Kommentar von Ihar Rubanau, Sigma Software Group Deep Learning trifft auf Roboter und Neurowissenschaften

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Disy Informationssysteme GmbH

Xpand Solutions GmbH

Der Bereich der Künstlichen Intelligenz (KI) entwickelt sich rasant weiter, angetrieben von neuen Trends, die sich auf verschiedene Branchen auswirken. Deep Learning oder neuronale Netze haben in Bereichen wie der Verarbeitung von natürlicher Sprache, Computer Vision, Reinforcement Learning und Generative Adversarial Networks bemerkenswerte Fortschritte gemacht.

Auch die Quanteninformatik birgt das große Versprechen, unser Leben zu verändern, die Rechenleistung zu revolutionieren und beispiellose Fortschritte in der KI und anderen Bereichen zu ermöglichen. Ihre Fähigkeit, komplexe Berechnungen durchzuführen und große Datenmengen gleichzeitig zu verarbeiten, eröffnet neue Möglichkeiten.

Deep Learning

Deep Learning, eine vom menschlichen Gehirn inspirierte Form des maschinellen Lernens, verfügt über komplexe Architekturen, die als künstliche neuronale Netze (KNN) bekannt sind. KNN bestehen aus miteinander verbundenen Schichten von Neuronen, die Daten verarbeiten und umwandeln. Herkömmliche KNN sind oberflächlich und verfügen nur über einige wenige verborgene Schichten, während Deep-Learning-Modelle Dutzende oder sogar Hunderte von verborgenen Schichten aufweisen und damit in der Lage sind, komplizierte Muster und hierarchische Merkmale zu erfassen.

Eine Anwendung des Deep Learning ist die Bild-zu-Text- und Text-zu-Bild-Erstellung, bei der Verfahren wie Generative Adversarial Networks (GAN) und Variational Autoencoder (VAE) eingesetzt werden, um komplexe Beziehungen zwischen Text und Bildern zu lernen. Diese Modelle werden in den Bereichen Computergrafik, Kunst, Werbung, Mode, Unterhaltung, virtuelle Realität, Spiele, Datenvisualisierung und Storytelling eingesetzt.

Aufbau des VAE-Algorithmus

Dem Deep Learning stehen jedoch Herausforderungen in Bezug auf Rechenleistung und Energieeffizienz gegenüber. Die Modelle erfordern leistungsstarke GPUs oder spezielle Hardware, was die Zugänglichkeit einschränkt. Außerdem kann die Schulung und Ausführung von Deep-Learning-Modellen rechenintensiv und energieaufwendig sein, was Bedenken hinsichtlich der Energieeffizienz aufwirft.

Große Modelle

Neben den technischen Überlegungen zu großen Sprach- und Bildmodellen gibt es eine weitere Herausforderung, die von den Regierungen weltweit ausgeht. Diese drängen auf Vorschriften für KI-Modelle und fordern von den Modellbesitzern, einschließlich Plattformen wie ChatGPT, Transparenz, um die Funktionsweise ihrer Modelle zu erklären. Doch weder große Unternehmen wie OpenAI, Microsoft oder Google noch die wissenschaftliche KI-Gemeinschaft haben klare Antworten auf diese Fragen. Sie geben zu, ein allgemeines Verständnis zu haben, sind aber nicht in der Lage, genau zu sagen, warum die Modelle eine bestimmte Antwort geben und eine andere nicht.

Jüngste Vorkommnisse wie das zeitweise Verbot von ChatGPT in Italien und die Anschuldigungen von Elon Musk gegen Microsoft wegen der unbefugten Nutzung von Twitter-Daten durch ChatGPT sind nur der Anfang eines größeren Problems. Es scheint, dass sich unter den führenden IT-Unternehmen ein neuer Kampf zusammenbraut, bei dem es darum geht, wer das „größte Modell“ für sich beanspruchen kann und welche Daten für solche Modelle genutzt werden können.

