¬Ahmosphärenwandler – Blitz-Brain-KI-Computer-Matrix: Gehirne & KI- Computer

BLOG: Tensornetz

Das Gehirn und der Computer – Mensch und Maschine
Tensornetz
‘Matrix-Biomechanic-Atmosphere-Transformer’

Eingangszitate: Der Geist ist viele, Marvin Minsky

Dein Cortex ist nicht ein neuronales Netzwerk. Dein Cortex ist ein neurales Netzwerk aus neuralen Netzwerken, Mark Humphries

Das Netzwerk ist der Computer. Wenn das Netzwerk einmal so schnell wie der Prozessor werden sollte, wird der Computer von der Architektur her untergraben, ausgehöhlt und eben über das Netzwerk verteilt, Eric Schmidt

Wie Sie sicherlich wissen, existieren hunderte internationale Bücher über die Thematik neuronaler Nervennetze wie beispielsweise Gehirne. Noch mehr Literatur existiert weltweit über künstlich neuronale Netze mit sogenannter künstlicher Intelligenz (KI). Was mir bisher bei der Durchsicht und den renommierten Persönlichkeiten wie Ross Ashby, Richard Feynman, Roger Penrose, Alan Turing oder John von Neumann fehlte, war eine Übersicht der Gemeinsamkeiten und Gegenüberstellungen der beiden physischen Objekte das Gehirn und der Computer. Sowohl als Netzwerkprozesssysteme, deren biologischen und künstlichen Informationsverarbeitungen als auch deren Auswirkungen auf die sozio-ökonomischen Netzwerke und der Gesellschaft selbst.

Das bedeutet dann zugleich in drei Netzwerksystemarten zu denken:

In neurobiochemischen Netzwerken (Gehirne)

in maschinell-technischen KI-Netzwerken (KI-Computer)

und in sozio-ökonomischen Netzwerken (Communities und Gesellschaft)

Dabei war es gerade Richard Feynman aus der Gruppe führender Kapazitäten oben, der durch äußerst anschauliche Beispiele das Lernen von Studenten und auch Meistern ihres Fachs erheblich erleichterte. So kann Richard Feynman mit seinen ‘Feynman Lectures’ uns heute noch als geniales Vorbild dienen. Es geht dann auch darum, diese Tradition ein wenig weiterzuführen und so beispielsweise eine erstmalige Übersicht und Einblicke in Entwicklungen in einer ‘Matrix-Tabelle’ zu gestalten, ohne eben sehr viele Bücher zu lesen und diese auch durchzudenken, was tausende Stunden Zeit in Anspruch nehmen kann.

Dabei besitzen die spannenden Themenfelder der Biochemie, der Neurophysiologie, Computer Science und der Sozio-Ökonomie selbst eine derart hohe Komplexität, dass hier nur vereinfacht und musterbildend reduktiv geschrieben werden kann. Auch hier geht es wie in meinen Vorgängerartikeln Formwandler und Das neue Netzwerkdenken eben um Netzwerksysteme, die verbinden und auch Netzwerkstrukturen konsistent und kohärent gewinnbringend nützlich für die Menschen zu vereinen. 

So gilt es heute doch beispielsweise von der Biochemie und Neurologie zur Computer Science, Informatik und künstlicher Intelligenz geistig flexibel zu wandern als eine Art ‘Atmosphärenwandler‘ für Innovation und Entwicklung in der Gesellschaft. Und dann stellt sich auch die Frage nicht nach Alan Turing, die viel zu oft thematisiert wird, nämlich “ob Maschinen denken können?” Nein, heute ist im Jahr 2021 viel entscheidender zu fragen: “Wie und wo können uns Computer und KI-Maschinen als Menschen dienen und auch nützlich sein?” “Was trennt uns von den Computern und der Maschinen-KI noch?” Und letztlich: “Was verbindet die neurobiochemische und künstliche Informationsverarbeitung miteinander?”

Der oben eingangs erwähnte kluge Marvin Minsky war es, der sagte: “bevor man eine Sache nicht auf verschiedene Arten verstanden hat, kommt man normalerweise gar nicht weiter.” In diesem Sinne folgt hier nun ein Ansatz, diesen Titanen auf ihren Schultern zu folgen, ihre Perspektive einzunehmen und zu versuchen in die last ‘Final Frontier‘ vorzustoßen. Von der ‘Science’ zu ‘Science Futur‘ -zu einem echtem ‘komplex-adaptivem, interdisziplinären Netzwerkdenken’, wie ich das für das anstehende 22. Jahrhundert einmal bezeichnen möchte.

