Christian Stöcker

Neurotechnologie Maschinen können jetzt Gedanken lesen

Christian Stöcker
Eine Kolumne von Christian Stöcker
Eine Kolumne von Christian Stöcker
Menschliche Gehirne werden bald direkt mit Computern verbunden sein. Eine Studie zeigt, was bereits möglich ist: Ein gelähmter Mann lernte wieder schreiben, nur, indem er daran dachte – und widerlegte damit Elon Musk.
Kleine Elektroden erfassen Signale aus dem Gehirn

Kleine Elektroden erfassen Signale aus dem Gehirn

Foto: Matthew Mckee / BrainGate.org

Im Moment vollzieht sich eine Entwicklung, die man als Teil der »Großen Beschleunigung« interpretieren kann, die die Menschheit derzeit verursacht und durchlebt: Lernende Maschinen können jetzt Gedanken lesen. Noch in der Lebenszeit vieler Menschen, die die Erde derzeit bewohnen, werden menschliche Gehirne direkt mit Computern verbunden sein.

Mir ist völlig klar, dass das unglaublich klingt, aber eine Studie, die diese Woche  im Wissenschaftsmagazin »Nature« erschienen ist, zeigt genau das.

Sogenannte Brain-Computer-Interfaces, also Schnittstellen zwischen Gehirnen und Computern, gibt es schon länger. Sie werden in erster Linie eingesetzt, um Menschen, die durch Unfälle oder Erkrankungen gelähmt sind, eine Interaktion mit ihrer Umwelt zu ermöglichen. Solche Systeme erreichen im Moment eine neue, qualitativ andere Stufe. Das liegt daran, dass, anders als bislang, nun nicht nur die Menschen lernen, mit Gedanken etwa einen Cursor über eine virtuelle Tastatur zu steuern. Jetzt lernen auch die Maschinen, die Menschen immer besser zu verstehen.

Apples großer Flop

Das Wesen der lernenden Computersysteme der Gegenwart und Zukunft besteht vor allem darin, in komplexen, variationsreichen Datensätzen Muster zu erkennen und darauf zu reagieren. Wir kennen das längst aus unserem eigenen Alltag: Innerhalb weniger Jahre sind etwa auf Spracherkennung basierende Systeme, von Alexa bis Siri, tatsächlich alltagstauglich geworden.

Auch Handschrifterkennung funktioniert mittlerweile verblüffend gut. Das war noch in den Neunzigerjahren anders: Damals produzierte Apple mit dem Newton, einem tragbaren Minicomputer mit Handschrifterkennung als zentralem Funktionsmerkmal, einen der größten Flops der Firmengeschichte. Auch, weil es zu mühsam war, dem Gerät das Lesen der eigenen Sauklaue beizubringen.

Die Maschinen programmieren sich selbst

Das hat sich mittlerweile geändert, und das liegt einmal mehr an den gigantischen Fortschritten im Bereich des maschinellen Lernens. Die lernenden Computer von heute brauchen nur ausreichende Trainingsdaten, um etwa handschriftlich geschriebene Ziffern zu erkennen – das ist ein Standardbeispiel , das in der Ausbildung von Fachleuten eingesetzt wird.

Die Ziffern werden in Pixel zerlegt, die Farbwerte dieser Pixel wandern durch ein künstliches neuronales Netz, das am Ende die korrekte Ziffer benennen soll. Das klappt anfangs gar nicht, aber nach vielen Trainingsdurchgängen, in denen das Netzwerk jeweils korrigiert und damit verändert wird, können solche Systeme nicht nur Ziffern korrekt erkennen, mit denen sie trainiert wurden, sondern auch andere, neue.

Nach dem gleichen Prinzip erkennen Maschinen mittlerweile auch Objekte auf Bildern, eine Aufgabe, die noch vor 20 Jahren als kaum lösbar galt. Die Maschinen werden jetzt aber eben nicht mehr programmiert, sie programmieren sich, zumindest zum Teil, selbst.

Gesprochene Worte herbeidenken

Es gab im Jahr 2019 schon eine Veröffentlichung, die in eine ähnliche Richtung ging: In einem »proof of concept« erzeugten Autoren von der University of California auf Basis von Gehirnaktivität, die beim Sprechen auftritt, künstliche Sprachausgabe.  Auch hier kamen künstliche neuronale Netze zum Einsatz, um die Signale aus menschlichen Gehirnen zu deuten, ebenso wie in mehreren  anderen Studien zum Thema . Die neue Arbeit ist trotzdem ein Durchbruch.

Diese immer noch neue Technologie krempelt mittlerweile reihenweise Forschungsbereiche um – ich habe ein ganzes Buch darüber geschrieben. Ein aktuelles Beispiel sind die mRNA-Impfstoffe von Biontech, Moderna und Curevac: All diese Firmen setzen maschinelles Lernen ein, weil die Zusammenhänge zwischen Gencodes und den Formen von Proteinen, die Zellen produzieren, so komplex sind.

