Silikoniaivot alkavat oppia

Kim Leidenius

Silikoniaivot alkavat oppia

Tekoälytutkimus lupaa tuottaa koneen, joka jäljittelee ihmisaivojen toimintaa. Neurotietokone oppii nopeasti ja osaa sopeutua uusiin tilanteisiin ilman ohjelmien käskyjä.

Kun John von Neumann 60 vuotta sitten kuvaili suunnitelmiaan tietokoneista, hän visioi niiden toimivan aivojen lailla. Se olisi tarkoittanut analogista rinnakkaislaskentaa, joka ei siihen aikaan ollut mahdollista. Tämän vuoksi kehitys johti digitaalisiin koneisiin, jotka suorittavat käskyt peräkkäin.

Riippuvuus ohjelmakoodista rajoittaa edelleen tietokoneiden toimintaa. Uuden ja yllättävän tehtävän edessä tehokkainkin superkone on polvillaan. Ratkaisua haetaan aivoista: niissä ei ole koodia lainkaan, ja ne sopeutuvat hyvinkin erikoisiin ympäristöihin.

Määrä korvaa nopeuden

Aivot koostuvat sadasta miljardista hermosolusta ja niiden välisistä 15 000 biljoonasta kytkennästä. Toiminta on tietokoneisiin verrattuna verkkaista, mutta massiivisen rinnakkaista.

Aivoissa ei ole mitään valmista ohjelma-algoritmia, vaan uusia kytkentöjä syntyy oppimalla. Aivot sietävät myös hyvin virheitä ja kykenevät toimimaan, vaikka olisivat osin vaurioituneet. Kaiken lisäksi aivot käyttävät supertietokoneisiin verrattuna mitättömän vähän energiaa.

Insinöörien suunnittelema tekoäly koostuu erikoistuneista osista, kuten muisteista ja laskentayksiköistä. Myös aivojen eri osilla on työnjako, mutta erikoistumisesta huolimatta eri osien mikroskooppinen rakenne on hyvin samanlainen. Harmaa massa koostuu hermosoluista sekä hermoimpulsseja tuovista synapseista ja niitä vievistä aksoneista.

Kukin hermosolu kokoaa laajalle haaroittuneesta dendriittijuuristostaan signaaleja noin 15 000 muulta hermosolulta. Signaalit latautuvat solukalvoon kuin kondensaattoriin, joka purkautuu aksoniin, kun varaus ylittää tietyn rajan. Toiset kytkennät kiihdyttävät hermosolun toimintaa, toiset vaimentavat.

Sekunti tunnissa

Aivojen toimintaa on mallinnettu supertietokoneiden voimalla lukuisissa tutkimushankkeissa. Näistä tunnetuin on Lausannen teknillisen yliopiston Blue Brain -projekti. Sillä on käytössään 8000 prosessorin laskentateho, jolla simuloidaan neuronien verkkoa. Mallit ovat niin tarkkoja, että niillä voidaan testata esimerkiksi lääkkeiden vaikutusta aivoihin.

Kytkentöjen suuren määrän vuoksi simulointi on kuitenkin huomattavasti hitaampaa kuin tapahtumat todellisuudessa. Tämä tekee esimerkiksi oppimisprosessin tutkimisen hankalaksi, koska oppiminen on biologisessakin ympäristössä hidasta kestäen päiviä tai jopa vuosia.

Stanfordin yliopiston tutkijat simuloivat isoaivojen näköaistimuksista vastaavaan alueen toimintaa 2048 prosessorilla. Yhden sekunnin simuloimiseen kului aikaa 80 minuuttia, ja epälineaarisia differentiaaliyhtälöitä ratkaistiin 40 triljoonaa kertaa.

Hermosolu kuin kondensaattori

Hermosolu muistuttaa kondensaattoria, ja kondensaattorin toimintaa voidaan mallintaa tietokoneella, mutta yksinkertaisempaa on käyttää mallissa oikeita kondensaattoreita. Saksalaisessa Heidelberger Kirchhoff -yliopistossa on suunniteltu elektroninen kytkentä, joka toimii kuten aito biologinen hermosolujen verkko.

Kytkennässä hermosolua mallintavan kondensaattorin rinnalle on kytketty vastus, johon kondensaattori hitaasti purkautuu, jos sitä ei ladata. Kiihdyttävät ja vaimentavat synapsit on korvattu erilaisilla sähkövirroilla, ja hermoimpulssi synnytetään komparaattorikytkennällä.

Kytkennän hermosolut ja synapsit ovat analogisia ja paikallinen tietojenkäsittely toteutetaan analogisesti, mutta ne liitetään toisiinsa digitaalisella verkkotekniikalla. Tämän ansiosta järjestelmä skaalautuu lähes rajattomasti ja tiedonsiirto on nopeaa.

Mallin elektroniset aivosolut toimivat satatuhatta kertaa nopeammin kuin biologiset esikuvansa. Tästä on etua aivotoimintojen muokkautumisen ja oppimisprosessien tutkimisessa, koska yhden päivän aivotyö voidaan kutistaa sekuntiin.

