39
Building new brains Building new brains

Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen Rekursive Suche Selbstorganisierende Netzwerke Der

Embed Size (px)

Citation preview

Page 1: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Building new brainsBuilding new brains

Page 2: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Was brauchen wir um ein Gehirn Was brauchen wir um ein Gehirn zu bauen?zu bauen? Ein paar wichtige Formalismen

Rekursive Suche Selbstorganisierende Netzwerke Der Kampf zwischen konkurrienden Entwuerfen

(Design) Wissen

Nur ein paar Wissensfragmente Rest wird von adaptiven Methoden gelernt

Page 3: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Was brauchen wir um ein Gehirn Was brauchen wir um ein Gehirn zu bauen?zu bauen? Faehigkeit Berechnungen durchzufuehren

Staerken und Schwaechen des Gehirns Berechnet sequentiell sehr langsam Parallel sehr schnell

Schwaeche ist schwer zu beheben da: DNA kann Struktur erweiteren / veraendern aber

ist nicht in der Lage sich von Grund auf an zu aendern

Page 4: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Frage: Wann wird die Hardware-Frage: Wann wird die Hardware-Kapazitaet des Gehirns erreichtKapazitaet des Gehirns erreicht

Dazu muss man die Geschwindigkeitsentwicklung des Computers betrachten

Computergeschwindigkeit := (Berechnungen/Sekunde/$1000) 1910 - 1950 alle 3 Jahre verdoppelt 1950 - 1960 alle 2 Jahre verdoppelt

Heute verdoppelt sich die Leistung des Computers jedes Jahr

Page 5: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Frage: Wann wird die Hardware-Frage: Wann wird die Hardware-Kapazitaet des Gehirns erreichtKapazitaet des Gehirns erreicht

Dazu muss man die Geschwindigkeitsentwicklung des Computers betrachten

Computergeschwindigkeit := (Berechnungen/Sekunde/$1000) 1910 - 1950 alle 3 Jahre verdoppelt 1950 - 1960 alle 2 Jahre verdoppelt

Heute verdoppelt sich die Leistung des Computers jedes Jahr

Page 6: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Rechenleistung des Gehirns:Rechenleistung des Gehirns:

Gehirn besteht aus 100 Milliarde Neuronen. Jeweils 1000 Verbindungen zwischen Neuron und

jedem Nachbarn bestehen.Þ 100 Billion Verbindungen

Jede Verbindung kann 200 Berechnungen / Sekunde ausfuehren

Þ 20 Millionen Milliarden Berechnungen / Sekunde vom Gehirn koennen vom Gehirn ausgefuehrt werden

Page 7: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Wann sehen wir also diese Wann sehen wir also diese Geschwindigkeit in unserem Computer?Geschwindigkeit in unserem Computer?

Þ Der Verlauf aehnelt einem exponentielles Wachstum in einem exponentiellen Wachstum

Das kommt daher, weil zwei Faktoren auf das Law of Accelerating Returns angewendet werden 1. Strang: (besonders zuerst) Geschwindigkeit

erhoehen indem man die Transistoren kleiner macht (kuerzerer Weg)

2. Strang: Hoehere Dichte von Transistoren auf gleich grossem Chip

+ In den 90 Jahren ernsthafter Beginn von Versuchen paralleler Berechnungen in Computern

Page 8: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Wann werden Computer den Wann werden Computer den Speicherplatz des Gehirns Speicherplatz des Gehirns erreichen?erreichen? Das Gehirn hat 100 Billion Synapsen (Verbindungen

zwischen Neuronen). -> 1 Million Miliarde Bits. 1998 kostet 1 Miliarde Bits (128 MB) $200 und

Kapazitaet doppelt alle 18 Monate. => 2023 - 1 Million Milliarde Bits kosten $1000 (Und

sind um den Faktor eine Million schneller)

Page 9: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Wann sehen wir also diese Wann sehen wir also diese Geschwindigkeit in unserem Computer?Geschwindigkeit in unserem Computer? IBM baut Computer auf Basis von Deep Blue mit 10

Terraflops (10 Billion Berechnungen / Sekunde) Nippon Electric versucht dies zu schlagen mit 32

Terraflops. Da IBM sich das nicht gefallen laesst, wollen sie bis

2004 100 Terraflops-Rechner gebaut haben. => 2010 - 200 Terraflops was dem Gehirn entspricht (Bestaetigt K.s Theorie : PCs 10 Jahre auf die aktuellen

Supercomputer Rueckstand) Nach Kurzweil ueberschreitet die ungenutzte

Kapazitaet der Menge heimischen Rechner im Internet jetzt schon das Gehirn.

