Im Labor gezüchtete menschliche Gehirne treiben heute einige der modernsten Rechenzentren der Welt an und haben siliziumbasierte KI-Chipsysteme überholt!
„Das menschliche Gehirn funktioniert bei der Steuerung der KI deutlich besser, aber ist es dann wirklich noch KI?!“
Einige wenige im Labor gezüchtete Hirngewebeproben haben einen eindrucksvollen Machbarkeitsnachweis erbracht: Lebende neuronale Schaltkreise können durch sorgfältig strukturierte Rückkopplung dazu angeregt werden, ein klassisches Regelungsproblem zu lösen.
In einem geschlossenen Regelsystem, das auf der Grundlage der Leistung eine elektrische Rückkopplung liefert, konnten kortikale Organoide ihre Kontrolle über einen klassischen ingenieurtechnischen Benchmark stetig verbessern: das Ausbalancieren eines instabilen virtuellen Pols.
Die Verbesserung ist noch weit von einem funktionsfähigen hybriden Biocomputer entfernt. Als Machbarkeitsnachweis zeigt sie jedoch, dass Nervengewebe in einer Petrischale durch strukturiertes Feedback adaptiv angepasst werden kann – ein Ergebnis, das Forschern helfen könnte, zu untersuchen, wie neurologische Erkrankungen die Plastizität des Gehirns verändern.
„Wir versuchen, die Grundlagen dafür zu verstehen, wie Neuronen adaptiv angepasst werden können, um Probleme zu lösen“, sagt Ash Robbins , Forscher für Robotik und künstliche Intelligenz an der University of California (UC) Santa Cruz.
„Wenn wir herausfinden können, was diesen Prozess in einer Petrischale auslöst, eröffnet uns das neue Wege, um zu untersuchen, wie neurologische Erkrankungen die Lernfähigkeit des Gehirns beeinträchtigen können.“ (🤖 🧬 Zum ersten Mal in der Geschichte hat eine KI komplette Viren von Grund auf neu entworfen: 16 davon sind bereits aktiv.)
Das Problem mit dem Karrenpfahl ist konzeptionell einfach. Stellen Sie sich vor, Sie balancieren einen langen Gegenstand, zum Beispiel ein Lineal oder einen Stift, aufrecht auf Ihrer offenen Hand.
Wenn er nicht perfekt ausgerichtet ist, wird er kippen. Um ihn stehen zu halten, müssen Sie die Position Ihrer Hand ständig korrigieren, da der Gegenstand schwankt und wackelt.
Bei der Stangen-Karren-Variante kann ein virtueller Wagen nach links oder rechts bewegt werden, um eine gelenkig befestigte Stange vertikal im Gleichgewicht zu halten.
Die Regeln sind einfach, und es gibt einen klaren Fehlerpunkt, wenn die Stange zu weit kippt. Kleine Fehler summieren sich jedoch schnell, was dieses Problem zu einem klassischen Beispiel für eine instabile Regelung macht.
Cartpole wird häufig in der Forschung zum bestärkenden Lernen eingesetzt: Es ist einfach zu simulieren und schnell auszuführen, aber im Gegensatz zu Aufgaben zur Mustererkennung erfordert es ständige, fein abgestufte Anpassungen anstelle einer einzigen korrekten Antwort.
Für Robbins und seine Kollegen stellte der Wagenpfahl eine neue und saubere Methode dar, um die Leistungsfähigkeit von Hirnorganoiden zu testen.
Die Organoide wurden nicht aus menschlichem Gewebe , sondern aus Maus -Stammzellen gezüchtet, die zu kleinen Clustern kortikalen Gewebes heranwuchsen, welche zur neuronalen Signalübertragung fähig waren.
Diese Organoide waren noch nicht komplex genug für etwas, das auch nur annähernd Denken oder Empfindungsfähigkeit entspräche, aber sie konnten elektrische Signale senden und empfangen, und ihre internen Verbindungen konnten sich als Reaktion auf äußere Reize verändern.
Das Experiment basierte auf einem virtuellen Wagenpfahl. Unterschiedliche elektrische Stimulationsmuster signalisierten Richtung und Grad der Neigung des Pfahls.
Die Reaktionen der Organoide wurden anschließend als Kräfte nach links oder rechts interpretiert, die den Wagen bewegten und dem Wackeln entgegenwirkten.
