Prof. Dr.-Ing. Elmar Seidenberg

Regelmäßig angebotene Lehrveranstaltungen:

Aktuelle Informationen, Unterlagen und die Terminplanung erhalten Sie über stud.IP.

• Computerarchitektur
• Embedded Systems
• Mikroprozessortechnik
• Informationstechnik
• Signale und Systeme

• Elektronikentwicklung
• Mikrocontroller und DSP-Systeme
• Embedded Systems
• Digitale Signalverarbeitung

Seit 1994 beschäftige ich mich mit pulscodierten Neuronenmodellen. Diese sind den Neuronen etwa im menschlichen Gehirn nachempfunden. Bei den Neuronen, die in den weithin bekannten Künstlichen Neuronalen Netzen (KNN) zum Einsatz kommen, handelt es sich um sehr abstrakte Modelle der tatsächlichen biologischen Neuronen. Man unterscheidet daher heute zwischen schwacher Künstlicher Intelligenz und starker Künstlicher Intelligenz.

Die Methoden der schwachen KI ermöglichen den Netzen kein tieferes Verständis für die Problemlösung, obwohl sie beachtliche Erfolge verzeichnen können, etwa bei der Sprach-, Bild- und Texterkennung.

Das Ziel der starken KI ist das menschliche Denken, sowie die intellektuellen Fähigkeiten nachzubilden. Begriffe hierzu sind Neuromorphic Computing, Spiking Neural Networks (SNN). Bis solche Systeme funktionsfähig sind, werden nach meiner Einschätzung aber noch etwa 30 bis 50 Jahre vergehen.

Bis dahin sind im Wesentlichen zwei Probleme zu lösen:

1. Es muss verstanden werden, wie die Neuronen im menschlichen Gehirn zusammenwirken. Das menschliche Gehirn besteht aus 100 Milliarden Neuronen, die jeweils mit 10.000 anderen Neuronen über sogenannte Synapsen verbunden sind. Diese Synapsen sind lernfähig, d.h. die Kopplung der Neuronen untereinander kann verändert werden, etwa durch Lernen.
   
   Die Großhirnrinde besteht aus sechs Neuronenschichten (Lamina I bis Lamina VI), in denen verschiedene Zelltypen vorkommen. Das Zusammenwirken dieser Neurone ist noch nicht ganz verstanden. Jedes Neuron gibt Impulse ab, die sich in Form, Länge und Frequenz unterscheiden; man sagt das Neuron feuert. Ein prominenter Vertreter eines Modells ist das integrate-and-fire Modell. Wir haben also auf der einen Seite das Modell eines pulscodierten Neurons, das durch eine (nichtlineare) Differentialgleichung beschrieben wird, auf der anderen Seite die Verschaltung mehrerer, unter Umständen von Tausenden, Neuronen. Die sich hieraus ergebenden Möglichkeiten sind ein Gegenstand meiner Forschung. Von besonderem Interesse sind die Weiterverarbeitung visueller und auditiver Reize.
2. Das Nachbilden pulscodierter Neurone in Hardware. Hierzu gibt es schon seit mehreren Jahrzehnten Ansätze, die aber nicht Gegenstand meiner Forschung sind. So wurden beispielsweise um 1990 pulscodierte Neurone mit Hilfe von FPGAs simuliert. Als aktuelle Vertreter sind zu nennen: SpiNNaker, Loihi, Brainchip Akida, BrainScaleS.

• Seit 2000 Professor für Mikroprozessortechnik an der Hochschule Trier
• Nach der Promotion drei Jahre wissenschaftlicher Mitarbeiter bei der Forschungsgesellschaft für angewandte Naturwissenschaften (FGAN)
• Studium der Elektrotechnik an der Universität Paderborn