Und das dann eben in einer Übersicht unten folgend zum relativ raschen Verständnis für Sie als Leser, eben als ‘Blitz-Brain-Ki-Computer-Matrix‘, um die wichtigsten Punkte erfassen zu können, ohne tausende von Büchern und noch mehr Stunden damit zu verbringen um Grundbasen von Netzwerkssystem-, Vernetzungs- und “Matrixkompetenz” (aus der Biologie, Chemie, Informatik, Mathematik, Physik, Psychologie und Sozio-Ökonomie als Mutterfom herauskommend) aufzunehmen und zu verankern.

So folgt hier nun unter Punkt 1 die Gemeinsamkeiten einer Mind-Machine-Matrix und unter Punkt 2 eine Kurzversion einer Brain-KI-Computer-Matrix. Eine noch detaillierte Matrix wird es in Form eines Buches in der nahen Zukunft geben, in der ich weitere Gegenüberstellungen und auch Auswirkungen beschreiben werde, die sich für mich aus der Analyse der Gesellschaft einer ganzheitlicheren Musterbeobachtung, -betrachtung und Mustererkennung über den Event Horizon hinaus zeigen.

Ihnen nun viel Freude beim Lesen und Durchdenken! Und schreiben Sie mir einmal, ob es Ihnen gefallen hat damit ich selbst ähnlich einem Brain-Computer Interface und einem immer besser werdenden CNN- und SNN-Network, rekursiv selbst-organisierend, meine Muster immer wieder überarbeiten kann. In diesem Sinne. Cheers. 

1. Gemeinsamkeiten von Gehirnen und Computern

Beide Netzwerksysteme stellen physische Objekte dar

Beide Netzwerksysteme besitzen analoge und digitale Zustände

… besitzen On / Off-Zustände in Schaltkreisen (Strom an/aus) und Neuronen (feuern/nicht feuern)

Beide Netzwerkprozesssysteme verfügen über eigene gemeinsame Sprachen und spezifische Aufforderungen 

