Laut Nachrichten vom 7. März stellte das australische Start-up CorticalLabs auf dem Mobile World Congress in Barcelona, Spanien, den weltweit ersten kommerziellen Biocomputer CL1 vor, der auf menschlichen Gehirnzellen basiert. Das System nutzt im Labor gezüchtete zweidimensionale Neuronenaggregate, um durch einen elektrischen Signalrückkopplungsmechanismus grundlegende Lernfähigkeiten zu erreichen. Das Team sagt, dass es als biologische KI mit geringem Stromverbrauch für Drogentests und neurowissenschaftliche Forschung verwendet werden kann.
Die akademische Gemeinschaft ist hinsichtlich seines Potenzials vorsichtig: Experten bestätigen, dass das System zwar einfache Aufgaben wie das „Ping-Pong“-Spiel erledigen kann, bei komplexer Entscheidungsintelligenz jedoch eine Generationslücke besteht; Ethiker warnen davor, dass in der Zukunft das Risiko besteht, dass das Bewusstsein erwacht, die meisten Forscher betonen jedoch, dass das aktuelle gehirnähnliche Modell nur Hunderttausende von Neuronen enthält (weniger komplex als Insektengehirne) und überhaupt nicht die Merkmale eines autonomen Bewusstseins aufweist.
Das Folgende ist die Übersetzung:
An einem warmen Nachmittag in Melbourne Ende letzten Jahres lagen Hunderttausende lebende menschliche Gehirnzellen in Kisten auf einem Tisch in Brunswick. Obwohl die Neuronen für das bloße Auge unsichtbar sind, zeigt Brett Kagan, wissenschaftlicher Leiter des Start-ups CorticalLabs, auf einen großen Monitor, auf dem elektrokardiogrammähnliche Signale angezeigt werden. Diese Signale beweisen, dass gesunde Gehirnzellen auf Eingaben von Computern in der Nähe reagieren.
„Kurz gesagt, sie lernen“, sagte Kagan.
Kagan und sein Team stellten auf einem internationalen Technologiegipfel in Barcelona, Spanien, die erste kommerzielle Biocomputing-Plattform, CL1, vor. Im Inneren des Geräts sind Hunderttausende im Labor gezüchtete Neuronen kurz vor der Explosion, deren Anzahl irgendwo zwischen denen liegt, die man im Gehirn von Ameisen und Kakerlaken findet. Während es selbst für Entwickler wie Dr. Kagan schwierig ist, die spezifischen Anwendungen dieser Gehirnzellen vorherzusagen, freut er sich darauf, dass andere Forscher und Technologieunternehmen weitere Möglichkeiten erkunden: „Es gibt viele Möglichkeiten.“
Das in Melbourne ansässige Start-up hat sich im Bereich Biocomputing bereits einen Namen gemacht. Im Jahr 2022 trainierten sie erfolgreich Neuronen in einer Petrischale, um das Videospiel „Ping Pong“ zu spielen. Dr. Kagan enthüllte, dass diese Technologie in Zukunft für „Krankheitsmodellierung oder Arzneimitteltests“ eingesetzt werden könnte. Doch ihr ultimatives Ziel ist es, diese winzigen Ansammlungen von Neuronen zu nutzen, um eine biologische künstliche Intelligenz zu entwickeln. Dies steht auch im Mittelpunkt ihres Vortrags auf dieser Konferenz.
Andere Wissenschaftler, die in verwandten Bereichen arbeiten, weisen darauf hin, dass Systeme wie CL1 zwar einige Verwendungsmöglichkeiten haben und die Arbeit im Team Spaß macht, die Technologie jedoch Einschränkungen aufweist.
Was ist „biologische künstliche Intelligenz“?