In einem kürzlich erschienenen Blogbeitrag lobte Bill Gates ChatGPT und bezeichnete die Fortschritte in der KI als „revolutionär“. Gates betonte die Notwendigkeit „revolutionärer“ Lösungen für die anstehenden Herausforderungen.

Neurowissenschaften

In „The Thousand Brains Theory“ stellt J. Hawkins eine neue Perspektive vor, wie das menschliche Gehirn Informationen verarbeitet. Die Theorie besagt, dass der Neocortex aus funktionell unabhängigen Spalten besteht, ähnlich wie Mini-Gehirne, die sensorische Eingaben lernen und modellieren, Vorhersagen machen und interne Modelle aktualisieren. Dieser Prozess bildet die Grundlage für intelligentes Verhalten.

Ein Schlüsselkonzept der Theorie „Thousand Brains“ ist die „spärliche Repräsentation“. Gemäß dieser Theorie werden verschiedene sensorische Eingaben unabhängig voneinander in separaten Spalten verarbeitet, die dann die Ausgaben kombinieren, um eine einheitliche Wahrnehmung zu erstellen. Die spärliche Repräsentation, bei der jeweils nur eine Untergruppe von Neuronen aktiv ist, ermöglicht eine effiziente Verarbeitung und selektive Aktualisierungen im Gehirn. Dieser Mechanismus erleichtert die neuronale Verformbarkeit und ermöglicht es dem Gehirn, Verbindungen je nach Bedarf anzupassen und zu verfeinern und dabei Energie zu sparen.

Praktische Anwendungen der Theorie, wie z .B. die Zusammenarbeit mit Intel, haben zu erheblichen Leistungssteigerungen in Bereichen wie der Verarbeitung natürlicher Sprache und der Computer Vision geführt. Die Kunden können dank dieser Partnerschaft eine 10- bis über 100-fache Leistungssteigerung erzielen.

Metaverse

Während sich viele auf große Sprachmodelle konzentrieren, verfolgt Meta einen ganz eigenen Ansatz. In einem Blogbeitrag mit dem Titel „Robots learning from videos and simulated interactions“ hebt das KI-Team von Meta das „Moravecsches Paradox“ hervor. Gemäß dieser These liegen die schwierigsten Probleme der KI in den sensomotorischen Fähigkeiten, nicht im abstrakten Denken oder Gedankengang. Meta kündigt zwei bedeutende Fortschritte bei verkörperten KI-Agenten für allgemeine Zwecke an.

• 1. Zunächst stellen sie VC-1 vor, einen künstlichen visuellen Cortex, der eine breite Palette von sensomotorischen Fähigkeiten, Umgebungen und Ausführungsformen unterstützt.

• 2. Darüber hinaus entwickelt das Team von Meta „Adaptive Skill Coordination“ (ASC), ein innovatives Konzept, das eine Erfolgsquote von 98 Prozent bei mobilen Manipulationsaufgaben durch Roboter erreicht. Dazu gehört das Navigieren, Aufnehmen von Objekten, Bewegen und Anordnen in physischen Umgebungen.

ChatGPT-Modelle haben einen großen Rummel und eine unverhältnismäßig große öffentliche Aufmerksamkeit erregt, obwohl sie in erster Linie auf statistischen Ansätzen beruhen. Im Gegensatz dazu legen die Fortschritte von Meta den Schwerpunkt auf sensomotorische Fähigkeiten und „verkörperte“ KI, anstatt sich auf große Sprachmodelle zu konzentrieren.

Die Durchbrüche von Meta stellen wesentliche wissenschaftliche Fortschritte dar und legen den Grundstein für eine revolutionäre Erweiterung von VR und Robotik. Der gesamte Artikel bietet eingehende Einblicke, wie die bemerkenswerten Fortschritte in der KI-Innovation diese Bereiche prägen.

