Stellen Sie sich vor, Sie beobachten ein Eichhörnchen, das einen Baum hochflitzt. Sie sehen seine Pfoten, die sich am Stamm festklammern, seinen Schwanz, der für das Gleichgewicht sorgt, und seine Muskeln, die sich anspannen. Aber was Sie nicht sehen können, ist das unsichtbare, blitzschnelle Gespräch, das in seinem Gehirn stattfindet. Das Nervensystem ist nicht nur eine Fernbedienung, die einfache „bewege dich hoch“ oder „bewege dich runter“-Signale sendet; es ist ein komplexes Orchester, das einen massiven, schweren Körper durch eine Welt voller Schwerkraft, Reibung und Überraschungen dirigiert. Wissenschaftler versuchen schon lange zu verstehen, was dieses Gespräch ist, aber es gibt einen Haken: Man kann nicht einfach in das Gehirn eines lebenden Tieres hineinsehen, während es rennt, und man kann ein Eichhörnchen auch nicht einfach fragen, wie es sich anfühlt, das Gleichgewicht zu halten.

Um dies zu lösen, nutzen Wissenschaftler einen Trick namens „neuromechanische Modellierung“. Stellen Sie sich das wie den Bau eines digitalen Zwillinges eines Tieres vor – ein virtueller Körper mit Muskeln, Knochen und einer Physik, die genau wie das echte Vorbild funktioniert. Dann versuchen sie, ein Computergehirn (ein künstliches neuronales Netz) zu trainieren, um diesen digitalen Körper zu steuern, sodass er sich exakt wie das echte Tier bewegt. Das Ziel ist es, die Geheimnisse des Gehirns durch Reverse-Engineering zu entschlümern, indem man untersucht, welche Art von „Gedanken“ (Steuersignalen) nötig sind, um den digitalen Körper tanzen zu lassen. Doch bis jetzt war das Erstellen dieser digitalen Zwillinge so, als würde man versuchen, einen Supercomputer auf einem Toaster laufen zu lassen: Es erforderte riesige, teure Computerkcluster, die nur große Tech-Unternehmen leisten konnten, was es normalen Biologielaboren schwer machte, mit diesen Ideen zu experimentieren.

Hier kommt MIMIC-MJX ins Spiel, ein neues Open-Source-Toolkit, das die Spielregeln verändert. Die Forscher hinter diesem Projekt, ein Team vom Harvard, dem Salk Institute und anderen, haben ein System geschaffen, das es Wissenschaftlern ermöglicht, diese digitalen Gehirne auf einer einzigen Standard-Grafikkarte (der Art, wie man sie in Gaming-Computern findet) zu trainieren, anstatt auf einem ganzen Raum voller Server. Sie nennen ihr Framework „MIMIC-MJX“, und es fungiert wie ein meisterhafter Nachahmer. Es nimmt Videoaufnahmen von echten Tieren in Bewegung – rennende Ratten, laufende Fliegen, kriechende Würmer – und nutzt diese, um eine virtuelle Version dieses Tieres beizubringen, wie es sich bewegt, in einer physikalischen Simulation.

So funktioniert es, Schritt für Schritt. Zuerst analysiert das System ein Video eines echten Tieres und ermittelt genau, wie sich seine Gelenke beugen und wo sich seine Gliedmaßen im Raum befinden. Es ist, als würde man ein 3D-Skelett erstellen und es perfekt auf das Video anpassen, selbst wenn das Video nur die Außenseite von Fell oder Haut zeigt. Dies geschieht mithilfe eines Tools namens stac-mjx, das als Hochgeschwindigkeits-Übersetzer fungiert und 2D- oder 3D-Video-Punkte in präzise Gelenkwinkel für einen virtuellen Körper umwandelt.

Sobald der virtuelle Körper weiß, was das echte Tier getan hat, geht der zweite Teil des Systems, genannt track-mjx, an die Arbeit. Dies ist der „Lehrer“. Er nutzt eine Methode namens Deep Reinforcement Learning, was ein wenig so ist, als würde man einen Hund mit Leckerlis trainiert, nur dass der Hund ein Computerprogramm ist und die Leckerlis mathematische Belohnungen sind. Das Programm versucht, das virtuelle Tier so zu bewegen, dass es dem Video entspricht. Wenn die virtuelle Ratte ihre Pfote zum falschen Zeitpunkt hebt, erhält sie eine „schlechte Punktzahl“. Wenn sie das Video perfekt nachahmt, erhält sie eine „gute Punktzahl“. Über Millionen von Versuchen hinweg lernt das Computergehirn die exakten Muskelbefehle, die nötig sind, um die Bewegung zu reproduzieren.

Was MIMIC-MJX besonders macht, ist seine Geschwindigkeit und Flexibilität. Die Autoren testeten es an einer Vielzahl verschiedener Kreaturen: einer Ratte, einer Fruchtfliege, einem Mäusearm, einem Stabinsekt und einem Wurm. Sie fanden heraus, dass das System lernen kann, die Bewegungen dieser Tiere mit unglaublicher Genauigkeit nachzuahmen. Als sie es beispielsweise bei einer Ratte trainierten, konnte die virtuelle Ratte Geh-, Aufrichten- und Putzbewegungen mit einem Fehler von nur etwa 7 Millimetern reproduzieren – etwa der Breite eines Bleistifterradiergummis. Noch beeindruckender war, dass das System die virtuelle Ratte über längere Zeiträume in Bewegung halten konnte, nicht nur für einen kurzen Moment. In Tests konnten etwa 83 % der virtuellen Ratten zwei volle Minuten lang weiterlaufen, ohne umzukippen, obwohl sie nur auf kurzen 5-Sekunden-Clips trainiert worden waren. Dies deutet darauf hin, dass das System die Prinzipien der Bewegung gelernt hat und nicht nur ein paar Sekunden Video auswendig gelernt hat.

