Eine neue Art gehirnähnlicher Netzwerke ist im Kommen! Chinesische Wissenschaftler bauen Brücken zwischen künstlicher Intelligenz und Neurowissenschaften

Autor: Huang Yanhong, Huang Xianghong, Duan Yuechu

Im 21. Jahrhundert, in dem sich die Technologie rasant verändert, gleicht die Entwicklung der künstlichen Intelligenz einer reißenden Welle, die unser Denken und unser Leben ständig beeinflusst. Am 19. August 2024 gab es eine aufregende Neuigkeit: Chinesischen Wissenschaftlern gelang es, ein neues gehirnähnliches Netzwerk zu entwickeln und damit eine solide Brücke zwischen künstlicher Intelligenz und Neurowissenschaft zu schlagen. Diese bahnbrechende Leistung sorgte nicht nur in der wissenschaftlichen Gemeinschaft für großes Aufsehen, sondern schlug auch ein neues Kapitel in der menschlichen Erforschung der Geheimnisse der Intelligenz auf.

Gehen wir zurück zum 16. August, als das Forscherteam Li Guoqi und Xu Bo vom Institut für Automatisierung der Chinesischen Akademie der Wissenschaften zusammen mit wissenschaftlichen Forschern der Universität Tsinghua, der Universität Peking und anderen Institutionen eine Methode zur Konstruktion eines gehirnähnlichen Neuronenmodells „auf der Grundlage endogener Komplexität“ vorschlug. Diese Methode ist wie ein Lichtstrahl, der den Nebel erhellt, dem die künstliche Intelligenz auf ihrem Entwicklungspfad ausgesetzt ist.

Derzeit bewegt sich das Feld der künstlichen Intelligenz in Richtung des wichtigen Ziels, allgemeinere intelligente Modelle zu entwickeln. Bei der Verfolgung dieses Ziels basiert der derzeit beliebte Weg großer Modelle hauptsächlich auf dem Skalierungsgesetz und dem Aufbau größerer, tieferer und breiterer neuronaler Netzwerke, d. h. der allgemeinen Methode zur Implementierung intelligenter Systeme, die „auf exogener Komplexität basiert“. Dieser Ansatz ist jedoch nicht ohne Herausforderungen und steht vor zahlreichen ernsthaften Herausforderungen.

Dieser Weg erfordert viele Rechenressourcen und Energie. Mit der weiteren Vergrößerung der Modelle steigen auch die Rechenkosten exponentiell an und der Bedarf an Ressourcen hat ein unhaltbares Niveau erreicht. Stellen Sie sich vor, zum Trainieren eines sehr großen neuronalen Netzwerkmodells wäre ein riesiges Rechenzentrum erforderlich, das viel Strom verbraucht. Dies stellt nicht nur eine enorme Belastung für die Umwelt dar, sondern führt auch zu hohen Anwendungskosten.

Ein weiteres Problem, das Forscher plagt, ist die mangelnde Interpretierbarkeit. Diese großen und komplexen neuronalen Netzwerkmodelle sind wie eine Blackbox. Obwohl sie genaue Vorhersageergebnisse liefern können, ist es für uns schwierig, ihren internen Entscheidungsprozess und ihre Logik zu verstehen. Dies bedeutet, dass wir bei der Verwendung dieser Modelle ihren Ergebnissen oft blind vertrauen müssen, ohne die ihnen zugrunde liegenden Prinzipien und Mechanismen wirklich zu verstehen.

Wenn wir unsere Aufmerksamkeit auf das menschliche Gehirn richten, entdecken wir ein erstaunliches Wunder. Das menschliche Gehirn verfügt über etwa 100 Milliarden Neuronen und etwa 100 Billionen synaptische Verbindungen. Eine derart komplexe Struktur kann jedoch effizient arbeiten und verbraucht dabei nur etwa 20 Watt Strom. Dies bringt Wissenschaftler zu der Frage: Ist es möglich, aus den dynamischen Eigenschaften der Gehirnneuronen zu lernen, die neuronale Struktur von innen heraus zu bereichern und das Potenzial der allgemeinen Intelligenz zu erforschen? Die Antwort ist ja. Dies ist die Methode, um allgemeine Intelligenz auf der Grundlage endogener Komplexität zu erreichen.

