Wissenschaftler haben einen Weg gefunden, lebende menschliche Gehirnzellen in Computersysteme zu integrieren, wodurch das „A“ in KI möglicherweise überflüssig werden könnte.
In einem heute offiziell in der Zeitschrift Nature Electronics veröffentlichten Forschungsbericht beschreiben Wissenschaftler der Indiana University Bloomington ein neues System mit dem Namen „Brainoware“, das menschliche Hirnorganoide für fortgeschrittene KI-Aufgaben einsetzt. Diese Organoide – künstlich gezüchtete Zell- oder Gewebemassen, die einem Organ ähneln – sind derzeit auf einem hochdichten Multielektroden-Array montiert und sind heute recht primitiv. Die Forscher hoffen jedoch, dass ihr Einsatz den Weg für Biocomputer ebnet, die die gleichen Aufgaben wie Computer ausführen können, jedoch mit einem minimalen Energieverbrauch.
„Ein menschliches Gehirn verbraucht typischerweise etwa 20 Watt, während die derzeitige KI-Hardware etwa 8 Millionen Watt verbraucht, um ein vergleichbares ANN (künstliches neuronales Netz) zu betreiben“, heißt es in dem Forschungspapier. „Brainoware könnte zusätzliche Erkenntnisse für das KI-Computing liefern, da Gehirnorganoide BNNs (biologische neuronale Netze) mit Komplexität, Konnektivität, Neuroplastizität und Neurogenese sowie niedrigem Energieverbrauch und schnellem Lernen ausstatten können. „
Einführung von „Brainoware“: Miniaturgehirn-ähnliche Strukturen aus menschlichen Zellen, sogenannte Gehirnorganoide, die als lebende KI eingesetzt werden, um Aufgaben wie das Lösen komplexer Gleichungen auszuführen 1/8https://t.co/nuCNOWNf3j
– Michael Le Page (@mjflepage.bsky.social) (@mjflepage) March 14, 2023
„Menschliche Gehirne verbrauchen viel weniger Energie und lernen viel schneller, so dass einige Forscher Biocomputing als den Weg in die Zukunft sehen“, schrieb Michael Le Page im März auf Twitter, wies aber darauf hin, dass das Ausreizen der Grenzen des Feldes heikle Fragen aufwerfen könnte.
Le Page zitierte die Entwicklungsneurobiologin Madeline Lancaster aus Cambridge, die sagte: „Wir wollen auf jeden Fall vermeiden, dass dadurch eine ethische Grenze überschritten wird, und die wissenschaftliche und ethische Gemeinschaft kommt zusammen, um zu definieren, wo diese Grenze liegt.“
Brainoware sendet und empfängt Informationen vom Hirnorganoiden durch „adaptive Reservoir-Computation“. Diese Methode ermöglicht unüberwachtes Lernen aus Trainingsdaten, die die funktionelle Konnektivität des Organoids noch beeinflussen können. Das praktische Potenzial des Systems wurde anhand von Aufgaben wie der Spracherkennung demonstriert, bei der es die Stimmen einzelner Sprecher nach dem Training mit zunehmender Genauigkeit unterscheiden konnte.
So wurden die Organoide beispielsweise darauf trainiert, die Stimme einer Person in einem Satz von 240 Audioclips von acht Personen zu identifizieren, die japanische Vokale aussprechen. Nach dem Training konnten die Organoide die Aufgabe mit über 70 % Genauigkeit lösen.
Von lebenden Robotern ist die Wissenschaft allerdings noch weit entfernt. Die Organoide konnten einen Sprecher nur identifizieren, nicht aber die Sprache verstehen. Das bedeutet, dass es noch ein sehr langer und kurvenreicher Weg ist, bis die Technologie einen praktischen Nutzen in der Medizin oder im Ingenieurwesen erreicht.
Titouan Parcollet von der University of Cambridge erklärte gegenüber der Zeitschrift New Scientist, dass das Potenzial des Biocomputing enorm sei, räumte aber ein, dass „die derzeitigen Deep-Learning-Modelle bei spezifischen und gezielten Aufgaben viel besser sind als jedes Gehirn“.
Die Forscher warnten auch, dass ihre „aktuellen Organoide immer noch unter großer Heterogenität, geringem Generationsdurchsatz, Nekrose/Hypoxie und verschiedenen Lebensfähigkeiten leiden“, was sie im Moment für alles andere als Forschungszwecke unrentabel macht.
Parallel zur Entwicklung von Brainoware wurde die künstliche Intelligenz auf kreative Weise in Bereichen wie dem Gesundheitswesen eingesetzt, mit Innovationen, die Tetraplegikern ihre Mobilität zurückgeben, und KI-Modellen, die Gedanken lesen können. Alles in allem unterstreichen diese Fortschritte die vielseitige und transformative Natur der KI-Technologien.
