Cortical Labs: Menschliche Gehirnzellen steuern jetzt LLMs

Gerade als man dachte, der KI-Hype-Zyklus könne nicht noch surrealer werden, entscheidet sich ein Unternehmen in Australien dazu, die GPUs links liegen zu lassen und eine KI stattdessen direkt an ein lebendes, biologisches Gehirn anzustöpseln. Nun ja, zumindest so ähnlich. Cortical Labs, die Biotech-Schmiede, die zuvor bereits einer Petrischale mit rund 800.000 menschlichen Neuronen beigebracht hat, den Videospiel-Klassiker Pong zu meistern, ist zu höheren Aufgaben übergegangen. Nachdem sie erfolgreich eine neue Charge von 200.000 Neuronen durch die dämonenverseuchten Korridore von DOOM gejagt haben, wurde das “DishBrain” nun mit einem Large Language Model (LLM) verkabelt.

Richtig gelesen: Echte, lebende menschliche Gehirnzellen, die elektrische Impulse auf einem Silizium-Chip abfeuern, wählen jetzt die Worte aus, die eine KI spricht. Das ist nicht bloß ein weiterer kleiner Schritt im Bereich Machine Learning; es ist ein bizarrer, faszinierender und leicht unheimlicher Quantensprung in die Welt der “Wetware” und des biologischen Computings. Und offen gesagt: Dagegen wirkt Ihr durchschnittlicher Chatbot in etwa so fortschrittlich wie ein Taschenrechner aus den Neunzigern.

Von verpixelten Paddeln zu höllischen Landschaften

Um zu verstehen, wie wir an den Punkt gekommen sind, an dem Gehirnzellen Texte mitverfassen, müssen wir einen Blick auf die bisherigen Erfolge von Cortical Labs werfen. Im Jahr 2022 sorgte das Team aus Melbourne mit seinem “DishBrain”-Experiment weltweit für Schlagzeilen. Sie züchteten Neuronen auf einem Mikroelektroden-Array, das die Zellen sowohl stimulieren als auch deren Aktivität auslesen konnte. Indem elektrische Signale gesendet wurden, um die Position des Balls in Pong anzuzeigen, lernten die Neuronen innerhalb von nur fünf Minuten, ihre Impulse so zu steuern, dass sie das Paddel bewegten – ein beeindruckender Beweis für zielgerichtetes Lernen in einer synthetischen biologischen Intelligenz.

Doch Pong ist quasi der Kindergarten der Informatik. In der Tech-Welt gibt es ein ungeschriebenes Gesetz, um neue Hardware zu bewerten: “Can it run DOOM?” Also tat Cortical Labs genau das. Der Sprung von der simplen 2D-Welt von Pong in die komplexe 3D-Umgebung von DOOM ist gewaltig; er erfordert räumliche Orientierung, Gefahrenerkennung und blitzschnelle Entscheidungsfindung. Und doch: Die Neuronen lernten. Der Video-Feed des Spiels wurde in elektrische Stimulationsmuster übersetzt, und die Reaktionen der Neuronen wurden in In-Game-Aktionen wie Bewegen und Schießen dekodiert. Auch wenn die Performance eher an einen stolpernden Anfänger als an einen E-Sport-Profi erinnerte, war bewiesen: Das System kann weitaus komplexere, dynamischere Aufgaben bewältigen.

Ein biologischer Geist in der Maschine

Nachdem die Klassiker der Videospielgeschichte bezwungen waren, war der nächste logische Schritt offenbar, den Neuronen eine Stimme zu geben. Das neueste Experiment, das unter anderem von Tech-Vordenkern wie Robert Scoble präsentiert wurde, zeigt die Schnittstelle zwischen den Gehirnzellen und einem LLM. Anstatt ein Paddel oder einen Space Marine zu steuern, werden die elektrischen Impulse der Neuronen nun genutzt, um jedes “Token” – also Buchstaben oder Wörter – auszuwählen, das die KI generiert.

