Neue, vom Gehirn inspirierte KI lernt in Echtzeit mit ultraniedrigem Stromverbrauch

Das menschliche Gehirn ist der fortschrittlichste Supercomputer der Welt. Es kann gleichzeitig lernen und sich anpassen, ohne massive Rechenzentren wie die heutigen KI‑Systeme zu benötigen. In diesem Monat hat ein Team von Ingenieuren der Texas A&M Department of Computer and Electrical Engineering und anderer führender Institutionen ein vom Gehirn inspiriertes KI‑System vorgestellt, das bessere Leistung freischalten und die Tür für intelligentere Protokolle öffnen könnte. Hier ist, was Sie wissen müssen. 

Die Grenzen traditioneller KI und der Turing-Architektur

Künstliche Intelligenz ist eine der am schnellsten wachsenden und aufregendsten Technologiebranchen der Welt. In nur wenigen Jahren gingen KI‑Algorithmen von einer rein für hochrangige Ingenieure bei Google und Microsoft zugänglichen Technologie zu einem gängigen Werkzeug für den durchschnittlichen Menschen über. Auf diesem Weg haben KI‑Systeme kontinuierlich an Leistung und Fähigkeiten gewonnen. Parallel zu diesem Leistungszuwachs hat sich auch die Hardware‑Leistung erhöht. 

Bemerkenswerterweise basieren KI‑Systeme auf der Turing‑Architektur. Dieser Rechenstil ist nach seinem Erfinder Alan Turing benannt. Er stellte fest, dass Computer eine bessere Leistung erzielen können, wenn bestimmte Teile ihrer Operationen getrennt werden. 

Diese Struktur bedeutet, dass Prozessor und Speicher in der Chip‑Architektur physisch getrennt sind. Diese Trennung hat seitdem das Hardware‑Design von Maschinen bestimmt. Seine Vision für Computer bleibt trotz der Jahrzehnte seit seiner Entdeckung die am häufigsten genutzte Architektur. 

Die Energiekrise: Warum moderne KI einen neuen Bauplan benötigt

Das Problem mit diesem Layout ist, dass KI‑Systeme enorme Datenmengen benötigen. In manchen Fällen müssen komplette Rechenzentren von Grund auf neu gebaut werden, wobei die fortschrittlichste Hardware als Teil der Systemanforderungen eingesetzt wird. Leider ist diese Struktur nicht nachhaltig. 
Große Rechenzentren sind enorme Energieverbraucher, die so viel Energie verbrauchen können wie ganze Städte. In vielen Fällen setzen diese Systeme auf erneuerbare Energien, was die Umweltbelastung reduziert. Der wachsende Bedarf an KI‑Systemen erfordert jedoch eine Effizienzsteigerung, um diese Protokolle in Zukunft nachhaltig zu machen.

Warum heutige KI‑Modelle nicht in Echtzeit adaptieren können

Zusätzlich bedeutet diese Struktur, dass die Skalierbarkeit dieser Protokolle von ihrer Hardware und nicht von Software‑Beschränkungen abhängt. Selbst das fortschrittlichste System muss noch darauf warten, dass Daten physisch zwischen den Hardware‑Komponenten eines Geräts übertragen werden. 

 Einführung einer Super‑Turing‑KI: Inspiriert vom menschlichen Gehirn

Ein weiterer Nachteil von Turing‑basierten KI‑Systemen ist, dass sie auf vordefinierten Datenpunkten beruhen. Heutige Modelle bieten keine Möglichkeit, ihre Leistung während des Betriebs zu ändern. Diese Systeme benötigen die bereitgestellten Daten, um die Rückpropagation abzuschließen. 
Dieser Ansatz unterscheidet sich von Ihrem Gehirn, das eine Kombination aus Wissen und Umgebungsbedingungen nutzt, um mit einem Bruchteil der Energie genaue Einschätzungen vorzunehmen. Bemerkenswerterweise ist es biologisch unmöglich, die Rückpropagation zu replizieren, da dies voraussetzen würde, dass die Person die Situation bereits erlebt hat. Angesichts dieser Fakten haben Ingenieure versucht, ein KI‑System zu entwickeln, das menschliches Lernen nachahmt.  

