En katt kan känna igen ett ansikte snabbare och mer effektivt än en superdator. Det är en anledning till att en katthjärna är modellen för ett biologiskt inspirerat datorprojekt som involverar University of Michigan.
U-M dataingenjör Wei Lu har tagit ett steg mot att utveckla denna revolutionerande typ av maskin som skulle kunna lära sig och känna igen, samt att ta mer komplexa beslut och utföra fler uppgifter samtidigt än vad konventionella datorer kan.
Lu byggde tidigare en "memristor, "en enhet som ersätter en traditionell transistor och fungerar som en biologisk synaps, minns tidigare spänningar den utsattes för. Nu, han har visat att denna memristor kan koppla ihop konventionella kretsar och stödja en process som är grunden för minne och inlärning i biologiska system.
En artikel om forskningen publiceras online i Nanobokstäver och är planerad att visas i den kommande aprilupplagan av tidskriften.
"Vi bygger en dator på samma sätt som naturen bygger en hjärna, sa Lu, en biträdande professor vid U-M institutionen för elektroteknik och datavetenskap. "Tanken är att använda ett helt annat paradigm jämfört med konventionella datorer. Katthjärnan sätter ett realistiskt mål eftersom den är mycket enklare än en mänsklig hjärna men ändå extremt svår att replikera i komplexitet och effektivitet."
Dagens mest sofistikerade superdator kan utföra vissa uppgifter med en katts hjärnfunktionalitet, men det är en enorm maskin med mer än 140, 000 centrala enheter och en dedikerad strömförsörjning. Och den fungerar fortfarande 83 gånger långsammare än en katts hjärna, Lu skrev i sin tidning.
I ett däggdjurs hjärna, neuroner är förbundna med varandra genom synapser, som fungerar som omkonfigurerbara switchar som kan bilda vägar som länkar samman tusentals neuroner. Viktigast, synapser kommer ihåg dessa vägar baserat på styrkan och timingen av elektriska signaler som genereras av neuronerna.
I en vanlig dator, logik- och minnesfunktioner finns på olika delar av kretsen och varje beräkningsenhet är bara ansluten till en handfull grannar i kretsen. Som ett resultat, konventionella datorer exekverar kod på ett linjärt sätt, rad för rad, sa Lu. De är utmärkta på att utföra relativt enkla uppgifter med begränsade variabler.
Men en hjärna kan utföra många operationer samtidigt, eller parallellt. Det är så vi kan känna igen ett ansikte på ett ögonblick, men även en superdator skulle ta mycket, mycket längre och förbrukar mycket mer energi på att göra det.
Än så länge, Lu har kopplat två elektroniska kretsar med en memristor. Han har visat att detta system är kapabelt till en minnes- och inlärningsprocess som kallas "spike timing dependent plasticity". Denna typ av plasticitet syftar på förmågan hos kopplingar mellan neuroner att bli starkare baserat på när de stimuleras i förhållande till varandra. Spike timing beroende plasticitet tros vara grunden för minne och inlärning i däggdjurs hjärnor.
"Vi visar att vi kan använda spänningstiming för att gradvis öka eller minska den elektriska konduktansen i detta memristorbaserade system. I våra hjärnor, liknande förändringar i synapskonduktans ger i huvudsak upphov till långtidsminne, " sa Lu.
Nästa steg är att bygga ett större system, sa Lu. Hans mål är att uppnå sofistikeringen av en superdator i en maskin lika stor som en tvåliters dryckesbehållare. Det kan vara flera år bort.
Lu sa att en elektronisk analog till en katthjärna skulle kunna tänka intelligent på kattnivå. Till exempel, om uppgiften var att hitta den kortaste vägen från ytterdörren till soffan i ett hus fullt av möbler, och datorn vet bara formen på soffan, en konventionell maskin skulle kunna åstadkomma detta. Men om du flyttade soffan, den skulle inte inse anpassningen och hitta en ny väg. Det är vad ingenjörer hoppas att katthjärnadatorn skulle vara kapabel till. Projektets största finansiär, Defence Advanced Research Projects Agency, är inte intresserad av soffor. Men detta illustrerar vilken typ av inlärning maskinen är designad för.
