EON lädt Fruchtfliegen-Gehirn hoch – und es funktioniert

In einem Manöver, das direkt aus den vergilbten Seiten eines Science-Fiction-Groschenromans stammen könnte, hat das in San Francisco ansässige Startup EON ein Kunststück der digitalen Nekromantie vollbracht. Sie nahmen die vollständige Hirnkarte einer Fruchtfliege, speisten sie in einen simulierten Körper ein und sahen zu, wie er sich bewegte. Das hier ist keine bloße Animation und auch kein Machine-Learning-Algorithmus, der eine Fliege imitiert; es ist eine direkte Emulation der biologischen neuronalen Verschaltung. Laut EON-Gründer Michael Andregg erreichte das digitale Insekt quasi aus dem Stand eine Verhaltensgenauigkeit von 91 %.

Die Ära der Whole-Brain-Emulation (WBE) ist offensichtlich zum Leben erwacht – nicht mit einer donnernden Proklamation, sondern mit dem Zucken eines virtuellen Insektenbeins. Jahrelang war das „Hochladen“ des Bewusstseins eine ferne, philosophische Karotte, die Futuristen uns vor die Nase hielten. Doch die Demonstration von EON deutet darauf hin, dass das technische Fundament nicht nur gelegt wird, sondern bereits funktioniert – wenn auch in einem Maßstab, der unsere biologische Vorherrschaft vorerst noch nicht bedroht.

Der Geist in der Maschine

Wie haben sie das also angestellt? Das Projekt baut auf den Schultern einer gewaltigen Gemeinschaftsleistung namens FlyWire auf, die akribisch das gesamte Konnektom – ein Neuron-für-Neuron, Synapse-für-Synapse-Schaltbild – des Gehirns einer erwachsenen Fruchtfliege kartiert hat. Dieses Konnektom umfasst fast 140.000 Neuronen und über 50 Millionen Verbindungen: ein Labyrinth aus biologischen Schaltkreisen, das nun als Open Data verfügbar ist.

EON nahm diese makellose Karte und wandte ein überraschend einfaches Neuronenmodell an, das als „Leaky-Integrate-and-Fire“ (LIF) bekannt ist. LIF-Modelle sind Klassiker der computergestützten Neurowissenschaften. Sie abstrahieren die komplexe Biophysik eines Neurons in ein paar Grundregeln: Eingehende Signale integrieren, über die Zeit etwas Ladung „verlieren“ (leaking) und einen Impuls (Spike) abfeuern, sobald ein Schwellenwert überschritten wird. Dieses digitale Gehirn wurde dann mit NeuroMechFly verbunden, einem hyperrealistischen, physikalisch simulierten Fliegenkörper, der in der MuJoCo-Physics-Engine läuft.

Der erstaunliche Teil, wie Andregg anmerkt, ist, dass diese Rube-Goldberg-Konstruktion aus neurowissenschaftlichen Daten und Simulationssoftware tatsächlich funktionierte. „Das zeigt, wie viele Informationen bereits in der Architektur selbst stecken, unabhängig vom gewählten Neuronenmodell“, erklärte er. Es ist eine gewaltige Bestätigung für das Feld der Konnektomik: Das Schaltbild ist tatsächlich das entscheidende Puzzleteil der Intelligenz.

Das Kleingedruckte der Unsterblichkeit

Bevor wir nun alle losstürmen, um unsere eigene graue Substanz zu digitalisieren, lohnt sich ein Blick auf die Caveats – und die sind beträchtlich. Erstens: Der ursprüngliche FlyWire-Scan umfasste nur das Gehirn, nicht das gesamte Nervensystem und den Körper. Das bedeutet, dass EON fundierte Vermutungen anstellen musste, wie die motorischen Ausgänge des Gehirns mit den simulierten Muskeln von NeuroMechFly zu verknüpfen sind. Das ist eine echte Einschränkung, die das Unternehmen in künftigen Projekten durch das Scannen von Gehirn und Körper beheben will.

