"Can it play Doom?" – Neuronale Netzwerke aus wenigen menschlichen Zellen meistern den Ego-Shooter

2021 hat die Firma Cortical Labs zum ersten Mal deutlich gezeigt, dass menschliche Gehirnzellen auf einem Chip Aufgaben ausführen können. Eindrucksvoll wurde dies demonstriert, indem die circa 800.000 Neuronen auf dem Chip Pong gespielt haben.

Das Unternehmen hat eine neue Schnittstelle entwickelt, die es ermöglicht, diese biologischen Chips über die weitverbreitete Programmiersprache Python zu steuern. Ein unabhängiger Entwickler benötigte daraufhin lediglich etwa eine Woche, um dem System das Spielen des Ego-Shooters Doom beizubringen. Der verwendete Chip besteht aus lebenden Gehirnzellen, die auf Mikroelektroden-Arrays wachsen und elektrische Signale sowohl senden als auch empfangen können. Wie die etwa 200.000 Neuronen das Spiel bewältigen, zeigen die Forscher in einem Video.

Obwohl für diesen Versuch nur etwa ein Viertel der mehr als 800.000 lebenden Gehirnzellen des ursprünglichen Pong-Experiments zum Einsatz kam, spielte das biologische System bereits besser als ein rein zufällig agierender Spieler. Die Leistung reicht zwar noch nicht an menschliche Spieler heran, jedoch lernen diese neuronalen Netzwerke laut Brett Kagan von Cortical Labs wesentlich schneller als traditionelle Machine-Learning-Systeme. Experten sehen in der Fähigkeit, mit der Komplexität und den Echtzeit-Entscheidungen von Doom umzugehen, einen bedeutenden Fortschritt für die Steuerung lebender neuronaler Systeme.

Der direkte Vergleich mit dem menschlichen Gehirn ist bei diesen Experimenten nicht das primäre Ziel. Vielmehr geht es darum, eine Technik zu nutzen, die Informationen auf eine ganz bestimmte Art verarbeiten kann. Mit herkömmlichen Computer-Chips sind bestimmte Aufgaben nur schwer umsetzbar. Künftige Computer, sei es biologischer oder hybrider Natur, könnten jene Merkmale geschickt einsetzen, um Herausforderungen zu meistern, die von Ungewissheit und den tatsächlichen Geschehnissen in der Welt geprägt sind. Dabei wären sie deutlich effizienter als aktuelle KI-Chips. Ein konkretes Anwendungsbeispiel, an dem Forscher bereits arbeiten, ist die effizientere Steuerung von Roboterarmen durch solche biologische Computer.