Neuraxon Intelligence Academy — Band 7

Vom Qubic Scientific Team

Im Jahr 1970 veröffentlichte Martin Gardner in Scientific American ein Freizeitspiel, das von John Conway erfunden wurde: das Spiel des Lebens. Die Regeln passen auf eine Postkarte. Ein zweidimensionales Raster von Zellen, in dem jede Zelle lebendig oder tot war. Bei jedem Schritt blieb eine lebende Zelle am Leben, wenn sie zwei oder drei lebende Nachbarn hatte, andernfalls starb sie. Eine tote Zelle mit genau drei lebenden Nachbarn wurde geboren. Nichts anderes, so einfach ist das.

1970 veröffentlichte Martin Gardner in Scientific American ein Freizeitspiel, das von John Conway erfunden wurde: das Spiel des Lebens. Die Regeln passen auf eine Postkarte. Ein zweidimensionales Gitter von Zellen, in dem jede Zelle lebendig oder tot war. Bei jedem Schritt blieb eine lebende Zelle am Leben, wenn sie zwei oder drei lebende Nachbarn hatte, andernfalls starb sie. Eine tote Zelle mit genau drei lebenden Nachbarn wurde geboren. Nichts weiter, so einfach ist das.

Was niemand erwartet hat, war das, was aus diesen vier Zeilen Regeln hervorging. Stabile Strukturen. Oszillatoren, die für immer pulsieren, und Gleiter, die über das Gitter reisen. Kanonen, die periodisch Gleiter abfeuern. Die Konstruktionen waren so komplex, dass letztendlich jemand eine Turing-Maschine innerhalb des Spiels des Lebens bauen würde. Innerhalb von Conways Gitter kann man prinzipiell jede Berechnung durchführen, die existiert.

vom Leben zum künstlichen Leben (Alife)

In den Achtzigern verwandelte Christopher Langton und eine Gruppe von Forschern diese Idee in eine eigene Disziplin: Künstliches Leben, oder Alife. Der Vorschlag war einfach. Die Biologie hat historisch das Leben untersucht, wie wir es kennen, das kohlenstoffbasierte, das auf diesem bestimmten Planeten entstanden ist. Aber Leben ist vielleicht ein allgemeineres Phänomen. Wenn wir künstliche Systeme bauen können, die die Eigenschaften zeigen, die wir mit dem Lebendigen assoziieren, Selbstorganisation, Anpassung, Evolution, Reproduktion, Reaktion auf die Umwelt, dann untersuchen wir Leben, wie es sein könnte, nicht nur, wie es sich zufällig darstellt.

Alife ist keine Suche nach digitalen Haustieren. Es ist eine Wissenschaft grundlegender Dynamiken. Ihre experimentellen Werkzeuge sind Simulatoren, in denen einfache Agenten lokalen Regeln folgen, und wo der Forscher beobachtet, was sich im globalen Maßstab ergibt.

Mehrere Erkenntnisse sind als Grundpfeiler geblieben. Die erste, bereits implizit in Conway, ist, dass einfache lokale Regeln globale Komplexität erzeugen können, ohne dass jemand sie entwirft. Die zweite kam von Langton selbst: Es gibt ein kritisches Regime, das als Rand des Chaos bezeichnet wird, wo Systeme weder starr geordnet noch vollständig chaotisch sind und wo fast alles Interessante passiert. Berechnung, Lernen, Anpassung, alles gedeiht in diesem schmalen Band. Darunter friert das System ein. Darüber löst es sich in Rauschen auf.

Eine dritte Erkenntnis, weniger bekannt, aber unangenehmer, ist, dass Eigenschaften, die wir normalerweise mit Intention assoziieren, wie Kooperation, Spezialisierung, Arbeitsteilung, in Systemen entstehen können, die nicht programmiert wurden, um zu kooperieren. Sie entstehen als Konsequenzen der Dynamik, nicht als Ziele. Das ist schwer zu verdauen für die selbsternannte überlegene Spezies, denn unser Bauchgefühl sagt uns, dass wir, wenn wir X wollen, für X optimieren müssen. Alife zeigt immer wieder, dass dies nicht immer wahr ist.

