Der cybernetische Fruchtfliege lebt. Ist die "digitale Unsterblichkeit" der Menschen noch weit entfernt?

Was würden Sie tun, wenn Ihnen jetzt gesagt würde, dass Sie Ihr Bewusstsein in einen Computer hochladen und so cybernetisches Unsterblichkeit erreichen könnten?

Dies ist keine Science-Fiction, sondern eine mögliche Realität.

Am 7. März veröffentlichte das US-amerikanische Startup Eon Systems auf X eine Demo, die als cybernetisches Wunder bezeichnet werden kann. Sie haben 125.000 echte Neuronenverbindungen einer erwachsenen Fruchtfliege in einen Computer übertragen. Dabei wurde kein Code zur Programmierung des Verhaltens verwendet, und es wurden keine riesigen Datenmengen zur Modellierung trainiert...

Was jedoch erstaunlich ist: Diese „digitale Fruchtfliege“ lebt auf dem Bildschirm. Sie bewegt sich, reinigt ihre Antennen und sucht sogar nach Nahrung, genau wie eine echte Fruchtfliege.

▲  The First Multi-Behavior Brain Upload, Dr. Alex Wissner-Gross@X 

In unzähligen Science-Fiction-Romanen und Filmen haben Menschen sich unzählige Male das Hochladen ihres Gehirns und damit die Erreichung echter cybernetischer Unsterblichkeit vorgestellt.

Und jetzt ist es tatsächlich geschehen.

Eon Systems hat mit einem nur 43 Sekunden langen Video einen seit langem vergessenen Traum der Technologiebranche wieder in den Mittelpunkt gerückt – die Ganzhirnsimulation (Whole-Brain Emulation, kurz WBE).

Diesmal könnte es möglicherweise den bisherigen Weg der Konstruktion von künstlicher allgemeiner Intelligenz (AGI) über Large Language Models komplett umkehren und eine neue, der Lebensessenz nähere Form der Intelligenz entwickeln.

Die lange Zeit vernachlässigte Ganzhirnsimulation

Die Ganzhirnsimulation ist unter dem Begriff „Bewusstseinsupload“ besser bekannt.

Dieses Konzept tauchte erstmals in Science-Fiction-Romanen der 1950er Jahre auf. Viele große Science-Fiction-Autoren haben in ihren Werken solche Szenarien beschrieben, wie z. B. Isaac Asimov, der die „Drei Gesetze der Robotik“ erfand, und Arthur C. Clarke, der „2001: Odyssee im Weltraum“ schrieb.

Später diskutierte John von Neumann in seinem Buch „Der Computer und das Gehirn“ die Möglichkeit der maschinellen Simulation des menschlichen Gehirns aus mathematischer und computerwissenschaftlicher Perspektive und legte damit die theoretische Grundlage für diese Idee.

Dieser Technologieweg blieb jedoch lange Zeit reine Theorie. Erst 2008 legten Anders Sandberg und Nick Bostrom vom Future of Humanity Institute der Universität Oxford in ihrer Studie „Whole Brain Emulation: A Roadmap“ den Begriff und den technischen Rahmen für die Ganzhirnsimulation (WBE) fest und brachten das Konzept von der Science-Fiction in die Realität als interdisziplinäre Forschungsrichtung mit einem klaren technischen Ansatz.

Einfach ausgedrückt: Während Large Language Models versuchen, die Entstehung von Intelligenz zu simulieren, um AGI zu erreichen, versucht die Ganzhirnintelligenz, die Gehirnstruktur zu rekonstruieren, um die vorhandene Intelligenz zu kopieren.

Diese Idee klingt auf den ersten Blick sehr vernünftig, aber in den letzten fast 20 Jahren war sie eine echte Nische in der Forschung.

Der Grund ist einfach: Die Ganzhirnsimulation erfordert eine extrem hohe technische Komplexität.