Die Forscher zeigten auch, dass das System mit unterschiedlichen Arten von „Körpern“ funktioniert. Einige Tiere in ihrer Studie, wie die Ratte und die Fliege, wurden durch einfache „Drehmoment“-Motoren (Torque) gesteuert, während andere, wie der Mäusearm und der Wurm, komplexere „Muskelmodelle“ nutzten, die imitieren, wie sich echte Muskeln dehnen und zusammenziehen. MIMIC-MJX bewältigte beide Arten von Modellen erfolgreich und bewies damit, dass es an verschiedene biologische Realitäten angepasst werden kann.

Einer der spannendsten Teile der Arbeit ist, wie sie diese trainierten „Nachahmer“ nutzten, um Experimente durchzuführen, die im echten Leben unmöglich wären. Sie nahmen den Low-Level-Controller (den Teil, der weiß, wie man die Muskeln bewegt), frierten ihn ein und setzten dann ein neues, einfaches Gehirn obenauf, um dem Tier einen neuen Trick beizubringen. Sie baten die virtuelle Ratte, mit einer bestimmten Geschwindigkeit zu laufen oder vor einer schüsselförmigen Grube zu fliehen. Die virtuelle Ratte, geleitet vom MIMIC-MJX-Controller, lernte diese neuen Aufgaben schnell und bewegte sich dabei sehr natürlich. Im Gegensatz dazu, als sie versuchten, einen Roboter von Grund auf neu zu trainieren, ohne dieses „Nachahmer“-Fundament, scheiterte er entweder völlig oder bewegte sich ruckartig und unnatürlich. Dies deutet darauf sich hin, dass das MIMIC-MJX-System etwas Fundamentales darüber erfasst hat, wie Tiere sich bewegen, und dadurch eine „Prior“ oder eine Basis für natürliches Verhalten schafft, die das Lernen neuer Dinge viel einfacher macht.

Die Arbeit blickte auch in das „Gehirn“ ihrer virtuellen Controller, um zu sehen, was sie „denken“. Durch die Analyse der durch das Netzwerk fließenden Daten fanden sie heraus, dass das System die Bewegung in einfache, niedrigdimensionale Muster organisiert. Für die Fruchtfliege bildeten die „Gedanken“ über das Gehen eine saubere, kreisförmige Schleife in den Daten, die den Rhythmus der Schritte darstellt. Für den Mäusearm zeigten die Daten, dass das Gehirn komplexe Bewegungen in wenige Schlüsselvariablen komprimierte, ähnlich wie ein Mensch denken könnte: „Greif nach dem Becher“, anstatt jeden einzelnen Muskelzucken zu berechnen.

Die Autoren sind jedoch vorsichtig darin, was dieses System nicht ist. Sie stellen explizit klar, dass das System zwar die Bewegung perfekt reproduzieren kann, die spezifischen elektrischen Signale, die es dazu generiert, jedoch nicht notwendigerweise dieselben Signale sind, die das Gehirn eines echten Tieres verwendet. Es gibt viele Wege, ein Gliedmaß zu bewegen (ein Problem, das als Bernsteins Freiheitsgrade bekannt ist), und der Computer könnte eine andere Lösung finden als das Tier. Das System ist eine gültige Simulation dessen, wie der Körper sich bewegen könnte, aber es beweist nicht, wie das Tier tatsächlich denkt. Es ist ein mächtiges Werkzeug zur Generierung von Hypothesen, nicht ein fertiger Lösungsschlüssel.

Darüber hinaus hängt das System von der Qualität der digitalen Körpermodelle ab. Wenn die Muskeln oder Knochen der virtuellen Ratte nicht korrekt gebaut sind, wird die Nachahmung fehlschlagen. Die Autoren geben zu, dass der Bau dieser detaillierten Körpermodelle immer noch eine schwierige, zeitintensive Aufgabe ist, die Forscher selbst erledigen müssen, wenn sie neue Spezies untersuchen wollen. Sie vereinfachten auch einige physikalische Aspekte, wie etwa den Luftwiderstand oder die komplexe Art und Weise, wie Fell mit dem Boden interagiert, um die Simulationen schnell zu halten.

Trotz dieser Einschränkungen stellt MIMIC-MJX eine bedeutende Verschiebung in der Art und Weise dar, wie Neurowissenschaft betrieben wird. Indem es diese leistungsstarken Simulationen für jedes Labor mit einem Standardcomputer zugänglich macht, öffnet es die Tür für Tausende von Forschern, „virtuelle Experimente“ durchzuführen. Sie können testen, wie sich ein Nervensystem an eine neue Umgebung anpasst, was passiert, wenn ein bestimmter Muskel entfernt wird, oder wie Lernen stattfindet – und das alles, ohne ein einziges Tier fangen zu müssen. Es macht das virtuelle Tier zu einem praktischen, manipulierbaren Subjekt und schlägt die Brücke zwischen der chaotischen Realität der Biologie und der klaren Präzision der Informatik. Die Arbeit schließt mit dem Hinweis, dass dies ein entscheidender Schritt in Richtung einer Zukunft ist, in der „virtuelle Neurowissenschaft“ ein Standardpartner zu realen Experimenten ist und uns hilft, den komplexen Tanz zwischen Gehirn und Körper endlich zu entschlüsseln.