Abo
  1. Foren
  2. Kommentare
  3. Wissenschaft
  4. Alle Kommentare zum Artikel
  5. › CPU: Könnten Hirnforscher einen…

Ist der Ansatz überhaupt sinnvoll?

  1. Thema

Neues Thema Ansicht wechseln


  1. Ist der Ansatz überhaupt sinnvoll?

    Autor: Malachi 25.01.17 - 11:13

    Hallo zusammen,

    ich bin mir nicht sicher, ob der Ansatz hier überhaupt sinnvoll ist. Gibt es denn überhaupt ein Gegenbeispiel, bei dem eine Methodik aus einem Fremdfach auf etwas völlig anderes transferiert werden konnte und damit eine Bewertung bzw. Erklärung des untersuchten Systemes ermöglichte?

    Das Problem hier ist, dass der Schluss gezogen wird, dass die Methodik der aktuellen Hirnforschung neu überdacht werden sollte. Es wird spekuliert, dass diese nicht ausreichend ist, weil der Versuch des Verständnisses an einer CPU scheiterte.

    Auch wenn es erst einmal so scheint - das Gehirn und ein Computer arbeiten absolut und fundamental unterschiedlich.
    Ein Computer arbeitet rein digital - 0 und 1 - mehr gibt es hier nicht. Das Gehirn bzw. eine Nervenzelle arbeitet digital UND analog und das quasi simultan. Hier werden statt Binärzahlen postsynaptische Potentiale analog aufsummiert, die erst einmal darüber entscheiden, ob das Neuron feuert. Die Potentiale können auch durchaus beeinflussen, mit welcher Frequenz das Neuron feuert. Daraus kann man aber nicht gleich vom Input auf den Output schließen.
    Denn zellinterne Mechanismen werden nach kurzer Zeit dieses Antwortverhalten modulieren und so wird plötzlich gar nichts mehr gefeuert , wo man es eigentlich erwartet hätte. Diese Mechanismen sind extrem komplex, da die Typen und Position der beteiligten Ionenkanäle ebenso beteiligt sind, wie calciumbindende Proteine, die Leitfähigkeit und die Kapazität der Zellmembran usw.usf.

    Daraus ergibt sich, dass definitiv kein Neuron mit einem anderen zweiten Neuron zu vergleichen ist. In einer CPU sind alle Transitoren identisch mit identischem Verhalten. Die Anatomie und elektrische Eigenschaften eines Neurons kann man zwar klassifizieren, aber die kleinsten Details machen enorme Unterschiede aus. Dazu kommt noch, dass sich Neuron ständig im Fluss befinden. Es werden kontinuierlich neue Synapsen gebildet, andere abgebaut. Darin liegt die Stärke des Gehirns als System: es ist plastisch und kann sich schnell auf neue Bedingungen einstellen. Es lernt. Oder anders gesagt: beim Gehirn IST die Hardware zugleich Software.

    Von daher bin ich von diesem Ansatz hier etwas skeptisch, aber vielleicht ist ja noch jemand vom Fach und kann mich vom Gegenteil überzeugen. :)

  2. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: SirFartALot 25.01.17 - 11:17

    Der Punkt den du uebersehen hast ist, dass die CPU viel einfacher als ein Gehirn ist, und nicht mal die wurde verstanden. Wie soll als dann erst ein (wie von die beschrieben) viel komplexeres Gebilde wie ein Gehirn verstanden werden (koennen)? Genau diese Frage hat sich mit dem Test herauskristallisiert.

    "It's time to throw political correctness in the garbage where it belongs" (Brigitte Gabriel)
    Der Stuhlgang während der Arbeitszeit ist die Rache des Proletariats an der Bourgeoisie.

  3. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: ciVicBenedict 25.01.17 - 11:19

    Ich halte den Artikel (der Forscher, danke an Golem) für kompletten Unsinn. Man glaubt die Funktionsweise eine Neurons zu kennen und hat auf dieser Basis geeignete Methoden entwickelt, um größere Zusammenhänge von einzelnen Neuronen zu erforschen. Das die bei einer anderen Basis (Transistor) nicht funktionieren ist völlig logisch, lässt aber keinen Schluss zu, dass es bei korrekter Basis (Neuronen) nicht funktioniert.

  4. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: Malachi 25.01.17 - 11:30

    Nein, den Punkt habe ich nicht übersehen, aber ich zweifle den Ansatz an.