Im Gegensatz zu Large Language Models, die schnell Ergebnisse erzielen können, indem man Rechenleistung und Datenmengen erhöht, erfordert die Ganzhirnsimulation, dass man in den vier Dimensionen Nanometer-Abbildung, Massivrechnen, Biodynamik und physikalische Simulation gleichzeitig einen „Kipppunkt“ erreicht.

▲Whole Brain Emulation: A Roadmap, Die technologischen Treiber für die Entwicklung der Schlüsseltechnologien der Ganzhirnsimulation (WBE) 

Um die Ganzhirnsimulation zu erreichen, muss man zunächst das Gehirn in Nanometer-Schnitte teilen und mit einem Elektronenmikroskop scannen. Dann müssen die Nervenfasern in den riesigen Bildmengen neu verbunden werden, um eine vollständige dreidimensionale Nervenverbindungskarte zu erstellen. Anschließend muss man die Signale und die Nervenaktivitätsmuster zwischen den Synapsen analysieren. Schließlich muss man diese Strukturen und Signale in einem Computer simulieren, um den Betrieb des Gehirns zu rekonstruieren.

Um die Zeit um 2010 herum zu scannen, dauerte es mehrere Mikroskope mehrere Jahre, um 1 Kubikmillimeter Gehirngewebe (ungefähr die Größe des Gehirns einer Fliege) zu scannen. Danach brauchte es Hunderttausende von Arbeitsstunden, um die Neuronen manuell zu verbinden. Ganz zu schweigen von der anschließenden Dekodierung der Nervensignale und der dynamischen Simulation dieser biologischen Signale, was noch schwieriger ist.

In den letzten Jahren haben sich jedoch die relevanten Technologien so stark entwickelt, dass diese einst unmöglichen Aufgaben allmählich machbar werden.

Beispielsweise hat die Reife der Mehrstrahl-Elektronenmikroskopie die Scangeschwindigkeit um Hunderte von Malen erhöht, so dass die Arbeitszeit von Jahren auf Wochen reduziert werden kann. Außerdem hat der schnelle Fortschritt von Computervision-Algorithmen wie dem FFN-Algorithmus von Google die automatische Segmentierung und Verfolgung von Neuronen erheblich vorangetrieben.

Darüber hinaus sind die Open-Source-Entwicklung und die Optimierung von maschinellem Lernen und Hochleistungs-Physik-Engines wie MuJoCo die Schlüssel, warum Eon Systems diesen Durchbruch erzielen konnte.

Genauer gesagt basiert der Durchbruch von Eon Systems auf dem FlyWire-Projekt, das 2024 in der Zeitschrift „Nature“ veröffentlicht wurde. Dies ist eine äußerst präzise „Karte“, auf der Wissenschaftler mit Hilfe von Elektronenmikroskopie etwa 125.000 Neuronen und über 50 Millionen Synapsenverbindungen im Gehirn einer Fruchtfliege präzise rekonstruiert haben.

Dann haben die Forscher mit Hilfe eines Modells die „Eigenschaften“ jeder Verbindung mit hoher Genauigkeit anhand der morphologischen Merkmale der Synapsen abgeleitet. Schließlich haben die Open-Source-Entwicklung und die Optimierung von Hochleistungs-Physik-Engines wie MuJoCo es der digitalen Lebensform endlich ermöglicht, ein realistisches „digitales Trainingsparadies“ zu haben.

Das geschlossene System zwischen Wahrnehmung, Entscheidung und Handlung konnte erstmals in einer virtuellen Umgebung tatsächlich funktionieren. Dies ist der Kern des technologischen Durchbruchs von Eon Systems: Die Forscher haben in der digitalen Welt fast im Maßstab 1:1 die „Seele“ einer erwachsenen Fruchtfliege rekonstruiert.

Ohne dass irgendein Programmierer es gelehrt hat, begann diese digitale Fruchtfliege spontan zu laufen, ihre Antennen zu reinigen und zeigte sogar das Verlangen nach Nahrung. Diese komplexen Verhaltensweisen sind nicht das Ergebnis einer vordefinierten Programmierung, sondern entstehen natürlich aus der realen biologischen Struktur.

