Informatica
Wat kan een computer die werkt als ons brein?
In vergelijking met het menselijk brein werken computers uitermate onhandig. Een chip die rekent en informatie verwerkt zoals onze hersenen dat doen, kan tot wel twintig keer sneller en duizend keer zuiniger werken. Tel uit je winst.
Vraag een peuter om een hondje aan te wijzen en de kans is groot dat hij feilloos een dalmatiër of teckel kan benoemen als hond. En dat kost nauwelijks moeite of energie. Het lijkt vanzelfsprekend.
Stel je dezelfde vraag niet aan een peuter maar aan een computer, dan kan hij deze ook beantwoorden. Maar daarvoor heeft hij wel tienduizenden foto’s doorgewerkt om te leren hoe die dieren eruitzien. Dat kost tijd, maar belangrijker: het kost veel rekenkracht en daarmee een hoop energie – bijna evenveel stroom als een huishouden in een halve dag verbruikt. En ook na deze training blijft beeldherkenning in de huidige computers veel energie verbruiken.
“Als je kijkt wat er op een bepaald moment van de dag gaande is in onze hersenen, dan is dat vergelijkbaar met het werk van een forse supercomputer”, zegt Johan Mentink, theoretisch natuurkundige aan de Radboud Universiteit in Nijmegen. “Laat je een nieuwe foto van een andere hond zien, dan kan de computer met grote nauwkeurigheid zelf aangeven dat het om een hond gaat, maar daarvoor moeten eerder geleerde parameters opgehaald worden uit het geheugen. En dat kost ook weer energie.”
Een enorme omweg naar het antwoord
Computers lijken superslim, kunnen waanzinnig goed rekenen en zijn steeds beter in het herkennen van patronen met kunstmatige intelligentie. Maar ze doen dat via een enorme omweg, aldus Mentink. “Een ‘normale’ computer werkt met een aparte plek waar alle data wordt opgeslagen én een andere locatie waar alle berekeningen worden gedaan. Tussen die twee plekken vindt een gigantische hoeveelheid aan transport van gegevens plaats. Het programma en de data stuur je naar de chip, die van daaruit naar de plek gaan waar de berekening wordt gemaakt, en weer terug. Dat zijn miljarden stroompjes die voortdurend heen en weer schieten. Al met al een vertragend en energieslurpend proces.”
Voor moderne toepassingen gaat het grootste deel van het energieverbruik naar data-overdracht in plaats van naar het berekenen zelf. En veel van die data worden opgeslagen in enorm grote datacentra, die dan ook echte energievreters zijn.
Eén ding is zeker: zo werken onze hersenen niet. Bij onze hersenen is het verplaatsen van informatie niet nodig, omdat het verwerken en opslaan op dezelfde plek gebeurt. De opslag van data vindt plaats in een synaps, het kleinste element in de hersenen. Deze zit vlak bij de neuronen, de plek waar de berekeningen plaatsvinden. Daarmee is het brein al jaren een bron van inspiratie: zou deze effectieve manier van informatieverwerking kunnen werken in een computerchip? Zijn er manieren om de structuur en functie van het menselijk brein te evenaren? Ja, zeggen onderzoekers. Maar dan moet wel de opbouw van de gebruikte elektronica op de schop, zodat het opslaan van de data en het rekenen voortaan op dezelfde plek gebeurt.
Knooppunten in een netwerk
Hersenwetenschappers hebben in het verleden wiskundige modellen gemaakt om de werking van de hersenen na te bootsen. Dat zijn simpele modellen, want de hersenen zijn in werkelijkheid veel ingewikkelder. Veel van deze modellen over de werking van ons brein zijn gebaseerd op het vermenigvuldigen met getallen die gegroepeerd zijn in een matrix. “Deze matrix wordt ingebouwd in de hardware van de neuromorfe chip en bestaat uit een raster van horizontale en verticale stroomdraadjes. De chip functioneert als een netwerk, net zoals de synapsen die de neuronen in de hersenen met elkaar verbinden.”