… enthalten logische Operationen

… enthalten Informationen

… enthalten entsprechende Kanäle der Kommunikation,

seien es nun “Prozessoren” im Gehirn oder eines Platinen-Rechners

Mind-Machine Matrix

2. Gemeinsamkeiten und Gegensätze von Gehirnen und Computern

Blitz-Brain-Ki-Computer-Matrix©, klein

GehirneComputer
Psycho-physische Wetware Physische Hard- und Software
Evolution menschliche Gehirne: Millionen von JahrenEvolution Computer: seit 1941 (Zuses Z3) rund 80 Jahre
Gehirn-Gesamtgewicht: ca. 1,2 Kilogramm bis zwei KilogrammPC-Tablet/Laptop=0,5 Kilogramm bis zwei Kilogramm; Highend Desktop PC bis ca. 20 Kilogramm
Energieverbrauch ca. 30 WattEnergieverbrauch: ca. 40 Watt bis 1.000 Watt; Highend Play-/Workstations, HPC Supercomputing bis zu 15.000 Kilowatt
Gehirneinteilung in Areale; nicht rechts- links, sondern vorne und hinten; z.B. Präfrontaler Cortex, Frontal-/ ParietallappenEinteilung in technische Systeme: offen, halboffen, geschlossen; Subsysteme, Baugruppen, Komponenten , Verbindungen
Komplexes Design: komplexe AnwendungenKompliziertes Design: einfache und komplizierte Anwendungen
Arbeitet parallel-distributiv; geeignet für parallel- ablaufende allgemein komplexe AufgabenstellungenArbeitet seriell und immer stärker auch parallel; geeignet für einfache und hochkomplizierte Verarbeitungen
Zusammenspiel komplexer Systeme wie Formatio Reticularis, Cortex, Hippocampus, limbisches System; Neuronen, Dendriten, Axon, Synapsen…Zusammenspiel Hard-Software, CPU-, GPU- und TPU-Computing, Hard-, Softwarebeschleuniger aktive Elemente wie Dioden Transistoren…
Intransparentes Gehirnsystem: Zusammenhänge der Systeme und Gesamtsystem nicht gänzlich verstanden; intra- und interdisziplinäre Forschung angeratenTransparente Computer und intransparente künstliche Intelligenz: Computer meist verstanden, KI-Computer wenig transparent, dringendes Verständnis für nützlich- unterstützende Anwendungen nötig
Echtes neuronales Nervennetz; 86 Milliarden Neuronen, äquivalent viele Gliazellen, die mit 10 000 Synapsen verbunden sind; gigantisch-neuronales Netzwerk! Künstlich-neuronales Netz (KNN) beim Supercomputing z.B. tausende von CPUs/GPUs, z.B. ‘Fugaku‘ (Asien), ‘Summit‘ (USA) und ‘Sierra‘ (Europa) ); hochauflösende Netze: z.B. ResNet und ResneXt mit mittl. über 100 Layern
Überragend hohe Leistungsfähigkeit mit unterschiedliche Zellen- und Neuronen-ArtenSehr hohe, spezifische Leistungsfähigkeit unter-schiedlicher Rechenchips und dazugehöriger Elektronik, z.B. GPU-Computing, z.B. Tesla-Grafikkarten
Echte Emotion, Gefühl, Intuition, Instinkt und intra- und interpersonale IntelligenzKeine echte Emotion, kein Gefühl, Emulation, durch Training nachahmend, teilw. selbst-lernend
Menschliches Gehirn mit Denken ist Übertrager; wichtige treibende Kraft dahinter: ‘Wertekern’, Ziele, InteressenNoch kein eigenes Denken möglich, noch keine eigenen, autonomen Ziele, Interessen und Absichten derzeit möglich
Selbsterfahrung, Selbstreflektion führen zu Bewusstsein; echte schlussfolgernde LogikKein echtes Bewusstsein durch Reflexion; mathematische und numerische Logik
Gehirnverarbeitungskapazität: Billionen von Bits pro Sekunde, alleine neuronal: 10 hoch 14, im Gesamtorganismus 10 hoch 3000 (mit allen Superstrukturen, wie Gehirn, ZNS, Generierungssystem, ENS..)Normale Rechenoperationen von CPUs bei circa 10 hoch 11, Highend GPU-Computing 10 hoch 12 bis 10 hoch 13, Supercomputing höher
Biologisch-chemisch-neuronale Algorithmik; analoge und digitale VerarbeitungskapazitätTechnisch-maschinelle Algorithmik; meist digitale Informationsverarbeitung
Bilderkennung / -klassifikation: exzellent; durch Evolution, Lernen, Erziehung, BildungBildererkennung / -klassifikation: sehr gut, aber auch sehr viel Training nötig, z.B. Autos, Hunde, Katzen…
Gesichtserkennung: sehr gut bis exzellent; Fokus auf Formgestalt und Farben, z.B. im inferior temp. Cortex; visuelle Systeme über Parvo Blob- und Parvo Interblob-Bahn; Alleinstellungsmerkmal: alleine mit Menschen möglichGesichtserkennung heute sehr gut möglich; über Convolution Neural Networks (CNN) mit nicht-linearer Aktivierung; hängt jedoch stark an Bildqualität (Ausleuchtung, Bildrauschen) ; Achtung Abweichungsdelta beachten; deshalb eher als menschliche Ergänzung geeignet
Organismus-Informationsaustausch im Schlaf möglich, z.B. AlphaphaseKein Informationsaustausch ausgeschaltet möglich
Aktive, reaktive und interaktive Kommunikation in Echtzeit und unterschiedlichen Kanälen möglichRegelbasierte / -konforme Kommunikation durch Befehle, Vorprogrammierung, Lernen und Training
Langzeitgedächtnis: nicht getreue Ereignisrekonstruktion zwischen Hippocampus, Temporallappensystem, Cerebellum, Amygdala möglichGedächtnisspeicher: Digital exakte Kopie, deshalb originalgetreue Eins-zu-Eins-Reproduktion möglich
Speicher: sehr hoch, teilweise unendlich, hängt auch am Individuum, zellulär regenerierbar, erweiterbar (Lernen) und auch löschbar (Zelltod)Speicher: löschbar und modular nahezu unendlich erweiterbar, ohne hohe Kosten
Input Daten: sensorische Nervennetze; Akustik-, Optik-, Geruchs-, Geschmacks und Gefühlssinn; z.B. Haut- sensorik, Organismus selbst-organisierend, selbst-strukturierend, selbst-heilend, musterbildende organische Matrix, Aufrechterhaltung Strukturintegrität)Input Daten: künstliche Medien wie z.B. Tastatur, Tonaufnahme (Mikrofon); Bildaufnahme (Kamerasystem); Sensorik limitiert, verteilt, von außen fremdgesteuert, noch nicht selbst-organisierend
Verbindung der Systeme/Gehirnareale: Bio-chemische graue und weiße Substanz, MyelinNoch keine flüssige Substanz; elektronisch-physikalische Verbindung und Verschaltung der Systeme, Kabel
