Vortrag

Trotz enormer Fortschritte in der Rechenleistung moderner Computer in den letzten Jahrzehnten – die heute mathematische Berechnungen in atemberaubender Geschwindigkeit ermöglichen – bleiben Computer im Kern dennoch primitive Addiermaschinen. Die Vision der Künstlichen Intelligenz (KI) besteht darin, aus diesen Maschinen selbstlernende Systeme zu machen, die komplexe Aufgaben wie Sprach- oder Mustererkennung bearbeiten und sich dabei kontinuierlich weiterentwickeln können. Der gegenwärtige Fortschritt im Bereich der KI basiert jedoch vorwiegend auf rechenintensiven Algorithmen, die von der stetig wachsenden Rechenleistung moderner Hardware und der Verfügbarkeit großer Datenmengen profitieren. Dies führt allerdings zu einem drastisch steigenden Energieverbrauch – eine Entwicklung, die angesichts der globalen Klimakrise kaum noch vertretbar ist. Eine mögliche Lösung liefert die Natur: Das menschliche Gehirn verbraucht lediglich wenige Watt Leistung, ist dabei jedoch in der Lage, hochkomplexe Aufgaben effizient und flexibel zu lösen – deutlich leistungsfähiger als jeder heutige Computer. Aus diesem Grund wird intensiv an neuen Computerarchitekturen geforscht, die sich an der Funktionsweise und Struktur des Gehirns orientieren – sogenannte neuromorphe Systeme. Der Vortrag gibt Einblicke, wie solche neuromorphen Strukturen mithilfe sich mit Hilfe von gedruckten Polymerstrukturen nachahmen lassen. Wir werden diskutieren, wie nichtlineare Wechselwirkung innerhalb diese Materialien genutzt werden können, um intelligentes Verhalten auf verschiedene Weisen zu implementieren, z.B. das Schätzen (bzw. Stoachastic-Computing), Entscheidungsbäume, oder das sogenannte Lernen durch Verstärkung. Das spielen insbesondere die zeitliche Veränderlichkeit der Polymerstrukturen eine große Rolle, denn sie erlauben es uns Strukturen zu bauen, die in 2D und 3D der synaptischen Netzwerkstruktur des Gehirns ähneln.

Material zum Vortrag, 6 MB pdf-Datei