die beiden Signalsprachen sind inkompatibel. Damit sie miteinander kommunizieren k\u00f6nnen, etwa in Implantaten, braucht es eine \u00dcbersetzung. Bislang geschieht dies meist \u00fcber die vergleichsweise grobe Nachahmung von Gehirnsignalen durch Elektroden. <\/p>\n
Forscher der Northwestern University im US-Bundesstaat Illinois haben nun gedruckte k\u00fcnstliche Neuronen entwickelt, die \u00fcber blo\u00dfe Imitation hinausgehen und direkt mit echten Gehirnzellen interagieren k\u00f6nnen. Diese flexiblen, kosteng\u00fcnstigen Bauteile erzeugen elektrische Signale, die denen lebender Neuronen sehr \u00e4hneln. Dadurch sind sie in der Lage, biologisches Hirngewebe direkt zu aktivieren. Die Ergebnisse wurden in \u201eNature Nanotechnology<\/a>\u201c ver\u00f6ffentlicht.<\/p>\n In Experimenten mit Mausgehirnschnitten l\u00f6sten die k\u00fcnstlichen Neuronen erfolgreich Reaktionen in echten Neuronen aus. M\u00f6gliche Anwendungsgebiete umfassen Gehirn-Maschine-Schnittstellen und Neuroprothesen, etwa Implantate, die dabei helfen k\u00f6nnten, H\u00f6ren, Sehen oder Bewegung wiederherzustellen.<\/p>\n Heutige H\u00f6rger\u00e4te beispielsweise stimulieren den H\u00f6rnerv mit vergleichsweise vereinfachten Signalen. K\u00fcnstliche Neuronen, die diesen mit der richtigen Spike-Form anregen, k\u00f6nnten das Nervensystem viel pr\u00e4ziser ansprechen. Feineres H\u00f6ren, besseres Sehen bei Retina-Implantaten, nat\u00fcrlichere Bewegungssteuerung bei L\u00e4hmungen \u2013 all das k\u00f6nnte m\u00f6glich sein.<\/p>\n Bei Parkinson, Epilepsie oder chronischen Schmerzen, bei denen Tiefenhirnstimulation eingesetzt wird, um Symptome zu lindern, k\u00f6nnten k\u00fcnstliche Neuronen echte Fortschritte bringen. Denn ein Ger\u00e4t, das den Rhythmus des Gehirns wirklich versteht, k\u00f6nnte einf\u00fchlsamer auf diesen antworten. <\/p>\n Auch bei Neuroprothesen, die biologische Signale aufnehmen, verarbeiten und zur\u00fcckspielen, k\u00f6nnten sie eines Tages zum Einsatz kommen. Solche Ger\u00e4te k\u00f6nnten der Unterst\u00fctzung der Ged\u00e4chtnisleistung bei Alzheimer dienen. Dies gelang in der Grundlagenforschung bereits 2024<\/a>. Allerdings nur auf Basis traditioneller, grober Elektroden.<\/p>\n Neuromorphes Computing<\/p>\n Die Technologie k\u00fcnstlicher Neuronen deutet aber auch auf ein weiteres Forschungsfeld der Zukunft hin, das sogenannte neuromorphe Computing. Dabei handelt es sich um eine neue Generation von Computersystemen, die vom Gehirn inspiriert sind. <\/p>\n Indem nachgebildet wird, wie Neuronen kommunizieren, k\u00f6nnte zuk\u00fcnftige Hardware komplexe Aufgaben mit einem deutlich geringeren Energieverbrauch bew\u00e4ltigen. Das Gehirn ist nach wie vor das energieeffizienteste bekannte Computersystem. Wissenschaftler hoffen daher, seine Prinzipien auf moderne Technologie anzuwenden.<\/p>\n \u201eDie Welt, in der wir heute leben, wird von k\u00fcnstlicher Intelligenz beherrscht\u201c, sagte Mark C. Hersam von der Northwestern University, der die Studie leitete. \u201eDer Weg, KI intelligenter zu machen, besteht darin, sie mit immer mehr Daten zu trainieren. Dieses datenintensive Training f\u00fchrt zu einem massiven Problem mit dem Stromverbrauch. Daher m\u00fcssen wir effizientere Hardware entwickeln, um mit Big Data und KI umzugehen. Da das Gehirn f\u00fcnf Gr\u00f6\u00dfenordnungen energieeffizienter ist als ein digitaler Computer, liegt es nahe, das Gehirn als Inspiration f\u00fcr das Computing der n\u00e4chsten Generation zu betrachten.\u201c<\/p>\n Moderne Computer bew\u00e4ltigen wachsende Arbeitslasten, indem sie Milliarden identischer Transistoren auf starren, zweidimensionalen Siliziumchips unterbringen. Jedes Bauteil verh\u00e4lt sich auf dieselbe Weise, und einmal hergestellt, bleibt das System unver\u00e4nderlich.<\/p>\n Das Gehirn funktioniert grundlegend anders. Es besteht aus vielen verschiedenen Neuronentypen, die jeweils spezialisierte Aufgaben \u00fcbernehmen und in weichen, dreidimensionalen Netzwerken angeordnet sind. Diese Netzwerke ver\u00e4ndern sich st\u00e4ndig, indem sie beim Lernen neue Verbindungen bilden und bestehende anpassen.