Individuelle Kognitionsleistung hängt am Rahmen neuronaler interner und externer Quantität, Qualität, Vernetzungsprozesse /-strukturen; Wachstum und Entwicklung; ‘Biochemischer-Neuro-Matrix-Organismus’Individuelle Verarbeitungsleistung hängt am Rahmen der internen und externen Gesamtverarbeitungsleistung von Prozessoren, Peripherie und deren Netzwerksystemen; ‘Physikalische-Informatik-Matrix-Maschine’
CNS / ZNS Zentralnervensystem; CPU, Central Processing Unit, Zentraleinheit
Superstrukturen, wie Gehirn, Nervensystem, Generierungssystem, ENS laufen parallel-distributiv synchronGPU, Graphics Processor Unit, Grafikeinheit früher eher additiv, mittlerweile aufgeteilte Spezialbereiche z.B. 3D, Rendering, Räume Oberflächen AR/VR+TPU-Computing
Prozessoren: sehr viele;
Abruf Informationsmatrix: viele Areale gleichzeitig, z.B. Optisches System bei Affengehirnen
Prozessoren: immer mehr, viele mit immer mehr Kernen; Abruf Informationsmatrix: eher spezielle Bereiche, Expansion
Gehirn-Architektur: Gehirn baut sich kontinuierlich in Arealen um und verändert seine neuronale, synaptische Plastizität, insbesondere dann wenn Menschen Neues und Schwieriges lernen, Gehirn sollte dazu gefordert werdenComputerarchitektur: Computer KI veränderbar; durch Training langsam und mühsam möglich, z.B. Bildererkennung (G-Netze benötigten rund 1 Jahr, mit Millionen von Bildern)
Höchste Kognitionsleistung und Intelligenz in allen Bereichen. In sieben von acht Intelligenzarten (H. Gardner Harvard) besser als der Computer; siehe dazu ‘Blitz Tabelle Intelligenzarten’; Abruf von passenden Informationen in Millisekunden, ohne Berechnung möglich; menschliche Meisterleistung!Höchste mathematische Leistung einzelner Disziplinen numerischer Logik und Berechnungen in Nanosekunden möglich! z.B beim Spielen ‘Dame’, ‘Schach’, ‘Alpha Go’, ‘Alpha Go Zero’, Verkehrssimulationen; immer stärker in mehr Bereichen, z.B. Prod. , wenn man ein ‘Matrixdenken’ einnimmt
Alle Lernarten möglich; eigene angeborene und umweltbedingte Gegebenheiten benutzen, eigenen Lerntyp verstehen, von anderen Menschen lernen, auch selbst Informationen holen und lernen, wiederholen, einprägen, trainieren, wiederholen, koordinieren, abrufen…, ebenfalls menschliche Meisterleistung über Millionen von Jahren der EvolutionNachahmung, überwachtes Lernen, unüberwachtes Lernen, bestärkendes Lernen, z.B. Monte-Carlo Methodik, Ensemble Learning, Spielzüge, Bilderlernen via Rückkopplungen, Baumstrukturen und Baumsuche
Gesichtserkennung äquivalent zum ZNS mit echter kybernetisch-netzwerkhafter Okulo-Motorik, z.B. Zusammenspiel Hirnrinden Areale: V1 bis V5Gesichtserkennung z.B. Viola-Jones-Methodik: Lernkaskade : netzwerkhafter, emulierter Metaalgorithmus, adaptive Boosting (Ada Boost)
Freiheit / Autonomie: möglich Freiheit /Autonomie: derzeit nicht möglich
Echte Fortpflanzung möglichSelbstfortpflanzung nicht autonom möglich
Sinnkapazität: möglich; Spirit , Geist im Gehirn vorhandenSinnkapazität: nicht vorhanden, Geist in Maschine nicht vorhanden
Verbindungsnetzwerk zwischen innen-und Außenwelt, Körper , Geist, Seele: Menschen Material, Maschinen; Schlüsselzugang zu allen biomolekular, neuronal, sozio-ökonomisch technischen Meta-EbenenVermittler und Verbindungsnetzwerk zwischen Menschen, Materialien und Maschinen; Computer, Programmen, Protokollen, Plattformen und der Peripherie sozialer Netzwerke auf vielen Ebenen
Matrix und Morpho-Genesis im dissipativen stetigen Netzwerkaufbau eines Organismus, erneut Aufbau und Aufrechterhaltung einer strukturintegrierenden Hülle Maschine arbeitet kontinuierlich an Erhaltung und Zuverlässigkeit, immer stärker auch am maschinellen Lernen (Deep Learning künstlicher neuron. Netze (KNN)
Trend: Erforschung, Entfaltung & Exekution des Gehirns/-funktionen auf AnwendungenNeuromorphes Computing; Hard, Middle-Softwareverschmelzung, z.B. Memristor, SNN
Hochkomplexe neurobiochemische MatrixHochkomplizierte maschinelle Matrix
Sozio-ökonomische Entwicklung: Risiko und Folgenabschätzung: nahezu unbegrenzte Leistung aller Bereiche; möglich bei entsprechend kluger Vorgehensweise einer klaren Strategie, Prozessstruktur und ‘Netzwerksystematik’Risiko und Folgenabschätzung: Banken, Versicherungen, Industrie, Verwaltung; Kredit-, Finanz-, Betrugsab-schätzung, Gesichtserkennung, Krankheitsdiagnosen z.B. Tumorerkennung; Personaleinstellungen, z.B. templates und selbst-lernende Chatbots z.B. ‘Robot Vera
Arbeitsplätze, die durch KI-Anwendungen nicht ersetzt werden.: intellektuell anspruchsvolle, beratende Tätigkeiten, wie Ärzte, Anwälte, Architekten, Ingenieure, Techniker, Informationsprozessarchitekten, Geschäftsführer, Manager, Chemiker, Medizintechniker, Pfarrer, Pädagogen, komplexe handwerkliche Tätigkeiten, Psychologen, Maler, Musiker, Dichter, Kreative, Kulturschaffende uvm.Ki-Arbeitsplätze: einfachste Produktions-, Lager-, Buch-haltung-, Kassiertätigkeiten; Empfehlungs-, Vertriebs- marketing, Schrifterkennung / -übersetzung; Sprach-erkennung /-übersetzung, Intelligente Pharmazie, Verkehrsüberwachung, Prädiktive Wartung, Zugangs-kontrollen, Prothesen, Maschinen- und Automations-sensorik, Präzisionsfarming, Venture Capital, Surgical Robotics (z.B. DaVinci); autonome KI, z.B. Autos, Busse, Drohnen, Flugzeuge, Gabelstapler, LKW, Taxen, automatisierte Züge…
Zukunft: Gehirnerforschung von einzelnen Teilen und Regionen, Erforschung neuronaler Baugruppen, Erforschung von Arealen und deren Zusammenhänge, Kartierung, Erforschung und ‘kognitive Kodes’ vom ‘Gesamtsystem ‘Gehirn’Computerforschung und Internetze künstlicher Intelligenz, ‘Wahrnehmungstechnologie’, KI-Geschäftstätigkeiten, autonome KI, ‘KI-Städte’, neue nützlich-unterstützende Ki-Anwendungen, neue KI-Berufe
Tabelle 1: Blitz-Brain-Ki Computer- Matrix, klein: Gegenüberstellung Gehirne und Computer; Gemeinsamkeiten und Gegensätze; Dominic Blitz 8.2021

