Ein Superrechner, der nur zwischen 20 und 50 Watt an Energie braucht? Den gibt's, jeder Mensch trägt ihn in seinem Kopf herum. Nicht weiter verwunderlich also, dass Forscher an Universitäten genauso wie in den Labors von Firmen herausfinden wollen, wie man der Arbeitsweise des menschlichen Gehirns näherkommen könnte. Neuromorphes Rechnen lautet der Fachbegriff dafür.
Bei Intel, dem größten Chiphersteller der Welt, leitet Mike Davies das Forscherteam in Oregon, das versucht "zu verstehen, was das Magische an dem ist, was im Gehirn passiert". Was unterscheidet also das Gehirn von herkömmlichen Computer-chips? "Da gibt es vier Bereiche", sagt Davies. Einer betrifft die Muster der Verbindungen: "Ein Schaltkreis kann etwa zehn verschiedene Verbindungen eingehen, eine Nervenzelle in unserem Gehirn aber 10 000." Das führe auch zu sehr komplexen Feedback-Schleifen.
Zweitens: Information im Gehirn wird zeitlich gebunden gespeichert. Davies: "Die meiste Zeit befindet sich das Gehirn im Leerlauf, aber wenn es dann gefordert ist, erzeugt es Aktivitätsspitzen, und das mit diesen komplexen Verbindungsmustern." Zeit werde dabei auch als eine Dimension für die Rechenarbeit genutzt. "Das ist völlig verschieden von dem, wie wir in den vergangenen Jahrzehnten unsere Chips betrieben haben, die haben immer einen externen Taktgeber." Drittens: Das Gehirn arbeitet mit einer viel höheren Ungenauigkeit, manche Informationen werden vielleicht übertragen, vielleicht auch nicht. Trotz dieser Zufallsfaktoren kommt das Gehirn zu guten Ergebnissen. Viertens: Das Gehirn zeichnet sich durch Wandlungsfähigkeit aus, Verbindungen werden in Echtzeit hergestellt, je nachdem, wie sie gebraucht werden.
Wie aber nähert man sich dieser Komplexität an? "Bevor wir ein System bauen können mit 80 Milliarden Nervenzellen - so viele hat ein menschliches Gehirn -, müssen wir erst einmal solche mit 80 Nervenzellen verstehen", sagt Davies. "Wenn Sie sich Insektenhirne anschauen, die können damit auch schon erstaunliche Dinge tun." Es gehe also nicht um Quantität, sondern darum, die richtige Struktur zu finden und die Prinzipien zu verstehen. Es hilft nichts, viele Nervenzellen nachzubilden und zu hoffen, dass die sich organisieren, "das ist wie mit der Stange im Nebel stochern".
Das Gehirn eines Wurms besteht aus den gleichen Bausteinen wie das eines Menschen
Deshalb fokussieren sich die Intel-Forscher darauf, die Grundregeln zu ergründen und diese dann für Silizium-Chips anzupassen. "Dabei müssen wir klein anfangen und sicherstellen, dass wir Probleme lösen können, die wirklich einen praktischen Wert haben. Und wenn wir da Fortschritte sehen, können wir darüber nachdenken, das zu skalieren und immer größere Aufgaben zu bewältigen."
Dass das auch klappen könnte, dafür sehen sie bei Intel gute Chancen: "Wenn man sich das Gehirn eines Wurms mit seinen 300 Nervenzellen ansieht - es ist aus den gleichen Bausteinen aufgebaut wie unseres mit 80 Milliarden." Davies gibt aber auch zu: "Im Moment aber übersteigt diese Fähigkeit zur Skalierung ganz klar das, was wir bauen können." Doch auch kleinere Projekte könnten schon große Fortschritte bringen, etwa bei der Bilderkennung oder auch beim autonomen Fahren - beides Dinge, bei denen künstliche Intelligenz eine unverzichtbare Rolle spielt. "Wir wollen nicht die verschiedenen Teile des Gehirns genau nachbauen, einen Hippocampus und einen Frontalkortex und so weiter", sagt Davies. "Aber einzelne Teile des Gehirns, etwa das Sehzentrum, sind ziemlich gut erforscht, mit solchen Dingen können wir anfangen und diese Erkenntnisse in unsere Technologie übertragen."
Intel ist nur eine von vielen Firmen und staatlichen Forschungseinrichtungen, die am neuromorphen Rechnen arbeiten. Dabei gibt es eine Vielzahl verschiedener Ansätze. IBM etwa versucht, das Gehirn einer Katze zu simulieren. Das Projekt Spinnaker an der Uni in Manchester versucht, eine Million Handyprozessoren zu verknüpfen, und arbeitet wie das Gehirn mit Aktivitätsspitzen, den sogenannten Spikes. Eines ist ihnen allen gemein: Es geht um die Suche nach neuen Wegen, effektiver und sparsamer zu rechnen, denn, wie Davies sagt: "Wir sind an einem Punkt angelangt, an dem der traditionellen Art, Chips zu bauen, allmählich der Dampf ausgeht. Es gibt noch Verbesserungen, klar, aber da sind eben auch diese Forderungen nach einem intelligenteren Verhalten von Chips, und es ist nicht klar, ob das alte Modell das leisten kann."
So schnell aber wird es mit den neuen Hirn-Computern nichts. Um etwa die neuen Intel-Chips zu programmieren, sagt Davies, "muss man Neurowissenschaftler sein".