Was sind digitale Ökosysteme? Von zellulären Automaten zu Multi-Agenten-Neuralsystemen

Ein digitales Ökosystem ist die natürliche Evolution dieser Ideen des künstlichen Lebens. Anstelle einer einzigen Regel, die von allen Zellen geteilt wird, hast du mehrere Agenten, jeder mit seinen eigenen Regeln, die eine gemeinsame Umgebung teilen, um Ressourcen konkurrieren oder kooperieren, sich reproduzieren und sterben. Das Substrat kann ein 2D-Gitter sein wie in Conway, eine kontinuierliche Flüssigkeit wie in Lenia, eine reichere Welt mit Gelände und Nahrung wie in Biomaker CA. Die Details variieren. Das Prinzip nicht.

Was ein digitales Ökosystem interessant macht, ist nicht die zugrunde liegende Technologie, sondern was es dir erlaubt zu beobachten. Populationsdynamik. Grenzen, die zwischen Spezies entstehen. Nischen, die sich öffnen und schließen. Strategien, die erscheinen, eine Weile dominieren, verdrängt werden und zurückkommen. Zyklen, die denen realer Ökosysteme ähneln, manchmal überraschend so. Und die Frage, die darunter schwingt: Wann können wir sagen, dass etwas entstanden ist, dass das System etwas entdeckt hat, das wir nicht hineingelegt haben.

Die interaktive Plattform Digital Ecosystems von Sakana AI, die Echtzeit-Parameter-Schieberegler, eine Bevölkerungstimeline, einen Kontrollpunkt-Tray und eine Simulationsleinwand zeigt. Nutzer können das Ökosystem steuern und sich von jedem gespeicherten Zustand in alternative Zukunftsszenarien verzweigen.

Es gibt aktuelle Arbeiten, die es wert sind, angesehen zu werden. Das Team von Sakana AI hat beispielsweise gerade Digital Ecosystems veröffentlicht, eine interaktive Plattform, auf der fünf neuronale zelluläre Automata-Spezies in Echtzeit auf einem gemeinsamen Gitter konkurrieren und kooperieren, wo du die Parameter mit Schiebereglern anpassen, Zustände speichern und divergente Zukunftsszenarien von einem einzigen Kontrollpunkt aus erkunden kannst. Es ist der neueste und zugänglichste Link in einer Kette, die bis zu Conway zurückreicht, und es ist es wert, einen Nachmittag damit zu verbringen, nur um zu fühlen, wie sich diese Dynamiken verhalten, wenn man sie tatsächlich anfassen kann.

Warum künstliches Leben und emergente Komplexität für Qubic, Aigarth und Neuraxon wichtig sind

Die Versuchung, wenn man über Conway, Langton, Lenia oder Sakana liest, ist, all dies als eleganten intellektuellen Zeitvertreib abzulegen. Das ist es nicht. Es ist das konzeptionelle Gerüst, auf dem unser Projekt basiert.

Qubic: Selbstorganisierende dezentrale Infrastruktur

Qubic ist auf der Infrastrukturebene ein dezentrales Netzwerk aus Tausenden von Knoten, die konkurrieren und kooperieren, um Berechnungen zu validieren und Belohnungen zu verdienen. Ohne die richtigen lokalen Regeln zentralisiert sich dieses Netzwerk oder zerfällt. Mit den richtigen Regeln organisiert es sich selbst zu einem stabilen, produktiven Ökosystem. Die Gültigkeit von Qubics Design beruht auf Prinzipien, die teilweise aus der Forschung zur künstlichen Lebensform stammen: Wie erreicht man globale Stabilität ohne zentrale Autorität, und wie lässt sich Wettbewerb dazu bringen, etwas Nützliches für alle zu produzieren?

