新智元报道  

编辑：Aeneas Ellie

【新智元导读】约翰霍普金斯大学的科学家，正在试着用真实的人脑细胞创建AI。

咱们知道，科学家们曾经培养出了一盘大脑细胞，教会了它们打乒乓球。

而如今，他们竟然想用这盘脑细胞造出计算机了？

在 2 月 28 日发表在《科学前沿》上的一篇论文中，一个科学家团队描述了他们的计划：将3D人类脑细胞团块（也即大脑类器官）转化为能够执行高级计算任务的生物硬件。

论文地址：https://www.frontiersin.org/journals/science/articles/10.3389/fsci.2023.1017235

直白地说，就是开发一个由人脑细胞驱动的「生物计算机」。

「虽然基于硅的计算机在数字方面肯定更好，但大脑更擅长学习，」约翰霍普金斯大学的微生物学教授John Hartung说。

这一次，碳基生物终于站起来了？

没错，就是那盘会打乒乓球的脑细胞

这些来自约翰霍普金斯大学的科学家建议，有朝一日可以将实验室培养的「微型大脑」连接在一起，充当强大而高效的生物计算机。

虽然现在，AI看似已经接管了我们的生活，但这些科学家认为，由活人脑细胞驱动的一种叫做「类器官智能」或 OI 的东西，有一天可能会超越任何AI，并且效率更高。

ChatGPT诞生之后，到处都在预警人类要被AI替代。所以现在，我们靠着自己的脑细胞，终于要扳回一局了吗？

所以，这个传说中的「类器官」，究竟是什么呢？

其实，它就是生物组织的3D团块。

Thomas Hartung 实验室制作的大脑类器官的放大图像，染色显示品红色为神经元，蓝色为细胞核，其他支持细胞为红色和绿色

科学家们将这一领域命名为「类器官智能」(OI)。

近二十年来，科学家们一直在使用微小的类器官（即类似于完全成熟器官的实验室培养组织）在肾脏、肺和其他器官上进行实验，而无需进行人体或动物试验。

而最近，Hartung和同事们一直在研究大脑类器官，这个笔尖大小的球体，具有神经元和其他特征，有望维持学习和记忆等功能。

团队领导者、约翰霍普金斯大学的环境健康科学教授Thomas Hartung表示，「实现生物计算的技术，现在已经成熟了。我们希望人类大脑的一些功能，可以作为OI实现，比如根据不完整和矛盾的信息（直觉思维）做出快速的决策。」

关于「类器官智能」(OI)的关键信息

这个团队还包括来自Cortical Labs的成员，他们就是那群培养了一盘会打乒乓球的脑细胞的科学家。果然，这熟悉的配方，熟悉的味道。

使用类器官做实验，对科学家有诸多好处，因为可以绕过人类或动物测试。

Hartung在一份声明中说：「类器官开启了对人类大脑如何运作的研究。因为你可以开始操纵系统，做一些在道德上不能用人脑做的事情。」

嗯，有暗黑科学家那味了……

人脑比电脑更强

如果让人脑和电脑pk，谁能胜出？

在Hartung看来，现代计算机在人脑面前，仍然弱爆了。

「Frontier是肯塔基州最新的超级计算机，耗资6亿美元，占地6,800平方英尺。仅在去年6月，它就首次超过了单个人脑的计算能力——但是，它使用的能量却多出了一百万倍。」

Hartung承认，尽管计算机处理涉及数字和数据的计算比人类更快，但大脑在做出复杂的逻辑决策时要聪明得多，比如分辨猫狗。

又比如，在论证「虽然基于硅的计算机在数字方面更好，但大脑更擅长学习」这个观点时，他举出的例子是，AlphaGo虽然在2017年击败了世界顶级围棋选手，但它此前训练时用了60,000场比赛的数据。

