Carver Meads Natürliche Inspiration

Konventionelle Weisheit beschreibt ein schwarzes Loch zwischen der unendlichen Ungewissheit der modernen theoretischen Physik und dem Unternehmergeist und dem Unternehmergeist. Ein Grund mehr, konventionelle Weisheiten zu ignorieren, sagt Carver Mead, der zu einer Technologielegende wurde, indem er auf beiden Seiten einer oft unüberwindbaren Kluft arbeitete. Ein Caltech-Trainer – er ist der emeritierte Gordon- und Betty Moore-Professor für Ingenieurwissenschaften und angewandte Wissenschaften – Mead ist eine der wegweisenden Figuren in der Geschichte des Silicon Valley, mit einem Lebenslauf, der auf den Pionier der integrierten Schaltungen, Fairchild Semiconductor und mehr als 20 Start-ups zurückgeht Zu seiner Annerkennung.

Meads frühe Arbeiten zum Elektronentunneln lieferten entscheidende Erkenntnisse für die Entwicklung der Festkörperelektronik. Seine Berechnung des theoretischen Potenzials für schrumpfende Transistoren lieferte Intel-Gründer Moore die Grundlage für sein gleichnamiges Gesetz, das die stetig steigende Leistung von Mikrochips vorhersagt. Und in den frühen 1980er Jahren führten Mead und Caltech-Kollege Richard Feynman, der verstorbene Nobelpreisträger Physiker, Schaltungen in eine neue Dimension, indem er neuromorphe Elektronik nach dem Vorbild lebender Organismen erforschte. Auf dem Weg dorthin hat Mead Preise gestapelt, darunter den Lemelson-MIT-Preis für Erfindung und Innovation in Höhe von 500.000 US-Dollar und die National Medal of Technology im Jahr 2003. Aber seine stolzeste Errungenschaft ist eine Reihe von Unternehmen, zu denen der Touchpad-Hersteller Synaptics und der revolutionäre Bildsensor gehören und das Kamera-Startup Foveon, beides Auswüchse seiner Arbeit im neuromorphen Computing.

Ausverkauf oder Retter?

Diese Geschichte war Teil unserer Ausgabe vom September 2004



  • Siehe den Rest der Ausgabe
  • Abonnieren

Spencer Reiss sprach mit Mead, der dieses Jahr 70 Jahre alt wurde, in seinem Haus zwischen den Mammutbäumen in Woodside, Kalifornien.

Technologie-Review: Sie sind berühmt dafür, dass Sie sagen: Hören Sie auf die Technologie.

Schnitzer MEAD: Um die Realität zu verstehen, muss man verstehen, wie die Dinge funktionieren. Wenn Sie das tun, können Sie damit beginnen, Engineering zu betreiben, Dinge zu bauen. Und wenn Sie das nicht können, ist das, was Sie tun, wahrscheinlich keine gute Wissenschaft. Für mich sind Ingenieurwissenschaften und Naturwissenschaften keine getrennten Aufgaben. Es ist wie: Bist du Ehemann oder Vater?

TR: Wie entscheiden Sie, was Sie verfolgen möchten?

MET: Machst du Witze? Forschung ist Liebessache. Es ist keine Sache der linken Gehirnhälfte. Sobald Sie etwas herausgefunden haben, konstruieren Sie eine ausgeklügelte Begründung – die Vorträge, die Sie schließlich halten, lassen alles so einfach klingen. Bis dahin werde ich wütend, wenn mich Leute fragen, woran ich arbeite, weil ich noch keine Möglichkeit habe, es auszudrücken.

TR: Sind Risikokapitalgeber dafür da – kaltblütig zu sein, wofür Ressourcen investiert werden sollen?

MET: Alle meine Lieblings-VC-Typen – ich weiß, das klingt wie ein Oxymoron, aber tatsächlich mag ich einige dieser Typen – sagen dasselbe: Sie gehen mit ihrem Bauch. Verfügt die Technologie über genügend potenzielle Anwendungen, um mindestens eine zu punkten? Tabellenkalkulationen werden das nicht beantworten.

