LONDON (IT BOLTWISE) – Forschende haben ein vollständiges digitales Modell des Gehirns einer männlichen Fruchtfliege erstellt und es mit Künstlicher Intelligenz aus Deepmind-Laboren kombiniert. Das Modell steuert zunächst den Shooter „Doom“ in einem vereinfachten Level und lernt dabei über Reinforcement Training, möglichst lange zu überleben. In einem zweiten Versuch spielt das Fliegenhirn „Mario 64“ mit einer aus Bildsignalen abgeleiteten Egoperspektive. Die Experimente liefern offene Codes als Grundlage für weitere Anwendungen in der Neuroforschung.
Ein digitales Modell des Fliegengehirns soll nicht nur beschrieben, sondern in Echtzeit „betrieben“ werden: Forschende haben ein vollständiges Modell des Gehirns einer männlichen Fruchtfliege vorgestellt, das gemeinsam mit Google und KI-Technologie aus den Deepmind-Laboren aufgebaut wurde. Das Ziel ist dabei doppelt. Einerseits geht es um Neuroforschung als solche – also darum, zu verstehen, wie einzelne neuronale Teilprozesse zu Verhalten führen. Andererseits liegt der praktische Mehrwert für Entwickler bereits auf dem Tisch, weil das Modell in Spielumgebungen unmittelbar nachvollziehbares Feedback liefert.
Technisch beschreibt das Projekt einen Weg, aus vielen zweidimensionalen Aufnahmen eine dreidimensionale Abbildung neuronaler Strukturen zu erzeugen. Laut Angaben basieren die Vorarbeiten auf Millionen 2D-Aufnahmen, die anschließend in eine 3D-Darstellung überführt wurden – mit dem Anspruch, dabei Verbindungen um über 166.000 Neuronen abzubilden. Genau diese Umwandlung ist der kritische Zwischenschritt: Ohne belastbare 3D-Topologie bleibt ein Connectome-Modell eher eine „Landkarte“. Mit der 3D-Struktur wird es jedoch möglich, die Dynamik über Sensorik und Aktivität an ein Zielverhalten zu koppeln.
Für den ersten Hardware-ähnlichen Test dient als Interface ausgerechnet ein Shooter-Umfeld. Das „MaleCNS Connectome 1.0“ genannte Modell wird im Projekt mit „Doom“ trainiert, zunächst in einem vereinfachten Level: Es gibt einen quadratischen Raum, in dem nur eine begrenzte Zahl von Gegnertypen sowie Munitionskisten auftreten können. Entscheidend ist, dass die Bilddaten aus dem Spiel nicht 1:1 weitergereicht werden, sondern als fest definierter Input ins Modell eingehen. Im Experiment liefert jedes Einzelbild 3335 Helligkeits- und 811 Farbinputs und stimuliert damit Sensorneuronen; Teile der resultierenden neuronalen Aktivität werden anschließend auf die Steuerfunktionen des Spiels abgebildet.
Beim Lernen setzt das Projekt auf Reinforcement Training: Zwei Zellen schütten virtuelles Dopamin aus, sobald der von dem Fliegenhirn gesteuerte Protagonist Schaden verursacht. Stirbt er, startet das Level erneut. Damit entsteht ein geschlossenes Regelkreissystem aus Wahrnehmung (Spielbild), neuronaler Verarbeitung (Connectome-Modell) und Belohnung (Dopamin-Signal), das sich iterativ an eine Verhaltensstrategie annähert. Die Wahl der Umgebung ist dabei nicht nur kurios, sondern methodisch sinnvoll: Spiele liefern deterministische Zustandsänderungen, wiederholbare Situationen und messbare Zwischenziele – und das alles bei vergleichsweise kontrollierter Komplexität.
Ein zweiter Ansatz geht noch weiter, indem das Fliegenhirn nicht nur Aktionen in einem engen Regelwerk trifft, sondern ein Spiel mit deutlich mehr Bewegungs- und Steuerfreiheit übernimmt: In dem Experiment lässt Jessica Paquette das Modell „Mario 64“ spielen. Die Einbindung wird über eine Übersetzung von Sehzellen für Helligkeit und Kontraste in eine Egoperspektive des spielbaren Charakters umgesetzt; mit einem Sichtfeld von 270 Grad soll dabei eine nahezu rundum wahrnehmende Perspektive entstehen, die grob die Funktionsweise von Facettenaugen nachbilden soll. Der Fokus liegt damit stärker auf dem Input-Mapping: Wie gut kann ein Modell, das für eine bestimmte sensorische Modalität gebaut ist, in eine andere Spiel-„Physik“ transferiert werden?
Auch hier sind die Entwickler nicht im „Laborsafe-Modus“, sondern veröffentlichen Code. Für „Fly64“ hat Paquette den Code ebenfalls auf GitHub bereitgestellt; zugleich weist sie darauf hin, dass es sich um ein reines Spaßprojekt handelt, dessen Code vollständig vom KI-System GPT-6 Astra geschrieben wurde. Wichtig ist außerdem, dass in diesem Mario-Experiment keine Belohnungsmechanismen und keine weiteren Trainingsfunktionen vorgesehen sind, sodass ein unmittelbarer Weg hin zu einem „lernfähigen Endkampf“ gegen Bowser nicht das Ziel ist. Trotzdem zeigt der Vergleich zwischen „Doom“ mit Reinforcement-Setup und dem „Mario 64“-Ableger ohne Training, wie unterschiedlich sich Connectome-Modelle in der Praxis einbetten lassen: einmal als lernende Regelmaschine, einmal als steuernde, sensorisch übersetzte Imitation.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Fruchtfliegen-Hirn steuert „Doom“ und „Mario 64“ per KI-Modell" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Fruchtfliegen-Hirn steuert „Doom“ und „Mario 64“ per KI-Modell" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Fruchtfliegen-Hirn steuert „Doom“ und „Mario 64“ per KI-Modell« bei Google Deutschland suchen, bei Bing oder Google News!