<\/p>\n \u201eSilizium erreicht Komplexit\u00e4t durch Milliarden identischer Bauteile\u201c, sagte Hersam. \u201eAlles ist gleich, starr und nach der Herstellung unver\u00e4nderlich. Das Gehirn ist das genaue Gegenteil. Es ist heterogen, dynamisch und dreidimensional. Um uns in diese Richtung zu bewegen, ben\u00f6tigen wir neue Materialien und neue Methoden zur Herstellung von Elektronik.\u201c<\/p>\n Obwohl k\u00fcnstliche Neuronen schon fr\u00fcher entwickelt wurden, erzeugen die meisten davon \u00fcberm\u00e4\u00dfig einfache Signale. Um komplexeres Verhalten zu erreichen, ben\u00f6tigen Ingenieure typischerweise gro\u00dfe Netzwerke aus Bauteilen, was den Energieverbrauch erh\u00f6ht.<\/p>\n Druckbare Materialien mit gehirn\u00e4hnlichem Verhalten<\/p>\n Um echte neuronale Aktivit\u00e4t besser nachzubilden, baute Hersams Team k\u00fcnstliche Neuronen aus weichen, druckbaren Materialien, die der Struktur des Gehirns st\u00e4rker \u00e4hneln. Ihr Ansatz basiert auf elektronischen Tinten aus nanoskaligen Flocken aus Molybd\u00e4ndisulfid (MoS\u2082), das als Halbleiter fungiert, und Graphen, das als elektrischer Leiter dient. Diese Materialien wurden mithilfe von Aerosol-Jet-Druck auf flexible Polymeroberfl\u00e4chen aufgebracht.<\/p>\n Fr\u00fcher betrachteten Forscher das Polymer in diesen Tinten als Fehler, da es die elektrische Leistung beeintr\u00e4chtigte, und entfernten es daher nach dem Druckvorgang. In dieser Arbeit nutzte das Team genau diese Eigenschaft, um das Bauteil zu verbessern.<\/p>\n \u201eAnstatt das Polymer vollst\u00e4ndig zu entfernen, zersetzen wir es nur teilweise\u201c, erkl\u00e4rte er. \u201eWenn wir dann Strom durch das Bauteil leiten, treiben wir die weitere Zersetzung des Polymers voran. Diese Zersetzung erfolgt r\u00e4umlich inhomogen, was zur Bildung eines leitenden Filaments f\u00fchrt, sodass der gesamte Strom auf einen engen Bereich im Raum beschr\u00e4nkt wird.\u201c<\/p>\n Dieser schmale leitende Pfad erzeugt eine pl\u00f6tzliche elektrische Reaktion, die dem Feuern eines Neurons \u00e4hnelt. Das resultierende Bauteil kann eine breite Vielfalt an Signalen erzeugen, die der echten neuronalen Kommunikation sehr \u00e4hneln \u2013 darunter einzelne Spikes, kontinuierliches Feuern und Burst-Muster.<\/p>\n Da jedes k\u00fcnstliche Neuron komplexere Signale erzeugen kann, werden f\u00fcr die Ausf\u00fchrung anspruchsvoller Aufgaben weniger Bauteile ben\u00f6tigt. Dies k\u00f6nnte die Recheneffizienz erheblich verbessern.<\/p>\n Verwandte Forschung aus Deutschland<\/p>\n Die Northwestern-Studie steht nicht allein. In Deutschland laufen mehrere verwandte Programme: In Aachen und J\u00fclich<\/a> erforschen Wissenschaftler der RWTH und des Forschungszentrums J\u00fclich mit staatlicher F\u00f6rderung von bis zu 45 Millionen Euro sogenannte memristive Bauelemente. Dies sind Chips, die \u00e4hnlich wie biologische Synapsen Informationen speichern und verarbeiten, und damit deutlich energieeffizienter arbeiten als herk\u00f6mmliche Transistoren. <\/p>\n An der TU Dresden<\/a> wurde ein Nanotransistor aus Siliziumdr\u00e4hten entwickelt, der sowohl Lern- als auch Ged\u00e4chtnisfunktionen des Gehirns in einem einzigen Bauteil nachahmt. In G\u00f6ttingen<\/a> wiederum stellten Forscher der Universit\u00e4t und des Max-Planck-Instituts k\u00fcnstliche Neuronen vor, die sich selbst organisieren und ohne \u00e4u\u00dfere Steuerung lernen\u00a0\u2013 inspiriert von Nervenzellen im menschlichen Gro\u00dfhirnkortex.<\/p>\n Was die Arbeit aus Northwestern bisher einzigartig macht, ist die Kombination aus druckbaren, biegsamen Materialien und der ausgepr\u00e4gten F\u00e4higkeit, direkt mit lebendem Hirngewebe zu interagieren. Die deutschen Ans\u00e4tze konzentrieren sich entweder auf Rechenhardware oder auf Neuronenmodelle, nicht auf beides zugleich. Dennoch zeigt die Breite der Aktivit\u00e4ten, dass das internationale Rennen um gehirninspiriertes, energieeffizientes Computing l\u00e4ngst in vollem Gange ist.