來源：生物探索 2023-04-07 09:23
AlphaGo在與世界頂級圍棋選手多場對局中的傲人戰(zhàn)績證明了人工智能（AI）在學習與計算復雜問題上所能達到的高度，ChatGPT的橫空出世又讓許多人驚嘆于AI所能達到的超強信息整合能力與接近人類水平的
AlphaGo在與世界頂級圍棋選手多場對局中的傲人戰(zhàn)績證明了人工智能（AI）在學習與計算復雜問題上所能達到的高度，ChatGPT的橫空出世又讓許多人驚嘆于AI所能達到的超強信息整合能力與接近人類水平的自然語言處理能力，然而，盡管AI已經創(chuàng)造出許多突破性的成績，但在某些方面，它的表現(xiàn)仍然弱于其所想要模仿的人類智能。
首先是運行功耗，例如美國超級計算機Frontier以21MW的功耗在LINPACK 基準測試中達到了1.102 exaFlops的峰值計算性能，即每秒完成一百億億次浮點運算，其能效已經超越同類超級計算機，然而人腦僅需20瓦的功耗就能以相同的1 exaFlop運行。
其次，大腦的學習效率仍不是AI所能企及。比如在簡單的辨別“相同或不同”的任務中，人類僅需10個左右的訓練樣本即可完成學習，簡單生物如蜜蜂也僅需百余個樣本，而機器則可能面對上百萬個訓練樣本依然無法完成學習。擊敗世界圍棋冠軍的AlphaGo也是在接受了16萬場比賽的數(shù)據(jù)訓練后，才達到如今的水平，相當于人類以每天五小時的強度持續(xù)訓練175年之久。
學習效率的低下進一步增加了機器完成任務所需的能源消耗，甚至成為了限制了機器學習的天花板。此外，摩爾定律即將達到它的物理極限，很快人類將無法使更多晶體管裝入晶片，而大腦以另一種方式存儲信息，千億數(shù)量級的神經元通過千萬億數(shù)量級的連接，可實現(xiàn)2500TB的存儲容量。
這使得科學家不禁思考，如果繞開讓AI變得更接近人腦的嘗試，直擊本源，讓人腦來完成計算呢？
2月28日，約翰霍普金斯大學Thomas Hartung教授率領多學科團隊在Frontiers in Science發(fā)布“類器官智能”（organoid intelligence，OI）計劃。在文章“Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish”中，他們描繪了以腦類器官為硬件創(chuàng)造顛覆性生物計算機的未來愿景，并預計這種技術將指數(shù)級提升現(xiàn)代計算的能力，同時開辟出全新的研究領域。
圖1 Thomas Hartung展示腦類器官（圖源：約翰霍普金斯大學）
在過去的十年中，腦細胞培養(yǎng)已經從傳統(tǒng)的單層培養(yǎng)轉向更接近器官、更有組織的3D培養(yǎng)。細胞的來源通常是由人類體細胞重編程為的多能干細胞。之所以能以“類器官”稱呼該3D神經細胞培養(yǎng)物，則是因為其細胞密度、電生理活動、髓鞘以及參與生物學習的各類細胞的存在，均與大腦接近，可以說在結構和功能等方面堪稱大腦的“試用裝”。
以此為基礎，Hartung給出了類器官智能的定義：利用腦類器官的自組裝機制來記憶和計算輸入。
不過，要用這種腦類器官建造計算機，Hartung表示，需要將目前大約5萬個細胞的規(guī)模擴大至1000萬。此外，需要在此規(guī)模上生成出可靠的微流體灌注系統(tǒng)，以支持腦類器官的代謝存活和化學信號的發(fā)放。
以上雖然仍只是設想，但文章的作者之一、澳大利亞墨爾本私營公司Cortical Labs首席科學官Brett Kagan進行的一項研究提供了極為接近的例子：他們80萬細胞規(guī)模的2D腦細胞培養(yǎng)物在5分鐘內學會了“打乒乓”的電子游戲，而AI則需要90分鐘。
圖2 腦細胞培養(yǎng)物“打乒乓”（圖源：[2]）
與AI一樣，類器官智能需要通過接收輸入來學習與計算，然后再將結果輸出給人類。這就需要使用一種類器官智能“聽得懂也說的出的語言”與之交流。此外，人們并不希望只把類器官智能當作一個黑箱，其內部狀態(tài)也希望能得到實時的監(jiān)測。
就這一問題，Hartung團隊已經開發(fā)出一種類似于“迷你EEG腦電帽”的接口設備——3D 微電極陣列（3D microelectrode arrays，3D MEA）。該設備是像一層柔軟、可彎折的外殼包裹在腦類器官外，內側布滿的高分辨率探針電極允許對類腦器官的表層進行多通道的刺激和記錄。
圖3 3D MEA記錄的三個代表性通道（圖源：[1]）
為類器官智能提供給復雜的生物輸入將帶來更多可能性，譬如將視網(wǎng)膜與腦類器官相連，有望構建出一個完全近乎于人類視覺的系統(tǒng)。
此外，Hartung還在文章中提出，可進一步探索光學成像全息技術、高通量電生理記錄等方法來幫助實現(xiàn)類器官智能的“聽與說”。因此產生的新型生物數(shù)據(jù)形式，也需要開發(fā)相應的大數(shù)據(jù)基礎設施和標準來進行儲存、統(tǒng)籌和處理。
除了將類器官智能用于學習和計算，Hartung還提出了其在醫(yī)學中的兩個應用方面。
其一是用于基礎神經科學，雖然目前腦類器官還尚未達到智能的水平，但其具備支持基本認知操作的機制，這可以幫助神經科學家進一步了解大腦如何產生認知功能。
其二是用于毒理學和藥理學的研究。由于腦類器官誕生于皮膚細胞誘導的多能干細胞，因此可以通過比較健康捐贈者和患病捐贈者的腦類器官來了解諸如自閉癥、阿爾茲海默病所造成的疾病特征和功能差異，以及能否修復。此外，還可以測試殺蟲劑等物質對認知缺陷造成的影響。
倫理問題在腦類器官的研究中不可忽視。隨著腦類器官在結構上變得更加復雜，以及在接受輸入、產生輸出的過程中建立起原始的記憶，腦類器官是否會發(fā)展出意識、是否會體驗到痛苦、科學界對這些類器官智能擁有怎樣的權利等問題的判定將引發(fā)公眾對于“它們”所應持有的道德地位和社會福利的討論。
對此，Hartung已經有了敏銳的意識，并從一開始就與衛(wèi)生政策與管理系的教授Jeffrey Kahn博士密切合作，由Kahn領導倫理問題的討論。在工作中，他們提出了兩個主要的策略，其一是“嵌入式倫理”，在研究的發(fā)展過程中，所有倫理問題由倫理學家參與規(guī)劃并持續(xù)提出意見。其二則側重于公眾，團隊將向公眾廣泛而清晰的分享工作進展，并依據(jù)人們對這項技術的看法而制定相應的研究計劃。
雖然Hartung認為，離類器官智能真正達到現(xiàn)有AI的水平還需要幾十年的時間，但起點應該從現(xiàn)在開始，為類器官智能構建社區(qū)、工具和技術，最終實現(xiàn)類器官智能在計算速度、處理能力、數(shù)據(jù)效率和存儲能力上的全部潛力。
