Suchen

Ein Computerchip, der die Gefahr riecht

| Redakteur: Sebastian Gerstl

Mit Hilfe eines neuromorphen Chips können Computer auch ohne Nase Gerüche wahrnehmen. Einen entsprechenden Baustein haben Forscher der Intel Labs und der Cornell University entwickelt. Der Chip ahmt Struktur und elektrischen Aktivitäten eines menschlichen Gehirns nach, um so unterschiedliche Gerüche zu erlernen und gefährliche Stoffe am Duft zu erkennen.

Firmen zum Thema

Ob bei Katze oder Mensch: die Art der elektrischen Impulse, die bei der Wahrnehmung von Gerüchen im Gehirn entstehen, sind nahezu identisch. Forscher der Intel Labs und der kalifornischen Cornell University haben sich dieses Prinzip zunutze gemacht, um einen Algorithmus auf einem neuromorphen Chip zur Erkennung von Gerüchen zu trainieren.
Ob bei Katze oder Mensch: die Art der elektrischen Impulse, die bei der Wahrnehmung von Gerüchen im Gehirn entstehen, sind nahezu identisch. Forscher der Intel Labs und der kalifornischen Cornell University haben sich dieses Prinzip zunutze gemacht, um einen Algorithmus auf einem neuromorphen Chip zur Erkennung von Gerüchen zu trainieren.
(Bild: gemeinfrei / Pixabay )

Wie ist ein menschliches Gehirn in der Lage, Gerüche voneinander zu unterscheiden? Ein Geruch wird zunächst am sogenannten Riechkolben, einem Bereich an der vorderen Basis des Gehirns, wahrgenommen. Von dort transportieren die Riechnerven entsprechende Signale weiter an bestimmte Cluster im Gehirn. Die entstehenden elektrischen Aktivitäten wecken die Erinnerungen und Assoziationen mit den eingehenden Gerüchen. So ist der Mensch in der Lage, wohlige von schlechten Gerüchen zu unterscheiden.

Dieses System ist bei anderen Tierarten, auch bei manchen Insektenarten, ähnlich aufgebaut. „Diese Implementierungen [des Geruchssinns] besitzen wahrscheinlich etwas ziemlich Grundlegendes und Effizientes, wenn die Evolution in so vielen verschiedenen Fällen zu ihnen geführt hat“, sagt Mike Davies, der Direktor von Intels Neuromorphic Computing Lab. Aus diesem Grund sei es naheliegend, diese Funktionsweisen in sogenannten neuromorphen Chips nachzubilden und Computern somit das Riechen beizubringen.

Der algorithmisch richtige Riecher

Dass dies funktioniert, haben Forscher der Intel Labs und der kalifornischen Cornell University nun in einer Studie nachgewiesen. Sie arbeiteten mit auf den olfaktorischen Sinn spezialisierten Neurophysiologen zusammen, die die Gehirne von Tieren beim Riechen untersuchen. Auf dieser Grundlage entstand der Entwurf eines elektrischen Schaltkreis, der die neuronalen Verbindungen nachbilden soll, die aktiviert werden, wenn ihr Gehirn einen Geruch verarbeitet. Dieser wurde auf einem Loihi-Testchip nachgebildet, einem selbstlernenden neuromorphen Prozessor, der speziell für künstliche Intelligenz in PCs und Rechenzentren sorgen soll. Darüber hinaus entwarfen sie einen Algorithmus, der das Verhalten der elektrischen Signale widerspiegelt, die durch diese Schaltung pulsieren.

„Wir entwickeln neurale Algorithmen auf Loihi, die nachahmen, was in Ihrem Gehirn passiert, wenn Sie etwas riechen,“ sagt Nabil Imam, leitender Forschungsmitarbeiter der Intel Labs für neuromorphe Datenverarbeitung. Mit Hilfe von 72 chemischen Sensoren, die unterschiedliche Charakteristika aufzeichneten, trainierten die Forscher daraufhin den Algorithmus auf 10 unterschiedliche Gerüche.

In der Folge war der Testchip in der Lage, mit weit weniger Trainingsproben als ein herkömmlicher Chip genau zwischen ihnen zu unterscheiden. Bisherige Ansätze bräuchten bis zu das 3000-fache an Trainingsproben wie der in der Intel-Studie demonstrierte Ansatz.

Der Chip ist aktuell noch ein relativ früher Prototyp. Sobald die Technologie ausgereift ist sehen die Forscher allerdings eine Reihe von Anwendungen für den Riech-Algorithmus. Ein entsprechend trainierter Chip könnte ähnlich wie ein Spürhund zum „Erschnüffeln“ von Bomben eingesetzt werden. Ein weiteres Einsatzszenario wäre zur Frühwarnung vor schädlichen Dämpfen in chemischen Anlagen. Darüber hinaus demonstriere der Chip laut Studie auch das Potenzial des neuromorphen Rechnens für eine dateneffizientere KI.

Nabil Imam, Intel Labs, mit einem von ihm mitentwickelten Prototypen des auf Geruch trainierten neuromorphen Loihi-Testchips. Er und ein Forschungsteam der Cornell University haben mathematische Algorithmen für Computerchips entwickelt, die nachahmen, was im menschlichen Gehirn bei Geruchswahrnehmungen vor sich geht.
Nabil Imam, Intel Labs, mit einem von ihm mitentwickelten Prototypen des auf Geruch trainierten neuromorphen Loihi-Testchips. Er und ein Forschungsteam der Cornell University haben mathematische Algorithmen für Computerchips entwickelt, die nachahmen, was im menschlichen Gehirn bei Geruchswahrnehmungen vor sich geht.
(Bild: Walden Kirsch/Intel Corporation)

Bislang basieren die derzeit populärsten Chips für die Ausführung von hochmodernen Deep-Learning-Algorithmen auf einer sogenannten von-Neumman-Architektur. Diese Designkonvention ist im Forschungsfeld zu künstlicher Intelligenz bereits seit Jahrzehnten etabliert. Allerdings gelten Chips auf Basis einer solchen Architektur mittlerweile als ineffiziente Lerner: Die Algorithmen, die auf ihnen laufen, benötigen im Gegensatz den weitaus effizienter arbeitenden menschlichen Gehirnen enorme Mengen an Trainingsdaten. Neuromorphe Chips nach dem Ansatz, wie Intel ihn in Loihi verfolgt, versuchen daher, die Struktur des Gehirns so weit wie möglich zu erhalten. Ziel dahinter ist, durch diese enge Nachahmung die Lerneffizienz des Chips zu verbessern. Mit der Studie tritt Intel den Beweis an, dass der Loihi-Chip erfolgreich dazu gebracht werden kann, aus sehr wenigen Proben zu lernen.

Für die Zukunft plant das Forschungsteam, das Design seines neuromorphen Chips zu verbessern und ihn auf andere Funktionen des Gehirns jenseits des Geruchs anzuwenden. Davies sagt, das Team werde sich wahrscheinlich als nächstes dem Sehen oder Berühren zuwenden, habe aber längerfristige Ambitionen, komplexere Prozesse in Angriff zu nehmen. „Unsere Wahrnehmungsmechanismen sind der natürliche Ansatzpunkt, weil sie gut verstanden sind“, sagt er. „Aber in gewisser Weise arbeiten wir uns in und in das Gehirn hinein, bis hin zu den höherwertigen Denkprozessen, die sich abspielen“.

Die Studie „Rapid online learning and robust recall in a neuromorphic olfactory cirtcuit “ ist in Ausgabe 2 des Fachblatts Nature Machine Intelligence erschienen.

(ID:46413491)