Zweitens hat das einfache LIF-Neuronenmodell einen entscheidenden Haken: Es fehlt ihm an Plastizität. Diese digitale Fliege kann keine neuen Langzeitgedächtnisse bilden. Sie ist ein Geist, der in einer Schleife gefangen ist; ihr Verhalten wird vollständig von der eingefrorenen Architektur ihrer biologischen Vergangenheit diktiert. Sie kann reagieren, aber sie kann nicht lernen. Andregg räumt dies ein und spricht auch die dornigen ethischen Fragen an. „Wir wissen nicht, wie ihre Erfahrung aussieht – niemand weiß das“, gibt er zu. „Aber wir nehmen die Möglichkeit ernst und arbeiten daran, ihr eine reichhaltige Umgebung zu bieten, nicht nur einen Testkäfig.“

Von digitalen Fliegen zu KI-Overlords?

Diese Fruchtfliege ist nur das erste Summen in dem, was EON als eine Symphonie künftiger Emulationen betrachtet. Andregg entwirft eine ambitionierte, dreigleisige Vision:

1. Das Gehirn verstehen: Perfekte Modelle erstellen, um neurologische Krankheiten zu erforschen.
2. Intelligenz entschlüsseln: Die Algorithmen per Reverse-Engineering zurückgewinnen, die die Evolution im „teuersten Trainingslauf der Geschichte“ hervorgebracht hat.
3. Die Menschheit hochladen: Einen Pfad zur künstlichen Superintelligenz bieten, die fundamental auf menschlichen Werten basiert – schlicht, weil sie menschlich ist.

Dieser letzte Punkt ist ein direkter Warnschuss vor den Bug der heutigen KI-Giganten. Andregg inszeniert die Whole-Brain-Emulation als demokratische Alternative zu einer Zukunft, die von wenigen „undurchsichtigen KI-Systemen“ aus verschlossenen Laboren dominiert wird. Das Versprechen: Ein High-Fidelity-Upload, der Erinnerungen und Persönlichkeit bewahrt, einen aber vom biologischen Verfall befreit und es ermöglicht, „schneller als in Echtzeit“ zu agieren, um mit rein künstlichen Verstanden Schritt zu halten.

Was das für die Robotik bedeutet

Für die Welt der Robotik liegen die Auswirkungen weniger in der digitalen Unsterblichkeit als vielmehr in radikal neuen Steuerungssystemen. Seit Jahrzehnten mühen sich Robotiker ab, die flüssige, reaktive Anmut selbst einfachster Tiere zu replizieren. Diese Arbeit deutet einen neuen Weg an: Warum versuchen, Intelligenz mühsam von oben nach unten zu programmieren, wenn man die Blaupausen kopieren kann, die die Natur bereits perfektioniert hat?

Man stelle sich eine autonome Drohne vor, die mit der Agilität eines Insekts durch einen dichten Wald navigiert, weil ihr Steuerungssystem eine direkte Emulation eines Insektengehirns ist. Oder einen mehrbeinigen Roboter, der mit der instinktiven Sicherheit einer Kakerlake über Trümmer krabbelt. Durch die Emulation dieser Nervensysteme könnten wir Steuerungsalgorithmen für Fortbewegung, Navigation und Hindernisvermeidung freischalten, die weitaus effizienter und robuster sind als alles, was mit herkömmlichem Machine Learning entwickelt wurde.

Diese digitale Fliege ist ein Proof-of-Concept. Sie beweist, dass der geschlossene Regelkreis von einem vollständig emulierten Gehirn zu einem physikalisch simulierten Körper möglich ist. Die Herausforderung ist nun eine Frage der Skalierung. EON hat als Nächstes ein Mäusegehirn im Visier – ein Sprung von rund 140.000 Neuronen auf etwa 70 Millionen. Ein kühnes Ziel. Doch wenn sie Erfolg haben, wird die Grenze zwischen Biologie und Robotik auf eine Weise verschwimmen, die wir uns gerade erst zu erträumen beginnen. Der Geist ist aus der Maschine – und er fängt gerade erst an zu fliegen.