So etwas habe ich mein ganzes Leben lang nie gesehen: Sogar das Gehirn eines Verstorbenen kann eine Roboterhand steuern, um Klavier zu spielen.

Sogar Gehirnscheiben von Verstorbenen können jetzt Klavier spielen!

Kürzlich hat ein französisches Forschungsteam direkt menschliches Gehirngewebe von Verstorbenen mit einer Roboterhand verbunden und es dazu gebracht, das Klavierspielen von Menschen zu imitieren.

Sie entnahmen das noch aktive Gehirngewebe aus dem Gehirn von Verstorbenen, legten es in eine Petrischale und schlossen Elektroden, Mikrofone und eine bionische Roboterhand an.

Nach dem Training kann das Gehirngewebe, wenn Menschen die Tasten drücken, die Noten „hören“ und dann die Roboterhand steuern, um den gleichen Ton zu erzeugen.

Dafür gibt es sogar ein Video als Beweis.

Um ehrlich zu sein, ging es bei dieser Forschung ursprünglich um ein sehr ernstes KI-Problem:

Können die natürliche Lernfähigkeit und die extrem hohe Energieeffizienz biologischer Neuronen genutzt werden, um ein neues hybrides KI-System zu schaffen?

Wenn man aber die Schlüsselwörter „menschliches Gehirn von Verstorbenen“, „Gehirnscheibe“, „mechanische Prothese“ und „hybrides KI-System“ zusammenbringt, fällt es schwer, nicht an Cyberpunk zu denken.

Nach der Veröffentlichung der Forschung gab es schnell zahlreiche Diskussionen.

Ein Blogger hat das Experimentvideo speziell analysiert und ist der Ansicht, dass solche Arbeiten zwar naturgemäß mit ethischen Kontroversen und einer gewissen „Unheimlichkeit“ einhergehen, aber die Schnittstelle zwischen Neurowissenschaften und KI auch die Kognitionswissenschaft, die Erforschung neurologischer Erkrankungen und sogar die medizinische Forschung vorantreiben kann.

Zahlreiche Nutzer im Internet haben sich anhand dieses Experiments bereits Gedanken über zukünftige Super-Individuen, mechanische Prothesen und sogar philosophische Fragen gemacht, woran das Bewusstsein letztendlich gebunden ist.

Aber lassen Sie uns zunächst nicht über das „Gehirn im Tank“ diskutieren.

Denn das wirklich Interessante an dieser Forschung ist möglicherweise nicht, dass das Gehirn eines Verstorbenen plötzlich anfängt, Klavier zu spielen.

Vielmehr haben die Forscher erstmals ein echtes Gehirngewebe eines Erwachsenen in ein geschlossenes System eingebracht, das wahrnehmen, handeln und weiterlernen kann.

Wie genau hat das funktioniert?

Das menschliche Gehirn ist von Natur aus ein effizienteres Berechnungssystem

Um besser zu verstehen, worum es bei dieser Forschung genau geht, wollen wir zunächst den notwendigen Kontext liefern.

Wie bereits erwähnt sind die künstlichen neuronalen Netze, die heute auf KI-Chips laufen, im Vergleich zum menschlichen Gehirn in gewisser Hinsicht immer noch ein sehr „ineffizientes“ Lernsystem.

Das offensichtlichste Merkmal ist der Energieverbrauch. Das Gehirn eines erwachsenen Menschen hat eine Leistungsaufnahme von nur etwa 20 Watt. Der leistungsstärkste Supercomputer der Welt hingegen erreicht einen Leistungsverbrauch von mehreren zehn Megawatt.

Man kann sagen, dass das menschliche Gehirn bei der Erzeugung desselben Tokens weitaus wirtschaftlicher ist als KI.

Zweitens verfügt das menschliche Gehirn in Bezug auf die Lerneffizienz über Fähigkeiten, die KI nicht hat: Es kann aus kleinen Stichproben lernen und das Gelernte schnell generalisieren.

Beispielsweise musste AlphaGo über 150.000 Spielpartien trainieren, um Lee Sedol zu besiegen.

Bei einer täglichen Trainingszeit von 8 Stunden entspricht das einer kontinuierlichen Übungsdauer von über 100 Jahren für einen Menschen, weit mehr als die Trainingserfahrung, die jeder menschliche Schachspieler je durchlaufen hat.

