原創(chuàng) 王婷 集智俱樂部

墨爾本的一家初創(chuàng)公司推出了首款“商業(yè)生物計算機”，其特色是在芯片上集成神經元。（圖片來源：Cortical Labs）

摘要

澳大利亞Cortical Labs團隊研發(fā)出全球首款商業(yè)化生物計算機CL1，其核心是通過實驗室培養(yǎng)的人類神經元集群實現生物人工智能。該技術為神經疾病建模和新型計算范式提供了可能，但復雜決策能力仍需進一步驗證。

研究領域：生物計算機，人工神經網絡，干細胞編程，神經形態(tài)計算，生物AI倫理，反饋學習機制

王婷 | 作者

去年墨爾本的一個溫暖午后，數十萬個活體人類腦細胞靜靜地安置在布倫瑞克區(qū)一間實驗室的桌面容器中。這些精巧的神經元雖然微小到肉眼難以辨識，但Cortical Labs首席科學官布雷特·卡根（Brett Kagan）指向大屏幕，上面顯示著類似心電圖（ECG-like）的脈沖波形信號。

“這些波形是健康腦細胞對計算機輸入信號做出反應的直接證據，”卡根解釋道，“簡而言之，這些神經元正在學習。”

今天，卡根博士團隊在巴塞羅那的國際技術會議上正式發(fā)布了名為“CL1”的新產品，向企業(yè)界推出這款“首個商業(yè)化生物計算機”。

CL1支持云端遠程操作，研發(fā)團隊將其定義為“濕件即服務”（Wetware-as-a-Service）系統(tǒng)。（ABC科學頻道：Jacinta Bowler）

神經元如何學會玩游戲

CL1裝載著數十萬實驗室培養(yǎng)的神經元，規(guī)模介于螞蟻與蟑螂大腦之間，已具備基礎學習能力。然而，即便是卡根博士本人也難以準確預測這些人類神經元最終將承擔什么任務。“潛在的應用方向實在太多了，”他期待地說道。

這家墨爾本初創(chuàng)公司已經取得了突破性進展，例如，2022年成功讓培養(yǎng)皿中的神經元學會了玩《乒乓》游戲。這種學習方式極為新穎：神經元通過芯片提供的少量隨機或有規(guī)律的信息進行"學習"。錯誤的反應會收到隨機信息，而正確的反應則獲得有規(guī)律的數據。最終，神經元開始學會什么是正確的反應。

值得注意的是，當時稱為“Dishbrain”的系統(tǒng)算不上專業(yè)的《乒乓》玩家，它擊中的球只比漏掉的略多一些。但它的表現明顯優(yōu)于那些只接收刺激而沒有反饋的系統(tǒng)。此后，該系統(tǒng)不斷更新，研發(fā)了專門容納神經元并提高其精確度的軟硬件設施。

Brett Kagan期待研究者能以“尚未想象到的方式”應用CL1。（ABC科學頻道： Jacinta Bowler）

什么是“生物AI”？

卡根博士團隊的終極目標是將這些微型神經元集群作為一種生物人工智能。“我們正致力于利用這些細胞實現智能，”他強調道。

CL1的核心理念十分大膽：既然谷歌和OpenAI正試圖創(chuàng)造像大腦一樣工作的AI，為何不直接利用大腦的基本組成部分——神經元——來實現同樣的目標？

“唯一擁有“通用智能”的……是生物大腦，”卡根博士指出。不過，他也承認像CL1這樣的培養(yǎng)皿神經元系統(tǒng)與Chat-GPT或DALL-E等AI有本質區(qū)別。“我們并非想要取代現有AI已經擅長的領域。”

卡根博士認為，神經元內在的工作機制使其在特定場景中具有兩大獨特優(yōu)勢：

首先是能源消耗。當前一代傳統(tǒng)AI模型需要消耗極其龐大的電力才能產生結果。相比之下，CL1僅需幾瓦特的電力即可運行。正如他所說，“并非所有系統(tǒng)都必須消耗巨量能源”。

其次，學習速度也是一個顯著的優(yōu)勢。人類、小鼠、貓和鳥類能夠從極少量的數據中進行推理，并迅速做出復雜的決策，而這正是目前的人工智能所欠缺的能力。

培養(yǎng)“微型大腦”的技術細節(jié)

CL1的體積不比鞋盒大多少，但其設計極為精密。該裝置的大部分結構都用于容納神經元并維持其活性。神經元極其挑剔，必須處于最佳環(huán)境條件下，包括及時清除廢物、提供營養(yǎng)物質并隔離有害微生物。