Zwischen Fruchtfliege und menschlichem Gehirn liegen „unzählige Berge“

Der Erfolg der Ganzhirnsimulation einer Fruchtfliege lässt schnell die Frage aufkommen: Wenn es bei der Fruchtfliege funktioniert, kann es auch beim Menschen funktionieren?

Die klare Antwort ist: Theoretisch ja, aber derzeit nein, und möglicherweise auch in absehbarer Zukunft nicht.

Der Grund ist einfach: Zwischen Fruchtfliege und Mensch besteht nicht einfach eine Größenunterschied, sondern eine riesige technologische Kluft.

Die Fruchtfliege hat nur etwa 125.000 Neuronen, während das menschliche Gehirn etwa 86 Milliarden Neuronen hat, was fast 700.000 Mal so viel ist wie bei der Fruchtfliege.

Derzeit befindet sich die Ganzhirnsimulation noch in der Phase „von Insekten zu Säugetieren“. Bisher hat die Wissenschaft nur die Gehirnsimulation eines Fadenwurms abgeschlossen, einem Mikroorganismus mit nur 302 Neuronen. Die Fruchtfliege ist gerade mal etwas komplexer als der Fadenwurm, und darüber hinaus stoßen die Technologien an ihre Grenzen.

Das nächstgrößere Experiment ist die Maus, die etwa 70 Millionen Neuronen hat, was bereits nahe an die Grenzen der derzeitigen Technologie liegt. Daher ist es noch sehr weit entfernt, eine 1:1-Ganzhirnsimulation des viel komplexeren menschlichen Gehirns zu erreichen.

▲ Drosophila cranial nerves (Kranialnerven der Fruchtfliege), Quelle: ChatGPT 

Der Grund, warum es an dieser Stelle stoppt, ist zunächst die sprunghafte Zunahme der Datenmenge.

Mit jeder Größenordnungszunahme der Neuronenanzahl wächst die Menge an zu scannenden, zu speichernden und zu verarbeitenden Daten fast explosionsartig.

Die Datenmenge des gesamten Gehirns einer Fruchtfliege beträgt etwa einige hundert Terabyte. Wenn man die Maus vollständig scannt, könnte die Rohbilddatenmenge mehrere Petabyte betragen, während die Datenmenge des menschlichen Gehirns möglicherweise nahe an 1 Zettabyte heranreichen könnte.

Viele Menschen haben keine Vorstellung von 1 Zettabyte. 1 Zettabyte entspricht 1 Milliarde Terabyte. Wenn 1 Terabyte einer Sandkahn entspricht, könnte 1 Zettabyte den Pazifik füllen. Laut einer Vorhersage der IDC wird das globale Datenvolumen im Jahr 2025 nur etwa 175 Zettabyte betragen.

Das bedeutet, dass man für die Aufnahme und Speicherung eines menschlichen Gehirns eine eigene Spitzen-Datenzentrumsanlage bauen müsste.

Und selbst wenn man die Daten erhalten kann, steht noch die zweite Hürde vor uns: Wie kann man diese „Nervenkarte“ tatsächlich funktionieren lassen?

Das Gehirn ist kein statisches Schaltbild, sondern ein dynamisches System, das ständig elektrochemische Aktivitäten durchführt. Im menschlichen Gehirn gibt es etwa 100 Billionen Synapsen, die ständig Informationen übertragen und regulieren.

Wenn man diese Prozesse mit einem herkömmlichen Computer nach dem von-Neumann-Schema einzeln simulieren würde, würde selbst der stärkste Supercomputer von heute möglicherweise Tage brauchen, um eine Sekunde der Gehirnaktivität zu simulieren.

Aber das tiefere Problem liegt nicht nur in der Rechenleistung, sondern auch in unserer begrenzten Kenntnis über das Gehirn selbst. Die Connectomics kann uns sagen, „wer mit wem verbunden ist“, aber sie kann möglicherweise nicht erklären, welche Informationen diese Verbindungen übertragen, wie sie reguliert werden und warum bestimmte kognitive und bewusstseinsbezogene Zustände auftreten.