=> Die Hardware-Vorraussetzung fuer ein Gehirn ist jetzt schon da.

Page 10: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Wie wird es weitergehen?Wie wird es weitergehen?

Ausgehend davon, dass sich die Geschwindigkeit jedes Jahr verdopplelt

und die Weltbevoelkerung ungefaehr 10 Milliarden Menschen betraegt. 2020 - $1000 PC = Gehirn 2030 - PC = Kleine Stadt 2048 - PC = United States 2060 - PC = eine billion Menschen 2099 fuer einen Penny kann die Rechnenleistung

aller Gehirne auf der Erde haben.

Page 11: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Computer im 21 JahrhundertComputer im 21 Jahrhundert

Wenn Moore Law gegen 2020 laut Kurzweil nicht mehr greift, weil Schaltkreise in der Groesse von ein paar Atomen ungewuenschte

Quanten-Effekte hervorrufen - dann kann man in die dritte Dimesion bauen. Schichten von Schaltkreise werden uebereinander

gelegt. Im Moment noch zu teuer Darueber hinaus gibt es noch ein Fuelle von anderen

Herangehensweisen, die ich nun erlaeutern werde

Page 12: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Rechnen mit LichtRechnen mit Licht

Optische Computer verwenden Photonenstroeme (Lichtpartikel) statt Elektronen.

Laser kann Milliarden von coherenten Stroemen produzieren die unabhaengige Berechnungen durchfuehren

Einsatz schon heute bei Erkennung von Fingerabdruecken.

Vorteil: Der massive Parallelismus von Berechnungen Nachteil: Die Computer sind nicht programmierbar.

Fuehrt nur eine feste Anzahl von Berechnungen fuer eine gegebene Konfiguration von optischen Berechnungselementen durch

Page 13: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

DNA basierte ComputerDNA basierte Computer

DNA-Computer eignen sich aufgrund ihres massivem Parallelsimus gut zum loesen kombinatorischer Probleme

Forscher haben Enzyme erkannt die logische Grundoperationen wie "und,"oder",usw in der DNA ausfuehren.

"Traveling salesman" Problem ist mit dieser Form von Berechnung in sehr kurzer Zeit zu loesen.

flexibler als Optische Rechner, aber immernoch sehr begrenzt

Page 14: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Computer in Form eines KristallesComputer in Form eines Kristalles

Daten werden in Form von einem Hologram (also dreidimensional) in einem Kristall gespeichert

Methode braucht nur 1 Million Atome zur Speicherung eines bits. => 1 Billion Bits auf ein ccm. (das ist ueber ein GB)

Es gibt auch Projekte die versuchen die direkt mit Hilfe von Kristallen Berechnungen anstellen

Page 15: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Die NanotubeDie Nanotube

1985 Buckyballs entdeckt Carbon-Molekuele mit einem penta- oder

hexagonalen Muster. entstehen im Dampf eines Hochofens sehr hart - haerter als Stahl

Nanotubes sind aehnlich verlaengerte Carbon-Molekuele (deswegen tube) entstehen aus dem Dampf einer "Carbon-Bogen-

Lampe" sind extrem klein (deswegen Nanotube) genauso hart

Page 16: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Die NanotubeDie Nanotube Der Vorteil: Hat die gleichen elekronischen Eigenschften

wie Silikon basierte KomponentenDie Vorteile: eine gerade Nanotube leitet Elektrizitaet besser als

Metall bei leichtem helixartigem Dreh in der Form, kann die

Nanotube sich wie ein Transitor verhalten viel belastbarer als Silikon - koennen mit Hitze besser

umgehen -> koennen besser in 3 dimensionale Architekturen aufbauen Forscher haben Visionen Computer aus Nanotubes zu

bauen die viel kleiner, kompakter und schneller sind als die heutigen. Auch die Rechenleistung des Gehirns soll dadurch uebertroffen werden.

Page 17: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

2.1 Kurze Einführung in die 2.1 Kurze Einführung in die Quantenmechanik (1)Quantenmechanik (1)

Zur Erinnerung: Das Photon (Elementarteilchen)

Bezeichnung für die kleinsten Energieteilchen elektromag-netischer Strahlung.

Die Teilchen lassen sich weder durch ein elektrisches noch durch ein magnetisches Feld ablenken.

