Einführung
Die Forschung und Entwicklung von Technologien zur Analyse und Beeinflussung des menschlichen Gehirns, bekannt als Gehirn-Kontrolltechnologien, hat in den letzten Jahren erhebliche Fortschritte gemacht. Diese Technologien, die von der Verbesserung der medizinischen Behandlung bis hin zur potenziellen Erweiterung menschlicher Fähigkeiten reichen, werfen sowohl aufregende Möglichkeiten als auch tiefgreifende ethische Fragen auf. Dieser Artikel beleuchtet die aktuellen Entwicklungen, Herausforderungen und ethischen Überlegungen im Bereich der Gehirn-Kontrolltechnologien.
Neuro-KI und Brain-Computer-Interfaces (BCI)
Am Mannheimer Zentrum für Neuromodulation und Neuroprothetik wurde eine neue Arbeitsgruppe für „Neuro-KI und Gehirn-Computerschnittstellen“ („Neuro-AI and BCI“) eingerichtet, um die großen Chancen von KI in der Medizin und der Hirnforschung zu nutzen. Künstliche Intelligenz (KI) spielt eine immer wichtigere Rolle beim Verständnis und der Interaktion mit dem menschlichen Gehirn. KI-Modelle, insbesondere künstliche neuronale Netze, werden verwendet, um große Mengen an Hirndaten zu analysieren und Muster zu erkennen, die für das menschliche Gehirn nicht erkennbar wären. Diese Modelle müssen jedoch mit sehr großen Datenmengen trainiert werden, was eine enorme Rechenleistung erfordert.
Das menschliche Nervensystem verstehen
Das menschliche Nervensystem besteht aus Gehirn, Rückenmark und den in den Körper hineinragenden Nerven. Das Gehirn besteht aus etwa hundert Milliarden Nervenzellen (sogenannten Neuronen), die miteinander verbunden sind. Im Gehirn werden Informationen verarbeitet, indem elektrische Signale in diesem Netzwerk verarbeitet werden. Wie die Verarbeitung kleiner elektrischer Impulse im Gehirn dazu führt, dass Menschen eine komplexe Sprache entwickeln, oder wie es dazu kommt, dass eine bewusste Wahrnehmung der Umgebung entsteht, ist heute weitgehend unverstanden.
KI-Modelle und ihre Grenzen
Künstliche Intelligenz ist meist auf einzelne Aufgaben beschränkt. Solche Systeme können beispielsweise Bilder erkennen oder Sprache verarbeiten, verstehen aber nicht, was sie tun. Eine künstliche Intelligenz, die ähnlich vielseitig wäre wie das menschliche Gehirn, gibt es bisher nicht. Damit heutige Systeme überhaupt etwas lernen können, benötigen sie riesige Datenmengen. Zusätzlich benötigen wirklich große KI-Systeme für das Modelltraining und den Betrieb Datenzentren und Hochleistungsrechner, die Strommengen im Megawattbereich verbrauchen, während das Gehirn mit 20 Watt auskommt.
Anwendung von KI in der Hirnforschung
Die trainierten KI-Systeme erkennen aus diesen Daten Zusammenhänge und wiederkehrende Strukturen. Dieser Bereich wird deshalb oft auch als Mustererkennung bezeichnet. Um sensible Daten sicher zu verarbeiten und die Forschung direkt vor Ort voranzutreiben, wird in einer Klinik ein eigener KI-Server eingerichtet, der speziell für das Training von KI-Modellen ausgelegt ist. In einem früheren Projekt wurde ein künstliches neuronales Netzwerk auf Sprachverarbeitung trainiert. Anschließend wurden gezielt Störungen eingebaut, die einem Hörverlust ähneln, um besser zu verstehen, wie chronische Phänomene wie Tinnitus entstehen könnten.