<\/p>\n Um zu pr\u00fcfen, ob die k\u00fcnstlichen Neuronen tats\u00e4chlich mit lebenden Systemen interagieren k\u00f6nnen, arbeiteten die Forscher mit Indira M. Raman zusammen, Professorin f\u00fcr Neurobiologie am Weinberg College. Ihr Team wandte die k\u00fcnstlichen Signale auf Schnitte des Mauskleingehirns an.<\/p>\n Die Ergebnisse zeigten, dass die elektrischen Spikes wesentliche biologische Eigenschaften widerspiegeln, darunter ihr zeitliches Verhalten und ihre Dauer. Diese Signale aktivierten zuverl\u00e4ssig echte Neuronen und l\u00f6sten neuronale Schaltkreise auf eine Weise aus, die nat\u00fcrlicher Hirnaktivit\u00e4t \u00e4hnelt.<\/p>\n \u201eAndere Labore haben versucht, k\u00fcnstliche Neuronen aus organischen Materialien herzustellen, aber diese feuerten zu langsam\u201c, sagte Hersam. \u201eOder sie verwendeten Metalloxide, die zu schnell sind. Wir befinden uns in einem zeitlichen Bereich, der f\u00fcr k\u00fcnstliche Neuronen bisher nicht nachgewiesen wurde. Man kann sehen, wie die lebenden Neuronen auf unser k\u00fcnstliches Neuron reagieren. Wir haben also Signale demonstriert, die nicht nur die richtige Zeitskala aufweisen, sondern auch die richtige Spike-Form, um direkt mit lebenden Neuronen zu interagieren.\u201c<\/p>\n Eine Chance f\u00fcr KI<\/p>\n \u00dcber die Leistung hinaus bietet der neue Ansatz \u00f6kologische und praktische Vorteile. Der Herstellungsprozess ist einfach und kosteng\u00fcnstig, und die additive Druckmethode bringt Material nur dort auf, wo es ben\u00f6tigt wird, wodurch Abfall reduziert wird.<\/p>\n Die Verbesserung der Energieeffizienz ist besonders wichtig, da KI-Systeme immer anspruchsvoller werden. Gro\u00dfe Rechenzentren verbrauchen bereits enorme Mengen an Strom und ben\u00f6tigen erhebliche Wassermengen zur K\u00fchlung.<\/p>\n \u201eUm den Energiebedarf von KI zu decken, bauen Technologieunternehmen Gigawatt-Rechenzentren, die von eigens daf\u00fcr vorgesehenen Kernkraftwerken betrieben werden\u201c, sagte Hersam. \u201eEs ist offensichtlich, dass dieser massive Stromverbrauch die weitere Skalierung des Computings einschr\u00e4nken wird, da es schwer vorstellbar ist, dass ein Rechenzentrum der n\u00e4chsten Generation 100 Kernkraftwerke ben\u00f6tigen w\u00fcrde. Das weitere Problem besteht darin, dass bei der Dissipation von Gigawatt an Leistung enorme W\u00e4rmemengen entstehen. Da Rechenzentren mit Wasser gek\u00fchlt werden, belastet KI die Wasserversorgung erheblich. Wie man es auch betrachtet \u2013 wir m\u00fcssen energieeffizientere Hardware f\u00fcr KI entwickeln.\u201c<\/p>\n","protected":false},"excerpt":{"rendered":"Forscher haben k\u00fcnstliche Neuronen entwickelt, die so pr\u00e4zise wie nie mit Gehirnzellen interagieren. Neben Hoffnungen f\u00fcr Parkinson-Patienten und…\n","protected":false},"author":2,"featured_media":961642,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[134],"tags":[175,209015,170,169,29,30,81259,1256,59482,171,174,209017,209016,45,173,172],"class_list":{"0":"post-961641","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-unternehmen-maerkte","8":"tag-business","9":"tag-chip-implantate-ks","10":"tag-companies","11":"tag-companies-markets","12":"tag-deutschland","13":"tag-germany","14":"tag-hirnforschung-ks","15":"tag-kuenstliche-intelligenz","16":"tag-kuenstliche-intelligenz-ki-ks","17":"tag-markets","18":"tag-maerkte","19":"tag-neuronale-netze-ks","20":"tag-neuroprothese-ks","21":"tag-texttospeech","22":"tag-unternehmen","23":"tag-unternehmen-maerkte"},"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@de\/116441611525616257","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/posts\/961641","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/comments?post=961641"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/posts\/961641\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/media\/961642"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/media?parent=961641"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/categories?post=961641"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/tags?post=961641"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}