Ein Sprachmodell wie GPT-3 benötigt für sein Training eine Datenmenge, die dem Äquivalent entspricht, wenn ein Mensch täglich 5 E-Bücher liest und dies 250 Jahre lang fortsetzt.

Daher ist die heutige KI zwar leistungsstark, aber viele ihrer Fähigkeiten beruhen im Wesentlichen immer noch auf dem Einsatz massiver Datenmengen und massiver Rechenleistung.

Im Vergleich dazu brauchen Menschen oft nur sehr begrenzte Erfahrungen, um neue Bewegungen, Konzepte und Zusammenhänge zu erlernen.

In den letzten Jahren hat sich daher ein immer stärker beachteter Forschungsbereich herausgebildet:

Da künstliche neuronale Netze das Gehirn nachahmen, warum kann man nicht einfach echte Neuronen direkt in das Berechnungssystem einbinden?

Das ist das sogenannte hybride KI-System.

Bislang haben Forscher hauptsächlich zweidimensional kultivierte Neuronen und Gehirnorganoide ausprobiert. Bei ersterem ist es schwierig, eine stabile neuronale Plastizität zu erreichen, bei letzterem sind die neuronalen Schaltkreise relativ unreif und es gibt große individuelle Unterschiede.

Daher hat dieses französische Team ein anderes Material gewählt: Explantate von postmortalen erwachsenen menschlichen Gehirngeweben, also OPAB.

Der größte Unterschied besteht darin, dass es sich hier nicht um ein Gehirnmodell handelt, das aus Stammzellen neu „herangewachsen“ wurde, sondern um echtes Gewebe aus dem Gehirn eines Erwachsenen, das daher reife Zelltypen, Gewebestrukturen und teilweise neuronale Verbindungen behält.

Das Team hat bereits zuvor nachgewiesen, dass solche Gehirnscheiben nach Erhalt von Sauerstoff und Glukose ihre neuronale Aktivität außerhalb des Körpers aufrechterhalten können.

Die einzige echte Frage, die sich nun stellt, lautet: Kann es nach dem Verlassen des menschlichen Körpers weiterlernen?

Daher beschlossen die Forscher, es direkt mit einer „Hand“ und einem „Ohr“ auszustatten.

Ausstattung der Gehirnscheibe mit „Hand“ und „Ohr“

Im Großen und Ganzen ist dieses System, bei dem die „Gehirnscheibe Klavier spielt“, nicht sehr komplex.

Im Versuchsaufbau legten die Forscher das OPAB zunächst auf ein Mikroelektroden-Array. Dann wählten sie zufällig drei Elektroden als „Motorelektroden“ aus, die jeweils mit drei Fingern der Roboterhand verbunden waren.

Die drei Finger entsprachen wiederum jeweils drei Tönen der Elektronorgel: LA, TI und DO.

Sobald eine Motorelektrode aktiviert wird, beugt sich der entsprechende Finger und drückt die Taste. Damit ist die Gehirnscheibe praktisch mit einer „Hand“ verbunden.

Als Nächstes wird es mit einem „Ohr“ ausgestattet. Nachdem die Roboterhand die Taste gedrückt hat, sammelt ein daneben platzierter Mikrofon den Ton ein.

Ein Ton-Dekodierer erkennt, ob es sich um LA, TI oder DO handelt, und stimuliert dann die entsprechenden drei „Sensorelektroden“ auf der Gehirnscheibe.

So entsteht ein vollständiger geschlossener Kreislauf: Die Gehirnscheibe erzeugt ein Bewegungssignal → Die Roboterhand drückt die Taste → Das Mikrofon nimmt den Ton auf → Der Ton wird wieder in elektrische Stimuli umgewandelt → Zurückübertragen an die Gehirnscheibe.

Aus der Perspektive der Gehirnscheibe ähnelt dies stark dem Prozess, bei dem ein Baby zum ersten Mal seinen eigenen Körper kennenlernt.

Wenn ein Baby gerade geboren wird, weiß es nicht, was passiert, wenn sich ein bestimmter Muskel zusammenzieht. Es bewegt seine Hände wild, strampelt mit den Beinen und beobachtet dann durch Sehen, Tasten und Hören die Folgen dieser Bewegungen.

Dieser Prozess hat in der Robotik einen sehr anschaulichen Namen: Motor Babbling, motorisches Lallen.

Und das, was die Forscher tun wollen, ist diesen Prozess in eine Petrischale zu verlegen.

Bidirektionale neuronale Plastizität

Konkret wird das System in der Trainingsphase zufällig eine der Motorelektroden stimulieren.