Die Teilchen besitzen sowohl die Eigenschaften eines Teilchens, als auch die einer Welle. (Welle-Teilchen-Daulismus)

Materie gibt Energie nicht kontinuierlich ab, sondern in Energiepaketen, sog. Quanten (Planck) Bernd Güde

Page 18: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Einführung in die Quanten-Einführung in die Quanten-mechanik mechanik Superposition (2) Superposition (2)

Bernd Güde

D1

D2

= halbdurchlässiger Spiegel (aufgestellt in Winkel 45°)

D1, D2 = Detektoren

Photonen

Page 19: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Einführung in die Quanten-Einführung in die Quanten-mechanik mechanik Superposition (3) Superposition (3)Ergebnis:

Der halb durchlässige Spiegel bewirkt, dass man in Detektor D1 und Detektor D2 jeweils 50 % der gesendeten Photonen messen kann.

D1

D2

= halb durchlässiger Spiegel D1, D2 = Detektoren

Photonen

Page 20: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Einführung in die Quanten-Einführung in die Quanten-mechanik mechanik Superposition (4) Superposition (4)

1

2

= halbdurchlässiger Spiegel

1

2

D1

D2

= nichtdurchlässiger Spiegel D1, D2 = Detektoren

Bernd Güde

Photonen

Alle Spiegel sind aufgestellt im Winkel = 45°

Page 21: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Einführung in die Quanten-Einführung in die Quanten-mechanik mechanik Superposition (5) Superposition (5)Ergebnis:

Der halb durchlässige Spiegel 1 bewirkt zwar, dass man in Detektor D1 und Detektor D2 jeweils 50 % der gesendeten Photonen messen kann.

Die beiden Wege werden durch die Reflektoren aber wieder zusammengefügt.

ABER: In Detektor D1 kann man jetzt komischer Weise alle Photonen messen, in D2 keine.

Was bedeutet dieses Phänomen?

Page 22: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Einführung in die Quanten-Einführung in die Quanten-mechanik mechanik Superposition (6) Superposition (6)Interpretation:

Photonen haben grundsätzlich die Eigenschaft, dass sie durch halb durchlässige Spiegel zu laufen (immer) oder nicht (nie).

Diese Interpretation liegt vielleicht nahe, aber ist dennoch falsch, was durch nähere Betrachtung folgendes deutlich (vgl. 1.1):

Photonen interferieren, d.h., sie überlagern sich. Dabei können sie sich verstärken (konstruktive Interferenz) oder aufheben (destruktive Inter-ferenz).

Page 23: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Einführung in die Quanten-Einführung in die Quanten-mechanik mechanik Superposition (7) Superposition (7)Das Versuchsergebnis kann man jetzt so interpretieren, dass am zweiten halb durchlässigen Spiegel Photonen inter-ferieren, so dass in der Richtung Detektor 1 konstruktive Interferenz herrscht und in Richtung Detektor 2 destruktive.

Das Erstaunliche ist, dass dieses Experiment auch mit nur einem einzigen Photon funktioniert. Es liegt nahe, dass sich Photonen nicht spalten können. Blockiert man einen der Wege, so kann man messen, dass das Photon jeweils an Detektor 1 und Detektor 2 messbar ist.

Ein Photon hat dann also mit sich selber interferiert, es hat zwei Wege verfolgt. Dieser Zustand heißt kohärente Superposition.

Page 24: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

2.2 Technische Umsetzung des 2.2 Technische Umsetzung des Quantencomputers (1)Quantencomputers (1)Die Tatsache, dass ein Photon zwei Zustände annehmen kann, wirkt sich revolutionär auf den Bau von Rechnern aus:

klassische Rechenmaschinen kennen nur den Zustand 0 oder 1.

Mit den quantenmechanischen Effekten könnte man jetzt ein Qubit definieren, welches den Zustand 0 und 1 kennt. Das sind seine Basiszustände. Man muß daher noch eine Gewichtung vornehmen, um dann auch mit Qubits rechnen zu können, dies geschieht über Wahrscheinlich-keiten, welche es erlauben, Qubits zu steuern.(aufgr. Interferenz)

Page 25: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Technische Umsetzung des Technische Umsetzung des Quantencomputers (2)Quantencomputers (2)Ein einzelnes Qubit scheint noch nicht recht sinnvoll. Interessant wird diese neue Art den Rechnen doch erst, wenn man viele Qubits verwenden (und steuern) kann.

Erst dann wird der Quantencomputer zu einem mächtigen Parallelrechner.