    Deswegen hätte es mich auch interessiert, ob es z.B. mögich wäre, mit den Methoden der Linguistik den Output einer CPU zu erklären. Ich bin mir sicher, dass auch dann kein Ergebnis erzielt werden könne.

    Was ich sagen wollte ist, dass man einzelne Neurone mittlerweile ganz gut versteht (aber dennoch noch keinen einzigen Typus zu 100%). Das vor allem, weil man das Werkzeug besitzt um ein paar dieser Zellen direkt abzuhören. Die Methodik versagt aber, wenn es um Verbände geht (weil man nicht jede Nervenzelle per Elektrode anpieksen kann) und man muss auf andere Ansätze zurückgreifen. Je größer das untersuchte Ensemble ist, umso höher ist der statistische Faktor der Messung.

    Hier wird - so wie ich es verstanden habe - per quasi-transkranieller Magnetstimulation ein Teil der CPU lahm gelegt, gemessen und versucht auf die Funktion des lahmen Bereiches zu schließen. Das ist schon ein Fehler per se.

    Übertragbar wäre es, einen kompletten PC so zu untersuchen, weil die Kompartimentierung besser vergleichbar zum PC wäre. Damit bekäme man auch raus, dass die Soundkarte den Ton und die Grafikkarte die Bildausgabe macht.

    Statt dessen wird hier versucht mit einem MRT-Analogon die Funktion eines bestimmten Nukleus im Gehirn zu herauszufinden - das *kann* nur in die Hose gehen.

  5. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: Mixermachine 25.01.17 - 11:43

    ciVicBenedict schrieb:
    --------------------------------------------------------------------------------
    > Ich halte den Artikel (der Forscher, danke an Golem) für kompletten Unsinn.
    > Man glaubt die Funktionsweise eine Neurons zu kennen und hat auf dieser
    > Basis geeignete Methoden entwickelt, um größere Zusammenhänge von einzelnen
    > Neuronen zu erforschen. Das die Methoden bei einer vereinfachten Basis (Transistor) nicht
    > funktionieren ist völlig unlogisch und lässt den Schluss zu, dass es bei
    > korrekter komplizierteren Basis (Neuronen) ebenfalls nicht funktioniert.

    Ein Neuron ist unglaublich komplex.
    Diese Komplexität verstehen wir mit unseren heutigen Methoden nicht.
    Mit unser Herangehensweise verstehen wir aber nicht mal ein weit simples Konstrukt wie eine fest verdrahtete CPU.

    Build nicer stuff

  6. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: pythoneer 25.01.17 - 11:50

    SirFartALot schrieb:
    --------------------------------------------------------------------------------
    > Der Punkt den du uebersehen hast ist, dass die CPU viel einfacher als ein
    > Gehirn ist, und nicht mal die wurde verstanden. Wie soll als dann erst ein
    > (wie von die beschrieben) viel komplexeres Gebilde wie ein Gehirn
    > verstanden werden (koennen)? Genau diese Frage hat sich mit dem Test
    > herauskristallisiert.

    Er hat ihn nicht übersehen, du hast nur die Kritik nicht verstanden. Um es herunter zu brechen:

    Malachi warnt vor einem "Äpfel und Birnen Vergleich"

    Das ist so als wolle ich überprüfen ob die Methodiken und Theorien der starken Wechselwirkung (Teilchenphysik) gut oder zielführend sind in dem ich versuche diese an Problemen der Statik anzuwenden. Die Schlussfolgerung, dass die Theorien der starken Wechselwirkung unbrauchbar sind, weil ich damit nicht die Statik eines kleinen Legohauses berechnen kann – obwohl das viel einfacher ist als die Komplexen Teilchenumwandlungen bei Kollisionen am LHC – ist irreführend.

  7. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: pythoneer 25.01.17 - 11:55

    Mixermachine schrieb:
    --------------------------------------------------------------------------------

    > Ein Neuron ist unglaublich komplex.
    > Diese Komplexität verstehen wir mit unseren heutigen Methoden nicht.
    > Mit unser Herangehensweise verstehen wir aber nicht mal ein weit simples
    > Konstrukt wie eine fest verdrahtete CPU.

    Warum auch? Die Methoden Neuronensysteme zu verstehen sind halt nicht dafür gedacht Transistorsysteme zu verstehen. Die Methodiken der Neuronensysteme an einer CPU zu messen ist irreführend.