Wie synaptische Widerstände wie unser Gehirn lernen

Die Studie “HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system”¹ stellt ein neuromorphes KI‑System vor, das nachahmen kann, wie das Gehirn lernt, um Echtzeit‑Anpassungsfähigkeit basierend auf Bedingungen zu bieten. Die Studie wurde von einem Forscherteam der UCLA, Texas A&M und anderer Forschungseinrichtungen veröffentlicht und erschien in Science Advances. Um diese Aufgabe zu erfüllen, entwickelte das Team einen „Synstor“ (synaptischer Widerstand) Schaltkreis, der wie Ihr Gehirn lernen kann. 

Quelle – Texas A&M Department of Computer and Electrical Engineering

Gehirnähnliche Effizienz: KI, die Mikrowatt statt Megawatt verbraucht

Die Ingenieure dieser Studie erkennen, dass das menschliche Gehirn in vielen Aspekten, wie Energieverbrauch und Flexibilität, der KI immer noch weit voraus ist. Die neuronalen Prozesse des Gehirns ermöglichen es ihm, komplexe Körperfunktionen auszuführen und gleichzeitig auf sich ändernde Bedingungen um Sie herum zu reagieren. 
In Bezug auf Energieeffizienz benötigt das menschliche Gehirn nur etwa 20 Watt im Betrieb. Im Vergleich dazu kann das heutige fortschrittliche KI‑System bis zu 1 Milliarde Watt während des Betriebs verbrauchen. Dieser Energieverbrauch stammt aus den Verarbeitungswegen und Komponenten sowie der Architektur der KI‑Systeme.  

 Verständnis der synaptischen Plastizität in der Künstlichen Intelligenz

Die Ingenieure begannen mit dem Studium der synaptischen Plastizität im Gehirn. Ihr Gehirn verfügt über Millionen von Neuronen, die Ihr Gedächtnis und Lernen ermöglichen. Diese Kommunikationsbereiche, in denen Nerven aufeinandertreffen, werden Synapsen genannt. Synaptische Plastizität bezieht sich auf die Fähigkeit des Gehirns, Verbindungen zu stärken, die häufig genutzt werden. Sie bezieht sich auch auf die Fähigkeit des Gehirns, neue Wege zu schaffen, wenn dies effizienter ist. 

Das Geheimnis des Gehirns: Wechsel zwischen Turing‑ und Super‑Turing‑Modi

Interessanterweise können Gehirne sowohl im Turing‑Modus als auch im Super‑Turing‑Modus arbeiten. Im Turing‑Betriebszustand nutzt Ihr Gehirn vorab gelernte Aufgaben und Handlungen. Wenn unerwartete Szenarien auftreten oder sich die Bedingungen auf unvorhersehbare Weise ändern, schaltet Ihr Gehirn automatisch in den Super‑Turing‑Modus. Dieser Ansatz ermöglicht es Ihrem Gehirn, sich stets an die Umgebung anzupassen.

Wie Super‑Turing‑KI sofort lernt und sich anpasst

Wissenschaftler sehen diesen Super‑Turning‑Zustand als Kern der einzigartigen Fähigkeiten des Gehirns. Sie nutzten diese Struktur, um KI‑Architekturen neu zu denken und einen menschlicheren Betriebsablauf zu entwerfen, bei dem Lernen und Inferenz gleichzeitig stattfinden. 
Diese Strategie reduziert den Energieverbrauch erheblich. Die Abschaffung der Notwendigkeit, massive Datenmengen zwischen Hardware‑Komponenten zu bewegen, senkt den Verbrauch und verbessert die Leistung. Sie unterstützt zudem die Echtzeit‑Anpassungsfähigkeit, während der Stromverbrauch auf ein neues Minimum sinkt.

Im Inneren des Synstors: Der ferroelektrische Schaltkreis, der menschliches Lernen nachahmt

Im Kern dieser Studie steht die Entwicklung eines integrativen Sensorschaltkreises, der gleichzeitig verarbeiten, lernen und reibungslos arbeiten kann. Das Team fertigte im Rahmen ihrer Studie einen Schaltkreis aus Hf0.5Zr0.5Ο2‑basierten Synstoren.  
Dieser maßgeschneiderte Schaltkreis enthielt synaptische Widerstände, die ferroelektrische HfZrO‑Materialien integrierten. Bemerkenswerterweise ermöglichen ferroelektrische Materialien, wie Hf‑Oxide, Ingenieuren die Herstellung skalierbarer, Si‑kompatibler, nichtflüchtiger analoger Speicher‑ und neuromorpher Geräte. 

