澳洲團隊造出會打小遊戲的生物計算機 用人腦細胞打造
3月7日消息，在西班牙巴塞羅那世界移動通信大會上，澳大利亞初創企業Cortical Labs發佈全球首款基於人腦細胞的商用生物計算機CL1。該系統採用實驗室培育的二維神經元聚集體，通過電信號反饋機制實現基礎學習能力，團隊稱其可作爲低功耗生物型AI應用於藥物測試及神經科學研究。學界對其潛力持審慎態度：專家證實該系統雖能完成《乒乓》遊戲等簡單任務，但與複雜決策智能存在代差；倫理學家則警示未來或面臨意識覺醒風險，不過多數研究者強調，當前類腦模型僅含數十萬神經元（不及昆蟲大腦複雜度），完全不具備自主意識特徵。
以下爲翻譯內容：
去年底墨爾本的一個溫暖午後，數十萬活體人腦細胞存置於布倫瑞克區某張桌子上的盒子裡。儘管肉眼無法看見這些神經元，初創企業Cortical Labs首席科學官佈雷特·卡根（Brett Kagan）指向顯示類心電圖信號的大型監控屏。這些信號證明健康的腦細胞正在響應附近計算機的輸入。
卡根表示，“簡而言之，它們在學習。”
卡根和他的團隊在西班牙巴塞羅那舉行的一場國際科技峰會上推出了首款商用生物計算平臺CL1。在這個裝置內，數十萬實驗室培育的神經元正蓄勢待發，它們的數量介於螞蟻和蟑螂大腦的神經元數量之間。雖然連卡根博士這樣的創造者都難以預測這些腦細胞的具體應用場景，但他非常期待其他研究人員和科技公司能夠探索出更多可能性：“可能性多種多樣。”
這家位於墨爾本的初創企業早已經在生物計算領域嶄露頭角。2022年，他們成功訓練出培養皿中的神經元玩電子遊戲《乒乓》。卡根博士透露，這項技術未來可能用於“疾病建模或藥物測試”。不過他們的終極目標是利用這些微小的神經元集合開發出一種生物型人工智能。這也是他們本次大會上重點展示的內容。
其他從事相關領域研究的科學家指出，雖然像CL1這樣的系統可能具有一定用途，而且團隊工作非常有意思，但這種技術仍存在侷限。
什麼是“生物型人工智能”？
CL1系統背後的理念是，既然像谷歌和OpenAI這樣的公司正在試圖開發出像大腦一樣運轉的人工智能，爲何不直接利用大腦的基本組成部分神經元來實現這一目標呢？卡根博士表示：“唯一具備’通用智能’的只有生物大腦。”他強調，像CL1系統這樣在培養皿中構建的神經元網絡，並不是以ChatGPT或DALL-E那種方式存在的人工智能。卡根博士對這種系統未來能力的期望也相對較低。他說，“我們並不是想取代目前那些人工智能所擅長的任務。”
不過卡根博士認爲，神經元的固有特性更適用於醫學研究等特殊場景。首先能耗很低，目前傳統人工智能模型爲了產生結果需消耗大量能源，而CL1系統的運行功率只有數瓦特。其次，卡根博士提到大腦的學習速度非常快：“人類、老鼠、貓乃至鳥類都能從微量數據中推導出複雜決策，這正是現有人工智能的短板。”
“Dishbrain”如何學會玩遊戲
CL1系統的體積並不大，和鞋盒差不多大小。系統的大部分構造都是爲了容納並維持神經元的存活。神經元對生存環境要求很高，系統需要定期清除廢物、補充營養並防止不良微生物侵入。但最關鍵的部分是芯片，這塊小型硅基設備附着了數十萬經過實驗室培育、彼此相連的人腦神經元。
這些神經元是在實驗室環境下通過重編程技術將血細胞轉化爲誘導幹細胞，再定向培育成神經元。卡根博士介紹說：“這些細胞都來自志願者所提供的血液樣本，採血量與常規體檢相當，但轉化後的神經元能在芯片上建立突觸網絡。”
芯片通過傳遞少量隨機或有規律的信號來“訓練”神經元：正確響應會獲得有序反饋，錯誤則觸發混沌刺激。經過一段時間的訓練後，神經元開始學會判斷什麼纔是正確響應。正是這種機制，讓Cortical Labs開發的初代系統Dishbrain學會玩《乒乓》遊戲。儘管它的擊球成功率僅略高於隨機概率，但表現已經好於僅接受刺激但無反饋的系統。此後Cortical Labs不斷更新系統，培養神經元並提升準確性的配套軟硬件也陸續問世。
研究中使用的腦細胞
雖然讓神經元玩《乒乓》開創了先河，但科學家們多年來始終在培育稱爲腦類器官的微型神經元聚集體，用於藥物測試或研究人腦形成。來自昆士蘭大學的生物學家恩斯特·沃爾維唐（Ernst Wolvetang）長期從事幹細胞研究，他認爲Cortical Labs所使用的神經元聚集體相對簡單。Cortical Labs採用的是二維神經元聚集體，將神經元平鋪在芯片上，而沃爾維唐教授的實驗室則使用三維腦類器官，“包含更多細胞類型，神經元網絡也更復雜精密”。
儘管技術路徑存在差異，但沃爾維唐教授仍與這家初創企業展開合作，並認爲雙方具有互補優勢。"起初我們質疑二維神經網絡何以能如此快速學習，"他說，"但Cortical Labs不僅開發了精良的神經元培養裝置，還設計了驗證學習能力的軟件與分析方法。"
沃爾維唐教授計劃將他實驗室培育的扁豆大小三維腦類器官接入Cortical Labs開發的軟硬件系統，驗證這種三維器官是否具備與二維神經網絡相當的學習機制。一旦證明自己開發的腦類器官具備學習能力，沃爾維唐教授就將深入研究神經退行性疾病對類腦器官記憶功能的影響等課題。但對於將培養皿中神經元的計算能力等同於AI，他持保留態度："我理解這種思路，畢竟這些人類神經網絡學習速度驚人。但學會《乒乓》是一回事，進行復雜決策是另一回事，現階段我保留判斷。"
培養皿中的倫理問題
默多克兒童研究所（Murdoch Children's Research Institute）幹細胞研究員希爾維亞·維拉斯科（Silvia Velasco）利用腦類器官研究人類大腦皮層的形成過程。她表示：“大腦皮層最能體現人腦的獨特性，其結構與發育模式在物種間存在顯著差異。”她補充道：“作爲一名從事腦類器官研究的科學家，我常常思考這項工作可能引發的倫理問題。”
這一領域的許多科學家以及Cortical Labs團隊都深知他們的研究比較敏感。雖然目前使用的腦類器官離真正的大腦相距甚遠，但人們擔心，未來規模更大的神經網絡可能會產生意識或自我認知，甚至可能獲得類似人腦的能力。“目前我認爲這種擔憂並無根據。如果不用這種可能治癒嚴重腦部疾病的系統，那將是一大損失，”維拉斯科說，“但我們必須要評估並預見使用這些模型可能引發的潛在問題。”
卡根博士承認這些擔憂，但認爲領域尚處萌芽階段，難以預判倫理邊界。"我們無法回答，因此與衆多生物倫理學家合作，"他說，"我們構建的獨立腦細胞系統如同電路，可按需使用。它們不會具備意識特徵，我們會測試評估，若存在風險則調整設計以規避。"（辰辰）