Problem der Superposition ist leider aber, daß man sie nicht messen kann: Will man ein Photon in Superposition messen, muss man es anstoßen, dabei verliert es seine quantenmechanischen Eigenschaften.

Das wird auch zum Problem für Quantencomputer: sie müssen von äußeren Einflüssen völlig abschotten.

Page 26: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Technische Umsetzung des Technische Umsetzung des Quantencomputers (3)Quantencomputers (3)Ferner treten Fehler auf, denn es wird mithilfe von Wahr-scheinlichkeiten gemessen. Das bedeutet man muß, um mit Qubits rechnen zu können auch immer über geeignete Fehlerkorrekturmechanismen verfügen.

Die Herstellung und gezielte Manipulation stellt ein enormes technisches Problem dar. Aktuell kann man Systeme herstellen mit 5 Qubits.

Ein weiteres Problem ist, daß man zwar das Ergebnis einer Superpostion kennt, aber keine Zwischenergebnisse. Man kann also nicht alle Informationen an die Außenwelt über-tragen. Auch für Algorithmen bedarf vieler komplexer Überlegungen.

Page 27: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Technische Umsetzung des Technische Umsetzung des Quantencomputers (4)Quantencomputers (4)Allerdings sind Quantencomputern auch Grenzen gesetzt.

Datenbanken können nur unwesentlich schneller durchsucht werden, als mit herkömmlichen Algorithmen. Jedoch ist der technische Aufwand um ein Vielfaches größer.

Vorteile hat ein Quantencomputer allerdings mit Aufga-ben, wo parallele Rechenleistung gefragt ist (Faktorisie-rung großer Zahlen, etc.)

Passende Algorithmen zu finden ist z. Z. das größte Hindernis zum Durchbruch der Quantenrechner.

Page 28: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

2.3 Ausblick2.3 AusblickZitat: Auf der Jagd nach dem Quantencomputer von R. Emmerich, Pressemitteilung Bayrische Julius-Maximilians-Universität Würzburg, 22.02.2001:

Die Realisierung eines Quantencomputers stellt ein hoch aktuelles Gebiet der physikalischen Forschung dar. [...] Wissenschaftler von der Universität Würzburg haben zusammen mit Kollegen aus Kanada ein wesentliches Bau- element für einen Quantencomputer, ein quantum gate realisiert. Dem Wissenschaftsblatt Science war das einen Bericht wert [...] Seine eigentliche Schnelligkeit bezieht der Quantencomputer aber daraus, dass die einzelnen Bits nicht getrennt angesteuert werden, sondern alle Bits miteinander gekoppelt sind. Die Forscher sprechen hier von Verschränkung: Wird ein bestimmter quantum bit angesteuert, dann werden aufgrund der Kopplung gleichzeitig auch alle anderen Bits adressiert. Statt einer einzelnen Rechen-operation [...] sind [...]sehr viele Rechenoperationen durchführbar. Der Arbeitsgruppe am Würzburger Lehrstuhl für Technische Physik [...] gelang es zusammen der Forschergruppe [...] vom National Research Council in Ottawa, durch die Kopplung so genannter Quantenpunkte künstliche Moleküle herzustellen...

Page 29: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Reverse EngeneeringReverse Engeneering

Menschliches Gehirn als Vorbild für ein Computer-Gehirn

Erste Erfolge: Chip basierend auf Retina und ersten visuellen Verarbeitungsstufen bei Säugetieren.

Kritik: Menschliches Gehirn sei zu schwach um sich selbst zu verstehen Massive parallele Algorithmen sind verstehbar Anzahl der Algorithmen ist begrenzt Folge: Menschen oder zumindest zukünftige

Maschinen können menschliches Gehirn verstehen

Page 30: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Methoden: Destruktiver ScanMethoden: Destruktiver Scan

Gehirn wird gefroren, Scheibenweise gescannt und abgetragen.

Ethische Einwände? Vergleich zu Leonardo da Vinci Psychologischer Grund für Einwände: Menschen

identifizieren sich eher mit ihrem Gehirn.

Page 31: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Methoden: Nicht destruktiver Methoden: Nicht destruktiver ScanScan Gehirn wird nicht (negativ) beeinflusst Magnetic Resonance Imaging (MRI) neue Methode: optical imaging

Angewendet zur Erforschung der Wahrnehmung Law of Accelerating Returns:Scanner sind abhängig

von Fortschritt in Physik und vor allem Computern Folge: Immer bessere Scanner sind abzusehen

Vergleich zum Genom-Projekt Der anfangs zu hohe Aufwand kann durch neue

Technologien in absehbarer Zeit bewältigt werden.