Lesen Sie auch: Faszination Nesseltiere: Wie sie ohne Gehirn leben
Hybride neuronale Netzwerke
In Modelle werden auch Prinzipien aus der Physik, Biologie und Ingenieurwissenschaft integriert. Im Zentrum steht die Idee, dass bei einem Hörverlust das interne neuronale Rauschen im Gehirn verstärkt wird, um schwache Eingangssignale besser wahrnehmen zu können. Dieses als stochastische Resonanz bekannte Prinzip beschreibt, wie Rauschen in bestimmten Systemen die Erkennung von Signalen erleichtern kann. Wird jedoch zu viel Rauschen erzeugt, kann dieses selbst als Klang fehlinterpretiert werden. Es vereint einfache, neurobiologisch inspirierte LIF-Nervenzellen mit einem lernfähigen Netzwerk zur Mustererkennung, wie es in der künstlichen Intelligenz verwendet wird. Das Modell wurde auf gesprochene Sprache trainiert. Das Ziel besteht darin, zentrale Aspekte der auditorischen Bahn, also der Verarbeitung von Schall in unserem Nervensystem, abzubilden.
Analyse der Hirnaktivität
Dazu misst man die Hirnaktivität mit Methoden wie der Elektroenzephalografie (EEG), bei der elektrische Signale an der Kopfoberfläche abgeleitet werden, oder der Magnetenzephalografie (MEG), bei der magnetische Felder des Gehirns erfasst werden. Anschließend vergleicht man die Ergebnisse mit der verborgenen Aktivität innerhalb des künstlichen Netzwerks.
Bedeutung der Nachvollziehbarkeit
Wenn künstliche Intelligenz in der Medizin eingesetzt wird, beispielsweise zur Unterstützung bei Therapieempfehlungen, ist es entscheidend zu wissen, worauf diese Empfehlungen beruhen. Systeme der künstlichen Intelligenz sind besonders gut darin, mit sehr großen Datenmengen umzugehen.
Autoencoder zur Datenanalyse
Ein sogenannter Autoencoder, ein künstliches neuronales Netzwerk, ist darauf trainiert, komplexe Daten zunächst in eine niedrigere Dimension zu überführen und sie anschließend aus dieser kompakten Darstellung wieder zu rekonstruieren. Dieses Verfahren wurde verwendet, um hochdimensionale Neuro-Daten zu analysieren. Dabei lernt das Netzwerk, welche Merkmale der Daten für die Wiederherstellung besonders wichtig sind. Durch diese komprimierte Darstellung lassen sich Muster sichtbar machen, die im Original schwer zu erkennen wären. Autoencoder sind somit ein nützliches Werkzeug, um große und komplexe Datensätze verständlich darzustellen und für weitere Auswertungen vorzubereiten.
Anwendung bei chronischen Schmerzen
Ziel ist es, Muster in der Hirnaktivität von Menschen mit chronischen Schmerzen zu erkennen und daraus Rückschlüsse auf mögliche Therapieerfolge zu ziehen.
Lesen Sie auch: Lesen Sie mehr über die neuesten Fortschritte in der Neurowissenschaft.
Brain-Computer-Interfaces (BCI)
Ziel ist es, Menschen mit schweren Lähmungen oder vollständigem Verlust der Bewegungsfähigkeit neue Wege zur Kommunikation und Interaktion zu eröffnen. Zu diesem Zweck wird ein Implantat in motorische Bereiche des Gehirns eingesetzt (z.B. ventraler prä-zentraler Gyrus). Die dort entstehenden Signale werden mithilfe von KI in Echtzeit analysiert und in konkrete Befehle, beispielsweise für die Sprachsteuerung oder die Kontrolle technischer Geräte, übersetzt. Der Fokus liegt auf personalisierten Ansätzen, bei denen die neuronale Aktivität einzelner Personen analysiert wird, um daraus technische und therapeutische Anwendungen abzuleiten.
Aktuelle Entwicklungen und Forschung
Zander Labs: Fortschritte in der BCI-Technologie
Zander Labs gab einen entscheidenden Durchbruch in der Gehirn-Computer-Schnittstellen-Technologie (BCI) bekannt: die erfolgreiche Demonstration eines vollständig integrierten BCI-Systems, das hochpräzise neuronale Daten verarbeitet und dabei sicherstellt, dass Nutzer die vollständige Kontrolle über ihre Daten behalten. Das neu demonstrierte System integriert neuartige Neurotechnologie-Komponenten. Die Gehirnaktivität wird durch die Zypher Suite erfasst (ein nahezu unsichtbares Set aus EEG-Elektroden kombiniert mit dem weltweit kleinsten 24-Kanal-EEG-Verstärker), die außergewöhnlich hochwertige Gehirnsignale für Echtzeitanalysen in jeder Umgebung liefert. Ein System-on-a-Chip führt Dekodierungsalgorithmen aus, die spezifische mentale Prozesse aus der laufenden Gehirnaktivität interpretieren. Entscheidend ist, dass die gesamte neuronale Verarbeitung lokal erfolgt und so vollständige Datensicherheit gewährleistet, ohne private EEG-Daten der Cloud auszusetzen.
