澳洲团队造出会打小游戏的生物计算机 用人脑细胞打造

3月7日消息，在西班牙巴塞罗那世界移动通信大会上，澳大利亚初创企业Cortical Labs发布全球首款基于人脑细胞的商用生物计算机CL1。该系统采用实验室培育的二维神经元聚集体，通过电信号反馈机制实现基础学习能力，团队称其可作为低功耗生物型AI应用于药物测试及神经科学研究。学界对其潜力持审慎态度：专家证实该系统虽能完成《乒乓》游戏等简单任务，但与复杂决策智能存在代差；伦理学家则警示未来或面临意识觉醒风险，不过多数研究者强调，当前类脑模型仅含数十万神经元（不及昆虫大脑复杂度），完全不具备自主意识特征。

以下为翻译内容：

去年底墨尔本的一个温暖午后，数十万活体人脑细胞存置于布伦瑞克区某张桌子上的盒子里。尽管肉眼无法看见这些神经元，初创企业Cortical Labs首席科学官布雷特·卡根（Brett Kagan）指向显示类心电图信号的大型监控屏。这些信号证明健康的脑细胞正在响应附近计算机的输入。

卡根表示，“简而言之，它们在学习。”

卡根和他的团队在西班牙巴塞罗那举行的一场国际科技峰会上推出了首款商用生物计算平台CL1。在这个装置内，数十万实验室培育的神经元正蓄势待发，它们的数量介于蚂蚁和蟑螂大脑的神经元数量之间。虽然连卡根博士这样的创造者都难以预测这些脑细胞的具体应用场景，但他非常期待其他研究人员和科技公司能够探索出更多可能性：“可能性多种多样。”

这家位于墨尔本的初创企业早已经在生物计算领域崭露头角。2022年，他们成功训练出培养皿中的神经元玩电子游戏《乒乓》。卡根博士透露，这项技术未来可能用于“疾病建模或药物测试”。不过他们的终极目标是利用这些微小的神经元集合开发出一种生物型人工智能。这也是他们本次大会上重点展示的内容。

其他从事相关领域研究的科学家指出，虽然像CL1这样的系统可能具有一定用途，而且团队工作非常有意思，但这种技术仍存在局限。

什么是“生物型人工智能”？

CL1系统背后的理念是，既然像谷歌和OpenAI这样的公司正在试图开发出像大脑一样运转的人工智能，为何不直接利用大脑的基本组成部分神经元来实现这一目标呢？卡根博士表示：“唯一具备’通用智能’的只有生物大脑。”他强调，像CL1系统这样在培养皿中构建的神经元网络，并不是以ChatGPT或DALL-E那种方式存在的人工智能。卡根博士对这种系统未来能力的期望也相对较低。他说，“我们并不是想取代目前那些人工智能所擅长的任务。”

不过卡根博士认为，神经元的固有特性更适用于医学研究等特殊场景。首先能耗很低，目前传统人工智能模型为了产生结果需消耗大量能源，而CL1系统的运行功率只有数瓦特。其次，卡根博士提到大脑的学习速度非常快：“人类、老鼠、猫乃至鸟类都能从微量数据中推导出复杂决策，这正是现有人工智能的短板。”

“Dishbrain”如何学会玩游戏

CL1系统的体积并不大，和鞋盒差不多大小。系统的大部分构造都是为了容纳并维持神经元的存活。神经元对生存环境要求很高，系统需要定期清除废物、补充营养并防止不良微生物侵入。但最关键的部分是芯片，这块小型硅基设备附着了数十万经过实验室培育、彼此相连的人脑神经元。

这些神经元是在实验室环境下通过重编程技术将血细胞转化为诱导干细胞，再定向培育成神经元。卡根博士介绍说：“这些细胞都来自志愿者所提供的血液样本，采血量与常规体检相当，但转化后的神经元能在芯片上建立突触网络。”

芯片通过传递少量随机或有规律的信号来“训练”神经元：正确响应会获得有序反馈，错误则触发混沌刺激。经过一段时间的训练后，神经元开始学会判断什么才是正确响应。正是这种机制，让Cortical Labs开发的初代系统Dishbrain学会玩《乒乓》游戏。尽管它的击球成功率仅略高于随机概率，但表现已经好于仅接受刺激但无反馈的系统。此后Cortical Labs不断更新系统，培养神经元并提升准确性的配套软硬件也陆续问世。

研究中使用的脑细胞

虽然让神经元玩《乒乓》开创了先河，但科学家们多年来始终在培育称为脑类器官的微型神经元聚集体，用于药物测试或研究人脑形成。来自昆士兰大学的生物学家恩斯特·沃尔维唐（Ernst Wolvetang）长期从事干细胞研究，他认为Cortical Labs所使用的神经元聚集体相对简单。Cortical Labs采用的是二维神经元聚集体，将神经元平铺在芯片上，而沃尔维唐教授的实验室则使用三维脑类器官，“包含更多细胞类型，神经元网络也更复杂精密”。

尽管技术路径存在差异，但沃尔维唐教授仍与这家初创企业展开合作，并认为双方具有互补优势。"起初我们质疑二维神经网络何以能如此快速学习，"他说，"但Cortical Labs不仅开发了精良的神经元培养装置，还设计了验证学习能力的软件与分析方法。"

沃尔维唐教授计划将他实验室培育的扁豆大小三维脑类器官接入Cortical Labs开发的软硬件系统，验证这种三维器官是否具备与二维神经网络相当的学习机制。一旦证明自己开发的脑类器官具备学习能力，沃尔维唐教授就将深入研究神经退行性疾病对类脑器官记忆功能的影响等课题。但对于将培养皿中神经元的计算能力等同于AI，他持保留态度："我理解这种思路，毕竟这些人类神经网络学习速度惊人。但学会《乒乓》是一回事，进行复杂决策是另一回事，现阶段我保留判断。"

培养皿中的伦理问题

默多克儿童研究所（Murdoch Children's Research Institute）干细胞研究员希尔维亚·维拉斯科（Silvia Velasco）利用脑类器官研究人类大脑皮层的形成过程。她表示：“大脑皮层最能体现人脑的独特性，其结构与发育模式在物种间存在显著差异。”她补充道：“作为一名从事脑类器官研究的科学家，我常常思考这项工作可能引发的伦理问题。”

这一领域的许多科学家以及Cortical Labs团队都深知他们的研究比较敏感。虽然目前使用的脑类器官离真正的大脑相距甚远，但人们担心，未来规模更大的神经网络可能会产生意识或自我认知，甚至可能获得类似人脑的能力。“目前我认为这种担忧并无根据。如果不用这种可能治愈严重脑部疾病的系统，那将是一大损失，”维拉斯科说，“但我们必须要评估并预见使用这些模型可能引发的潜在问题。”

卡根博士承认这些担忧，但认为领域尚处萌芽阶段，难以预判伦理边界。"我们无法回答，因此与众多生物伦理学家合作，"他说，"我们构建的独立脑细胞系统如同电路，可按需使用。它们不会具备意识特征，我们会测试评估，若存在风险则调整设计以规避。"（辰辰）