Aigarth: Evolutionäre KI am Rand des Chaos

Aigarth geht weiter. Es ist nicht nur ein Netzwerk, es ist ein sich entwickelndes Gewebe. Netzwerke künstlicher Neuronen, die mutieren, beschneiden, Nachkommen erzeugen, ihre Topologie unter adaptivem Druck neu organisieren. Es gibt lokale Regeln, Fitnesskriterien oder evolutionäre Dynamiken. Dies ist künstliches Leben, das auf KI-Architekturen angewendet wird. Und wie bei allem in Alife hängt das, was entsteht, vom Regime ab, in dem das System operiert. Zu starr, keine Erkundung. Zu chaotisch, keine Stabilität. Der Rand des Chaos ist auch hier der Ort, an dem die interessanten Dinge passieren.

Neuraxon: Ternäre Zustände und selbstorganisierte Kritikalität in hirn-inspirierter KI

Neuraxon, die Grundeinheit, auf der Aigarth basiert, wurde mit diesem Gedanken entworfen. Der ternäre Zustand (-1, 0, +1) ist kein Quantisierungstrick, um Bits zu sparen, obwohl es auch die Rechenkosten senkt. Es ist eine strukturelle Entscheidung. Der neutrale Zustand ist ein Puffer, der sanfte Übergänge ermöglicht, der verhindert, dass das System heftig zwischen Extremen oszilliert, und gibt den langsamen Synapsen und Neurotransmittern Zeit, zu wirken. Wie wir in früheren Bänden der Neuraxon Intelligence Academy besprochen haben, lässt dies das System am Rand des Chaos navigieren, ohne zusammenzubrechen.

In unseren Experimenten mit NxonLife, dem Simulator, den wir gebaut haben, um Neuraxon-Netzwerke in von Game-of-Life inspirierten Umgebungen entwickeln zu beobachten, haben wir genau die Eigenschaften gemessen, die Alife vorhersagt. Ein Verzweigungsindex nahe 1, das klassische Merkmal selbstorganisierter Kritikalität. Langfristige zeitliche Korrelationen, die 1/f-Dynamiken folgen. Aktivität, die sich über Tausende von Ticks ohne externe Zurücksetzungen, ohne auferlegte Normalisierung, ohne dass jemand dem System sagt, was zu tun ist, selbst trägt. Die Netzwerke finden dieses Regime von selbst, weil die Architektur so gebaut wurde, dass es möglich ist.

Von künstlichen Lebenssimulationen zu dezentraler KI-Infrastruktur: Eine alte Idee, ein neues Substrat

Wachstums-Gate-Steilheit in Sakana AIs Digital Ecosystems. Eine Senkung der Gate-Steilheit drängt Spezies von starren territorialen Grenzen in ein erregbares Chaos-Rand-Regime, in dem emergente Komplexität und Kooperation entstehen. Quelle: Sakana AI (2026)

Was Conway 1970, Langton 1990, das Lenia-Team kürzlich und Sakana AI vor ein paar Wochen gezeigt hat, ist, dass Komplexität aus lokalen Regeln und wohlgewählten Parametern entsteht. Was wir mit Qubic, Aigarth und Neuraxon tun, ist, diese Einsicht zu ihrer logischen Schlussfolgerung zu bringen: nicht nur simulierte Ökosysteme zu beobachten, sondern echte verteilte Infrastruktur auf ihren Prinzipien zu bauen.

Die grundlegende Intuition ändert sich nicht. Lebende Systeme leben in der Zeit. Sie organisieren sich zwischen Ordnung und Chaos. Sie kooperieren, ohne dass jemand sie anweist. Sie entstehen, sie entwerfen sich nicht selbst.

Conways Spiel des Lebens war eine Postkarte. Künstliches Leben ist eine Disziplin. Digitale Ökosysteme sind ein Werkzeug. Qubic, Aigarth und Neuraxon sind ein Versuch, all dies aus dem Simulator zu nehmen und es in ein funktionierendes Netzwerk zu verwandeln. Die Ideen gibt es seit fünfzig Jahren. Das Substrat, um sie in großem Maßstab produktiv zu machen, ist das, was wir jetzt aufbauen.