而一个人必须在175 年里每天玩五个小时，才能打完这些比赛。

硅计算机已经达到极限

从2012年起，Hartung就开始把人类皮肤样本中的细胞重新编程为胚胎干细胞，然后来培养脑细胞，并组装成功能性类器官。

每个类器官包含大约50,000个细胞，大约相当于果蝇神经系统的大小。他现在设想用这种大脑类器官建造一台未来计算机。

Hartung 说，在这种「生物硬件」上运行的计算机，可能会在未来十年内减轻超级计算的能耗需求，而这种需求正变得越来越不可持续。

「大脑存储信息的能力惊人，估计为 2,500TB，」Hartung 说。

「我们正在达到硅计算机的物理极限，因为我们无法将更多的晶体管装入一个微型芯片。但大脑的连接方式完全不同，大约有1000亿个神经元，通过超过1,015个连接点连接。」

16年的研究表明，人脑的记忆可以存储整个互联网

由于类器官共享的细胞，使我们自己的大脑能够获取和存储信息，因此大脑团块特别适合需要快速学习且无需太多能量消耗的计算任务，然后再将信息存储在大脑中紧凑的神经元连接中。

因此，它们还能创建复杂的脑团网络，从而支持更强大的计算。

可是，这些科学家想造出的类器官智能，或者说生物计算机，万一玩脱了怎么办？

Hartung表示，类器官智能并不会对AI或者以老式方法培养的人脑构成威胁。

但是，是时候增加脑类器官的产量，用AI训练，来突破我们现有硅系统的某些缺点了。

「我们需要几十年的时间，才能做到与计算机相媲美，」Hartung 说。「但如果我们现在不开始为此制定计划，会困难得多。」

Hartung 说，类器官智能可能需要几十年，才能为像老鼠一样智能的系统提供动力。

但通过扩大大脑类器官的生产，并用AI进行训练，可以预见到，这种生物计算机会具有卓越的计算速度、处理能力、数据效率和存储能力。

并且，类器官智能还可以彻底改变针对神经发育障碍和神经变性的药物测试研究。

约翰霍普金斯大学环境健康与工程助理教授Lena Smirnova 说：「我们想比较来自捐赠者的正常大脑类器官，与来自自闭症捐赠者的大脑类器官。」

「我们正在开发的生物计算工具，与让我们了解自闭症神经元网络变化的工具很类似，无需使用动物或接触患者，就可以了解患者为何具有这些认知机制障碍。」

伦理拷问

可是，人脑细胞团块，就心甘情愿被人类培养成生物计算机吗？

它们会不会有知觉，有自我意识，甚至觉得抵触呢？

这一点，Hartung的团队也想到了。其中一些具有生物伦理学背景的成员，正在努力评估与OI合作的伦理意义。

并且，如果想要构建复杂的生物计算机，有一个道德雷区，是研究人员必须要跨越的——要构建微型人脑模拟物，大脑类器官中有计算能力的细胞就有一个数量限制。

但是，如果想培养适合计算机的类器官，就需要把50,000个神经元扩大到1000万个。

而随着计算能力的提高，这些相互连接的类器官虽然不会完全具有感知能力，但很可能会获得某种形式的智能。

这就又回到了那个古老的问题：意识是什么？

意识是人类独有的吗？还是其他生物也有不同程度的意识？

论文的作者之一，加州大学圣地亚哥分校的神经科学家Alysson Muotri表示，「截至今天，我们知道这些类器官可以模仿皮层发育的神经振荡行为。」

这些神经振荡行为，就是脑电波。

此外， 在麻醉下，这些振荡会逐渐消失，这也类似于人脑。」

「为了让类器官置于意识范围内，我们正在做一些刺激以收集 PCI，」Muotri 说。PCI是一些专家提出的衡量有机体或实体意识水平的指标。

研究发现，实验室制造的迷你大脑可以像早产儿一样产生脑电波

但是类器官的智能是否会出现？何时会出现？

没人能知道。

斯坦福大学法学和遗传学教授Hank Greely专门研究神经网络伦理问题。

他说，我们有朝一日可能创造出一种人类神经类器官，它可以像大脑一样行动并具有一定的智能。但即便如此，我们对这个问题仍然知之甚少：究竟是什么在我们的大脑中产生意识？

「连接在一起的神经元数量并不能使某种东西变得智能。如果我将一百万块切好的石头堆在一起，我不一定会有沙特尔大教堂；我可能只有一堆切好的石头。」Greely说。

「类器官绝对不是『迷你大脑』。它们不像大脑那样组织，它们不像大脑那样包含大量的细胞类型，它们也不会通过输入和输出与身体不断交流。」