Dominic Blitz erforscht seit Jahren interdisziplinär und intersystemisch den spannenden und spektralen Bereich der Netzwerkprozesse, Netzwerksysteme und Netzwerkstrukturen. Dabei geht es in der Komplexitäts- und Informationsverarbeitung um eine übergreifende Musterbeobachtung, Mustererkennung und Musterbildung mit unterschiedlichen Netzwerksystemen. Er bietet hierzu Vorträge, Workshops und Mandate zum Thema Gehirne und Computer, Biologie, Informatik und der Sozio-Ökonomie an. So sind das Thema Netzwerkprozesssysteme das Thema Nr. 1 für ihn in Richtung Innovation, Evolution, Involution und Emergenz von Menschen und Organisationen in der Arbeit und Gesellschaft. Zu diesen Themen ist er unter: www.innospective.de erreichbar.

4 Kommentare

  1. Hallo Herr Blitz,

    das ist eine interessante Gegenüberstellung, diese „Blitz-Tabelle“.

    Mögliche und auch unmögliche Analogien oder Ähnlichkeiten zwischen dem lebendigen Gehirn und dem nicht lebendigen Computer werden häufig genutzt und diskutiert, auch in anderen Blogs hier in den Scilogs. Häufig punktuell zu spezifischen Fragen, manchmal auch grundsätzlich zwecks Illustration allgemeiner Fragen.

    Da ist so eine umfassende Gegenüberstellung mit Gemeinsamem, Ähnlichem und Gegensätzlichem hilfreich.

    Mit freundlichen Grüßen
    Harald Andresen.

Schreibe einen Kommentar


E-Mail-Benachrichtigung bei weiteren Kommentaren.
-- Auch möglich: Abo ohne Kommentar. +