Ein Schlüsselgrund für den Durchbruch in der Fruchtfliegen-Experimente war, dass die Forscher die Funktion einiger Neurotransmitter erfolgreich abgeleitet haben.

Einfach ausgedrückt: Sie haben geraten und es hat funktioniert (dies ist in Fällen mit kleinen Datenmengen eine effektive Methode). Aber bei komplexeren Säugetiergehirnen wird diese Methode viel schwieriger.

Das Gehirn basiert nicht nur auf „kabelgebundenen Verbindungen“, sondern es gibt auch eine Vielzahl von „drahtlosen“ chemischen Modulationen. Neurotransmitter wie Dopamin und Serotonin diffundieren im Gehirn und beeinflussen das Nervensystem in weiten Teilen. Diese Mechanismen können jedoch nicht direkt durch Elektronenmikroskopie beobachtet werden.

Das bedeutet, dass eine wirklich reife Ganzhirnsimulation in Zukunft nicht nur die Kopie einer Verbindungskarte erfordert, sondern auch das Verständnis der komplexen Beziehungen zwischen elektrischen Signalen, chemischen Modulationen und dynamischen Aktivitäten.

Und selbst wenn alle diese technischen Probleme schließlich gelöst werden, wird der Mensch immer noch vor einem anderen schwierigeren Problem stehen: die Ethik.

Wenn eines Tages ein menschliches Gehirn tatsächlich 1:1 simuliert wird, was ist dann dieses System? Ist es nur ein hochrealistischer Verhaltenssimulator, oder hat es bereits subjektive Erfahrungen, Emotionen und sogar Selbstbewusstsein?

Wenn es Schmerzen empfinden kann, ist das Abschalten des Simulators dann gleichbedeutend mit „dem Töten einer Person“? Wenn es Erinnerungen und Identitätskontinuität hat, sollte es dann eine gesetzliche Stellung haben?

Diese Fragen sind keine Science-Fiction-Szenarien, sondern reale Herausforderungen, die man nicht umgehen kann, wenn die WBE sich dem Menschen nähert. In diesem Fall wird der Mensch möglicherweise nicht nur neue technische Standards, sondern auch ein ganzes neues Framework für digitale Ethik und Gesetzgebung benötigen.

Der Sinn der Ganzhirnsimulation einer Fruchtfliege liegt daher nicht darin, dass der „Upload des menschlichen gesamten Gehirns“ in naher Zukunft möglich ist, sondern darin, dass er zum ersten Mal diese Technologie nicht mehr als völlig unrealistisch erscheinen lässt.

Er beweist, dass das Gehirn eines komplexen Organismus tatsächlich in gewissem Maße gescannt, rekonstruiert und betrieben werden kann.

Aber zwischen der Fruchtfliege und dem Menschen liegt noch die Maus als technologische Grenze und die Berge der Datenmenge, der Rechenleistung, der chemischen Mechanismen und der ethischen Grenzen. Für die heutige WBE ist die Fruchtfliege ein wichtiger Meilenstein, aber weit von einem Ende entfernt.

Heute ist die Ganzhirnsimulation keine Science-Fiction mehr

Wenn der Weg zur echten menschlichen Intelligenz noch so weit entfernt ist, warum sollten wir uns jetzt schon mit der Ganzhirnsimulation beschäftigen? Schließlich prophezeien einige, dass AGI in den nächsten Jahren möglicherweise auftauchen wird.

Die Antwort liegt darin, dass das Skalengesetz (Scaling Law) in gewissem Maße auch auf die Ganzhirnsimulation zutrifft.

Die wirkliche Bedeutung des Fruchtfliegen-Experiments liegt nicht nur in einer beeindruckenden technischen Demonstration, sondern darin, dass es zum ersten Mal bewiesen hat, dass ein vollständiger technischer Weg funktionieren kann: Scannen, Rekonstruktion, Simulation und