    Das ist so als würde ich die Methoden der Kernspaltung daran messen wie gut ich damit einen Otto-Motor erklären kann.

  8. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: maze_1980 25.01.17 - 12:01

    >Gibt es denn überhaupt ein Gegenbeispiel, bei dem eine Methodik aus einem Fremdfach auf etwas völlig anderes transferiert werden konnte und damit eine Bewertung bzw. Erklärung des untersuchten Systemes ermöglichte?
    Simulation: Finite Elemente
    Analyse: Die Zerlegung in Einzelteile (Skelette, Zellen, Radios, Wettersimulation, Teilchenbeschleuniger, Linguistik/Grammatik) geht wohl über fast alle Disziplinen
    Neuronale Netze: Können unterschidlichstes lernen/bewerten

    Erst wenn man komplexe neuronale Netze versteht und durch gezielte Manipulation einzelner oder mehrer Knoten und/oder Verbindungen ihr Verhalten ändern kann sollte man sich an Gehirne wagen. Ich meine die CPU kann man als Ersatz für ein einfaches neuronales Netz nutzen, und die Ergebnisse sind ok.

  9. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: mnementh 25.01.17 - 12:01

    Malachi schrieb:
    --------------------------------------------------------------------------------
    > Deswegen hätte es mich auch interessiert, ob es z.B. mögich wäre, mit den
    > Methoden der Linguistik den Output einer CPU zu erklären. Ich bin mir
    > sicher, dass auch dann kein Ergebnis erzielt werden könne.
    >
    Da wäre ich mir nicht so sicher. Prozessoren sprechen eine künstliche "Maschinensprache". Ich bin mir über die Methoden der Linguisten nicht 100%ig sicher, ich weiß aber, dass sie auch künstliche Sprachen erforschen. Hier ist die Haupthürde das Medium der Kommunikation zu erkennen (elektrische Signale an Pins der CPU). Wenn das erst einmal etabliert ist, können Linguisten da Wörter erkennen: die Befehle der CPU. Sie können auf die Existenz von Kontext (Register) schließen, da das gleiche Wort (Maschinenbefehl) zu unterschiedlichen Ausgaben führt. Ich vermute also dass Linguisten mit der CPU schon ganz schön weit kämen.

  10. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: gfa-g 25.03.18 - 16:23

    ciVicBenedict schrieb:
    --------------------------------------------------------------------------------
    > Ich halte den Artikel (der Forscher, danke an Golem) für kompletten Unsinn.
    > Man glaubt die Funktionsweise eine Neurons zu kennen und hat auf dieser
    > Basis geeignete Methoden entwickelt, um größere Zusammenhänge von einzelnen
    > Neuronen zu erforschen. Das die bei einer anderen Basis (Transistor) nicht
    > funktionieren ist völlig logisch, lässt aber keinen Schluss zu, dass es bei
    > korrekter Basis (Neuronen) nicht funktioniert.
    Man gibt einen Input und misst einen Output. Sowohl bei Neuronen als auch bei Transistoren. Beide werden elektrisch stimuliert, bei beiden wird das daraus resultierende Signal gemessen. Dann leitet man Regeln/Muster ab.

    Viel ähnlicher geht es kaum noch.

  11. Re: Ist der Ansatz überhaupt sinnvoll?

    Autor: gfa-g 25.03.18 - 16:38

    > Auch wenn es erst einmal so scheint - das Gehirn und ein Computer arbeiten
    > absolut und fundamental unterschiedlich.
    > Ein Computer arbeitet rein digital - 0 und 1 - mehr gibt es hier nicht.
    Das ist ein Missverständnis. Elektronik ist immer analog, es gibt auch in einem Computer viele analoge Komponenten. 0 und 1 gibt es so nicht, sondern nur Schwellwerte ab denen eine Spannung als 0 oder 1 interpretiert wird.

    > Gehirn bzw. eine Nervenzelle arbeitet digital UND analog und das quasi
    > simultan.
    Selbiges gilt für Transistoren. Die sind primär analog, nur kann man sie im gesättigten Zustand wie ein Schalter verwenden. Auch sie können aufsummieren etc.

    >Hier werden statt Binärzahlen postsynaptische Potentiale analog
    > aufsummiert, die erst einmal darüber entscheiden, ob das Neuron feuert.
    Transistoren schalten auch erst wenn ein gewisser Schwellwert erreicht ist.