Toinen merkittävä ominaisuus on energiankulutus. Jos aivojen toimintaa simuloitaisiin differentiaaliyhtälöillä, tarvittavat supertietokoneet haukkaisivat kymmeniätuhansia kilowattitunteja energiaa. Pienten kondensaattorien lataaminen taas kuluttaa sähköä minimaalisesti.

Miljardi synapsia piikiekolle

Hermosolun elektroninen vastine on Heidelbergin yliopiston mallissa toteutettu sadalla komponentilla ja synapsin kahdellakymmenellä. Ensimmäisessä tällaisessa neuronitietokoneessa oli yhdellä piirillä satatuhatta hermosolua ja 25 miljoonaa synapsia, mikä vastaa noin yhtä kuutiomillilitraa ihmisen isoaivoja.

Seuraavassa vaiheessa koko järjestelmä rakennetaan 20-senttiselle piikiekolle, johon mahtuu puoli miljoonaa hermosolua ja miljardi synapsia. Kiekon päälle rakennetaan neurotietokonetta säätävä ja analysoiva kerros, johon voidaan myös yhdistää useita aivokiekkoja. Sadalla kiekolla yllettäisiin jo kymmeniin miljooniin hermosoluihin ja sataan miljardiin synapsiin.

Laitteistolla tutkitaan neuroverkkojen tietojenkäsittelytapaa kokeellisesti ja verrataan sitä biologisen esikuvan toimintaan. Nopeus antaa mahdollisuuden tutkia myös oppimisprosessia pitkällä aikavälillä.
Toinen tutkimusalue on itseorganisoituvuus ja oppiminen. Neurotietokoneella voidaan löytää uudenlaisia tietojenkäsittelyalgoritmeja, joissa virheiden ja vikaantumisen sieto on sisäänrakennettuna. Tutkijat toivovat, että jossain vaiheessa voidaan rakentaa tietokone, joka toimii kuin ihmisaivot.

Toisaalta ei ole itsestään selvää, että evoluutio on löytänyt tehokkaimman tavan käsitellä tietoa. Neurotietokoneiden kehittyessä edelleen ihmisaivoja voitaneen jonain päivänä tehostaa silikonilaajennuksella.

Autoparvi turvaa liikenteen

Lapsi ryntää kadulle suoraan auton eteen. Kuljettaja ei ehdi jarruttaa, ja viereisellä kaistalla oleva auto estää väistöliikkeen. Tulevaisuudessa autot koordinoivat liikkeet keskenään ja jättävät vaaratilanteessa kuljettajan matkustajan asemaan.

Fraunhofer-instituutin tutkijat kehittävät autoihin järjestelmää, joka mahdollistaa niiden toiminnan hallitusti ryhmänä. Langattoman verkon kantaman alueella samaan suuntaan ajavat autot muodostavat ryhmän, ja yksi niistä ottaa koordinaattorin roolin. Ryhmä muotoutuu jatkuvasti uudestaan, ja auto saattaa kuulua useaan ryhmään samanaikaisesti.

Autoissa on yhdysrakenteiset tutkat ja anturit, jotka tarkkailevat jatkuvasti ympäristöä ja tunnistavat mahdolliset riskitekijät. Koordinoiva auto kokoaa tiedot ja muodostaa yhteisen tilannekuvan. Kun jotain autoa uhkaa onnettomuus, se välittää tiedon myös koordinaattorille, joka ohjeistaa muiden autojen väistöliikkeet.

Kaiutin taipuu moneksi

Tulevaisuuden kaiuttimet eivät enää ole laatikoita huoneen nurkissa, vaan ohuita ja taipuisia. Warwickin yliopiston tutkijat ovat rakentaneet neljännesmillimetrin paksuisen kaiuttimen, joka voi olla osa tapettia, vaatetta tai esimerkiksi auton sisäkattoa.

Kaiuttimen rakenne on hyvin yksinkertainen: ensimmäinen prototyyppi koostui kahdesta alumiinifoliosta ja niitä eristävästä leivinpaperista.
Edullisen, ohuen ja muotoutuvan elementin ansiosta äänestä tulee yhä useamman tuotteen ominaisuus. Ensimmäisenä niitä nähdään puhuvina mainosjulisteina ostoskeskuksissa.

Sähköä viruksilla

MIT-yliopiston tutkijat ovat muokanneet ihmiselle vaarattomien virusten perimää opettaen ne rakentamaan tehokkaan ja kevyen akun.

Kolme vuotta sitten tutkijat onnistuivat muokkaamaan tavallista bakteereihin tarttuvaa virusta siten, että se sitoi itseensä kobolttioksidi- sekä kultahiukkasia ja liittyi toisiin samanlaisiin viruksiin muodostaen ohuen nanojohtimen, joka toimi akun anodina.

Tuoreimpana saavutuksena virusten perimää muokattiin siten, että ne ensin pinnoittavat itsensä rautafosfaatilla ja sen jälkeen tarttuvat hiilinanoputkeen, jolloin syntyy erittäin hyvin johtava katodi.
Virtalähde on pakattu tavalliseen nappiparistoon, mutta se voidaan muotoilla millaiseksi vain sopimaan vaikkapa pienen kannettavan laitteen sisälle. Akku on erittäin kevyt, joten sillä saattaa olla käyttöä myös tulevaisuuden sähköautojen teholähteenä.