Op de knooppunten in de chip zitten kleine geheugenelementjes: de nagebouwde synapsen. Ieder elementje is een geleider die horizontale en verticale draadjes verbindt en waarvan je de waarde analoog kunt instellen. Dat kan elke waarde zijn tussen 0 en 1. Het is dus geen digitaal systeem dat alleen maar de waarde 0 óf 1 kan hebben.
Door een spanning op de horizontale draden aan te leggen gaat een stroom lopen door de verticale draadjes. Iedere elektricien kan voor je uitrekenen dat de stroomsterkte in de verticale draadjes een vermenigvuldiging is van de spanning op de horizontale draadjes en de geleiding van de geheugenelementjes. Zo leren eenvoudige wetten van elektriciteit hoe je een matrixvermenigvuldiging direct in hardware kunt inbouwen.
Het uitvoeren van de berekeningen op de computer zelf heet ook wel computing in memory. Het is vooral handig bij taken waarbij grote hoeveelheden gegevens verwerkt moeten worden, zoals bij kunstmatige intelligentie en machine learning. De hardware wordt precies gemaakt voor de berekeningen die nodig zijn. Werkt een bepaalde architectuur van een neuraal netwerk goed, dan kunnen de berekeningen veel en veel sneller en energiezuiniger worden uitgevoerd.
Het moet allemaal onvoorstelbaar klein
Wetenschappers van de Radboud Universiteit Nijmegen, Universiteit Twente (UT), IT-bedrijf IBM en SURF Innovatie Labs ontwikkelen momenteel een prototype van zo’n neuromorfe chip. Onlangs publiceerden zij een wetenschappelijk artikel waarin de efficiëntie van de chip op papier werd aangetoond. “Nu moet blijken of dat in de praktijk wordt waargemaakt”, aldus Mentink. “Wij verwachten uiteraard van wel.”
Het multidisciplinaire team van IBM, SURF, de UT en de Nijmeegse wetenschappers is niet het enige dat zich bezighoudt met de ontwikkeling van kunstmatige neurale netwerken. “Uniek is dat wij de chip in ontwikkeling direct willen gebruiken bij ons wetenschappelijk onderzoek”, zegt Mentink.
“Eigenlijk ga je van een universeel, homogeen computersysteem over naar een heterogeen systeem met versnellers voor bepaalde taken en berekeningen”, aldus Mentink. Er moeten straks een miljoen synapsen op een kleine chip passen, onvoorstelbaar klein. Daarom is de samenwerking met IBM absoluut noodzakelijk. Dit is iets wat je niet zelf kunt maken.”
Het ontwikkelen van de neuromorfe chip in Nijmegen is klein begonnen, met een beperkt budget van de Radboud Universiteit. Het onderzoek loopt nu zo’n anderhalf jaar en door nieuwe subsidieaanvragen komen er steeds meer middelen beschikbaar. Het ontwerp ligt er nu, van elke component is bekend hoe het werkt en hoeveel energie het gaat kosten. Nu moet er getest gaan worden. Eerst met een prototype, daarna hopelijk met een ‘echte’ neuromorfe chip.
Blijft de mens tot dienst
Op deze chip zitten zo’n miljoen kunstmatige synapsen. Dat klinkt als veel, maar ChatGTP gebruikt er honderdduizend keer meer. En een mens heeft er nog eens duizend keer meer dan dat. Maar de ontwikkelingen gaan heel snel: de verwachting is dat het niet lang meer zal duren voordat er computersystemen zijn met nog veel meer synapsen dan het menselijk brein. “Daarmee zal de computer sommige cognitieve vermogens van de mens definitief overstijgen”, zegt Mentink. “Het is een slim instrument, maar het blijft een instrument dat de mens tot dienst is. Het zorgt ervoor dat wij dingen kunnen snappen of zien die we zelf niet kunnen ervaren. Maar de mens blijft degene die de computer aanstuurt.”
Of de chip daadwerkelijk waarmaakt wat de berekeningen beloven, moet nog blijken. “Als het lukt om dit te gebruiken voor ons wetenschappelijk onderzoek, kunnen ook andere wetenschappers hiermee aan de slag.”
Wat kan zo’n supersnelle en superzuinige chip?
