Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten mit Zugriffsrechten für diese Ausgabe frei zugänglich.

Künstliches Gehirn: Neurone & Co. – Imitieren mit Silizium

Um Computern das Denken beizubringen und obendrein das Gehirn besser zu verstehen, bauen Forscher es aus elektronischen Bausteinen nach. Ihre Devise lautet dabei: Emulation statt Simulation.
Neurone und Co_Universitaet HeidelbergLaden...

Wer schon mal sein Notebook auf den Knien jonglierte, der weiß: Datenverarbeitung ist eine heiße Angelegenheit. Gut 40 Watt benötigt ein solcher Rechner im Betrieb – und gibt sie fast vollständig als Wärme wieder ab. Das ist etwa doppelt so viel, wie das menschliche Gehirn verbraucht, das seinen täglichen Energiebedarf aus zwei 200-Gramm-Bechern Fruchtjogurt decken könnte. Nun ist ihm zwar noch jeder Taschenrechner überlegen, wenn es gilt, große Zahlen miteinander zu multiplizieren. Doch wenn in unerwarteten Situationen Entscheidungen getroffen werden müssen, macht selbst der modernste Hochleistungsrechner dem Gehirn nichts vor.

Versucht man, diese Fähigkeit mit digitalen Computern zu simulieren, wachsen die Anforderungen ins Gigantische. Ausgedrückt in der „Fruchtjogurt-Metrik“: Ein Hochleistungsrechner verbraucht leicht 100 Kilowatt, entsprechend 10 000 Bechern Jogurt an einem Tag – ein echtes Problem. Die Lösung finden wir in einer Form der Informationsverarbeitung, die sich auf ihre Anfänge besinnt: mit analogen statt digitalen Schaltkreisen. Auf diese Weise wollen Forscher die Biologie nachahmen, statt sie zu simulieren – mit Hilfe „neuromorpher Rechner“.

Ein menschliches Gehirn besteht aus mindestens 100 Milliarden räumlich organisierten Nervenzellen, die ein paar Mal pro Sekunde Informationen in ein Netzwerk aus rund einer Billiarde Verbindungen speisen. Seine Arbeitsweise ist das Resultat der Evolution auf der einen sowie von Lern- und Entwicklungsprozessen des Individuums auf der anderen Seite. Ein Prozessor hingegen basiert auf einem Siliziumchip mit definierten funktionellen Einheiten, die im Gigahertztakt einer zentralen Systemuhr Daten austauschen und dabei Programmkodes abarbeiten...

September 2012

Dieser Artikel ist enthalten in Spektrum der Wissenschaft September 2012

Kennen Sie schon …

März 2020

Spektrum der Wissenschaft – März 2020

In dieser Ausgabe widmet sich Spektrum der Wissenschaft dem 3-Körperproblem. Außerdem im Heft: Schaltplan fürs Gehirn, der Thermostat der Erde und Schwarzes Loch.

Dossier 1/2020

Gehirn&Geist – Dossier 1/2020: Psyche und Körper

Gute Abwehr: Die geheimnisvolle Verbindung zwischen Immunsystem und Gehirn Wie sie sich gegenseitig stärken • Hypnose: Schmerzen und Ängste bekämpfen • Besser schlafen: Ein Plädoyer für die Winterzeit

Die Vermessung der Intelligenz

Spektrum Kompakt – Die Vermessung der Intelligenz

Was steckt hinter dem Intelligenzquotienten - und was sagt der IQ über eine Person und ihre Fähigkeiten aus?

Lesermeinung

2 Beiträge anzeigen

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Leserzuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Leserzuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmer sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Lesermeinungen können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

  • Quellen

Brüderle, D. et al.: A Comprehensive Workflow for General-Purpose Neural Modeling with Highly Configurable Neuromorphic Hardware Systems. In: Biological Cybernetics 104(4 – 5), S. 263 – 296, 2011

Indiveri, G. et al.: Neuromorphic Silicon Neuron Circuits. In: Frontiers in Neuromorphic Engineering 10.3389/fnins.2011.00073

Mead, C.: Analog VLSI and Neural Systems. Addison Wesley Publishing Company, Boston 1989