ENGINEERINGNET -- Dit netwerk zal niet alleen de werking van de hersenen verklaren en computers met menselijke intelligentie opleveren, maar baant ook de weg voor hersengestuurde apparaten zoals gedachtelezende computers en robotarmen voor gehandicapten.
Hoewel de capaciteit voor een kunstmatig brein in het recent door IBM aangekondigde Compass-project al bereikt lijkt te worden, is een accuraat model van informatieuitwisseling in de hersenen nodig om een werkelijk intelligent netwerk te kunnen bouwen.
Neuroinformaticus Sander Bohte van het Nederlandse Centrum Wiskunde & Informatica (CWI) in Amsterdam presenteert op de wetenschappelijke conferentie NIPS 2012 een nieuw model dat informatieverwerking in de hersenen verklaart.
In dit model kunnen neuronen zich aanpassen aan de omstandigheden waardoor ze in korte tijd veel meer informatie kunnen verwerken. Huidige modellen houden hier geen rekening mee.
Hoe de hersenen werken is nog grotendeels een raadsel. Ze hebben de rekenkracht van 100 moderne supercomputers, maar passen hebben het volume van een frisdrankfles en verbruiken niet meer energie dan een klein gloeilampje.
Neuroinformatici zijn erop gebrand om te ontdekken hoe het neurale netwerk van de hersenen zo’n efficiënt rekenapparaat vormt. In de standaardmodellen verstuurt een neuron een elektrische puls (spike) door het netwerk als de opgebouwde elektrische spanning boven een bepaalde waarde komt.
Hoe sneller een neuron dus pulsen binnenkrijgt, hoe sneller hij deze ook gaat versturen. In standaard neurale netwerken is dit de basis voor berekeningen.
Volgens Bohte is dit model niet juist: “Het gaat niet alleen om de hoeveelheid pulsen die binnenkomt, maar ook om de verandering in betekenis van deze pulsen. Als je van binnen naar buiten loopt, krijg je ineens miljarden keren meer licht op je netvlies dan binnenshuis.Toch verandert de informatieverwerking in je hersenen niet: na een paar tellen zie je net zo scherp als binnen.”
In het alternatieve model dat Bohte presenteert is deze dynamische component wel opgenomen. De eerste simulaties en tests op experimentele data laten zien dat de neurale netwerken uit het nieuwe model sneller en accurater zijn dan bestaande modellen, en daarmee meer op de menselijke hersenen lijken.
Met dit model staat de deur open voor een nieuwe generatie neurale netwerken die veel nauwkeuriger het brein nabootsen en krachtig en efficiënt kunnen rekenen aan problemen als spraakherkenning en robotbewegingen.
(GL)