Referenzen

• Conway, J. H. (in Gardner, M.) (1970). Mathematische Spiele: Die fantastischen Kombinationen von John Conways neuem Solitärspiel 'Leben'. Scientific American, 223, 120–123. [Link]

• Langton, C. G. (1990). Berechnung am Rand des Chaos: Phasenübergänge und emergente Berechnung. Physica D: Nichtlineare Phänomene, 42, 12–37. [Link]

• Bedau, M. A. (2003). Künstliches Leben: Organisation, Anpassung und Komplexität von unten nach oben. Trends in Cognitive Sciences, 7(11), 505–512. [Link]

• Chan, B. W.-C. (2019). Lenia: Biologie des künstlichen Lebens. Complex Systems, 28(3), 251–286. [Link]

• Mordvintsev, A., Randazzo, E., Niklasson, E., & Levin, M. (2020). Wachstumsneuronale zelluläre Automaten. Distill, 5(2), e23. [Link]

• Darlow, L. (2026). Digitale Ökosysteme: Interaktive Multi-Agenten-neuronale zelluläre Automaten. Sakana AI. [Link]

• Vivancos, D., & Sanchez, J. (2025). Von Perzeptronen zu Neuraxonen: Ein neuer Plan für neuronales Wachstum und Berechnung. Qubic Science. [Link]

• Vivancos, D., & Sanchez, J. (2025). Zeit-embedded ternäre Zustandsdynamik-Lernarchitektur. Preprint. [Link]

Erkunde die komplette Serie der Neuraxon Intelligence Academy

Dies ist Band 7 der Neuraxon Intelligence \u003ct-17/\u003e vom \u003ct-19/\u003e Wissenschaftsteam. Wenn du gerade erst einsteigst, erkunde die gesamte Serie, um ein vollständiges Verständnis der Wissenschaft hinter \u003ct-21/\u003e, \u003ct-23/\u003e und Qubics Ansatz zur hirn-inspirierten, \u003ct-25/\u003e künstlichen Intelligenz aufzubauen:

• \u003ca-151\u003eNIA Band 1\u003c/a-151\u003e: Warum Intelligenz nicht in Schritten, sondern in Zeit berechnet wird – Erforscht, warum biologische Intelligenz in kontinuierlicher Zeit und nicht in diskreten Berechnungsschritten wie traditionelle LLMs funktioniert.

• \u003ca-159\u003eNIA Band 2\u003c/a-159\u003e: Ternäre Dynamik als Modell lebendiger Intelligenz – Erklärt die ternären Dynamiken und warum dreizuständige Logik (exzitatorisch, neutral, inhibitorisch) für die Modellierung lebender Systeme wichtig ist.

• \u003ca-167\u003eNIA Band 3\u003c/a-167\u003e: Neuromodulation und hirn-inspirierte KI – Behandelt Neuromodulation und wie die chemische Signalübertragung des Gehirns (Dopamin, Serotonin, Acetylcholin, Noradrenalin) die Architektur von Neuraxon inspiriert.

• \u003ca-175\u003eNIA Band 4\u003c/a-175\u003e: Neuronale Netzwerke in KI und Neurowissenschaft – Ein tiefer Vergleich biologischer neuronaler Netzwerke, künstlicher neuronaler Netzwerke und der dritten Weg-Ansatz von Neuraxon.

• \u003ca-183\u003eNIA Band 5\u003c/a-183\u003e: Astrozyten und hirn-inspirierte KI – Wie astrozytäre Gating die Plastizität neuronaler Netzwerke durch das AGMP-Framework in Neuraxon transformiert.

• \u003ca-191\u003eNIA Band 6\u003c/a-191\u003e: Bewusste Maschinen vs. intelligente Organismen: KI-Bewusstsein erklärt – Erforscht das Bewusstsein von KI durch die Linse der Global Workspace Theory, Integrated Information Theory und prädiktive Kodierung.

Qubic ist ein dezentrales, Open-Source-Netzwerk. Um mehr zu erfahren, besuche qubic.org. Nimm an der Diskussion auf X, Discord und Telegram teil.