最關鍵的部分是芯片——一個小型硅基設備，上面附著并相互連接著數十萬實驗室培養(yǎng)的人類神經元。

這類芯片上生長的神經元集群可以被“教授”接收簡單信息。（圖片來源：Cortical Labs）

這些神經元制備過程十分精巧：先將志愿者提供的少量血液（“與醫(yī)生日常檢測所需的血液量相當”）中的血細胞重新編程為干細胞，干細胞是一種能發(fā)育成多種不同類型細胞的多能細胞，有了干細胞之后再精確轉化為神經元。

神經元可以通過芯片提供的少量隨機或模式化信息進行“訓練”。錯誤的響應會接收到隨機信息，而正確的響應會接收到模式化數據。隨著時間的推移，神經元開始學習哪些響應是正確的。

這就是 Cortical Labs 如何教會名為“Dishbrain”的系統(tǒng)玩乒乓球的。值得注意的是，DishBrain 并非專業(yè)的乒乓球員，它擊中的球比錯過的球略多。但它的表現已經優(yōu)于那些只接受刺激但沒有反饋的系統(tǒng)。自那時起，該系統(tǒng)得到了顯著改進，開發(fā)了新的軟件和硬件，以更好地容納神經元并提高其準確性。

科學界的不同視角

雖然利用神經元玩乒乓球是該領域的首次嘗試，但科學家們多年來一直在創(chuàng)建稱為“腦類器官”（brain organoids）的神經元小團塊，以用于藥物測試或研究人類大腦的發(fā)育過程。

昆士蘭大學從事干細胞研究數十年的生物學家恩斯特·沃爾維坦（Ernst Wolvetang）教授指出，Cortical Labs使用的神經元團塊結構相對簡單。

“Cortical Labs采用二維方式在芯片上平鋪神經元，而我們的實驗室則研究三維類器官，這些類器官含有更多細胞類型，神經網絡結構也更為復雜精密。我們正利用人類干細胞構建扁豆大小的人腦模型，”他解釋道。

盡管存在這些差異，沃爾維坦教授仍與這家初創(chuàng)企業(yè)開展合作，“最初我們對二維神經網絡能如此迅速學習的能力持懷疑態(tài)度，但Cortical Labs不僅開發(fā)出了一套極佳的神經元培養(yǎng)裝置，還設計了軟件和分析方法，證明這些神經網絡確實具備學習能力。”

經過測試后的CL-1芯片和神經元呈現朦朧狀態(tài)。（圖片來源：Cortical Labs）

沃爾維坦教授計劃將他實驗室培育的扁豆大小類器官與Cortical Labs開發(fā)的軟硬件結合起來，以驗證三維類器官是否能像二維神經網絡一樣進行學習。一旦確認類器官具備學習能力，他有大量研究課題希望展開探索，例如在類器官中引入神經退行性疾病模型，解釋這些疾病如何影響記憶或學習能力。

他表示，“我知道這種想法的來源，因為很明顯，這些人類神經元網絡學習速度非常快，現階段我愿保留判斷，因為學會玩《乒乓》是一回事，而做出復雜決策則是另一回事。”

培養(yǎng)皿中腦細胞的倫理挑戰(zhàn)

斯利維亞·韋爾薩科（Silvia Velasco），是墨爾本兒童研究所的干細胞研究人員，研究方向是利用腦類器官來了解人類大腦皮層是如何形成的。“大腦皮層最能體現人腦的獨特性，因為它在人類中的外觀和發(fā)育方式與其他物種有明顯差異，”她解釋道。

CL1系統(tǒng)旨在容納并保護神經元團塊。（圖片來源：Cortical Labs）

“作為一名研究腦類器官的科學家，我經常思考自己工作的倫理影響。”許多從事該領域的科學家，包括Cortical Labs的團隊，都充分意識到他們研究的敏感性。

雖然目前使用的類器官在復雜度上遠不及真實大腦，但人們擔憂，最終更大規(guī)模的神經網絡可能產生意識或對自身狀態(tài)的理解，甚至可能獲得類似人類的能力。

“就現階段而言，我認為這種擔憂毫無根據。如果不能利用這個有望治愈嚴重腦部疾病的系統(tǒng)，將是一個錯失的機會，”維拉斯科博士表示，“但同時，評估和預見這些模型使用可能引發(fā)的潛在問題也很重要。”

對卡根博士而言，這些倫理問題同樣值得關注，但該領域仍處于初期階段，尚難以確定倫理邊界在哪里。“我們無法給出明確答案。這是事實。這正是我們與大量生物倫理學家合作的原因，”他坦言。“我們不希望在培養(yǎng)皿中造成任何痛苦。”

相反，他們希望將這些神經元作為一種電路系統(tǒng)使用，并在運行過程中不斷測試和評估。卡根博士認為，“酷的是，我們不必在培養(yǎng)皿中創(chuàng)造一個小人類，或者貓或老鼠，我們可以構建分離的腦細胞系統(tǒng)，并用于我們想要的目的。它們不會具有意識等特質，我們能夠對此進行測試和評估，并在存在風險的情況下避免這些特征。”