Kann ein Computer wie ein Mensch aus der Vergangenheit lernen und vorhersehen, was als nächstes passieren wird?
Es überrascht Sie vielleicht nicht, zu hören, dass einige hochmoderne KI-Modelle dieses Kunststück schaffen könnten, aber wie wäre es mit einem Computer, der etwas anders aussieht – eher wie ein Wassertank?
Wir haben einen kleinen Proof-of-Concept-Computer gebaut, der fließendes Wasser anstelle eines herkömmlichen logischen Schaltkreisprozessors verwendet und zukünftige Ereignisse über einen Ansatz namens „Reservoir-Computing“ vorhersagt.
In Benchmark-Tests schnitt unser analoger Computer gut darin ab, sich Eingabedaten zu merken und zukünftige Ereignisse vorherzusagen – und in einigen Fällen schnitt er sogar besser ab als ein leistungsstarker digitaler Computer.
Wie funktioniert es also?
Steine in den Teich werfen
Stellen Sie sich zwei Kinder vor, Alice und Bob, die am Rande eines Teiches spielen. Bob wirft scheinbar zufällig große und kleine Steine nacheinander ins Wasser.
Große und kleine Steine erzeugen Wasserwellen unterschiedlicher Größe. Alice beobachtet die von den Steinen erzeugten Wasserwellen und lernt, vorauszusehen, was die Wellen als nächstes tun werden – und daraus kann sie eine Vorstellung davon bekommen, welchen Stein Bob als nächstes werfen wird.
Reservoircomputer kopieren den Denkprozess, der in Alices Gehirn abläuft. Sie können aus vergangenen Eingaben lernen, um zukünftige Ereignisse vorherzusagen.
Obwohl Reservoir-Computer zunächst mithilfe neuronaler Netze vorgeschlagen wurden – Computerprogrammen, die lose auf der Struktur von Neuronen im Gehirn basieren – können sie auch mit einfachen physikalischen Systemen aufgebaut werden.
Reservoircomputer sind analoge Computer. Ein analoger Computer stellt Daten kontinuierlich dar, im Gegensatz zu digitalen Computern, die Daten als sich abrupt ändernde binäre „Null“- und „Eins“-Zustände darstellen.
Durch die kontinuierliche Darstellung von Daten können analoge Computer bestimmte Naturereignisse – solche, die in einer Art unvorhersehbarer Abfolge auftreten, die als „chaotische Zeitreihe“ bezeichnet wird – besser modellieren als ein digitaler Computer.
Wie man Vorhersagen trifft
Um zu verstehen, wie wir mithilfe eines Reservoircomputers Vorhersagen treffen können, stellen Sie sich vor, Sie hätten eine Aufzeichnung der täglichen Regenfälle des vergangenen Jahres und einen Eimer voller Wasser in Ihrer Nähe. Der Eimer wird unser „Rechenreservoir“ sein.
Wir geben die tägliche Niederschlagsaufzeichnung mittels Stein in den Eimer ein. An einem Tag mit leichtem Regen werfen wir einen kleinen Stein; für einen Tag mit starkem Regen ein großer Stein. An einem Tag ohne Regen werfen wir keine Steine.
Jeder Stein erzeugt Wellen, die dann um den Eimer herumschwappen und mit den Wellen anderer Steine interagieren.
Am Ende dieses Prozesses gibt uns der Zustand des Wassers im Eimer eine Vorhersage. Wenn die Wechselwirkungen zwischen Wellen große neue Wellen erzeugen, können wir sagen, dass unser Stauseecomputer starke Regenfälle vorhersagt. Wenn sie jedoch klein sind, sollten wir nur mit leichtem Regen rechnen.
Es ist auch möglich, dass sich die Wellen gegenseitig aufheben und eine stille Wasseroberfläche entsteht. In diesem Fall ist mit keinem Regen zu rechnen.
Der Stausee erstellt eine Wettervorhersage, da sich die Wellen im Eimer und die Niederschlagsmuster im Laufe der Zeit nach denselben physikalischen Gesetzen entwickeln.