Forschung zur Gedankensteuerung durch Nanopartikel
Forscher des Institute for Basic Science (IBS) um Jinwoo Cheon haben das sogenannte Nano-Mind (Magnetogenetic Interface for Neurodynamics) vorgestellt, das ohne Kabel auskommt. Den Tieren wurden zunächst Nanopartikel verabreicht. Anschließend konnten die Forscher mithilfe von Magnetfeldern in das Verhalten der Tiere eingreifen und steuern, ob diese mehr oder weniger Nahrung aufnehmen, sich um ihre Kinder kümmern oder die Gesellschaft von Artgenossen aufzusuchen. Die Forscher sind der Ansicht, dass die Experimente belegen, dass ihre Technik die Basis für die Entwicklung neuer Behandlungsmethoden, etwa für degenerative neurologische Erkrankungen, bilden kann. Sie halten es für möglich, dass das Nano-Mind in Zukunft betroffenen Menschen die Kontrolle über ihren Verstand zurückgeben könnte.
Neuralink: Elon Musks Vision der Mensch-KI-Symbiose
Elon Musk hat sich für seine Gehirnchip-Firma Neuralink weitere 650 Millionen Dollar besorgt. Das bringt den Milliardär seinem Ziel, einer Symbiose von Mensch und KI, wieder ein Stück näher. Herzstück von Neuralinks Technologie ist ein winziger Chip - eine Gehirn-Computer-Schnittstelle (englisch: brain-computer interface, BCI). Dort erfassen sie neuronale Impulse, wie sie etwa bei der Bewegungsplanung und -steuerung entstehen. 2024 erhielt erstmals ein Querschnittsgelähmter ein Neuralink-Implantat, mittlerweile haben laut Unternehmensangaben insgesamt fünf Menschen einen solchen Chip in ihrem Gehirn. Musk sieht in Künstlicher Intelligenz eine existentielle Bedrohung für die Menschheit. Mehrfach warnte er vor einem Szenario, in dem KI den Menschen intellektuell weit überlegen wird. So können die Menschen in Echtzeit auf Informationen aus dem Internet zugreifen, neue Fähigkeiten "downloaden" oder sogar mit anderen Gehirnen zu kommunizieren.
Herausforderungen und Kritik an Neuralink
Neuralink-Kritiker haben jedoch nicht nur Zweifel an der Machbarkeit - sie äußern auch ethische und regulatorische Bedenken. Eine direkte Verbindung zwischen Gehirn und digitalen Systemen wirft zudem völlig neue Datenschutzrisiken auf: Wer hat Zugriff auf die Daten aus dem Gehirn? Können diese Schnittstellen gehackt oder manipuliert werden? Klassische Datenschutzgesetze wie die DSGVO in Europa versagen hier, denn sie sind nicht auf Gehirn-Computer-Schnittstellen ausgelegt. Noch fehlen klare Vorschriften, wer Daten aus dem Gehirn speichern, verarbeiten oder verkaufen darf.
Lesen Sie auch: Tinnitus und Gehirnaktivität: Ein detaillierter Einblick
Neurotechnologie und die Entschlüsselung des Denkens
Rund um die Welt kombinieren Firmen und Forschende künstliche Intelligenz mit neuesten Erkenntnissen aus der Hirnforschung. Ihr Ziel: Den Code unseres Denkens zu entschlüsseln.
Ethische und gesellschaftliche Implikationen
Die bidirektionale Natur von BCI
Gehirn-Computer-Schnittstellen funktionieren prinzipiell “bidirektional”, also in beide Richtungen: Die Geräte lesen nicht nur aus, was im Gehirn passiert. Sie können auch in unser Gehirn "hineinschreiben", Prozesse in Gang setzen oder verändern und so unsere Gedankenwelt manipulieren. Im Laufe dessen können sie unsere Gehirne nachhaltig verändern.
