Die Fudan-Universität und die Ant Group bündeln ihre Kräfte, um das menschliche Gehirn mit dem menschlichen Gehirn zu „schlagen“.

Im Jahr 2003 belegte Wang Xiaofei, ein Doktorand am Institut für Informatik der Tsinghua-Universität, einen Kurs in Neurobiologie und reichte eine Hausarbeit mit dem Titel „Verbindung zwischen der Computer-CPU und dem menschlichen Gehirn“ ein. Der Biologielehrer kommentierte: „Alle zehn Jahre gibt es in der Informatikabteilung jemanden wie Sie.“

Seit der Erfindung des Computers versucht man, das menschliche Gehirn durch mathematische Analysen und Computersimulationsmethoden zu erforschen. So entstand der Zweig der Computerneurowissenschaft. Computer- und Bioexperten nutzen neue Tools und interdisziplinäre, technologieübergreifende Anwendungen, um die Hirnforschung voranzutreiben.

Womit Wang Xiaofei nicht gerechnet hatte, war, dass sich seinem Traum 20 Jahre später eine neue Chance bot.

Kürzlich fand im Ant A Space in Hangzhou ein äußerst spannendes Eröffnungstreffen zum Projekt „Gehirnsimulationsarchitektur basierend auf Graph Computing“ statt. Das Ant Technology Research Institute und das Fudan University Brain Science Institute haben gemeinsam ein neues Forschungsprojekt zur Integration von Industrie, Universität und Forschung gestartet. Dabei wird Graphencomputertechnologie eingesetzt, um gehirnähnliche Forschung zu betreiben und den Menschen neue Möglichkeiten zum Verständnis des Gehirns zu eröffnen.

Ein neuer Versuch der grenzüberschreitenden

Als interdisziplinärer Wissenschaftler, der sich sowohl mit Computern als auch mit Neurowissenschaften auskennt, ist Wang Xiaofei der Vermittler dieses Projekts. Derzeit ist er Ingenieur am Institut für Gehirnforschung der Universität Fudan. Chen Wenguang, derzeit Dekan des Ant Technology Research Institute und Hauptverantwortlicher für Ant Graph Computing, war Professor am Institut für Informatik der Tsinghua-Universität. Wang Xiaofei kennt ihn seit vielen Jahren.

„Xiao Fei lud mich eines Tages am Tor der Tsinghua-Universität zu einem Kaffee ein und gab mir dann ein Papier, auf dem stand, dass das Gehirn bereits ein solches Niveau erreicht habe und meine Graphenberechnung verwendet werden könne.“ Chen Wenguang erinnerte sich, dass sein erstes Gefühl nach dem Lesen der Zeitung war: Das ist eine gute Sache.

Andererseits kommunizierte Wang Xiaofei seine Ideen mit Wang Yun, dem leitenden PI und Doktorvater am Institut für Gehirnforschung der Universität Fudan. Obwohl er den Begriff „Graph Computing“ zum ersten Mal hörte, war er sehr überrascht, als er sah, dass Graph Computing natürliche Ähnlichkeiten mit neuronalen Netzwerken des Gehirns aufweist, insbesondere die dynamischen und veränderlichen Graphbeziehungen, die dem Wachstum und der Plastizität neuronaler Synapsen sehr ähnlich sind. Wang Yun war der Meinung, dass dies das Sinnvollste sei, was er vor seiner Pensionierung tun würde.

Beide Seiten hegen eine starke Erwartung: In einer Zeit, in der eine neue Technologie nach der anderen auf den Markt kommt, ist es an der Zeit, etwas Bahnbrechendes zu tun.

„Natürlich ist grenzüberschreitend eine sehr schwierige Sache. Am Anfang kannte Lehrer Chen Wenguang die Begriffe, die ich erwähnte, nicht und ich verstand die Begriffe, die Lehrer Chen Wenguang erwähnte, nicht.“ Wang Yun gab zu, dass glücklicherweise Wang Xiaofei unter ihnen war.

