Pionierarbeit: Johns Hopkins Studenten Entwickeln Ersten AI-Chip, Entworfen durch Maschine mit Natürlicher Sprachverarbeitung
Pionierarbeit in der KI: Michael Tomlinson und Joe Li entwickeln neuromorphe Chips mit ChatGPT4
In einem beeindruckenden Schritt in der Welt der künstlichen Intelligenz haben graduate Student Michael Tomlinson und der undergraduate Joe Li von der Johns Hopkins University eine innovative Methode entwickelt, um neuromorphe spiking neural network (SNN)-Chips durch natürliche Sprachaufforderungen und ChatGPT4 zu gestalten. Tomlinson ist überzeugt, dass dies der erste KI-Chip ist, der mithilfe von natürlicher Sprachverarbeitung von einer Maschine entworfen wurde.
Der kreative Prozess: Natürlichsprachliche Eingaben
Die Vorgehensweise des Studenten-Duos begann mit der Eingabe natürlicher Sprachaufforderungen in ChatGPT4. Dies ermöglichte es ihnen, die spiking-Verhaltensweise einzelner biologischer Neuronen zu simulieren und diese in ein größeres Netzwerk zu integrieren. Ihr Chip-Design abstrahiert damit die Funktionalität von Neuronen im menschlichen Gehirn und katapultiert die Forschung im Bereich der KI auf ein neues Niveau.
Tomlinson beschreibt diesen Prozess eindrücklich: „Es ist, als würde man einem Computer Anweisungen geben, wie zum Beispiel ‚Erstelle einen AI-neural network chip‘, und der Computer generiert eine Datei, die die Spezifikationen und das Design zur Herstellung dieses Chips enthält.“ Diese Zusammenarbeit fand unter der Leitung von Andreas Andreou, einem Professor für Elektrotechnik und Computertechnik sowie Mitbegründer des Center for Language and Speech Processing und Mitglied des Kavli Neuroscience Discovery Institute, statt.
Ein einfacher, aber vielversprechender Chip
Das Design des Chips stellt einen Proof of Concept dar: Eine kleine siliziumbasierte „Gehirn“-Architektur besteht aus zwei Schichten miteinander verbundener Neuronen. Das flexibles Programmiersystem behandelt ein 8-Bit adresierbares Gewichtssystem zur Programmierung des Chips und zur Feinabstimmung seines Verhaltens. Diese Anpassung wird durch eine benutzerfreundliche Schnittstelle ermöglicht, die einem Fernbedienungsgerät ähnelt.
Validierung und Herstellung des Chips
Bevor der Chip schließlich in Produktion ging, validierte das Team das Design durch umfangreiche Software-Simulationen, um die Funktionalität sicherzustellen und eventuelle Probleme zu beheben. Der elektronische Entwurf wurde dann an die SkyWater Foundry, einen Chip-Fertigungservice in Minnesota, übermittelt, wo er derzeit mit einem kostengünstigen Verfahren „gedruckt“ wird.
Zukunftsausblick: KI und Hardware-Entwicklung
„Obwohl es ein kleiner Schritt ist, zeigt dies, dass KI in der Lage ist, fortschrittliche Hardware zu schaffen, um die Entwicklung von Technologien zu beschleunigen“, so Tomlinson. Neuralnetwork-Chips könnten in naher Zukunft energieeffiziente, Echtzeit-Maschinenintelligenz für autonome Systeme wie Fahrzeuge und Roboter bereitstellen.
Tomlinsons Forschungsinteressen liegen darin, Systeme zu entwickeln, die die Rechenprobleme angehen, die heute mit neuesten Algorithmen in der KI verbunden sind. „Diese Algorithmen werden immer teurer in der Berechnung“, erklärt er. „Ich möchte überdenken, wie wir unsere Rechensysteme architektonisch gestalten können, um diese Algorithmen effizienter umzusetzen und Probleme zu lösen, die den Menschen wichtig sind.“
Diese Entwicklungen haben das Potenzial, die nächste Generation von KI-basierten Anwendungen zu revolutionieren und uns näher an eine Zukunft zu bringen, in der intelligente Maschinen Teil unseres Alltags werden. Bleiben Sie dran für weitere spannende Neuigkeiten aus der Welt der KI und des maschinellen Lernens!