"类器官智能" - 由人类脑细胞驱动的革命性生物计算机

"类器官智能"-由人类脑细胞驱动的革命性生物计算机人工智能（AI）长期以来一直受到人脑的启发。这种方法被证明是非常成功的。人工智能拥有令人印象深刻的成就--从诊断医疗状况到创作诗歌。尽管如此，原始模型仍然在许多方面优于机器。这就是为什么，例如，我们可以通过网上琐碎的图像测试"证明我们的人性"。如果我们不试图让人工智能更像大脑，而是直接从源头开始呢？跨越多个学科的科学家们正在努力创造革命性的生物计算机，其中脑细胞的三维培养物，称为脑器官，作为生物硬件。他们在《科学前沿》（FrontiersinScience）杂志上描述了他们实现这一愿景的路线图。实验室培养的大脑类器官的放大图像，带有不同类型细胞的荧光标记。(粉红色-神经元；红色-少突胶质细胞；绿色-星形胶质细胞；蓝色-所有细胞核）。资料来源：托马斯-哈通，约翰霍普金斯大学"我们把这个新的跨学科领域称为'类器官智能'（OI），"约翰霍普金斯大学的托马斯-哈同教授说。"一个由顶级科学家组成的团体已经聚集起来开发这项技术，我们相信它将开启一个快速、强大和高效的生物计算新时代。"什么是脑器官，为什么它们会成为强大的计算机？脑器官是一种实验室培养的细胞文化。尽管脑器官不是"迷你大脑"，但它们共享大脑功能和结构的关键方面，如神经元和其他脑细胞，它们对学习和记忆等认知功能至关重要。此外，大多数细胞培养物是平坦的，而类器官有一个三维结构。这使培养物的细胞密度增加了1000倍，意味着神经元可以形成更多的连接。但是，即使大脑器官是对大脑的良好模仿，为什么它们会成为好的计算机？毕竟，计算机不是比大脑更聪明和更快吗？类器官智能。生物计算的新领域信息图。资料来源：Frontiers/约翰霍普金斯大学哈同解释说："虽然硅基计算机在数字方面当然更好，但大脑在学习方面更好。例如，AlphaGo[在2017年击败世界头号围棋选手的人工智能]是根据16万场比赛的数据训练的。一个人必须每天下5个小时，超过175年才能经历这些游戏。"大脑不仅是卓越的学习者，它们也更节能。例如，训练AlphaGo所花费的能量比维持一个活跃的成年人十年所需的能量还要多。"大脑还具有惊人的存储信息的能力，估计有2500TB，我们正在达到硅计算机的物理极限，因为我们无法将更多的晶体管装入一个小小的芯片。但是大脑的接线方式完全不同。它有大约1000亿个神经元，通过超过1015个连接点连接。与我们目前的技术相比，这是一个巨大的功率差异。"类器官智能生物计算的新领域信息图类器官智能生物计算机会是什么样子？根据哈通的说法，目前的大脑有机体需要扩大规模以实现有机体智能。"他们太小了，每个都包含大约5万个细胞。他解释说："对于有机智能，我们需要将这个数字增加到1000万。同时，作者们还在开发与有机体沟通的技术：换句话说，向它们发送信息并读出它们的"想法"。作者计划从不同的科学学科中调整工具，如生物工程和机器学习，以及设计新的刺激和记录设备。类器官智能需要不同的技术来与大脑类器官沟通信息图。资料来源：Frontiers/约翰霍普金斯大学"我们开发了一种脑机接口设备，这是一种用于有机体的脑电图帽，我们在去年8月发表的一篇文章中介绍了它。它有着一个灵活的外壳，上面密布着微小的电极，既能接收来自类器官的信号，又能向它传输信号，"哈同说。作者设想，最终，OI将整合广泛的刺激和记录工具。这些将协调相互连接的类器官网络之间的互动，实现更复杂的计算。有机体智能可以帮助预防和治疗神经系统疾病有机体智能的前景超越了计算，进入了医学领域。由于诺贝尔奖获得者约翰-格登和山中伸弥开发的一项突破性技术，大脑有机体可以从成人组织中产生。这意味着科学家们可以从患有神经疾病（如阿尔茨海默病）的病人的皮肤样本中开发出个性化的脑器官。然后他们可以进行多种测试，研究遗传因素、药物和毒素如何影响这些病症。类器官智能将推动医学研究和创新信息图"通过有机体智能，我们也可以研究神经系统疾病的认知方面，"哈同说。"例如，我们可以比较来自健康人和阿尔茨海默氏症患者的器官中的记忆形成，并尝试修复相对的缺陷。我们还可以使用有机体来测试某些物质，如杀虫剂，是否会导致记忆或学习问题。"考虑到伦理因素创造能够学习、记忆和与环境互动的人脑器官，会引发复杂的伦理问题。例如，他们能否发展出意识，即使是最基本的形式？他们能不能体验到疼痛或痛苦？人们对由其细胞制成的脑器官有什么权利？"嵌入式伦理学"将确保负责任地开发类器官智能信息图。资料来源：Frontiers/约翰霍普金斯大学作者敏锐地意识到了这些问题："我们愿景的一个关键部分是以道德和社会责任的方式开发有机体智能，为此，我们从一开始就与伦理学家合作，建立一个'嵌入式伦理'方法。随着研究的发展，所有的伦理问题都将由科学家、伦理学家和公众组成的团队持续评估。"我们离第一个有机体智能还有多远？尽管有机体智能仍处于起步阶段，该文章的共同作者之一--皮质实验室的布雷特-卡根博士最近发表的一项研究提供了概念的证明。他的团队表明，一个正常的、扁平的脑细胞培养物可以学习玩视频游戏Pong。...PC版：https://www.cnbeta.com.tw/articles/soft/1347995.htm手机版：https://m.cnbeta.com.tw/view/1347995.htm

