Neuromorfiska datorsystem utmanar AI-tekniken

I den mänskliga hjärnan sänder neuroner ut impulser och för att skapa mening av inkommande information och i neumorfisk datoranvändning vill man efterlikna det. Resultatet är nya processorer och algoritmer som är väldigt energieffektiva om man jämför med de AI-system som finns idag, till exempel ChatGPT. Neuromorphiska datorsystem har redan börjat plockas upp av företag så som Intel och IBM som börjat skapa sina egna chips och algoritmer.

– Vi ser en exponentiell tillväxt kring den här teknologin, även om forskningsfältet just nu är nytt, säger Jörg Conradt, docent i neurodatateknik på KTH.

Bygger på andra datorprinciper

Utmaningen kring existerande datorsystem och smarta system är att de använder mycket energi, möjligtvis överflödig. Neuromorfiska system bygger på andra datorprinciper och använder energi när information uppdateras.  

– Ju mer vi förstår kring hur den mänskliga hjärnan processar information, desto effektivare kan vi efterlikna den i teknik. Det inkluderar också att vi skapar våra egna processorer omprövar beräkningsprimitiver. Den stora fördelen är att vi kommer att ha samma datorer i framtiden, men den kommer att förbruka mycket mindre energi, säger Jörg Conradt.  

Som ett exempel så pågår just nu ett forskningsprojekt  tillsammans med Digital Futures och Stockholms stad som handlar om att identifiera vilka som rör sig i trafiken i Stockholm och hur man optimerar resvägar i realtid.

– Dagens teknologi för att identifiera om det är en bil, motorcykel, sparkcykel, cykel eller en gående som registreras kräver en kamera och en dator som använder mycket energi. Vårt mål är ett system som kan identifiera flödena men som använder betydligt mindre energi. För trafikplanerare är det här oerhört viktig information och avgör beslut som till exempel var man ska bygga en extra fil för de som cyklar eller hur trafiksignaler kan ställas om och justeras.

Text: Emelie Smedslund ( emeliesm@kth.se )