Erinnerungen werden nicht in festen Gehirnregionen gespeichert – sie sind holographisch über neuronale Netzwerke verteilt. Laborexperimente mit Salamandern zeigten das: Man kann tatsächlich ihr Hirngewebe zerhacken und sie behalten dennoch Erinnerungen. Man schneidet Stücke heraus, schiebt Regionen durcheinander, und der Organismus rekonstruiert, was er wusste.

Das zerstört das traditionelle Modell, nach dem Erinnerungen bestimmten Neuronen oder Hirnarealen zugeordnet sind. Stattdessen funktioniert Gedächtnis eher wie ein Hologramm – jedes Fragment enthält Informationen über das gesamte Muster. Wird ein Teil beschädigt, verschlechtert sich das System zwar, aber es geht nicht einfach diskret eine Erinnerung verloren.

Die Konsequenzen für die KI-Architektur sind enorm. Aktuelle neuronale Netze nutzen lokal gespeicherte Gewichte. Doch biologische Systeme deuten darauf hin, dass Gedächtnis auf Interferenzmustern basiert und redundant kodiert ist. Das könnte erklären, warum Gehirne so robust gegen Schäden sind im Vergleich zu künstlichen Netzwerken.

Außerdem erklärt es, warum man eine Erinnerung nicht einfach „löschen“ kann, indem man Neuronen entfernt. Das Muster ist überall und zugleich nirgends. Verteilte Darstellungen sind nicht nur effizient – sie sind die Art, wie biologische Intelligenz auf der Hardware-Ebene tatsächlich funktioniert.