Drohnen‑Simulation: Mensch vs KI vs Synstor

Das Team richtete eine Drohnenflugsimulation ein und ließ eine traditionelle KI, einen Menschen und ein Super‑Turing‑KI‑System die Simulation durchfliegen, um ihre Theorie zu testen. Vor jeglicher Turbulenz oder Hindernissen lernten der Synstor‑Schaltkreis, menschliche Bediener und das ANN erfolgreich, die Drohne ohne Probleme oder Verzögerungen zum Ziel zu steuern. 
Als jedoch Bäume oder starker Wind in die Gleichung eingeführt wurden, sank die Leistung aller Beteiligten. Konkret vollendeten der Mensch und das Synstor‑Schaltkreis‑KI‑System die Aufgabe. Das traditionelle KI‑System konnte sich nicht an die neue Umgebung anpassen und bestand den Test nicht, da die zusätzlichen Hindernisse seine Leistung reduzierten.

KI‑Anpassungsfähigkeit in Aktion: Die Ergebnisse des Drohnen‑Hindernisparcours

Die Studie zeigte, dass die neu entwickelten synaptischen Widerstandsschaltkreise der Ingenieure effiziente und adaptive Super‑Turing‑KI‑Systeme unterstützen, die unsichere und dynamische Realwelt‑Umgebungen navigieren können. Sie untersuchten, warum nur die von Menschen gesteuerte und die von Synstor angetriebene Drohne den Parcours absolvieren konnten. Ihr Erfolg beruhte auf ihrer Fähigkeit, sich unterwegs anzupassen. 

Warum Synstor‑Schaltkreise ein Fortschritt für nachhaltige KI sind

Ein Synstor‑Schaltkreis‑KI‑System könnte dem Markt mehrere Vorteile bringen. Erstens wird es die Tür für fortschrittlichere und leistungsfähigere KI‑Optionen öffnen. Diese Protokolle werden in der Lage sein, gleichzeitig Echtzeit‑Inference und Lernen zu ermöglichen und damit einen Sprung zu KI‑Protokollen der nächsten Generation zu schaffen. 

Umweltfreundlich: Die KI‑Systemarchitektur der Ingenieure nutzt nur einen Bruchteil des Stroms, der für herkömmliche KI‑Protokolle erforderlich ist. Dieser verbesserte Stromverbrauch ermöglicht es Synstor‑KI‑Systemen, den Titel der umweltfreundlichsten KI‑Architektur für Daten zu beanspruchen. Mit steigender Nachfrage nach diesen Diensten wird auch der Bedarf an nachhaltigen Optionen zunehmen. 

Effizienz: Die Ingenieure haben erfolgreich ein System geschaffen, das das menschliche Gehirn nachahmt. Ihr Ansatz reduziert den Energiebedarf von KI‑Systemen insgesamt und ermöglicht es KI‑Systemen, ihren Stromverbrauch beim Ausführen oder Trainieren neuer Modelle zu maximieren. 

Anpassungsfähigkeit: Einer der Hauptvorteile dieser KI‑Struktur ist ihre Anpassungsfähigkeit. KI‑Systeme müssen schneller und anpassungsfähiger werden, um die wachsende Anzahl von Aufgaben zu bewältigen, die ihnen übertragen werden. Vom Steuern Ihres Elektrofahrzeugs zu Hause bis zur Auswahl der für Sie zu spielenden Lieder werden zukünftige KI‑Systeme ihre Umgebung als Teil ihrer Verarbeitungsabläufe berücksichtigen. 

Zukünftige Anwendungen: Gehirnähnliche KI in Autos, Wearables und Militärtechnik

Das vom Gehirn inspirierte KI‑System hat das Potenzial, die Branche zu revolutionieren. Es bietet Ingenieuren die Aussicht auf nachhaltige KI‑Entwicklung und könnte die Schaffung fortschrittlicher autonomer Systeme von morgen unterstützen. Diese Technologie wird auch in die Robotik, Wearables und den medizinischen Sektor Einzug halten.  

Fortgeschrittenes Rechnen: Sie können in Kürze damit rechnen, dass fortschrittliche KI‑Systeme diese Technologie nutzen. Der reduzierte Stromverbrauch wird die Betriebskosten dieser Systeme senken und sie zu einer attraktiven Alternative zum Status quo machen. Darüber hinaus wird die Weiterentwicklung des Synstor‑Chip‑Designs die weitere Verbreitung vorantreiben. 

Militär: Das Militär ist einer der größten Befürworter von KI. KI‑Systeme können bei Aufklärung, Zielerfassung, Planung und Logistik unterstützen und die Einsatzfähigkeit jeder Armee, die sie nutzt, verbessern. In Zukunft werden Sie KI‑Systeme sehen, die fortschrittliche Lauer‑ und Drohnensysteme betreiben und Planern helfen, das Situationsbewusstsein zu erhalten. 

