In diesem Buch wird eine erste Generation von knstlichen Hirnen fr das Sehen vorgestellt. Auf der ausschliessslichen Grundlage von Neuron- und Synapsenmodellen wird ein Objekterkennungssystem konstruiert, welches eine Merkmalspyramide mit 8 Orientierungen und 5 Auflsungsskalen fr 1000 Objekte sowie die Netze fr die Bindung von Merkmalen zu Objekten umfasst. Dieses Sehsystem kann unabhngig von der Beleuchtung, dem Gesichtausdruck, der Entfernung und einer Drehung, welche die Objektkomponenten sichtbar lsst, Objekte erkennen. Seine Realisierung erfordert 59 Chips - davon sind 4 verschieden - welche mittels 3D Technologie zu einem Quader von 8mm x 8mm x 1mm aufgeschichtet sind. Die Leistungsfhigkeit des neuronal-synaptischen Netzwerkes beruht auf der Einfhrung von schnell vernderlichen dynamischen Synapsen. Anders als Netze mit konstanten Synapsen knnen solche mit dynamischen Synapsen allgemeine Aufgaben der Mustererkennung bernehmen. Die raum-zeitliche Korrelationsstruktur von Mustern wird durch eine einzige synaptische Differentialgleichung in universeller Weise erfasst. Die Korrelation kann in Erscheinung treten als synchrone Pulsttigkeit einer Neurongruppe, wodurch das Vorliegen eines Merkmals in robuster Weise angezeigt wird, oder als Bindung von Merkmalen zu Objekten. Auch wenn die Autoren der berzeugung sind, dass noch viele Generationen folgen mssen, um die Leistungsfhigkeit des menschlichen Gehirns zu erreichen, sehen sie doch ein neues Rechen-Zeitalter aufziehen. Es gab Zeiten, da wurden Computer mit ihrer Przision, Zuverlssigkeit und rasanten Geschwindigkeit der feuchten Materie unseres Gehirns als so weit berlegen angesehen wie das Dsenflugzeug dem Spatzen. Dass diese Zeiten vorbei sind, ist gewiss, denn durch formale Logik inspirierte, algorithmisch gesteuerte und mit digitaler Elektronik realisierte Systeme, die heutigen Computer, stossen an ihre Komplexittsgrenzen. Andererseitserffnen die hier vorgestellten Ergebnisse den Weg zu einer Alternative. Ein Paradigmenwechsel liegt in der Luft: vom fremdorganisierten zum selbstorganisierten Computer.