Von links: Chen Wenguang, Wang Xiaofei, Wang Yun, Zhu Xiaowei

Als nächstes wird sich dieses Projekt auf das Neuropharmakologie-Labor des Instituts für Gehirnforschung an der Universität Fudan und das Graph Computing-Labor des Ant Technology Research Institute stützen, um durch die enge Integration von Graph Computing, künstlicher Intelligenz und experimenteller Neurowissenschaft eine neue Generation groß angelegter, hochpräziser Gehirnsimulationssysteme zu schaffen, die neue Forschungsmethoden zum Verständnis biologischer Intelligenz und zur Behandlung von Gehirnerkrankungen bereitstellen und Spitzenforschung in der Wissenschaft unterstützen.

Das Gehirn mit Computern simulieren

Was ist Gehirnsimulation? Was ist Graph Computing? Viele Menschen sind nach der Lektüre möglicherweise verwirrt: Können Computer wirklich das Gehirn simulieren? Schon beim Erscheinen des Science-Fiction-Films „Transcendence“ im Jahr 2017 fragten sich unzählige Zuschauer: Wird es uns tatsächlich eines Tages gelingen, das Gehirn des Hauptdarstellers Johnny Depp in einen Computer zu laden?

„Wir alle wissen, dass das menschliche Gehirn sehr komplex und äußerst wichtig ist. Aus diesem Grund macht das Gehirn eines Menschen nur 2 bis 3 Prozent des Körpergewichts aus, sein Sauerstoffverbrauch beträgt jedoch 20 Prozent des gesamten Menschen.“ Wang Yun erklärte allen, dass die Grundeinheit des menschlichen Gehirns das Neuron sei. In unserem Gehirn gibt es etwa 100 Milliarden Neuronen, die durch etwa 100 Billionen Synapsen miteinander verbunden sind. Über diese komplexe Verbindungsbeziehung werden Neuronen zur Übertragung und Verarbeitung von Informationen verwendet.

Wir sagen oft, dass man, wenn man einmal von einer Schlange gebissen wurde, zehn Jahre lang Angst vor Schlangen haben wird. Das Prinzip besteht darin, dass durch die Übertragung von Informationen von Neuron zu Neuron ein „Angstgedächtnis“ entsteht und unser zukünftiges Verhalten beeinflusst.

Die Menschheit hat nie aufgehört, die Grenzen der Gehirnforschung zu erforschen. Derzeit haben Europa, die USA, Japan und andere Länder nacheinander bekannte Forschungsprojekte wie das „Blue Brain Project“ und das „BRAIN Project“ gestartet. Mein Land hat 2021 außerdem offiziell das „China Brain Project“ gestartet. Die Gehirnprojekte verschiedener Länder der Welt haben eine große Menge neurobiologischer Daten gesammelt.

Gleichzeitig brachte IBM 2014 auf technischer Ebene einen Chip auf den Markt, der dem menschlichen Gehirn ähnelt. Der Chip verfügt über eine Million „Neuronen“ und 256 Millionen „Synapsen“ und kann vorübergehend Gehirnaktivität simulieren. Im selben Jahr gelang es dem japanischen Unternehmen K Computer, mithilfe von 83.000 Prozessoren ein Prozent der menschlichen Gehirnaktivität in einer Sekunde zu simulieren. Zuvor hatte Musk auch behauptet, er habe sein Gehirn in die Cloud hochgeladen.

Allerdings basiert die Architektur, die in aktuellen Gehirnsimulationssystemen üblicherweise verwendet wird, immer noch auf der Datenmenge, der Computerleistung und dem biologischen Verständnis der Nerven von vor 20 Jahren. Daher erfordert die Computational Neuroscience eine völlig neue Architektur zur Gehirnsimulation, um größere Datenmengen zu verarbeiten und eine höhere Rechenleistung bereitzustellen und so genauere Simulationen und Vorhersagen zu erreichen. Aus dieser Perspektive weist die Graph-Computing-Technologie inhärente Ähnlichkeiten mit Neuronen und Gehirnsimulation auf. Die auf Graphencomputertechnologie basierende hochpräzise Gehirnsimulationsarchitektur soll eine neue Forschungsmethode und Möglichkeit bieten, die Geheimnisse des Gehirns zu enthüllen.