TR: Wie wäre es mit einem Blick auf den Marktplatz?

MET: Sicher, Sie können den Markt analysieren, mit Kunden sprechen, all die Dinge tun, die sie Ihnen in der Business School beibringen. Das Problem beim Nachfrageziehen besteht darin, dass sich der Markt bereits entwickelt hat, wenn Sie ein echtes Produkt haben. Sie sind dazu verdammt, Aufholjagd zu spielen. Ich bevorzuge Technologieschub – finde eine interessante neue Technologie und versuche, Verwendungen dafür zu finden. Eine Lösung, die nach einem Problem sucht, soll ein schrecklicher Beiname sein, aber meiner Erfahrung nach funktioniert sie.

TR: Beispielsweise?

MET: Impinj, ein Unternehmen, das von einem ehemaligen Caltech-Studenten von mir, Chris Diorio, gegründet wurde. Ich bin im Vorstand. Ausgehend von etwas völlig Unverwandtem – neural inspiriertem Computing – entwickelte er eine sehr präzise und energiesparende Methode, um einen Floating-Gate-Transistor aufzuladen, der die Grundlage für Flash-Speicher bildet. Es war eine klassische Lösung auf der Suche nach einem Problem, das sich als RFID herausstellt, die kleinen [Radiofrequenz-]Identitätsetiketten zum Anbringen von Dingen. Sie sind das ultimative Gerät mit geringerer Leistung – Pikowatt, was auch immer Sie aus einer kleinen Antenne herausholen können. Anstatt also nur ein dummes Tag zu haben, das Ihnen seinen Namen und nichts mehr sagen kann, erhalten Sie ein intelligentes, das sich selbst aktualisiert. Sie erhalten ein Paket oder ein Produkt, das Ihnen seine ganze Geschichte erzählen kann, direkt dort.

TR: Peter Drucker sagt, löse keine Probleme, ergreife Chancen.

MET: Richtig. Hätte sich Impinj umgesehen und gesagt: Hey, lasst uns RFID machen, hätte sie ein nicht wiederbeschreibbares Etikett bekommen. Genau wie ein Dutzend andere Unternehmen da draußen.

TR: RFID-Tags für Wal-Mart sind weit davon entfernt, Computer aus biologischen Modellen zurückzuentwickeln… MEAD: Wenn Sie endlich ein Produkt haben, die Tatsache, dass Sie durch das Nachdenken über Berührung und Vision dazu inspiriert wurden, diesen Weg zu gehen und hören oder was auch immer spielt keine große Rolle. Sie sind dabei, Produkte herzustellen, und alles, was dazu geführt hat, fällt weg.

TR: Das ist ein bisschen traurig, oder?

MET: Natürlich ist es das, aber es passiert, wenn Sie ein Unternehmen gründen. Das unbegrenzte Potenzial Ihrer neuen Technologie – es ist ein riesiges High, wenn Sie nur darüber nachdenken. Aber wenn es einmal manifest ist, sobald es ein Produkt wird, ist es nicht mehr eine Unzahl von irgendetwas; es ist eine Sache. Es gibt also unweigerlich ein riesiges Wochenbett – ein Gefühl für all die Dinge, die Sie nicht tun konnten.

TR: Ist das, wenn Sie Einsätze ziehen?

Technik und Internet

MET: Das ist bei jedem Unternehmen passiert, mit dem ich zusammengearbeitet habe. Sie kommen an den Punkt, an dem sie erfolgreich sind, sie sind auf einem Weg und es gibt immer weniger, was jemand wie ich beitragen kann. Sie werden tatsächlich zu einer Ablenkung: Sie versuchen, sich zu konzentrieren, und Sie wandern herum und denken über all diese interessanten neuen Fragen nach. Dann ist es Zeit zu gehen.

TR: Manche Leute meinen, junge Technologen müssten mehr Zeit damit verbringen, zu lernen, wie sie ihre Ideen vermarkten können.