由人类脑细胞驱动的计算新领域： "有机体智能"

由人类脑细胞驱动的计算新领域："有机体智能"最近发表在《科学前沿》杂志上的一篇文章概述了该团队的"类器官智能"计划。"带领这项工作的约翰霍普金斯大学彭博公共卫生学院和怀特工程学院的环境健康科学教授托马斯-哈同说："计算和人工智能一直在推动技术革命，但它们正在达到一个上限。"生物计算是压缩计算能力和提高其效率的巨大努力，以突破我们目前的技术极限。"托马斯-哈同实验室生产的脑器官模型的放大图像，染色后显示为洋红色的神经元，蓝色的细胞核，以及红色和绿色的其他支持细胞。资料来源：JessePlotkin/约翰霍普金斯大学近二十年来，科学家们一直在使用微小的器官组织，即类似于完全生长的器官的实验室培养的组织，来进行肾脏、肺部和其他器官的实验，而不需要借助于人类或动物试验。最近，哈同和约翰-霍普金斯大学的同事们一直在研究大脑器官，即具有神经元和其他特征的笔点大小的球体，有望维持学习和记忆等基本功能。哈同说："这开启了对人类大脑如何工作的研究。"因为你可以开始操纵这个系统，做一些你在道德上无法用人类大脑做的事情。"实验室在2012年开始使用来自人类皮肤样本的细胞，将其重新编程为类似胚胎干细胞的状态，将脑细胞生长并组装成功能性器官。每个类器官包含约50000个细胞，大约相当于一只果蝇的神经系统的大小。他现在设想用这种大脑类器官建立一个未来的计算机。在这种"生物硬件"上运行的计算机可能在未来十年开始缓解超级计算的能源消耗需求，这种需求正变得越来越不可持续。尽管计算机处理涉及数字和数据的计算比人类更快，但大脑在做出复杂的逻辑决定方面要聪明得多，比如区分狗和猫。托马斯-哈同在他位于约翰霍普金斯大学彭博公共卫生学院的实验室里与脑器官在一起。资料来源：威尔-柯克/约翰霍普金斯大学"大脑仍然是现代计算机无法比拟的，"哈同说。"Frontier"是肯塔基州最新的超级计算机，是一个价值6亿美元、占地6800平方英尺的装置。仅在去年6月，它首次超过了单个人脑的计算能力--但使用的能量是100万倍。"可能需要几十年的时间，类器官智能才能为像老鼠一样聪明的系统提供动力。但是，通过扩大脑器官的生产规模，用人工智能训练它们，他预见到未来生物计算机将支持卓越的计算速度、处理能力、数据效率和存储能力。哈同说："在我们实现与任何类型的计算机相媲美的目标之前，还需要几十年的时间。但如果我们不开始为此创建资金项目，它将会更加困难。"共同领导调查的约翰霍普金斯大学环境健康和工程系助理教授LenaSmirnova说，类器官智能也可以彻底改变神经发育障碍和神经变性的药物测试研究。斯米尔诺瓦说："我们想比较来自典型发育的捐赠者的脑器官和来自自闭症捐赠者的脑器官。我们正在开发的生物计算工具，也是让我们了解自闭症特有的神经元网络变化的工具，而不必使用动物或接触病人，这样我们就可以了解病人为什么有这些认知问题和障碍的根本机制。"为了评估利用类器官智能工作的伦理影响，一个由科学家、生物伦理学家和公众成员组成的不同联盟已经被嵌入到团队中。...PC版：https://www.cnbeta.com.tw/articles/soft/1351187.htm手机版：https://m.cnbeta.com.tw/view/1351187.htm