Autonome Fahrzeuge: Ein zentrales Anwendungsbeispiel für fortschrittliche KI ist das Steuern autonomer Fahrzeuge. Der Traum von vollständig autonomen Autos hat sich nur langsam durchgesetzt, aber jüngste Fortschritte haben die Vision näher denn je gebracht. Dieser neueste KI‑Durchbruch wird die Leistung verbessern und die Tür für fortschrittlichere autonome Fahrzeuge öffnen, die fliegen können und mehr. 

Diese Technologie wird eines Tages dazu beitragen, Gemeinschaften sicherer zu machen und Ihre täglichen Aufgaben zu erleichtern. Es gibt jedoch noch Details und Hürden, die die Technologie überwinden muss, bevor sie zum Mainstream wird. Trotz der Verzögerungen wird die potenzielle kommerzielle Einführung auf 5–10 Jahre geschätzt, wobei kurzfristige Anwendungen in spezialisierten Low‑Power‑KI‑Aufgaben liegen. 

Lernen Sie das Forschungsteam hinter diesem KI‑Durchbruch kennen

Ingenieure der Texas A&M Department of Computer and Electrical Engineering und der University of California‑Los Angeles arbeiteten zusammen, um diese Studie zu veröffentlichen. Konkret leiteten Jungmin Lee, Rahul Shenoy und Atharva Deo die Forschung. 
Sie wurden von einem Team von Ingenieuren unterstützt, darunter Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian‑Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu und Yong Chen. Bemerkenswerterweise erhielt die Studie eine Finanzierung vom Air Force Office of Scientific Research. 

 Der geschäftliche Aspekt: Wie NVIDIA und andere die neuromorphe KI vorantreiben

Das KI‑Rennen ist in vollem Gange, und konkurrierende Unternehmen geben Milliarden aus, um den Sektor zu dominieren. Die relativ disruptive Natur der KI schafft neue Chancen für Unternehmen wie OpenAI, aus dem Nichts aufzutauchen und sich einen Spitzenplatz im Markt zu sichern. Obwohl es sehr schwierig ist, den nächsten neuen Akteur im Sektor zu bestimmen, ist leicht zu erkennen, wer den Markt in den letzten Jahren dominiert hat.  

NVIDIA Corporation

NVIDIA (NVDA ) trat 1993 in den Markt ein und hat seinen Sitz in Kalifornien. Der mittlerweile weltberühmte Hersteller von 3D‑Grafikkarten hat im Laufe der Jahre ASIC‑ und andere bahnbrechende Designs entwickelt. Diese Verbesserungen halfen dem Unternehmen, sich von einem Gaming‑Grafikkartenhersteller zu einem der bekanntesten Namen im KI‑Sektor umzubenennen.

NVIDIAs Aufstieg blieb nicht unbemerkt. Die Aktie verzeichnete ein erhebliches Wachstum, und im Juni 2024 erreichte das Unternehmen eine Marktkapitalisierung von 3 Billionen USD. Heute ist NVIDIA ein führender Anbieter von neuromorphen und Edge‑KI‑Hardware. In dieser Rolle ist das Unternehmen stark in die Gestaltung von KI‑Inference‑Effizienz und gehirninspirierten Architekturen eingebunden. Wer nach einer zuverlässigen und bewährten KI‑Aktie sucht, sollte sich die Zeit nehmen, mehr über NVIDIA zu recherchieren. 

Für einen genaueren Blick auf NVIDIA sollten Sie sich unser Spotlight zu diesem Branchenriesen ansehen.

Neueste Nachrichten zu NVIDIA Corporation

Die Zukunft der KI: Natürliche Intelligenz, künstlich entwickelt

Die Ingenieure dieser Studie haben ein neues Niveau der KI‑Fähigkeit erschlossen. Ihr neues Chip‑Design wird es KI ermöglichen, schnellere und intelligentere Algorithmen zu entwickeln. Diese Systeme werden eines Tages fast jedes Bauteil in Ihrem Leben antreiben. Vorläufig hat diese Forschung gezeigt, wie Wissenschaftler Inspiration aus der Natur und dem menschlichen Körper ziehen können, um Innovationen zu neuen Höhen zu führen.. 
Erfahren Sie mehr über andere coole KI‑Projekte jetzt.

Studien zitiert:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}