Het Korea Advanced Institute of Science and Technology (KAIST) kondigde in januari 2024 de ontwikkeling aan van een zelflerende memristor, een component die is ontworpen om de functie van synapsen in het menselijk brein te repliceren. Volgens KAIST-president Kwang Hyung Lee kan het nieuwe apparaat zijn eigen fouten corrigeren en zijn prestaties in de loop van de tijd verbeteren, waarmee eerdere uitdagingen in neuromorfe systemen worden aangepakt.
Het onderzoek, gepubliceerd in het tijdschrift Nature Electronics, schetst de mogelijkheden van de memristor. Onderzoekers melden dat de chip bijvoorbeeld kan leren een bewegend beeld van de achtergrond te scheiden tijdens videoverwerking en geleidelijk zijn vermogen om deze taak uit te voeren kan verbeteren. Deze vooruitgang zou ervoor kunnen zorgen dat complexe AI-taken lokaal op apparaten kunnen worden uitgevoerd in plaats van te vertrouwen op externe cloudservers, wat zowel de privacy als de energie-efficiëntie zou vergroten.
“Dit systeem is als een slimme werkruimte waar alles binnen handbereik is, in plaats van heen en weer te moeten gaan tussen bureaus en archiefkasten”, aldus KAIST-onderzoekers Hakcheon Jeong en Seungjae Han in een persverklaring. “Dit is vergelijkbaar met de manier waarop ons brein informatie verwerkt, waarbij alles in één keer efficiënt op één plek wordt verwerkt.”
De memristor, een term afgeleid van ‘geheugen’ en ‘weerstand’, wordt beschouwd als een fundamenteel element voor neuromorfisch of hersenachtig computergebruik. Het concept werd voor het eerst ontwikkeld in 1971 door de Amerikaanse elektrotechnisch ingenieur en computerwetenschapper Leon Chua. Hij stelde voor dat er naast de weerstand, condensator en inductor een vierde fundamentele elektrische component moet bestaan. Chua stelde zich de memristor voor als een niet-vluchtige geheugencomponent die informatie kan opslaan, zelfs als deze is uitgeschakeld.
Hoewel de theorie al tientallen jaren bestond, ontdekten onderzoekers memristors pas in 2008 experimenteel. Deze doorbraak leidde tot wereldwijde wetenschappelijke inspanningen om hun mogelijkheden te verbeteren. Het vermogen van een memristor om zowel gegevensopslag als berekeningen tegelijkertijd uit te voeren, maakt het een effectieve vervanger voor een kunstmatige synaps in een AI-neuraal netwerk, dat nabootst hoe het menselijk brein functioneert.
Een primair doel van dit onderzoeksveld is het bouwen van computers die kunnen werken met de efficiëntie en kracht van het menselijk brein. De hersenen kunnen naar schatting één miljard miljard (10^18) wiskundige bewerkingen per seconde uitvoeren met slechts 20 watt aan vermogen. Het bereiken van dit niveau van hyperefficiëntie is een sleutelvereiste voor de ontwikkeling van een praktisch neuromorfisch AI-brein.
In een gerelateerde ontwikkeling creëerde KAIST dit jaar ook de eerste AI-supergeleiderchip. Deze chip is ontworpen voor ultrasnelle werking met minimaal stroomverbruik, waardoor de efficiëntie van de hersenen verder wordt nagebootst.
Deze technologische verbeteringen worden gezien als stapsgewijze stappen in de richting van het creëren van een ‘brein-op-een-chip’. Dergelijke technologie zou AI aanzienlijk kunnen bevorderen en mogelijk de vooruitgang richting de singulariteit kunnen versnellen, een theoretisch toekomstpunt waarop kunstmatige intelligentie de menselijke intelligentie overtreft.
In het artikel wordt echter opgemerkt dat “intelligentie” een complex onderwerp is. Het vermogen van een AI om bepaalde berekeningen uit te voeren die vergelijkbaar zijn met het menselijk brein, betekent niet dat het alle diverse hersenfuncties kan repliceren.
Sommige wetenschappers speculeren dat dergelijke machines zouden kunnen evolueren tot ‘buitenaardse geesten’, die neurale constructies bezitten die intelligent zijn op een manier die fundamenteel verschilt van de menselijke cognitie. Voorlopig blijft het menselijk brein de standaard voor hyperefficiënt computergebruik. Door voortdurende vooruitgang met componenten zoals memristors kan AI die positie uiteindelijk uitdagen.