    >Die
    > Potentiale können auch durchaus beeinflussen, mit welcher Frequenz das
    > Neuron feuert.
    Wie gesagt. Elektrische Schaltkreise haben auch analoges Verhalten. Frequenzabhängige Reaktion sind eine fundamentale Eigenschaft die es gerade zur Herausforderung machen funktionierende Chips zu entwerfen die auch bei hohen Frequenzen funktionieren.
    Z.B. werden Signale unterschiedlicher Frequenzen unterschiedlich stark gedämpft.

    >Daraus kann man aber nicht gleich vom Input auf den Output
    > schließen.
    Bei einem Algorithmus ebenso wenig. Das ist ja der Punkt. Zusammenhänge sind viel komplexer und verwobener als man denkt.
    Es gibt Speicher und zeitabhängiges Verhalten (also nicht nur die direkten Inputs, sondern auch vergangene). Sowohl beim Neuron also auch bei einem Schaltkreis.

    > Denn zellinterne Mechanismen werden nach kurzer Zeit dieses
    > Antwortverhalten modulieren und so wird plötzlich gar nichts mehr gefeuert
    > , wo man es eigentlich erwartet hätte.
    Das nennt man Speicher/zeitabhängiges Verhalten. Wirklich fundamental bei Computern, und daher *sehr* gut vergleichbar.

    >Diese Mechanismen sind extrem
    > komplex, da die Typen und Position der beteiligten Ionenkanäle ebenso
    > beteiligt sind, wie calciumbindende Proteine, die Leitfähigkeit und die
    > Kapazität der Zellmembran usw.usf.
    Anders ausgedrückt: viele Faktoren beeinflussen das Ergebnis, und daher sind keine einfachen Zusammenhänge erkennbar. Und genau aus diesem Grund sind die Hirnforschungsmethoden nicht ausreichend.
    Da selbst bei einem Computer, wo die Zusammenhänge zwar auch komplex, aber leichter beobachtbar sind nicht funktionieren.
    Bisher hast du alles nur bestätigt.

    > Daraus ergibt sich, dass definitiv kein Neuron mit einem anderen zweiten
    > Neuron zu vergleichen ist. In einer CPU sind alle Transitoren identisch mit
    > identischem Verhalten.
    Nein. Das sind sie nur in ihrer Idealisierung, die dem Programmierer eine abstrahierte und sauber vorhersagbare Grundlage bieten.
    Aber Transistoren werden auch in CPUs in verschiedenen Modi betrieben, wo sie unterschiedliches Verhalten zeigen.

    > Die Anatomie und elektrische Eigenschaften eines
    > Neurons kann man zwar klassifizieren, aber die kleinsten Details machen
    > enorme Unterschiede aus. Dazu kommt noch, dass sich Neuron ständig im Fluss
    > befinden. Es werden kontinuierlich neue Synapsen gebildet, andere abgebaut.
    > Darin liegt die Stärke des Gehirns als System: es ist plastisch und kann
    > sich schnell auf neue Bedingungen einstellen. Es lernt. Oder anders gesagt:
    > beim Gehirn IST die Hardware zugleich Software.
    Selbstmodifizierender Code wäre analog.
    All deine Kritik bestätigt nur dass es noch komplexer wäre, und die Methoden der Hirnforschung vollkommen unzureichend sind.

    > Von daher bin ich von diesem Ansatz hier etwas skeptisch, aber vielleicht
    > ist ja noch jemand vom Fach und kann mich vom Gegenteil überzeugen. :)
    Was du alles benannt hast lässt sich so zusammenfassen:
    Es gibt viele Faktoren die das Verhalten von Neuronen beeinflussen, sowohl ihre Inputs also ihr Zustand der sich über die Zeit ändert (interner Speicher der als weiterer Funktionsinput fungiert), aber auch Variationen in ihrem grundsätzlichen Verhalten.
    Das trifft auf imperative Programme ebenso zu.

    Deswegen werden für Analysen auch funktionale Programme bevorzugt, bei der sich jede Einheit/Funktion immer exakt gleich verhält und nur vom direkten Input abhängt.
    Aber selbst bei CPUs die relativ systematisch und komponentenweise entworfen wurden, ist es schwer das Verhalten zu ermitteln, wenn man einzelne Teile ausschaltet. Das hat diese Arbeit gezeigt.
    Umso schwerer ist dies bei einem stark verwobenen System, wie einem Gehirn.