Wie also funktioniert das gehirnähnliche Neuronenmodell „basierend auf endogener Komplexität“? Einfach ausgedrückt versucht es, die vielfältigen Strukturen und dynamischen Eigenschaften der Gehirnneuronen zu simulieren. Herkömmliche Neuronenmodelle sind oft zu stark vereinfacht und ignorieren viele wichtige Details. Das neue Modell kommt dem realen neuronalen Verhalten näher und kann komplexe Informationen und Aufgaben besser verarbeiten.

Der Forscher Li Guoqi wies darauf hin, dass die experimentellen Ergebnisse die herausragende Leistung des endogenen Komplexitätsmodells bei der Bewältigung komplexer Aufgaben vollständig bestätigt hätten. Dabei werden nicht nur erhebliche Verbesserungen der Genauigkeit erzielt, sondern auch klare Vorteile bei der Rechenleistung und dem Energieverbrauch erzielt. Dies bedeutet, dass wir uns nicht mehr darauf verlassen müssen, die Größe des Modells kontinuierlich zu erhöhen, um die Leistung zu verbessern, sondern dass wir durch die eingehende Erforschung der Komplexität innerhalb der Neuronen eine effizientere und intelligentere Datenverarbeitung erreichen können.

Dieses Forschungsergebnis bietet eine neue Methode und solide theoretische Unterstützung für die Integration der komplexen dynamischen Eigenschaften der Neurowissenschaften in die künstliche Intelligenz. Es ermöglicht uns, eine neue Richtung für die Entwicklung künstlicher Intelligenz zu erkennen, bei der es nicht mehr nur um Umfang und Geschwindigkeit geht, sondern bei der der Schwerpunkt stärker auf der Simulation der inneren Mechanismen des Gehirns liegt, um eine intelligentere, effizientere und nachhaltigere Entwicklung zu erreichen.

Welche Veränderungen wird diese Errungenschaft in der Praxis mit sich bringen? Erstens wird im medizinischen Bereich erwartet, dass künstliche Intelligenz genauere und personalisiertere Lösungen für die Diagnose und Behandlung von Krankheiten liefert. Durch die Simulation der kognitiven Prozesse und Entscheidungsprozesse des Gehirns können künstliche Intelligenzsysteme medizinische Bilder analysieren und biologische Daten genauer interpretieren und so Ärzten helfen, Krankheiten früher zu erkennen und wirksamere Behandlungspläne zu entwickeln.

Im Bildungsbereich können auf intrinsischer Komplexität basierende Modelle künstlicher Intelligenz den Schülern eine individuellere Lernerfahrung bieten. Es kann Unterrichtsinhalte und -methoden adaptiv an die Lerneigenschaften und den Lernfortschritt jedes einzelnen Schülers anpassen und so Lernergebnisse und Effizienz verbessern.

Im Transportbereich können intelligente Transportsysteme den Verkehrsfluss genauer vorhersagen und die Ampelsteuerung optimieren, wodurch Verkehrsstaus verringert und die Effizienz und Sicherheit des Reisens verbessert werden.

Im Finanzbereich können Risikobewertungen und Investitionsentscheidungen präziser und intelligenter werden, wodurch finanzielle Risiken reduziert und die Marktstabilität und -effizienz verbessert werden.

Natürlich ist dieser Erfolg nur ein neuer Ausgangspunkt und das Forschungsteam arbeitet ununterbrochen daran, weitere Untersuchungen durchzuführen. Sie hoffen, die Rechenleistung und die Aufgabenverarbeitungsfähigkeiten großer Modelle weiter zu verbessern und ihre schnelle Implementierung in praktischeren Anwendungsszenarien zu realisieren. Dies erfordert von den Wissenschaftlern nicht nur kontinuierliche Innovationen und technologische Durchbrüche, sondern auch die Unterstützung und Zusammenarbeit aller Bereiche der Gesellschaft.

Wir haben Grund zu der Annahme, dass künstliche Intelligenz in Zukunft mit der fortschreitenden Vertiefung und Verbesserung der Forschung zu gehirnähnlichen Netzwerken, die „auf endogener Komplexität“ basieren, tatsächlich in alle Aspekte unseres Lebens integriert werden und der Menschheit beispiellosen Komfort und Wohlstand bringen wird. Es wird kein unerreichbarer Science-Fiction-Traum mehr sein, sondern eine mächtige Kraft, die unser Leben wirklich verändern kann.

Freuen wir uns auf diese spannende technologische Revolution, seien wir stolz auf die herausragenden Leistungen der Wissenschaftler unseres Landes und blicken wir voller Vertrauen in die Zukunft der menschlichen Intelligenz!

Das Titelbild ist ein urheberrechtlich geschütztes Bild der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.