Ein exklusiver Video-Einblick zeigt den Prozess in Aktion: Ein Raster visualisiert die stimulierten Kanäle und das entsprechende Feedback der Neuronen, während sie kollektiv darüber “entscheiden”, welcher Textbaustein als Nächstes folgt. Es ist ein ungeschönter Blick auf biologische Materie, die eine kognitive Aufgabe erfüllt, welche bis dato das exklusive Territorium komplexer Algorithmen auf stromfressenden Silizium-Clustern war.

“Wir haben gezeigt, dass wir mit lebenden biologischen Neuronen so interagieren können, dass sie gezwungen sind, ihre Aktivität anzupassen, was zu etwas führt, das Intelligenz ähnelt”, erklärte Dr. Brett Kagan, Chief Scientific Officer von Cortical Labs, bereits im Rahmen früherer Arbeiten.

Diese neue Entwicklung hebt diese Interaktion auf ein völlig neues Level. Es ist eine Sache, auf einen abprallenden Ball zu reagieren; es ist eine völlig andere, aktiv an der Konstruktion von Sprache teilzunehmen.

Warum der ganze Aufwand mit den Gehirnzellen?

An diesem Punkt stellt sich die berechtigte Frage: Warum sollte man sich die Mühe machen, 200.000 Neuronen in einer Schale am Leben zu erhalten, wenn eine High-End-GPU ein LLM problemlos ausführen kann? Die Antwort liegt in der Effizienz und den fundamentalen Grenzen von Silizium. Das menschliche Gehirn vollbringt atemberaubende Rechenleistungen mit gerade einmal 20 Watt Leistung – das entspricht etwa einer schwachen Glühbirne. Ein Supercomputer, der versucht, dieselbe Aktivität zu simulieren, benötigt unter Umständen millionenfach mehr Energie.

Cortical Labs und andere Pioniere auf diesem Gebiet setzen darauf, dass diese unglaubliche Energieeffizienz nutzbar gemacht werden kann. Biologische Systeme sind Meister im Parallel-Processing und adaptiven Lernen – Bereiche, in denen traditionelle, deterministische Binär-Computer oft an ihre Grenzen stoßen. Durch die Verschmelzung von lebenden Neuronen mit Silizium erschaffen sie eine hybride Computing-Architektur, die eines Tages Systeme antreiben könnte, die schneller lernen und nur einen Bruchteil der Energie verbrauchen.

Dabei geht es nicht nur um den Bau eines besseren Chatbots. Das Team von Cortical Labs unter der Leitung von CEO Dr. Hon Weng Chong sieht eine Zukunft, in der diese Technologie die Robotik, die personalisierte Medizin und die Medikamentenforschung revolutioniert. Stellen Sie sich einen Roboter vor, der nicht nur vorprogrammierte Befehle ausführt, sondern mit der fluiden Intelligenz eines biologischen Systems lernt, sich in neuen Umgebungen zurechtzufinden. Oder denken Sie an die Möglichkeit, die Neuronen eines Patienten auf einem Chip zu züchten, um die Wirksamkeit von Medikamenten gegen neurologische Erkrankungen wie Epilepsie zu testen, ohne den Patienten selbst zu gefährden.

Der Weg dorthin ist noch weit. Biologische Systeme sind hochkomplex und oft unberechenbar – das genaue Gegenteil der zuverlässigen Konsistenz von Silizium. Doch wie Cortical Labs eindrucksvoll bewiesen hat, hat sich ein Zellhaufen in einer Schale bereits vom Videospieler zum Sprecher gewandelt. Die Vorstellung, dass dieselben Neuronen eines Tages einen Roboter steuern, ist längst keine Science-Fiction mehr – sie steht als nächster Punkt auf der Roadmap. Und das ist ein Gedanke, der gleichermaßen elektrisierend wie beängstigend ist.