Die Idee hinter dem CL1-System besteht darin, dass Unternehmen wie Google und OpenAI versuchen, künstliche Intelligenz zu entwickeln, die wie ein Gehirn funktioniert. Warum also nicht einfach die Grundbausteine des Gehirns, die Neuronen, nutzen, um dieses Ziel zu erreichen? Dr. Kagan sagte: „Das Einzige, was mit ‚allgemeiner Intelligenz‘ zu tun hat, ist das biologische Gehirn.“ Er betonte, dass in Petrischalen aufgebaute neuronale Netzwerke wie das CL1-System keine künstliche Intelligenz im Sinne von ChatGPT oder DALL-E seien. Dr. Kagan hat auch relativ geringe Erwartungen an die zukünftige Leistungsfähigkeit solcher Systeme. „Wir versuchen nicht, die Aufgaben zu ersetzen, bei denen KI derzeit hervorragend ist“, sagte er.
Dr. Kagan glaubt jedoch, dass die inhärenten Eigenschaften von Neuronen besser für spezielle Szenarien wie die medizinische Forschung geeignet sind. Erstens ist der Energieverbrauch sehr gering. Derzeit verbrauchen herkömmliche Modelle der künstlichen Intelligenz viel Energie, um Ergebnisse zu erzielen, während das CL1-System nur wenige Watt verbraucht. Zweitens erwähnte Dr. Kagan, dass das Gehirn sehr schnell lernt: „Menschen, Mäuse, Katzen und sogar Vögel können aus winzigen Datenmengen komplexe Entscheidungen ableiten. Das ist das Manko der bestehenden künstlichen Intelligenz.“
Wie „Dishbrain“ lernte, das Spiel zu spielen
Das CL1-System ist nicht groß, etwa so groß wie ein Schuhkarton. Ein Großteil des Systems dient dazu, Neuronen aufzunehmen und am Leben zu erhalten. Neuronen stellen hohe Anforderungen an die Lebensumgebung. Das System muss regelmäßig Abfälle entfernen, Nährstoffe wieder auffüllen und das Eindringen unerwünschter Mikroorganismen verhindern. Der wichtigste Teil ist jedoch der Chip, ein kleines Gerät auf Siliziumbasis, an dem Hunderttausende im Labor gezüchtete, miteinander verbundene Neuronen des menschlichen Gehirns befestigt sind.
Diese Neuronen werden hergestellt, indem Blutzellen durch Umprogrammierungstechnologie in einer Laborumgebung in induzierte Stammzellen umgewandelt und anschließend zu Neuronen kultiviert werden. Dr. Kagan sagte: „Diese Zellen stammen aus Blutproben, die von Freiwilligen zur Verfügung gestellt wurden. Die gesammelte Blutmenge entspricht einer normalen körperlichen Untersuchung, aber die transformierten Neuronen können ein synaptisches Netzwerk auf dem Chip aufbauen.“
Der Chip „trainiert“ Neuronen, indem er kleine Mengen zufälliger oder regelmäßiger Signale liefert: Richtige Antworten führen zu geordnetem Feedback, Fehler lösen chaotische Stimulation aus. Nach einer Trainingsphase beginnen die Neuronen zu lernen, die richtige Reaktion zu beurteilen. Es ist dieser Mechanismus, der es dem von CorticalLabs entwickelten System Dishbrain der ersten Generation ermöglicht, das Spiel „Ping Pong“ zu erlernen. Obwohl die Erfolgsquote beim Schlagen nur geringfügig besser war als die des Zufalls, war sie bereits besser als ein System, das nur Stimulation, aber kein Feedback erhielt. Seitdem hat CorticalLabs das System kontinuierlich aktualisiert und auch unterstützende Software und Hardware für die Kultivierung von Neuronen und die Verbesserung der Genauigkeit veröffentlicht.
Gehirnzellen, die in der Forschung verwendet werden
Während es eine Premiere ist, Neuronen Tischtennis spielen zu lassen, züchten Wissenschaftler seit Jahren winzige Aggregate von Neuronen, sogenannte Gehirnorganoide, für den Einsatz bei Drogentests oder zur Untersuchung der Entstehung des menschlichen Gehirns. Ernst Wolvetang, ein Biologe von der University of Queensland, der sich seit langem mit der Stammzellenforschung beschäftigt, glaubt, dass die von CorticalLabs verwendeten Neuronenaggregate relativ einfach sind. CorticalLabs verwendet zweidimensionale Neuronenaggregate, um Neuronen auf dem Chip zu kacheln, während Professor Wolwetangs Labor dreidimensionale Gehirnorganoide verwendet, die „mehr Zelltypen enthalten und das Neuronennetzwerk komplexer und anspruchsvoller ist“.