Eine hochpräzise Architektur zur Gehirnsimulation

Wenn es um Bilder geht, ist das Gebräuchlichste und für den Normalbürger am leichtesten zu verstehende ein Bild. „Aber der Graph hier ist kein Graph aus Bildern, sondern eher ein Wissensgraph, eine abstrakte Datenstruktur, die aus zwei grundlegenden Datentypen besteht: Scheitelpunkten und Kanten“, erklärt Zhu Xiaowei, ein Forscher am Graph Computing Laboratory des Ant Technology Research Institute. Wenn wir beispielsweise Projekte, Mitarbeiter und Unternehmen als drei verschiedene Eckpunkte betrachten, gibt es verschiedene Beziehungen zwischen diesen verschiedenen Arten von Eckpunkten. Mitarbeiter können miteinander befreundet sein, Mitarbeiter können bei einem bestimmten Unternehmen angestellt sein und an einem bestimmten Projekt teilnehmen. Diese Beziehungen sind Kanten.

Als Computermodell, das Assoziationsbeziehungen auf der Grundlage von Punkten und Kanten erstellt, besteht der größte Vorteil des Graph Computing darin, dass es dynamische Echtzeitanalysen von Punkt-Kanten-Beziehungen in einer Größenordnung von bis zu einer Billion durchführen kann. Die Ant Group begann 2015 mit der Erforschung des Graph-Computing und entwickelte verwandte Technologien wie Graph-Datenbanken, Streaming-Graph-Computing-Engines und Graph-Learning, wodurch ein weltweit führender Graph-Computing-Cluster entstand.

Als wichtiges Finanzinstrument nutzt Alipay Graph Computing im Risikomanagement einiger Schwarz-Weiß-Branchen wie gefälschten Bestellungen und Betrug. Nehmen wir das Szenario im Internet als Beispiel: Skrupellose Händler nutzen oft verschiedene Bankkarten und Bekannte, um den „Kreislauf“ der Auftragsabwicklung oder Auszahlung zu schließen. Das Datenmuster des reinen Kapitalflusses kann keine Hinweise liefern, aber mit Hilfe von Graphdatenmustern können solche geschlossenen Regelkreise entdeckt werden, um Risiken im Voraus zu vermeiden.

Aus diesem Grund können wir in Zukunft versuchen, die Struktur von Neuronen durch Graphenberechnungen mit hoher Präzision wiederherzustellen, biologische Experimente zu simulieren, um Daten zu erhalten, und biologische Experimente weiter zu kombinieren, um sie gegenseitig zu überprüfen. Wang Yun lachte und sagte, wenn die Leute Biologen erwähnen, sei ihre erste Reaktion, „den ganzen Tag Mäuse zu studieren“. Wenn die Forschung im Bereich der Gehirnforschung auf biologische Laboratorien beschränkt bleibt, wird sie zweifellos sehr langweilig und ineffizient sein. Mithilfe hochpräziser simulierter Gehirne können wissenschaftliche Experimente jedoch effizienter, schneller und kohlenstoffärmer werden.

Wenn der Mensch sein eigenes Gehirn gründlich versteht, wird auch sein Vorstellungsraum größer sein. Beispiele hierfür sind die Behandlung von Krankheiten, die Bereitstellung von Modellen für ein frühes Target-Screening in der Arzneimittelforschung, die Förderung einer verfeinerten und effizienteren Arzneimittelentwicklung, die Verkürzung der Zeit bis zur Markteinführung von Arzneimitteln usw.

Dies ist natürlich nur der Anfang. Chen Wenguang vom Ant Technology Research Institute sagte dazu: „Interdisziplinäre Felder sind sehr vielversprechend, doch die wissenschaftliche Erforschung selbst ist mit Unsicherheiten behaftet. Es ist noch unklar, welche Ergebnisse auf diesem Gebiet möglich sind. Wir sind jedoch auf dem richtigen Weg und in die richtige Richtung.“

Liu Yongli, Reporter von Metropolis Express und Orange-Persimmon Interactive