  1. Thema

Neues Thema Ansicht wechseln


Um zu kommentieren, loggen Sie sich bitte ein oder registrieren Sie sich. Zum Login

Stellenmarkt
  1. DARCBLUE, keine Angabe
  2. Scheer GmbH, Freiburg
  3. censhare AG, München
  4. SEG Automotive Germany GmbH, Stuttgart-Weilimdorf

Golem pur
  • Golem.de ohne Werbung nutzen

Anzeige
Hardware-Angebote
  1. 114,99€ (Release am 5. Dezember)
  2. (reduzierte Überstände, Restposten & Co.)
  3. 429,00€
  4. 529,00€


Haben wir etwas übersehen?

E-Mail an news@golem.de


Forschung: Mehr Elektronen sollen Photovoltaik effizienter machen
Forschung
Mehr Elektronen sollen Photovoltaik effizienter machen

Zwei dünne Schichten auf einer Silizium-Solarzelle könnten ihre Effizienz erhöhen. Grünes und blaues Licht kann darin gleich zwei Elektronen statt nur eines freisetzen.
Von Frank Wunderlich-Pfeiffer

  1. ISS Tierbeobachtungssystem Icarus startet
  2. Sun To Liquid Solaranlage erzeugt Kerosin aus Sonnenlicht, Wasser und CO2
  3. Shell Ocean Discovery X Prize X-Prize für unbemannte Systeme zur Meereskartierung vergeben

Transport Fever 2 angespielt: Wachstum ist doch nicht alles
Transport Fever 2 angespielt
Wachstum ist doch nicht alles

Wesentlich mehr Umfang, bessere Übersicht dank neuer Benutzerführung und eine Kampagne mit 18 Missionen: Das Schweizer Entwicklerstudio Urban Games hat Golem.de das Aufbauspiel Transport Fever 2 vorgestellt - bei einer Bahnfahrt.
Von Achim Fehrenbach

  1. Mordhau angespielt Die mit dem Schwertknauf zuschlagen
  2. Bus Simulator angespielt Zwischen Bodenschwelle und Haltestelle
  3. Bright Memory angespielt Brachialer PC-Shooter aus China

Radeon RX 5700 (XT) im Test: AMDs günstige Navi-Karten sind auch super
Radeon RX 5700 (XT) im Test
AMDs günstige Navi-Karten sind auch super

Die Radeon RX 5700 (XT) liefern nach einer Preissenkung vor dem Launch eine gute Leistung ab: Wer auf Hardware-Raytracing verzichten kann, erhält zwei empfehlenswerte Navi-Grafikkarten. Bei der Energie-Effizienz hapert es aber trotz moderner 7-nm-Technik immer noch etwas.
Ein Test von Marc Sauter

  1. Navi 14 Radeon RX 5600 (XT) könnte 1.536 Shader haben
  2. Radeon RX 5700 (XT) AMD senkt Navi-Preise noch vor Launch
  3. AMD Freier Navi-Treiber in Mesa eingepflegt

  1. Linux-Gaming: Steam Play or GTFO!
    Linux-Gaming
    Steam Play or GTFO!

    Meine ersten Gaming-Eindrücke nach dem Umstieg von Windows auf Linux sind dank Steam recht positiv gewesen: Doch was passiert, wenn ich die heile Steam-(Play-)Welt verlasse und trotzdem Windows-Spiele unter Linux starten möchte? Meine anfängliche Euphorie weicht Ernüchterung.

  2. Neuromorphic Computing: Intel simuliert 8 Millionen Neuronen mit 64 Loihi-Chips
    Neuromorphic Computing
    Intel simuliert 8 Millionen Neuronen mit 64 Loihi-Chips

    Vorerst 8 Millionen, aber noch 2019 schon 100 Millionen Nervenzellen: Intel macht Fortschritte beim Neuromorphic Computing und bündelt bald 768 Chips, um das menschliche Gehirn anteilig zu simulieren.

  3. Game: Viel weniger Deutsche spielen auf dem PC
    Game
    Viel weniger Deutsche spielen auf dem PC

    Ausgerechnet im PC-Gaming-Markt Deutschland verlieren Desktop und Laptop: Rund 3,9 Millionen Anwender weniger haben 2018 primär ihre Rechner zum Spielen verwendet. Smartphone und Konsolen konnten laut einer Studie zulegen.


  1. 12:02

  2. 12:01

  3. 11:33

  4. 11:18

  5. 11:03

  6. 10:47

  7. 10:35

  8. 10:20