Nach der Stimulation beugt sich ein Finger der Roboterhand sofort und drückt eine Taste. Unmittelbar danach nimmt das Mikrofon diese Note auf, wandelt sie in einen Stimulus um und sendet diesen zurück an die entsprechende Sensorelektrode.

Zum Beispiel: Elektrode A wird stimuliert. Der Zeigefinger beugt sich und drückt LA. Das Mikrofon nimmt LA auf, und die der Note LA entsprechende Sensorelektrode wird erneut stimuliert.

Eine Bewegung, gefolgt von einem sensorischen Ergebnis, 300 Mal pro Tag, drei Tage lang hintereinander, damit die Gehirnscheibe ein motorisches Gedächtnis ausbildet

Erwähnenswert ist, dass es während des gesamten Prozesses keine Rückmeldungen wie „Du hast richtig geantwortet“ oder „Du hast falsch geantwortet“ gibt, und es gibt auch keine Belohnungsfunktion.

Die Forscher lassen lediglich zwei Ereignisse wiederholt zeitlich aufeinander folgen. Den Rest überlassen sie den Neuronen selbst.

Dass dies möglich ist, hängt von einem grundlegenden Lernmechanismus des Gehirns ab —

Neuronale Plastizität.

Einfach ausgedrückt: Die Verbindungen zwischen Neuronen, die häufig gemeinsam aktiviert werden, werden allmählich stärker. Nach wiederholtem Training beginnt die Gehirnscheibe daher langsam:

Diesen „Finger“ mit diesem „Ton“ zu verbinden.

Aber noch wichtiger ist, dass diese Verbindung nicht unidirektional ist. Das heißt, die Gehirnscheibe kann nicht nur lernen: „Wenn ich diesen Finger bewege, höre ich diesen Ton.“

Sondern umgekehrt auch: „Wenn ich diesen Ton höre, aktiviere ich diesen Finger.“

So wird der gesamte Vorgang von einer einfachen Assoziation zwischen Bewegung und Empfindung zu einer aktiven Imitation des Lernsystems.

Um diese Hypothese zu überprüfen, begannen menschliche Experimentatoren im offiziellen Test, zufällig LA, TI und DO zu spielen.

Dieses Mal wird nicht zuerst die Motorelektrode stimuliert. Stattdessen leitet das Mikrofon die von Menschen gespielten Noten direkt an die Gehirnscheibe weiter.

Wenn die vorherige Assoziation wirklich erlernt wurde, sollte die Gehirnscheibe nach dem „Hören“ von LA umgekehrt den motorischen Bereich aktivieren, der zuvor mit LA verbunden wurde, sodass die Roboterhand LA drückt und damit eine Imitation abschließt.

Und das Ergebnis … ist tatsächlich eingetreten.

Für die Studie wurden insgesamt 30 OPAB von 3 Spendern verwendet, von denen 16 in den Haupttest eintraten.

Am ersten Trainingstag lag die durchschnittliche Imitationsgenauigkeit dieses Systems nur bei 31,22 %. Da es insgesamt nur drei Noten gibt, beträgt die Genauigkeit bei rein zufälligem Raten 33,3 %.

Mit anderen Worten: Am Anfang hat die Gehirnscheibe überhaupt nichts gelernt.

Aber nach Abschluss des dreitägigen Trainings stieg die durchschnittliche Genauigkeit am vierten Tag auf 58,5 %. Von den 16 Proben konnten 3 OPAB alle drei Noten zu 100 % korrekt imitieren.

Weitere 7 konnten stabil zwei davon erlernen. Schließlich haben 62,5 % der OPAB erfolgreich mindestens zwei Noten erlernt.

Hier muss noch ein Detail hervorgehoben werden. Dieser Wert von 62,5 % ist nicht das beste Ergebnis, das die Forscher nach sorgfältiger Auswahl der Elektroden erzielt haben.

Im Gegenteil, um nachzuweisen, dass diese Assoziation nicht einfach bereits vorhandene Verbindungen innerhalb der Gehirnscheibe nutzt, sondern durch nachträgliches Training entstanden ist, wählten die Forscher die Motorelektroden und Sensorelektroden absichtlich zufällig aus.

Darüber hinaus führte das Forschungsteam mehrere Kontrollversuche durch, um den Einfluss von Software- und Hardwaremodulen auszuschließen.

Die Ergebnisse