Visuelle Szenen in Echtzeit verarbeiten, in diffusen Signalen Muster erkennen und darauf reagieren – biologische Organismen können all dies leisten und sind damit hocheffiziente Informationsverarbeitungssysteme. Ihr Leistungsvermögen stützt sich vor allem auf die vielen Millionen winziger Kommunikationseinheiten in ihrem Organismus: die Nervenzellen, auch Neuronen genannt. Dabei handelt es sich um hoch spezialisierte, sehr sensible Zellen, die für die Weiterleitung von Informationen entlang der Kommunikationswege unseres Nervensystems zuständig sind. Ein Neuron nimmt mit Hilfe von elektrischen und chemischen Signalen Informationen auf, verarbeitet sie und gibt sie weiter. All das geschieht mit einer Dynamik und Effizienz, vor der heute jedes noch so moderne Computersystem nur den Hut ziehen kann.
Wie aber wäre es, wenn sich diese Dynamik und Effizienz entschlüsseln und auf Computeranwendungen übertragen ließe? Welche neuen Anwendungsfelder könnten sich daraus ergeben? Diese Fragen haben sich die Wissenschaftler*innen von fortiss und IBM Research gestellt. Im gemeinsamen Forschungszentrum Center for AI ist daraus ein Projekt entstanden, das neue Anwendungsmöglichkeiten im Objektschutz, Asset Management oder Verkehr eröffnen könnte. Der Projektname FAMOUS steht für „Field service and Asset Monitoring with On-board SNU and event-based vision in Simulated drones“. Ziel ist es, die Anwendbarkeit von IBM Spiking Neural Units (SNU) mittels Deep Learning in realen, auf Ereigniskameras basierenden Bildverarbeitungsanwendungen zu beweisen.