Ethische Fragen bei gesunden Menschen
Wenn dieselbe Technologie auch bei gesunden Menschen angewendet würde, stellten sich ganz andere ethische Fragen.
Die Vision einer Gedanken-Plattform
Die Vision ist eine Art Gedanken-Plattform, über die man verschiedene kognitive Funktionen beobachten und beeinflussen konnte, um so Erkrankungen von Depressionen bis hin zu Zwangsstörungen zu diagnostizieren und zu behandeln. Es ging nicht nur darum, schlechte Gefühle zu beheben. Es ging auch darum, unsere geistigen Fähigkeiten zu erweitern.
Datenschutz und Datensicherheit
Eine direkte Verbindung zwischen Gehirn und digitalen Systemen wirft zudem völlig neue Datenschutzrisiken auf: Wer hat Zugriff auf die Daten aus dem Gehirn? Können diese Schnittstellen gehackt oder manipuliert werden?
Beeinflussung von Absichten
Und was passiert, wenn die Technologien so weit sind, dass sie Menschen in ihrem Denken und Handeln direkt beobachten und sogar Absichten beeinflussen - insbesondere, wenn die Technologien dafür in den Händen weniger, leistungsfähiger Großkonzerne liegen?
Verantwortung und Kontrolle
Wie viel Kontrolle haben Menschen während der Interaktion mit BCIs? Und wenn künftig Maschinen Absichten in menschliche Gehirne einschreiben könnten, wer sei dann für die resultierenden Handlungen und ihre Auswirkungen verantwortlich?
Die Rolle der Ethik in der BCI-Entwicklung
Es brauche langfristige Abschätzungen der Auswirkungen. Und der Zugang zu den Technologien müsse gerecht geregelt sein. Es müsse weg vom Technology-Push, bei dem die Technologien den Nutzenden aufgezwungen werden. Nur eine Mitwirkung im Sinne von Mitbestimmung und Entscheidungsmacht sei echte Teilhabe.
Die Verschmelzung von Mensch und Maschine
Wo liegt die Schwelle der Verschmelzung, wie viel Maschine darf der Mensch sein? Wie verändert sich unser Menschenbild durch die Integration von Technik und Mensch?
Die Zukunft der Handlungsfähigkeit
Es entstünden neue Arten, durch "körperlose Handlungen" etwas zu bewirken. Ob das wirklich eine konzeptionelle Frage sei, oder eigentlich nur eine nach den Werkzeugen. Angesichts des rasanten Fortschritts der Technologien beträfen sie aber möglicherweise schon bald die ganze Gesellschaft.
Dual-Use-Aspekt
Der Dual-Use Aspekt, die potentielle Verwendung für schädliche Zwecke, betreffe viele Technologien. Immer wieder stelle sich die grundlegende Frage: Welche Verantwortung haben wir, die wir in einem Rechtsstaat leben, für die Verwendung von Technologien in anderen Staaten?
Anwendungen und Potenziale
Medizinische Anwendungen
Brain-Computer-Interfaces bergen bahnbrechendes Potential, z.B. um Mobilität und Kommunikation zu verbessern oder Fahrzeuge zu steuern. Dank intensiver Forschung verbessert sich die Zuverlässigkeit der ausgelesenen Daten fortwährend. Mittels nicht-invasivem Elektro-Enzephalogramm (EEG) oder der Implantation von Elektroden können aber auch Intentionen verschiedener Art ausgelesen werden. Das Potenzial einer direkten Verbindung zwischen Gehirn und Computer ist enorm, etwa für Menschen mit eingeschränkter Motorik aufgrund einer neurodegenerativen Erkrankung wie Parkinson oder amyotropher Lateralsklerose (ALS), in der Schlaganfall-Rehabilitation oder zur Behandlung von psychischen Erkrankungen wie Depression, Angst oder Sucht.
Neuroadaptive Technologien
Neuroadaptive Technologien ermöglichen es, mentale Zustände implizit und kontinuierlich zu messen und so Abweichungen oder Änderungen schnell zu erkennen. Dadurch lassen sich technische Systeme gestalten, die sich an erkannte emotionale und kognitive Zustände anpassen, die Konzentration unterstützen oder personalisiertes Lernen ermöglichen. Außerdem lassen sich kritische Situationen der Mensch-Roboter-Interaktion durch neuroadaptive Technologien schnell entdecken, um eine komfortable und akzeptierte Kollaboration zu gestalten.