Robotik

Zurzeit gibt es zwei bekannte Roboter in diesem Bereich, Atlas und Spot ,die beide online gekauft werden können. Diese Roboter sind bemerkenswerte technische Kunststücke, doch ihre Fähigkeiten sind immer noch durch das Fehlen eines fortschrittlichen „Gehirns“ begrenzt. Genau hier kommt der künstliche visuelle Cortex von Meta als potenzieller Gamechanger ins Spiel. Durch die Integration von Robotik und KI hat er das Potenzial, zahlreiche Branchen und Sektoren wie Herstellung, Gesundheitswesen, Transport, Landwirtschaft und Unterhaltung zu revolutionieren. Der künstliche visuelle Cortex von Meta verspricht, die Fähigkeiten dieser Roboter zu verbessern und den Weg für noch nie dagewesene Fortschritte in der Robotik zu ebnen.

Gehirn-Computer/Gehirn-Gehirn-Schnittstellen

Die Neuroplastizität des menschlichen Gehirns bietet einen entscheidenden Vorteil im Verhältnis zur KI, da es sich verändern und anpassen kann. Die Kommunikation zwischen menschlichen Gehirnen und KI-Systemen ist jedoch begrenzt. Um dieses Problem zu lösen, werden neue Schnittstellen für das Gehirn entwickelt.

Herkömmliche Kommunikationsmethoden sind im Vergleich zu KI-Modellen langsam. Aus diesem Grund werden direkte Schnittstellen zwischen Gehirn und Neuralnetz angestrebt. Gehirn-Computer-Schnittstellen ermöglichen die direkte Kommunikation und Interaktion zwischen dem Gehirn und externen Geräten und finden Anwendung in Bereichen wie Neuroprothetik, Kommunikation und VR-Unterhaltung.

Kernel Flow erfasst EEG- und fMRT-ähnliche Daten, was die Schaffung virtueller Welten aus Träumen potenziell ermöglichen könnte.

Im Gegensatz dazu wirbt das von Elon Musk gegründete Unternehmen Neuralink für invasive Gehirnimplantate, die breitere Kommunikationskanäle und das Potenzial für eine Zwei-Wege-Kommunikation bieten. Man stelle sich eine Zukunft vor, in der Informationen direkt an den Neocortex übermittelt werden, ohne unsere Augen und Ohren zu beanspruchen.

Quanteninformatik

Wenn die Neurowissenschaften und das menschliche Gehirn nicht schon faszinierend genug sind, gibt es noch ein weiteres verblüffendes Thema zu erforschen: Quantencomputer. Diese außergewöhnlichen Maschinen haben das Potenzial, klassische Computer bei bestimmten Rechenaufgaben zu übertreffen. Durch die Nutzung von Quantenüberlagerungen und -verschränkungen – den Vorreitern der modernen Physik – können Quantencomputer parallele Berechnungen zu einer effizienteren Lösung bestimmter Probleme durchführen. Beispiele hierfür sind die Faktorisierung großer Zahlen, die Lösung komplexer Optimierungsprobleme, die Simulation von Quantensystemen und das futuristische Konzept der Quantenteleportation. Diese Fortschritte werden Bereiche wie die Kryptografie, die Arzneimittelforschung, die Materialwissenschaft und die Finanzmodellierung nachhaltig verändern. Um einen Einblick in die Quantenprogrammierung zu bekommen, kann man www.quantumplayground.net besuchen und innerhalb weniger Minuten sein erstes Quantenskript schreiben.

Obwohl die Zukunft von Natur aus ungewiss ist, bleibt eines klar: Die Zukunft der Menschheit wird von den Entscheidungen und Handlungen des Einzelnen, der Gemeinschaften, der Institutionen und der Regierungen geprägt sein. Es ist von entscheidender Bedeutung, dass wir uns gemeinsam um positive Veränderungen bemühen, drängende globale Probleme angehen, Inklusivität und Nachhaltigkeit fördern und gemeinsam daran arbeiten, eine bessere Zukunft für die gesamte Menschheit zu schaffen.

(ID:49708515)