Ein australisches Biotechunternehmen hat 200.000 Neuronen darauf trainiert, einen Ego-Shooter zu bedienen. Was absurd klingt, könnte das Ende des Siliziumzeitalters einläuten.
Es ist nicht das, was man sich unter einer Spielesession vorstellt: keine Tastatur, kein Controller, kein Bildschirm – zumindest nicht für den Spieler. Denn der Spieler ist eine Ansammlung von 200.000 menschlichen Gehirnzellen, die in einer Petrischale schwimmen.
Und das Spiel ist Doom.
Das Unternehmen hinter diesem Experiment heißt Cortical Labs. Es sitzt in Melbourne, Australien, und es hat in den vergangenen Jahren still und leise an einer Frage gearbeitet, die die gesamte Technologiebranche umtreibt: Was kommt nach dem Silizium?
ÜBERSICHT
Vom Ping-Pong zum Ego-Shooter
Der Anfang war bescheidener. Im Jahr 2022 veröffentlichte Cortical Labs eine Studie, die weltweit Aufmerksamkeit erregte: 800.000 menschliche Neuronen auf einem Chip hatten gelernt, Pong zu spielen – das archaische Videospiel mit einem Schläger, einem Ball und zwei Strichen. Die Zellen reagierten auf elektrische Signale, die den Ballpositionen entsprachen, und steuerten den Schläger durch ihre eigene elektrische Aktivität. Sie lernten. Biologisch. Ohne Code, ohne Algorithmus, ohne Backpropagation.
Jetzt haben sie das Level gewechselt.
In der neuen Iteration werden die Spielgrafiken von Doom in Muster elektrischer Stimulation übersetzt und direkt an die Neuronen weitergeleitet. Die Zellen antworten mit ihrer eigenen elektrischen Aktivität. Diese Ausgabe wird in Echtzeit dekodiert: Bewegen, Zielen, Schießen.
Die Neuronen töten Dämonen – und sie werden dabei besser, je länger sie spielen. Der Mechanismus dahinter ist derselbe, den Ihr Gehirn gerade beim Lesen dieser Zeilen nutzt: biologische Plastizität, die Fähigkeit neuronaler Netzwerke, ihre Verbindungen als Reaktion auf Erfahrungen zu verstärken oder zu schwächen. Gedächtnisbildung auf Zellebene. Es ist keine künstliche Intelligenz. Es ist biologische Intelligenz – auf einem Chip.
Die eigentliche Geschichte: Silizium stößt an seine Grenzen
Der Gaming-Aspekt ist fesselnd, aber er ist nicht der Punkt. Der Punkt ist das, was danach kommt. Die Halbleiterindustrie steht vor einem Wachstumsproblem, das sich nicht mehr wegdiskutieren lässt. Das Mooresche Gesetz – die jahrzehntelange Beobachtung, dass sich die Transistordichte auf Chips etwa alle zwei Jahre verdoppelt – gilt nicht mehr uneingeschränkt. Die physikalischen Grenzen der Miniaturisierung werden enger. Und der Hunger nach Rechenleistung, befeuert durch Large Language Models und KI-Systeme, wächst schneller als die Industrie liefern kann.
Hinzu kommen Energieprobleme. Moderne KI-Rechenzentren verbrauchen Mengen an Strom, die ganze Städte versorgen könnten. Das menschliche Gehirn hingegen – das komplexeste bekannte Informationsverarbeitungssystem im Universum – läuft auf etwa 20 Watt.
Weniger als eine Glühbirne.
Wetware, also lebendiges Nervengewebe als Rechensubstrat, ist eine der Antworten, nach denen die Branche sucht. Neuronen lernen ohne Training im herkömmlichen Sinne. Sie passen sich an, ohne neu kalibriert zu werden. Sie verarbeiten Information so, wie die Evolution es über Millionen von Jahren optimiert hat – nicht so, wie Ingenieure es nachgebaut haben.
Die Grenzen sind real – aber sie schrumpfen
Cortical Labs selbst verschweigt die Schwierigkeiten nicht. Kortikale Organoide und Neuronenkulturen sind fragil. Ihre biologische Variabilität macht Reproduzierbarkeit schwierig. Sie sind schwer zu skalieren. Und sie leben nicht ewig – die Lebensdauer von Zellkulturen ist begrenzt.
Doch der Fortschritt ist unbestreitbar. Vor fünf Jahren war neuronale Hardware Science-Fiction. Heute spielt sie Doom. Wenn die Entwicklungskurve anhält, verändert sich die Frage. Nicht mehr: Funktioniert biologisches Computing? Sondern: Was passiert, wenn es besser funktioniert als alles, was wir bisher kennen? Das ist die eigentliche Provokation hinter diesem Experiment. Nicht die Technologie an sich, sondern die Vorstellungskraft, die sie erfordert. Menschliche Gehirnzellen in einer Schale, die Dämonen töten – und ein Großteil der Öffentlichkeit nutzt das fortschrittlichste KI-Werkzeug der Geschichte als bessere Suchmaschine. Die Zellen lernen schneller.
Quellen
- Kagan, B. J. et al. (2022): In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron, 105(6), 973–985. DOI: 10.1016/j.neuron.2022.09.001
- Cortical Labs (2023): DishBrain: Biological Intelligence Integrated in Silicon. Offizielle Unternehmenswebseite. cortical.io
- Waldrop, M. M. (2016): The chips are down for Moore’s Law. Nature, 530, 144–147. DOI: 10.1038/530144a
- Patterson, D. et al. (2021): Carbon emissions and large neural network training. arXiv:2104.10350. arxiv.org/abs/2104.10350
- Smirnova, L. et al. (2023): Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish. Frontiers in Science. DOI: 10.3389/fsci.2023.1017235
- Ramirez-Moreno, M. A. et al. (2021): The brain-computer interface: recent developments and future challenges. Frontiers in Neuroscience. DOI: 10.3389/fnins.2021.646224
