4 Minuten
Stellen Sie sich Neuronen vor, lebendig, zuckend, eigensinnig, die lernen, wie sie eine virtuelle Waffe anvisieren. Genau das hat ein Team aus Australien aus einem Silizium- und Zellhybrid herausgelockt: im Labor gezüchtete menschliche Gehirnzellen, darauf trainiert, den Shooter Doom aus den Neunzigern zu spielen.
Bei Cortical Labs setzten Forscher ungefähr 200.000 menschliche Neuronen auf ein maßgeschneidertes Mikroelektroden-Array namens CL1; diese waren aus Stammzellen gezüchtet, die aus gespendetem Blut gewonnen wurden. Diese lebenden Netzwerke hatten bereits eine einfachere Arcade-Aufgabe, Pong, gelernt und wurden dann in einen deutlich unordentlicheren, dreidimensionalen Spielraum gebracht, in dem Gegner lauern und in Echtzeit Entscheidungen getroffen werden müssen.
Die ersten Sitzungen wirkten wie ein Anfänger, der einen Controller unbeholfen bedient: gegen Wände laufen, auf Dekoration schießen, sich im Kreis drehen. „Am Anfang verhielten sie sich wie jemand, der noch nie ein Spiel berührt hat“, sagte eine Wissenschaftlerin. Dann, langsam, traten Muster zutage. Die Kulturen begannen, gezielter auf Ziele zu feuern, häufiger Korridore zu durchqueren und Handlungen zu bevorzugen, die zum Erfolg führten.
Der Trick war keine Magie, sondern Übersetzung. Das Team wandelte Dooms visuelle Eindrücke und Ereignisse in elektrische Stimulationsmuster um, die die Neuronen interpretieren konnten. Bestimmte Elektroden über die CL1 verstreut aktivierten sich, wenn ein Gegner erschien oder Bewegung nötig war. Neuronale Reaktionen, aufgezeichnet als Tausende winziger Signale auf einem Monitor, wurden von Software zurückgelesen, die die Eingaben anpasste, um nützliches Verhalten zu verstärken. Effektiv wurden die Zellen in Richtung zielgerichteten Verhaltens gelenkt.
Es ist nicht fehlerfrei. Ein einzelner Dämon kann mehrere chaotische Salven aushalten, bevor er fällt. Die Neuronen folgen nicht dem Code wie Silizium; sie passen sich an, improvisieren und scheitern manchmal spektakulär. Aber genau diese Improvisation ist entscheidend. Diese Kulturen zeigen Plastizität in Echtzeit und Lernverhalten, das eher rudimentärem Problemlösen als bloßer Signalverarbeitung ähnelt.
Forscher sehen die CL1 als Plattform statt als Spielerei, eine, die lebendes neuronales Gewebe mit Maschinen für Aufgaben von Robotik über Wirkstoffscreening bis hin zur personalisierten Medizin koppeln könnte.
Es gibt praktische Grenzen. Die Kulturen leben etwa sechs Monate und erzeugen derzeit inkonsistente, schwer zu programmierende Ergebnisse. Dennoch ist ihr Energieprofil bemerkenswert. Das menschliche Gehirn bewältigt gewaltige Rechenaufgaben mit rund 20 Watt Leistung, etwas, womit konventionelle Chips und KI-Systeme zu kämpfen haben. Eine biologische Schicht, die effizient rechnet, könnte unsere Vorstellung von nachhaltiger Intelligenz verändern.
Ist das ein Versuch, KI zu ersetzen? Nicht wirklich. Entwickler sagen, das Ziel sei ergänzend: Ingenieuren neue Arten adaptiven Verhaltens zu geben und biologische Reaktionen auf Weisen zu untersuchen, die rein siliziumbasierte Systeme nicht leisten können. Stimmen aus der Industrie erkennen das Potenzial, ohne es zur sofortigen Revolution aufzupolieren; die Arbeit ist schrittweise, experimentell und verankert an Labortischen und Mikroskopen.
Es ist verlockend, das Experiment als Sci-Fi-Spektakel abzutun. Aber wenn Forschende beobachten, wie lebende Netzwerke Regeln lernen, eine feindliche Karte navigieren und sich durch Feedback verbessern, wird das Spektakel zur Methode. Wenn lebende Chips auf nützliche, wiederholbare Aufgaben gelenkt werden können, könnten sie zu Werkzeugen für Wirkstoffentdeckung, Krankheitsmodellierung und energieeffiziente Rechenoperationen werden.
Für den Moment ist Doom ein Prüfgelände: chaotisch, visuell und unerbittlich, perfekt, um zu testen, ob Gewebe bedeutungsvolle Input-Output-Zuordnungen bilden kann, wenn es in ein konstruiertes System eingebettet ist. Die größere Frage ist nicht, ob Neuronen Videospiele spielen können, sondern welche Formen von Intelligenz entstehen, wenn Biologie und Schaltkreise lernen, dieselbe Sprache zu sprechen.
Quelle: sciencealert
Kommentar hinterlassen