Buchstaben aufs Papier denken oder wenigstens in den Rechner

Es war nur eine Frage der Zeit, bis jemand diese Technologie auf Schnittstellen zwischen Gehirn und Computer anwendet, und genau passiert jetzt immer öfter. Auch das am Donnerstag publizierte System kann Handschriften erkennen lernen – aber in diesem Fall werden die Buchstaben nicht mehr wirklich geschrieben, sondern nur noch gedacht.

Der Patient, um den es in der Studie geht, ist durch eine Wirbelsäulenverletzung vom Hals abwärts gelähmt. Obwohl der Unfall zum Zeitpunkt der Studie schon neun Jahre zurücklag, produzierte sein Gehirn noch motorische Signale, wenn er sich vorstellte, Buchstaben mit der Hand zu schreiben. Diese Signale wurden mit einem Implantat erfasst.

Der Mann konnte die Maschine selbst trainieren: Er stellte sich vor, wie er etwas schrieb, die Maschine erhielt anschließend die Information, ob das Ergebnis stimmte. Er produzierte also selbst den Trainingsdatensatz, der das System schließlich in die Lage versetzte, mit sehr hoher Trefferquote richtig zu erraten, was er hatte schreiben wollen.

»Annähernd so schnell wie auf dem Smartphone schreiben«

Dieser Vorgang ging, als das Training abgeschlossen war, ziemlich schnell: 90 Buchstaben pro Minute schaffte der Proband schließlich, und mit einer nachgeschalteten Autokorrektur, wie man sie von Smartphones kennt, erreichte er eine Trefferquote von über 99 Prozent. Die herkömmlichen Methoden, bei denen Versuchspersonen einen Cursor über eine virtuelle Tastatur steuern, sind höchstens halb so schnell.

Das neue System erlaube es dem Patienten »Sätze mit der annähernd gleichen Geschwindigkeit zu schreiben, die nicht behinderte Erwachsene auf einem Smartphone erreichen«, sagt Jamie Henderson von der University of Stanford, einer der Autoren .

Selbstverständlich gibt es auf dem Weg zum Gehirn-Computer-Interface einige absolut nicht triviale Hürden. Das Verfahren ist invasiv, das heißt, es muss ein Chip in der Größe einer kleinen Tablette ins Gehirn implantiert werden. Das birgt selbstverständlich Risiken. Und viele Alphabete haben mehr als nur 26 Buchstaben.

Doch sowohl die Chips, mit denen sich solche Signale erfassen lassen, als auch die Implantationsmethoden, vor allem aber die lernenden Maschinen, die die Signale dann lesen, werden in den nächsten Jahren kontinuierlich und rasant besser werden. Auch das gehört zum Wesen lernender Maschinen.

Elon Musk, Iain M. Banks und die »dummen« Forscher

In Science-Fiction-Büchern gibt es solche Schnittstellen zwischen Maschinen und lebenden Menschen schon länger. In den Cyberpunk-Romanen der Achtzigerjahre etwa, in Ian McDonalds gefeierter »Luna«-Trilogie und in der »Kultur«-Serie des schon verstorbenen schottischen Autors Iain M. Banks. In seinen Büchern heißen die Kommunikationssysteme, die Menschen im Gehirn tragen »Neural Lace«.

Schon jetzt gibt es auch bei uns nicht gelähmte Menschen, die das Bedürfnis haben, direkt in einen Computer hineindenken zu können. Experimentierfreudige »Transhumanisten«, Militärs und auf technologischen Vorsprung bedachte Regimes wie das chinesische, werden die Entwicklung vermutlich ohne große ethische Bedenken vorantreiben.

Es gibt sogar eine Firma, die ein Produkt à la »Neural Lace« verspricht, unter explizitem Verweis auf Banks' Bücher. Die Firma heißt Neuralink, und einer ihrer Gründer ist Elon Musk. Ein Mann also, der Science-Fiction-Bücher nicht als literarische Visionen, sondern als Gebrauchsanweisungen für die menschliche Zukunft zu betrachten scheint. Das Unternehmen hat offenbar große Probleme, qualifiziertes Personal bei der Stange zu halten, und viele Neurowissenschaftler warfen Musk, vermutlich zu Recht, Übertreibung und Hype vor.

Musk revanchierte sich mit ein paar spitzen Bemerkungen  über praxisferne Akademiker, die »den Wert von Ideen über- und deren Umsetzung unterschätzen«.

Das Team aus Stanford hat gerade gezeigt, dass er selbst das falsch einschätzt.

Korrektur: In einer früheren Version dieses Textes waren zwei Zitate fälschlich Elon Musk zugeordnet. Wir haben die Passage korrigiert.