Page 32: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Zweck: Erforschung des GehirnsZweck: Erforschung des Gehirns

Verständnis der Funktion des (menschlichen) Gehirns Details weniger wichtig als grundlegende Muster Entwicklung neuronler Netze, durch reverse

engeneering. funktioniert vor allem in kleinen Systemen Algorithmen können nicht nur verstanden, sondern

for dem reimplementieren verbessert werden. Da Computer auch schneller, folgt: Neue Gehirne

werden überlegen sein. Ungewollte menschliche Aspekte können weggelassen

werden. Wesentliches darf nicht übersehen werden.

Page 33: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Zweck: Gehirn in Maschine Zweck: Gehirn in Maschine kopierenkopieren Hoher Aufwand, da alle Details beachtet werden

müssen. Aber: Nur genaues Kopieren nicht Verstehen

erforderlich. jede einzelne Komponente im Hirn muss verstanden

werden: große Anzahl verschiedener Neurotransmitter Unterschiedliche Neuronen evtl. Strukturen, die Quanten-Rechnen ermöglichen

Aber: es müssen nur informations-relevante Teile kopiert werden, nicht die zur Selbsterhaltung.

Page 34: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

KonsequenzenKonsequenzen

Fehler beim Kopieren? Persönlichkeiten verändern sich auch in realer Welt

ständig Technik wird sich verbessern

Körper für das Gehirn-Medium? den alten Körper, evtl, verbessert, Maschine, Clon,

vollständig virtuell Das entstandene Wesen wird behauten ein Bewusstsein

zu haben. Das Wesen wird intellektuell einem Menschen

überlegen sein, da es schneller, fehlerfreier und mit größerer Wissensbasis denken kann.

Page 35: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

TrendsTrends

ab der zweiten Hälfe dieses Jahrhunderts wird das biologische Gehirn ersetzt. Zuerst teilweise: alterndes Gedächtnis ersetzen,

verbesserte Schaltungen zum Nachdenken und zur Mustererkennung.

Später vollständig: schneller Denken, mehr Gedächtnis, alles Wissen, ständige Kommunikation als Folge der billigen Computerressourcen.

Vergleich: Alte Vinyl Platten wurden auf moderne digitale Tonträger umkopiert

Page 36: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

UnsterblichkeitUnsterblichkeit

Menschen werden software nicht hardware sein Unsterblichkeit als logische Folge

Heute ist die Software durch die Hardware (Gehirn) begrenzt - in einer neuen Hardware kann sie wachsen.

Überleben hängt nicht mehr von Hardware, sondern von 'Datenpflege' ab.

Page 37: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Zeitalter der neuralen ImplantateZeitalter der neuralen Implantate

Erfolgreicher Einsatz von neuralem Implantat gg. Parkinson

Implantate die Tauben oder Blinden helfen Übergang von Nerven zu Elektronik ist möglich.

Entwiclung vom Max-Plank Institut.. Bsp. Kontrolle der Bewegung eines Blutegels per Computer.

beidseitig wandelnde Geräte sollen z.B. in Prothesen eingesetzt werden.

was zuerst gegen Krankheiten eingesetzt wird, wird später auch zur Leistungssteigerung genutzt werden.

Page 38: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Kurzweils ReflektionKurzweils Reflektion Überleben des Entwickelteren

Bsp.: Homo Sapien Sapiens vs. Homo Sapiens Neanderthalis.

Bsp.: Europäer vs. amerikanische Ureinwohner Keine Unterwerfung der Schwächeren

Da Sklaverei 'kein fruchtbares ökonomisches' System für beide Seiten im Zeitalter des Intellekts ist.

Diese Entwicklung kann und darf nicht gestoppt werden Gesetztes der beschleunigenden Wiederholung verstößt gegen alle Grundlagen ökonomischer

Konkurrenz und der Suche nach Wissen Viele Vorteile durch diese Entwicklung

Page 39: Building new brains. Was brauchen wir um ein Gehirn zu bauen? = Ein paar wichtige Formalismen  Rekursive Suche  Selbstorganisierende Netzwerke  Der

Fragen:Fragen:

Kurzweils 'Mensch' - Summe neuraler Verbindungen? Unsterblicher Mensch - Ersetzbarer Mensch? Überleben des Entwickelteren oder Stärkeren - ein

gesellschaftliches Modell? Zeitalter des Intellektes - ein garant für Freiheit? Unausweichlicher Fortschritt - eine Perspektive für die

Gegenwart?