法国数学家、哲学家勒内·笛卡尔 (René Descartes)认为，意识和身体是两种不同的事物

而面对种种道德危机，Hartung表示，「可能没有一种技术不会产生意想不到的后果」。

「虽然很难排除这样的风险，但只要人类控制好输入和输出以及对大脑对其输出结果的反馈，就不会失控。但如果我们给AI或OI自治权，就会出问题。」

「总之，无论是硅质机器，还是细胞机器，都不能掌控人类。」

对此，网友表示，「真正的AGI，就是一种新的生命形式，无论是在硅上还是在肉上。」

「思想的自主性和真正的生成欲望（不是ChatGPT那种假装的傀儡）就是生命的证据。」

论文介绍

让我们看看论文中的一些要点。

为什么要开发OI技术

科学家们一直对实现生物计算抱有热情。

人类大脑虽然在计算方面比不上机器，但对于复杂、开放问题的处理能力远远胜过机器，而且消耗的能量更少、执行任务的效率更高。

类器官智能（organoid intelligence，OI）就是科学家们将这种热情付诸行动的最新尝试。

约翰霍普金斯大学的研究人员希望使用人类脑细胞创建人工智能。团队通过将人类皮肤细胞编程为类似胚胎干细胞的状态，使其恢复形成脑细胞的能力，从而具备记忆、学习等基本功能。

开发OI技术的时机已经到来

将人类细胞重新编程为干细胞以及从多能干细胞中开发三维大脑器官使得OI成为可能。

过去的十年里，脑细胞培养从传统的单层培养发展到了更像器官、有组织的三维培养，约翰霍普金斯大学替代动物试验中心等机构已经生产了这种具有高度标准化和可扩展性的脑器官。

培养出的脑器官中，大多数有活性突触的存在，显示出与早产婴儿大脑相当的皮质层和震荡波模式。

这些器官培养物还富含参与生物学习的各种细胞。

OI与其他技术的交联

将所培养的脑器官暴露于电气和化学刺激中，通过输入与输出监测，验证其中是否发生了学习。

OI产生的大量反馈数据，交由计算能力强大的AI进行分析，而这需要将器官的变化与特定的输出信号相关联，这一过程中，OI搭建起了整合机器学习、统计、信号处理、信息理论等多学科工具的桥梁。

推断器官的连通性也是一项重要工作，应用大脑成像和计算生物学的工具，可以绘制类器官神经系统连接的输入和输出，判断神经元电路中是否建立起了有效的连通。

为OI数据的存储和处理提快速、可靠、可拓展的基础设施是必要的，需要适应每一层生物网络都能进行计算输出的大量数据，还要有动态变化的能力。

JHU团队采取的存储策略，主要是开发类似于CERN大型强子对撞机实验的方案，使用复杂触发器用于实时检测事件，只有具有潜在发现值的时间才会被保留。未来通过建设OI社区，可以迅速实现强大且可复现的大数据基础设施的建立。

OI的进一步完善

首先需要提高生物计算的复杂性，在OI中，类器官可以发挥其中硅界面与环境相互作用的功能，优化硅硅相互作用的算法，能够提高OI生存能力。

我们还希望能够对OI输入更复杂的生物信号，比如更加近似人类视觉的输入表示。

分子生物学在突触可塑性方面的进步对于OI优化至关重要，通过改善其生长条件，能够使其更好地表达人脑学习的效果。

对于OI技术的愿景

将OI建立为真正的生物计算形式，以道德的方式利用脑类器官。

实现生物计算的革命，克服基于硅的计算以及AI计算的局限性，做到更快的决策、持续的学习并提升执行这些任务的效率。

更清楚地阐释人类智慧，为认知缺陷及其他相关疾病的治疗带来希望。

参考资料：https://www.frontiersin.org/journals/science/articles/10.3389/fsci.2023.1017235https://www.vice.com/en/article/qjkgap/scientists-now-want-to-create-ai-using-real-human-brain-cellshttps://www.cnet.com/science/ai-could-be-made-obsolete-by-oi-biocomputers-running-on-human-brain-cells/https://www.livescience.com/lab-grown-minibrains-will-be-used-as-biological-hardware-to-create-new-biocomputers-scientists-propose