Trotz der Unterschiede in den Technologiepfaden kooperiert Professor Wolwetang weiterhin mit dem Start-up und ist davon überzeugt, dass beide Parteien komplementäre Vorteile haben. „Zuerst haben wir uns gefragt, wie zweidimensionale neuronale Netze so schnell lernen können“, sagte er, „aber CorticalLabs hat nicht nur hochentwickelte Neuronenkulturgeräte entwickelt, sondern auch Software und Analysemethoden entwickelt, um die Lernfähigkeit zu überprüfen.“
Professor Wolweitang plant, die in seinem Labor gezüchteten linsengroßen dreidimensionalen Gehirnorganoide mit dem von CorticalLabs entwickelten Software- und Hardwaresystem zu verbinden, um zu überprüfen, ob dieses dreidimensionale Organ über einen Lernmechanismus verfügt, der einem zweidimensionalen neuronalen Netzwerk entspricht. Sobald nachgewiesen ist, dass die von ihm entwickelten Gehirnorganoide lernfähig sind, wird Professor Wolweitang die Auswirkungen neurodegenerativer Erkrankungen auf die Gedächtnisfunktion von Gehirnorganoiden eingehend erforschen. Allerdings hat er Bedenken, die Rechenleistung von Neuronen in einer Petrischale mit KI gleichzusetzen: „Ich verstehe diese Denkweise, schließlich lernen diese menschlichen neuronalen Netze erstaunlich schnell. Aber „Ping Pong“ zu lernen ist eine Sache, komplexe Entscheidungen zu treffen eine andere. Ich behalte mir das Urteil an dieser Stelle vor.“
Ethische Fragen in einer Petrischale
Die Stammzellforscherin Silvia Velasco vom Murdoch Children's Research Institute untersucht mithilfe von Gehirnorganoiden die Bildung der menschlichen Großhirnrinde. Sie sagte: „Die Großhirnrinde spiegelt die Einzigartigkeit des menschlichen Gehirns am besten wider, und ihre Struktur und Entwicklungsmuster variieren erheblich zwischen den Arten.“ Sie fügte hinzu: „Als Wissenschaftlerin, die sich mit der Erforschung von Hirnorganoiden beschäftigt, denke ich oft über die ethischen Fragen nach, die sich aus dieser Arbeit ergeben können.“
Viele Wissenschaftler auf diesem Gebiet und das CorticalLabs-Team sind sich bewusst, dass ihre Forschung sensibel ist. Während die derzeit verwendeten Gehirnorganoide weit von einem echten Gehirn entfernt sind, gibt es Bedenken, dass größere neuronale Netzwerke in Zukunft Bewusstsein oder Selbstwahrnehmung erzeugen und vielleicht sogar gehirnähnliche Fähigkeiten erlangen könnten. „Zu diesem Zeitpunkt halte ich diese Sorge für unbegründet. Es wäre ein großer Verlust, kein System zu verwenden, das möglicherweise schwere Gehirnerkrankungen heilen könnte“, sagte Velasco. „Aber wir müssen die potenziellen Probleme bewerten und antizipieren, die sich aus der Verwendung dieser Modelle ergeben können.“
Dr. Kagan erkennt diese Bedenken an, glaubt jedoch, dass das Gebiet noch in den Kinderschuhen steckt und es schwierig ist, ethische Grenzen vorherzusagen. „Das können wir nicht beantworten, deshalb arbeiten wir mit vielen Bioethikern zusammen“, sagte er. „Die unabhängigen Gehirnzellsysteme, die wir aufbauen, sind wie Schaltkreise und können je nach Bedarf verwendet werden. Sie werden nicht die Eigenschaften des Bewusstseins haben. Wir werden testen und bewerten, und wenn es Risiken gibt, werden wir das Design anpassen, um sie zu vermeiden.“