Es gibt eine verführerische Intuition über die Zukunft der KI: eine Leiter. Unten der Transformer, wie wir ihn heute kennen. In der Mitte irgendeine „gehirnähnliche“ Zwischenarchitektur. Ganz oben das menschliche Gehirn, der organische Supercomputer, der Zielpunkt, dem alles zustrebt. Ich will diese Leiter umdrehen. Denn wenn man vom Gehirn ausgeht und fragt, was man wegwerfen muss, um bei einem Transformer zu landen, versteht man heutige KI besser als aus jeder Fortschrittsbroschüre.
Vorab zwei Korrekturen.
Erstens der alte Mythos, wir nutzten nur einen Bruchteil unseres Gehirns. Das ist falsch. Bildgebung zeigt über den Tag praktisch flächendeckende Aktivität, Läsionen an fast jeder Stelle erzeugen Ausfälle, und das Organ verbraucht rund 20 % unserer Energie bei 2 % Körpermasse. 90 % Leerlauf hätte die Evolution nie toleriert. Es gibt keine schlafende Reserve zum Freischalten.
Zweitens die „Zwischenstufe“. Einige KI-Startups vermarkten sich genau als diese mittlere Sprosse: gehirnähnliche, adaptive Architekturen, die angeblich auf dem Weg zu einer Art Bewusstsein sind, garniert mit Renditeversprechen und Investoren-Warteliste. Nur: Auf solchen Seiten steht selten ein einziger Mechanismus, der beschreibt, was technisch anders sein soll als bei einem Transformer. Eine „eigene neuronale Topologie“ zu behaupten ist kein Architekturbeleg, sondern ein Claim. Das ist typischerweise Investoren-Prosa, keine Zwischenstufe. Man sollte solche Bewusstseins-Versprechen mit derselben Skepsis lesen wie jeden Startup-Pitch, der gleichzeitig Kapital einwirbt.
Zurück zur umgedrehten Leiter. Historisch ist der Transformer ohnehin nicht rückwärts aus dem Gehirn entwickelt worden, er stammt aus einer unbiologischen Linie: Matrixmathematik, Attention, GPU-Parallelität. Aber als Gedankenexperiment ist der Abstieg vom Gehirn zum Transformer erhellend. Man muss dafür sieben Achsen kappen:
- Spikes werden zu kontinuierlichen Werten. Neuronen feuern diskrete, zeitlich codierte, asynchrone Impulse. Der Transformer ersetzt sie durch kontinuierliche Aktivierungen in getakteter, synchroner Matrixmultiplikation. Die gesamte Zeitdimension des Codes verschwindet.
- Lokales Dauerlernen wird zu Backprop, dann eingefroren. Das Gehirn lernt online und lokal, immer. Der Transformer lernt per globaler Backpropagation und trennt Training von Inferenz, nach dem Training sind die Gewichte fix.
- Rekurrenz wird zu Feedforward. Das Gehirn ist massiv rückgekoppelt, mit Schleifen und anhaltender Dynamik. Der Transformer ist pro Token feedforward; Attention ist Routing, keine echte zeitliche Rekursion.
- Verkörperung wird zum Token-Strom. Das Gehirn steckt in einem Körper, in einer geschlossenen Wahrnehmungs-Handlungs-Schleife mit Echtzeit-Konsequenzen. Der Transformer bekommt eine statische Zeichenkette; die Welt wird zum Textkorpus.
- Heterogenität wird zu homogenen Einheiten. Dutzende Zelltypen, Neuromodulatoren, die ganze Schaltkreise umschalten. Beim Transformer: ein einziger, endlos wiederholter künstlicher Neuronentyp.
- Sparsam wird zu energiehungrig. Gehirn: rund 20 Watt, extrem sparse. Transformer: dichte Matrixmultiplikationen, Megawatt im Rechenzentrum.
- Evolutionspriors werden aus Daten gelernt. Das Gehirn startet mit angeborener Struktur. Der Transformer startet nahezu zufällig; sein Prior steckt in Architektur und Trainingsdaten, nicht in Jahrmillionen Evolution.
Das Ergebnis dieser Kürzungen ist kein „früher Schritt Richtung Gehirn“. Es ist das Gehirn, radikal komprimiert, und zwar entlang exakt der Achsen, die sich mit heutiger Hardware und Gradientenabstieg überhaupt bauen lassen. Der Transformer ist die Version des Gehirns, die man in eine GPU zwängen kann.
Dreht man die Liste wieder um, ergibt sich daraus eine ehrliche Landkarte für das, was als Nächstes kommt. Denn fast jede ernsthafte Forschungsrichtung ist der Versuch, eine dieser weggeworfenen Achsen wieder einzubauen. Neuromorphe und Spiking-Chips holen Impulse und Energieeffizienz zurück (Achse 1 und 6). Continual Learning greift das eingefrorene Gewicht an (2). State-Space-Modelle bringen echte Rekurrenz (3). Robotik und Weltmodelle bringen Verkörperung (4). Lokale Lernregeln attackieren die Backprop-Monokultur (2 und 5). Die „Zwischenstufe“ ist also kein mystischer Sprung zur Superintelligenz, sondern: Transformer plus schrittweise reingeholte Biologie.
Bleibt ein ehrlicher Einwand gegen die Leiter selbst. Die Annahme, es gäbe eine Achse mit dem Gehirn als Zielpunkt, ist nicht gesichert. Flugzeuge sind keine rückwärts entwickelten Vögel, und sie fliegen schneller. Intelligenz muss nicht auf das menschliche Gehirn konvergieren; sie könnte in eine ganz andere Ecke des Möglichkeitsraums laufen, die auf keiner biologischen Achse liegt. Der Wert der umgedrehten Leiter liegt nicht darin, dass sie ein Ziel vorgibt. Er liegt darin, dass sie präzise zeigt, was der Transformer opfert, und das ist eine bessere Prognose-Grundlage als jedes Bewusstseins-Versprechen.
Wer wissen will, wohin KI läuft, sollte also weniger fragen: „Wie nah sind wir am Gehirn?“, und mehr: „Welche der sieben Kürzungen holt die nächste Architektur zurück?“