科学家培育微型大脑解锁高能效人工智能

实验室培育的微型大脑模型有望打造出运行更快、耗能更低的人工智能系统。

宾夕法尼亚州利哈伊大学的研究人员正主导一项雄心勃勃的项目：通过实验室培育的微型大脑样本（称为"脑类器官"）研究信息处理机制，以设计更智能、能效更高的人工智能系统。该项目由叶夫根尼·贝尔迪切夫斯基教授领导，已获得美国国家科学基金会"研究与创新新兴前沿"计划200万美元的资助。

这项资金将支持团队深入研究大脑的复杂信息处理机制，并在工程系统中实现复现。贝尔迪切夫斯基团队还与利哈伊大学罗辛工程与应用科学学院及健康学院开展合作。

模仿人类大脑

人类大脑在进行数十亿次计算时仅消耗约相当于一只灯泡的能量。通过研究大脑处理信息的机制，研究人员希望破解这种极致能效的奥秘。贝尔迪切夫斯基表示："虽然人们早已尝试用硬件神经网络模拟人脑，但真实脑回路仍能完成硬件无法实现的复杂任务。我们希望解析这些计算过程，为新一代人工智能算法提供灵感 —— 不仅提升能效，更增强信息处理能力。"

破解过程

团队将首先研究脑类器官 —— 这是一种利用成体细胞在实验室培育的三维毫米级结构，其特性类似于发育中的大脑。研究人员将尝试使类器官中的神经元形成类似人类大脑皮层的有序结构。贝尔迪切夫斯基指出："类器官中的神经元通常随机连接，而人脑神经元具有高度有序性 —— 这种有序性正是计算能力的关键。"

生物工程材料副教授莱斯利·周将构建3D打印生物支架来实现神经元的精确定位。"我们已掌握将神经球体（不同神经类型的细胞簇）植入支架插座，通过逐层堆叠实现类器官的自下而上工程化构建，"周解释道。

随后研究人员将通过光脉冲向神经元展示简单动态图像，记录细胞反应。这些神经元经过改造会在激活时发光，使科学家能实时捕捉大脑活动快照。通过分析这些模式，团队将验证类器官是否具备运动、速度和方向检测能力 —— 这些对于自动驾驶等人工智能系统至关重要。

为解读实验结果，团队将开发计算机算法来破译神经元放电模式及其含义。该项目还包含伦理安全措施，确保类器官始终保持足够微小和简单，不会接近意识状态。

多学科协作

贝尔迪切夫斯基强调，该项目成功与否取决于多个工程学科的协同成效："计算算法、神经科学、生物工程、组织工程甚至哲学必须共同发挥作用，这是真正意义上的多学科合作。"

该项目首次证明实验室培育的大脑模型可支持功能性生物计算。若成功实施，将推动开发更高效、更强大的人工智能系统，有望在此过程中变革多个领域。

如果朋友们喜欢，敬请关注“知新了了”！