Een energiecentrale bouwen om je computersysteem te laten draaien is niet wenselijk, dus er wordt uit alle macht gezocht naar computers die efficiënter en beter zijn dan de huidige generatie supercomputers. Zo wordt er gewerkt aan een kwantumcomputer, maar dus ook aan een neuromorfe computer. Wat kun je op termijn met zo’n computer, wat nu nog niet mogelijk is?
De speld in de hooiberg
“Veel effecten volgen de fysica die we al kennen, maar we willen juist nieuwe dingen ontdekken. We willen bijvoorbeeld de kwantumeigenschappen van hele snelle en kleine magneten simuleren en begrijpen. Dat kan met neuromorfe hardware veel efficiënter, zeker in combinatie met machine learning. In de deeltjesfysica worden zo veel data gegenereerd, dat het onmogelijk is om dat allemaal op te slaan. Meer dan 99,9 procent van alle gegenereerde data kan weg. Men wil alleen net die speld in de hooiberg vinden die afwijkt van het normale. Dat is waar de nieuwe natuurkunde begint. En om dit te vinden hebben we wellicht de neuromorfe chip nodig.”
Doordat je als wetenschapper grenzen opzoekt, worden er technieken ontwikkeld die op termijn voor de hele maatschappij van belang zijn. Want die toepassingen zijn er absoluut, verwacht Mentink. “Met een neuromorfe chip wordt het makkelijker het kaf van het koren te scheiden. We kunnen dan onvoorstelbaar snel een selectie maken van data waar je iets mee moet tegenover informatie die je weg kunt gooien.”
Aardbeving en vulkaanuitbarsting voorspellen
Neuromorfe computers kunnen enorme hoeveelheden data verzamelen en analyseren. Zo ontdekken ze piepkleine afwijkingen, waar een mens niet eens gevoelig voor is. Denk bijvoorbeeld aan het vroegtijdig zien aankomen van een aardbeving door minimale trillingen in de aardkorst, waardoor je mensen zou kunnen waarschuwen. Of het voorspellen van een vulkaanuitbarsting. Want met sensoren kun je de dampen die vrijkomen voorafgaand een vulkaanuitbarsting meten en in kaart brengen.
Een neuraal netwerk functioneert dan als early warning-systeem. Mentink: “Je kunt de kleinste afwijkingen direct vinden, waardoor je eerder alarm kunt slaan. Een neuraal netwerk is bij uitstek geschikt om sensordata te verzamelen en te analyseren. Op zich kan dat met de huidige (super)computers ook, maar daar heb je veel meer energie voor nodig.”
Auto's en tumoren
Er zijn veel meer toepassingen denkbaar, zoals in de auto-industrie. Je wilt dat een zelfrijdende auto direct en nauwkeurig reageert. Dat kan beter als informatie lokaal wordt verwerkt en er geen transitie van de auto naar een datacentrum én weer terug nodig is. Dat is ook een stuk veiliger. Met betere chips wordt het in de toekomst makkelijker, sneller en tegen een fractie van de energiekosten. Er zijn ook allerlei toepassingen in de medische hoek. Zo wordt het mogelijk om foto’s snel te scannen en analyseren en daarmee zijn tumoren of andere afwijkingen beter te ontdekken.
Hoewel superslim en supersnel betekent het niet dat zo’n kunstmatig neuraal netwerk straks hetzelfde kan als ons brein. “Nee”, denkt Mentink. Rekenen dat kan een computer als niemand anders, maar onze hersenen leggen verbanden die neuromorfe chips niet leggen. Denk aan gevoelens of gedachtes of een reflex als grijpen naar een glas dat omvalt. Wat dat betreft is Mentink dan ook niet bang dat de computer van de toekomst een gevaar is voor de mensheid. “Integendeel, het kan een zegen zijn, juist omdat die computer veel sneller is dan wij ooit zullen zijn.”
Lees ook:
De natuur valt niet te klonen, maar met digitale tweelingen doen we wel een gooi in de juiste richting
De immense rekenkracht van computers en de mogelijkheid tot precisiemetingen doen wetenschappers dromen: zou het mogelijk zijn om alle wetmatigheden van de natuur na te bootsen?