MET: In der Wissenschaft geht es nicht nur um Selbstdarstellung; Sie müssen in der Lage sein, zu erklären, was Sie tun. Dick Feynman war einer der besten Vermarkter, die ich je getroffen habe. Er wollte es nie zugeben – zu seiner Zeit war alles Unternehmerische für einen Akademiker gesellschaftlich inakzeptabel – aber er konnte die Physik als etwas Spannendes positionieren, das bis heute überlebt hat.

TR: Sie und Feynman standen hinter einem großen Neuromorphic-Computing-Projekt, das in den 80er Jahren am Caltech ins Leben gerufen wurde. Was ist passiert?

MET: Ein Teil des Problems war die Weigerung der CS [Informatik]-Community, einen neuen Gedanken zu haben – die Tatsache, dass es von Natur aus leistungsfähigere Möglichkeiten für das Rechnen geben könnte. Die Leute sagten: Alles ist eine Turing-Maschine, und das war's. Egal, dass wir bereits ein funktionierendes Beispiel für eine massiv parallele Maschine haben – das tierische Gehirn. Inzwischen sind die Quantencomputing-Leute gekommen und haben ein weiteres alternatives Modell gezeigt – eines, das theoretisch Probleme lösen wird, die von einer Turing-Maschine exponentiell unlösbar sind. Zur Realisierung von Quantencomputern mache ich keine Aussage – darüber wissen wir noch nichts. Ich spreche nur abstrakt über unser Verständnis von Computern. Das braucht man grundlegend neu, wenn man versuchen will, eine bessere Maschine zu bauen.

TR: Ein weiteres neuronal inspiriertes Unternehmen, an dem Sie beteiligt waren, stellt fortschrittliche Hörgeräte her, Sonic Innovations.

MET: Der Denkprozess dort entstand aus dem Nachdenken über die Funktionsweise des menschlichen Gehörs, aber auch hier ist das eigentliche Gerät nur ein kleiner digitaler Signalprozessor. Das gleiche geschah übrigens mit der Idee der neuronalen Netze. Sie wurden nur ein weiterer Algorithmus für bestehende Computer.

TR: Was ist mit Foveon, dem Kameraunternehmen, das Sie 1997 gegründet haben? Die meisten Leute wissen wahrscheinlich nicht, dass seine Wurzeln in Studien des Auges liegen.

MET: Wir begannen mit der Herstellung von Modellen der Netzhaut, was für einige Leute einen großen Unterschied machen könnte, aber es ist nicht genug kommerzielle Gelegenheit, um große Investitionen zu rechtfertigen. Uns wurde klar, dass, wenn Sie das, was wir gemacht haben, den Netzhautteil entfernen, das ein wirklich guter Bildsensor ist – also machen wir das. Die Foveon-Technologie fängt das Licht direkt ein, verbraucht weniger Strom und erfordert viel weniger Verarbeitung als die Datei, die von einer herkömmlichen Digitalkamera aufgenommen wird. Aber wenn wir es heute erklären, haben wir keinen Bezug zu irgendetwas Neuralem.

wie fortgeschritten ist ai

TR: Also stehen wir beim neuromorphen Computing immer noch am Anfang?

MET: Tatsächlich wurden viele Fortschritte erzielt. Eines der aufregenden Dinge, die aus neuromorphem Denken entstanden sind, ist die Firma Audience von Lloyd Watts. Sie verfügen über ein funktionierendes Cochlea-Modell, das einen erheblichen Teil der Hörbahn – einschließlich präziser Signalwiederherstellung und ausgeklügelter Analyse – in eine Komponente auf Chipebene einbaut. Es ist mehr als nur ein besseres Mikrofon; Betrachten Sie es als das auditive Frontend für jedes Gerät, das Ton als Eingabe verwenden möchte.

TR: Spracherkennung lebt!