Verbesserung von Gedächtnis und Konzentration
Mit Hirnimplantaten Gedächtnis und Konzentration verbessern oder Smartphones und Computer steuern. Aktive und passive BCI werden bereits eingesetzt, um die Bewegungskontrolle bei Parkinson mittels Tiefer Hirnstimulation (THS) zu verbessern, epileptische Anfälle zu detektieren oder Hirnerkrankungen zu diagnostizieren.
Closed-Loop-Systeme
Aktueller Forschungstrend bei BCI sind „intelligente“ Closed-Loop-Systeme, die sich weitestgehend selbst regulieren und die Steuerung bestimmter Hirnareale verfeinern. Echtzeit-Computersysteme messen z. B. bei der Tiefen Hirnstimulation kontinuierlich die Hirnaktivität, um ein exaktes Timing der Stimulation zu ermöglichen. Erforscht wird diese Technik z. B., um Höchstgelähmten die Gedankensteuerung von Neuroprothesen zu ermöglichen. Die sogenannte Responsive Neurostimulation (RNS) ist eine neue Hoffnung für PatientInnen mit arzneimittelresistenter Epilepsie, um epileptische Anfälle zu verhindern. Auch für die Stimulation zur Verbesserung von Gedächtnis und kognitiver Kontrolle bei Erkrankungen wie Depression, Angst und Sucht wird an Closed-Loop-Systemen geforscht.
Fasersonden für die Hirnforschung
Tomáš Čižmár erforscht neue Methoden zur Kontrolle der Lichtleitung in optischen Fasern. Das Ziel seiner Forschungsaktivitäten ist es, miniaturisierte Fasersonden herzustellen, mit denen er einzelne Gehirnzellen in einem lebenden Organismus bei ihrer „Arbeit“ beobachten kann. Indem sie die dabei ablaufenden Prozesse besser verstehen, hoffen Forscher Antworten auf bisher nur unzureichend verstandene biologische Abläufe zu finden.
Herausforderungen und Limitationen
Unvollständiges Wissen über das Gehirn
Neuro-Enhancement bedeutet gezielte und spezifische Beeinflussung von Hirnaktivität. Voraussetzung dafür ist ein detailliertes und mechanistisches Verständnis dieser Aktivität. Unser Wissen dazu ist bislang allerdings noch viel zu unvollständig und lückenhaft.
Verzerrte Studienergebnisse
Verzerrte Studienergebnisse durch eine geringe Stichprobengröße und mangelnde einheitliche Standards im Studiendesign sind ein häufiges Problem bei innovativen Neurotechnologien.
Mäßige Therapieerfolge
Obwohl die ersten Studienergebnisse bei Closed-Loop-Systemen der nächsten Generation bislang eher mäßige Therapieerfolge bei häufig ungenügender Spezifität verzeichnen, bilden sie dennoch die Basis für weitere Forschungsanstrengungen zur besseren Charakterisierung der Effekte von implantierbaren Elektroden.
Technische Herausforderungen
Die Weiterentwicklung der Technologien sei allerdings "äußerst komplex". "Die Zustände im Gehirn ändern sich rasend schnell, und verschiedene Regionen müssen koordiniert werden", erklärte er. Zudem filtere der Schädel bei nicht-invasiver Beobachtung die Signale der Hirnaktivitäten, was die Aufzeichnung und Interpretation der Daten erschwere.
Nicht-verstehbare Systeme in Interaktion
Eine spezifische Herausforderung in der Erforschung und Anwendung von BCI-Technologien sieht Kellmeyer darin, dass weder die Vorgänge im Gehirn noch die Schritte der Machine Learning Algorithmen vollständig durchschaubar sind. "Da stehen auf einmal zwei nicht-verstehbare Systeme in Beziehung zueinander und vollführen Handlungen", beschreibt er. Dadurch entstehen Lücken in der Zuschreibung von Verantwortungen.
tags: #gehirn #kontrolliert #und #gefickt