Um es klarzustellen: Die Organoide hatten kein Verständnis für die Aufgabe. Die Forscher testeten, ob die neuronalen Verbindungen des Gewebes durch Rückkopplung reguliert werden können – ob also kurze elektrische Impulse Veränderungen hervorrufen können, die das Netzwerk in Richtung einer besseren Steuerung lenken.
Jeder Versuch, den Stab im Gleichgewicht zu halten (eine sogenannte Episode), dauerte so lange, bis er einen voreingestellten Winkel überschritt. Die Leistung wurde in gleitenden Fünf-Episoden-Intervallen erfasst.
Die Organoide wurden einer von drei Bedingungen zugeordnet: kein Feedback, zufälliges Feedback an ausgewählte Neuronen oder adaptives Feedback basierend auf der bisherigen Leistung.
Die adaptive Bedingung ist entscheidend. Fiel die Leistung über fünf Episoden im Vergleich zum Durchschnitt der letzten 20 Episoden ab, gab das System einen kurzen Impuls hochfrequenter Stimulation ab.
Ein Algorithmus passte an, welche Neuronen diese Impulse erhielten, basierend darauf, ob ähnliche Stimulationsmuster zuvor zu einer verbesserten Kontrolle geführt hatten.
„Man könnte es sich wie einen künstlichen Trainer vorstellen, der sagt: ‚Du machst es falsch, korrigiere es ein wenig in dieser Hinsicht‘“, erklärt Robbins . „Wir lernen gerade, wie wir ihm diese Coaching-Signale am besten geben.“
Um zu entscheiden, ob sich die Organoide tatsächlich verbesserten oder nur Glück hatten, legten die Forscher einen Maßstab fest, der auf der Leistung eines völlig zufälligen Kontrollsystems basierte. Übertrafen die besten Leistungen des Organoids während einer Sitzung das, was rein zufällig plausibel zu erwarten gewesen wäre, wurde diese Sitzung als erfolgreich gewertet.
Die unter den jeweiligen Bedingungen erzielten Leistungsniveaus waren bemerkenswert. Organoide ohne Feedback erreichten den Leistungsstandard nur in 2,3 Prozent der Fälle, solche mit zufälligem Feedback in 4,4 Prozent der Fälle. Unter kontinuierlichem adaptivem Feedback überschritten die Organoide die Leistungsschwelle hingegen in 46 Prozent der Zyklen.
„Wenn wir die Trainingsreize aktiv auswählen können, können wir das Netzwerk tatsächlich so formen, dass es das Problem löst“, sagt Robbins . „Wir haben gezeigt, dass es sich um Kurzzeitlernen handelt, indem wir ein Organoid in einem bestimmten Zustand in einen anderen, gewünschten Zustand überführen können, und das gelingt uns konsistent.“
„Kurzfristig“ ist jedoch zutreffend. Werden die Organoide für eine gewisse Zeit – nur 45 Minuten – inaktiv gelassen, „vergessen“ sie ihr Training und fallen auf ein Ausgangsniveau zurück. Zukünftige Studien könnten untersuchen, wie sich das Gedächtnis der Organoide verbessern lässt , beispielsweise durch eine Erhöhung ihrer Komplexität.
„Ashs Software könnte eine größere Gemeinschaft rund um die adaptive Organoidberechnung aufbauen . Wir möchten jedoch klarstellen, dass unser Ziel darin besteht, die Hirnforschung und die Behandlung neurologischer Erkrankungen voranzutreiben, nicht aber, Robotersteuerungen und andere Arten von Computern durch im Labor gezüchtetes tierisches Hirngewebe zu ersetzen“, sagt der Bioinformatiker David Haussler von der UC Santa Cruz.
„Letzteres mag zwar cool klingen, würde aber ernsthafte ethische Fragen aufwerfen, insbesondere wenn menschliche Hirnorganoide verwendet würden.“
Die Forschungsergebnisse wurden in Cell Reports veröffentlicht .
SCI-FI-HORROR WIRD REALITÄT!!!
Im Labor gezüchtete menschliche Gehirne treiben mittlerweile einige der weltweit leistungsfähigsten Rechenzentren an und haben Systeme auf Basis von KI-Chips aus Silizium übertroffen!
Der führende Zukunftsforscher sowie KI- und Gesundheitsexperte Mike Adams berichtet über die neuesten Entwicklungen bei der Züchtung menschlicher Mini-Gehirne, die neuronale Netze an Leistungsfähigkeit übertreffen sollen, über Trumps Dekret zu Impfstoffen sowie über die Vernichtungsagenda der Eliten!
Quellen: PublicDomain/sciencealert.com am 12.08.2026
