Die beiden Informatiker Robert Legenstein und Wolfgang Maass (v.l.) an der TU Graz arbeiten an energieeffizienten KI-Systemen und lassen sich dabei von der Funktionsweise des menschlichen Gehirns inspirieren.

Die beiden Informatiker Robert Legenstein und Wolfgang Maass (v.l.) an der TU Graz arbeiten an energieeffizienten KI-Systemen und lassen sich dabei von der Funktionsweise des menschlichen Gehirns inspirieren. TU Graz

Der bislang hohe Energieverbrauch beim Lernen von künstlichen neuronalen Netzwerken ist eine der größten Hürden für den breiten Einsatz von Künstlicher Intelligenz (KI), vor allem bei mobilen Anwendungen. Die Arbeitsgruppe rund um die beiden Informatiker Wolfgang Maass und Robert Legenstein hat sich bei Entwicklung dieses neuen maschinellen Lernalgorithmus e-Prop (kurz für e-propagation) Erkenntnisse über die energiesparende Arbeitsweise des menschlichen Gehirns zunutze gemacht: E-prop vermeidet das Problem des hohen Energieverbrauchs mittels einer vom Gehirn abgeschauten dezentralen Methode, bei der jedes Neuron in einer sogenannten e-Trace (eligibility trace; dt. Ereignisspur) dokumentiert, wann seine Verbindungen benutzt wurden. Somit ist kein ständiger Datentransfer zwischen dem Speicher und den Prozessoren erforderlich – eine der Hauptursachen für den großen Energie-Verbrauch derzeitiger KI-Anwendungen.

e-Prop hingegen funktioniert vollkommen online und erfordert auch im realen Betrieb keinen separaten Speicher – das Lernen wird dadurch viel energieeffizienter. Die Methode ist ähnlich leistungsfähig wie die besten und aufwendigsten bekannten anderen Lernmethoden, schreiben die beiden Forscher. Details dazu wurden nun im wissenschaftlichen Journal Nature Communications publiziert.

e-Prop in erster Anwendung

Erste Schritte, e-Prop in die Anwendung zu bringen, wurden bereits gemacht: So arbeitet das Team der TU Graz gemeinsam mit der Advanced Processor Technologies Research Group (APT) der Universität Manchester im Human Brain Projekt daran, e-Prop in das dort entwickelte neuromorphe SpiNNaker-System einzubauen. Gleichzeitig arbeiten die Wissenschaftler mit dem Chiphersteller Intel daran, den Algorithmus in die nächste Version des neuromorphen Chips Loihi zu integrieren. Also einem Mikrochip, der in seinem Aufbau – passend zum Vorbild des Lernalgorithmus – natürlichen Nervennetzen ähnelt.

Maass und Legenstein hoffen, dass e-Prop die Entwicklung einer neuen Generation von mobilen lernfähigen Rechensystemen vorantreibt, die nicht mehr programmiert werden müssen, sondern nach dem Vorbild des menschlichen Gehirns lernen und sich dadurch laufend an neue Anforderungen anpassen. Das Ziel ist es, diese Rechensysteme nicht mehr energieintensiv ausschließlich über eine Cloud lernen zu lassen, sondern den größeren Teil der Lernfähigkeit effizient in mobile Hardware-Komponenten einzubauen und dadurch Energie zu sparen.