MET: Spracherkennung, wie wir sie kennen, ist wirklich hirntot. Ich sollte nicht sagen, hirntot – viele kluge Leute haben viele Jahre daran gearbeitet. Aber es ist ein altes Paradigma. Es schreitet logarithmisch mit der Rechenleistung voran; das ist alles. Und doch haben wir genau hier diese unglaublichen Arbeitsmodelle – unsere eigenen Augen und Ohren. Da wollen wir suchen.

TR: Hören, Sehen – die gleichen Probleme, die Sie vor fast 20 Jahren herausgegriffen haben, sind immer noch interessante Probleme.

MET: Sie sind noch interessanter, weil wir anfangen, genug über sie zu wissen, um Fortschritte zu machen. Es hat so lange gedauert, bis die technisch orientierten Leute mit den Physiologen ins Gespräch kamen. Anwälte sprechen von chinesischen Mauern in Organisationen; Nun, die Barrieren zwischen den wissenschaftlichen Disziplinen waren hoch.

TR: Ist es die inhärente Schwierigkeit, digitale Technologien an unsere meist analoge menschliche Welt anzupassen?

MET: Digitale Abstraktion ist eine wunderbare Sache. Es ersetzt einen sehr einfachen Satz logischer Operationen – und, oder, und nicht – für einen unendlichen Satz physikalischer Dinge. Analog zu arbeiten ist viel schwieriger, weil es im Grunde unzählige Möglichkeiten gibt, wie die Sache schief gehen kann. Sie arbeiten mit der Physik selbst und nicht mit einer sehr kleinen Gruppe von Schaltkreisen, die entwickelt wurden, um digitales Verhalten zu zeigen.

TR: Wir können Sie nicht entkommen lassen, ohne nach dem Mooreschen Gesetz zu fragen. Sie erhalten viel Anerkennung für seine Formulierung.

MET: Gordon hatte beobachtet, was vor sich ging, und fragte mich, wie weit die Dinge gehen könnten, wie klein man die Transistoren machen könne. Wir haben im Labor gearbeitet und die Antwort war 0,15 Mikrometer [150 Nanometer], vielleicht kleiner. Das war damals schockierend, aber es stellte sich als konservativ heraus.

TR: Wie weit kann es also gehen?

MET: Ich habe mir die Dinge vor ein paar Jahren noch einmal angesehen, und wenn man nichts anders macht, kommt man auf 30 Nanometer herunter – ein Faktor von fünf von dem, was wir ursprünglich sagten, würde einfach sein, und noch weit davon entfernt, wo Dinge sind heute. Es wird also sicher nicht aufhören.

Gleichzeitig müssen wir die Dinge nicht immer so machen, wie wir sie heute machen. Ich für meinen Teil hoffe, dass wir es nicht tun.

Der in Salisbury, CT, ansässige Autor Spencer Reiss interviewt gerne Leute, die schlauer sind als er. Das letzte Mal hat er es für TR mit dem Risikokapitalgeber Michael Moritz gemacht, dem Mann hinter Google (April 2004).

verbergen

Tatsächliche Technologien

Kategorie

Unkategorisiert

Technologie

Biotechnologie

Technologierichtlinie

Klimawandel

Mensch Und Technik

Silicon Valley

Computer

Mit News Magazine

Künstliche Intelligenz

Platz

Intelligente Städte

Blockchain

Reportage

Alumni-Profil

Alumni-Verbindung

Mit News Feature

1865

Meine Sicht

77 Mass Avenue

Treffen Sie Den Autor

Profile In Großzügigkeit

Auf Dem Campus Gesehen

Lerne Den Autor Kennen

Alumni-Briefe

Nicht Kategorisiert

77 Massenallee

Rechnen

Tech-Richtlinie

Lernen Sie Den Autor Kennen

Nachrichten

Wahl 2020

Mit Index

Unter Der Kuppel

Feuerwehrschlauch

Unendliche Geschichten

Pandemie-Technologieprojekt

Vom Präsidenten

Titelstory

Fotogallerie

Empfohlen