Das gilt auch für viele andere natürliche und sozioökonomische Prozesse. Das bedeutet, dass ein Reservoircomputer auch Finanzmärkte und sogar bestimmte Arten menschlicher Aktivitäten vorhersagen kann.
Länger anhaltende Wellen
Der Reservoircomputer „Eimer Wasser“ hat seine Grenzen. Zum einen sind die Wellen nur von kurzer Dauer. Um komplexe Prozesse wie Klimawandel und Bevölkerungswachstum vorherzusagen, brauchen wir ein Reservoir mit haltbareren Wellen.
frameborder=”0″allow=”accelerometer; automatisches Abspielen; Zwischenablage-Schreiben; verschlüsselte Medien; Gyroskop; Bild im Bild; web-share”allowfullscreen>
Eine Möglichkeit sind „Solitonen“. Dabei handelt es sich um selbstverstärkende Wellen, die ihre Form behalten und sich über weite Strecken bewegen.
Für unseren Reservoircomputer haben wir kompakte solitonartige Wellen verwendet. Solche Wellen sieht man oft in einem Waschbecken oder einem Trinkbrunnen.
In unserem Computer fließt eine dünne Wasserschicht über eine leicht geneigte Metallplatte. Eine kleine elektrische Pumpe verändert die Strömungsgeschwindigkeit und erzeugt einzelne Wellen.
Wir haben ein fluoreszierendes Material hinzugefügt, um das Wasser unter ultraviolettem Licht zum Leuchten zu bringen und so die Größe der Wellen genau zu messen.
frameborder=”0″allow=”accelerometer; automatisches Abspielen; Zwischenablage-Schreiben; verschlüsselte Medien; Gyroskop; Bild im Bild; web-share”allowfullscreen>
Die Pumpe spielt im Spiel von Alice und Bob die Rolle fallender Steine, aber die einzelnen Wellen entsprechen den Wellen auf der Wasseroberfläche.
Einzelne Wellen bewegen sich viel schneller und leben länger als Wasserwellen in einem Eimer, wodurch unser Computer Daten schneller verarbeiten kann.
Wie funktioniert es also?
Wir haben die Fähigkeit unseres Computers getestet, sich frühere Eingaben zu merken und Prognosen für einen Benchmark-Satz chaotischer und zufälliger Daten zu erstellen.
Unser Computer erledigte nicht nur alle Aufgaben außergewöhnlich gut, sondern übertraf auch einen Hochleistungs-Digitalcomputer, der mit dem gleichen Problem konfrontiert war.
Mit meinem Kollegen Andrey Pototsky haben wir außerdem ein mathematisches Modell erstellt, das es uns ermöglichte, die physikalischen Eigenschaften der Einzelwellen besser zu verstehen.
Als nächstes planen wir, unseren Computer als mikrofluidischen Prozessor zu miniaturisieren. Wasserwellen sollen in der Lage sein, Berechnungen innerhalb eines Chips durchzuführen, der ähnlich funktioniert wie die Siliziumchips, die in jedem Smartphone verwendet werden.
In Zukunft könnte unser Computer in der Lage sein, zuverlässige Langzeitprognosen in Bereichen wie Klimawandel, Buschbränden und Finanzmärkten zu erstellen – und das zu wesentlich geringeren Kosten und mit größerer Verfügbarkeit als aktuelle Supercomputer.
Auch unser Computer ist von Natur aus immun gegen Cyber-Angriffe, da er keine digitalen Daten nutzt.
Unsere Vision ist es, dass ein auf Solitonen basierender mikrofluidischer Reservoircomputer Datenwissenschaft und maschinelles Lernen in ländliche und abgelegene Gemeinden auf der ganzen Welt bringen wird. Aber vorerst geht unsere Forschungsarbeit weiter.
Ivan Maksymov, Principal Research Fellow, Charles Sturt University
Dieser Artikel wurde von The Conversation unter einer Creative Commons-Lizenz erneut veröffentlicht. Lesen Sie den Originalartikel.