Intels neuromorpher Rechner ist so schlau wie ein Hamster
Das von Intel vorgestellte neuromorphe Computersystem namens Pohoiki Springs soll so viel leisten können wie 100 Millionen Neuronen. Dies entspricht der Anzahl Neuronen im Gehirn eines kleinen Säugetiers. Mit neuromorphen Prozessoren, die das menschliche Gehirn nachahmen, könnten Forscher neue, neurologisch inspirierte KI-Algorithmen entwickeln.
Intel hat sein neuromorphes Computersystem namens Pohoiki Springs präsentiert. Es handelt sich um ein Rackmount-System für Rechenzentren, bestehend aus fünf Servern und 768 sogenannter Loihi-Chips von Intel. Diese imitieren die Art und Weise, wie das menschliche Gehirn kommuniziert, neue Verbindungen knüpft und lernt.
Nach Angaben des Herstellers können diese Prozessoren bestimmte anspruchsvolle Arbeitslasten bis zu 1000 Mal schneller und 10'000 Mal effizienter als konventionelle Prozessoren bewältigen. Die Chips sollen vorerst in der Forschung zum Einsatz kommen – insbesondere dort, wo Wissenschaftler neue, komplexe Algorithmen und neuronale Netze entwickeln.
Pohoiki Springs soll so leistungsfähig sein wie 100 Millionen Neuronen. Dies entspricht in etwa der Anzahl Neuronen im Gehirn eines Goldhamsters. Zum Vergleich: Das menschliche Gehirn enthält rund 86 Milliarden Neuronen, davon befinden sich 21 Milliarden in der Grosshirnrinde.
Kein Ersatz für den klassischen Rechner
Neuromorphe Computer sollen herkömmliche Computersysteme nicht ersetzen. Vielmehr sollen sie Forschern dazu dienen, von den Neurowissenschaft inspirierte Algorithmen für die Echtzeitverarbeitung von Daten, für Problemlösungen sowie für die Anpassungs- und Lernfähigkeit von Systemen zu entwickeln.
Als mögliche Einsatzgebiete nennt Intel beispielsweise Optimierungsprobleme in der Forschung zu maschinellem Lernen – insbesondere Constraint-Satisfaction-Probleme, bei denen eine Vielzahl an möglichen Lösungen überprüft werden muss. Weitere Anwendungsmöglichkeiten sieht der Hersteller in der Erkennung von Mustern, in der Maximierung von Bandbreiten oder in der Optimierung der Steuerung eines Aktienportfolios.