科学家计划用真正的脑细胞建造下一代超级计算机

科学家计划用真正的脑细胞建造下一代超级计算机研究人员正在用脑器官进行实验，它是脑细胞的三维培养物，模仿完全发育的器官的功能，作为生物计算硬件的处理中心。被称为"类器官智能"，参与该项目的实验室培养的脑细胞器官能够保留核心认知功能，如记忆和学习。该团队指出，硅基计算机擅长处理数字，但它们在学习方面不如人脑好。此外，大脑的能效大大提高，而且组成的神经元可以在有限的空间内同时存储数量极大的信息。小规模的开始，雄心勃勃的目标大脑生物体的放大图像杰西-普罗特金/约翰霍普金斯大学目前，每个类器官包含大约5万个脑细胞，但为了达到理想的计算能力水平，该团队的目标是培养出包含大约1000万个脑细胞的类器官。同时，研究小组还在研究与这些器官体进行有效沟通的途径系统，以转达信息并了解这些细胞集群的想法。托马斯-哈通教授解释说："这是一个灵活的外壳，上面密布着微小的电极，既能接收来自类器官的信号，又能向其传递信号。最终目标是开发刺激和记录工具，以控制有机体网络之间的互动。"就进展而言，该团队已经证明，一个扁平的脑细胞培养物能够学习和玩乒乓球游戏。整个"类器官智能"的概念仍处于起步阶段，但从事这项工作的团队相信，在不久的将来，生物计算将彻底改变神经疾病的药物测试研究等领域。...PC版：https://www.cnbeta.com.tw/articles/soft/1347051.htm手机版：https://m.cnbeta.com.tw/view/1347051.htm

八万鼠脑细胞造出一台活体计算机

八万鼠脑细胞造出一台活体计算机在最新研究中，伊利诺伊大学厄巴纳-香槟分校研究团队首先在培养皿中培育了大约8万个来自经过编程的小鼠干细胞的神经元，随后将神经元置于光纤下方和电极网格上，让其接受电和光的刺激，所有元件都被放在一个手掌大小的盒子里，盒子置于保温箱里，以让细胞保持活力。为训练神经元计算机区分不同的信号模式，研究团队创造出了10种不同的电脉冲和闪光模式，并在一个小时内反复播放这些模式，同时使用传统的计算机芯片记录和处理神经元产生的电信号。结果表明，每次出现相同模式时，神经元都会产生相同的信号。此外，研究人员也借助储层计算，让神经元和芯片分工合作，将识别和处理信号耗费的时间和能量降至最低。为评估该设备的性能，研究团队计算了名为F1的性能分数，该分数通常用于指示神经网络识别模式的效率，其中0最差，1最好，该设备的最佳得分为0.98。最新研制出的设备可集成到使用活体肌肉组织制成的机器人内。将神经元融入机器人中意味着神经元可感知环境，然后一次处理这些输入。研究人员表示，使用活细胞进行计算，尤其是储层计算，有助于制造出节能设备，即使其中一些元件出现故障，这些设备仍能继续工作。因此，与传统的机器人相比，将活神经元和储层计算相结合的机器人可能具有优势。...PC版：https://www.cnbeta.com.tw/articles/soft/1350249.htm手机版：https://m.cnbeta.com.tw/view/1350249.htm

脑器官组织"Brainoware"显示了新一代生物计算机的潜力

脑器官组织"Brainoware"显示了新一代生物计算机的潜力美国印第安纳大学布卢明顿分校的郭锋（音译）和研究团队通过在培养皿中培育成团的人类脑细胞，创造出了"大脑有机体"。然后，他们将这些生物有机体与计算机芯片连接起来，创建了Brainoware系统，该系统似乎可以在执行计算任务的同时与人工智能算法"对话"，进行信号解码。这项研究最近发表在《自然-电子学》（NatureElectronics）上，描述了旨在模拟人脑结构和工作原理的"大脑启发计算硬件"。研究人员说，Brainoware具备处理、学习甚至记忆信息的潜力，可以为解决当前人工智能技术的局限性提供一种解决方案。虽然在硅芯片上运行的人工智能算法在处理大型数据集时效率极高（也很有效），但它们无法与人脑在消耗极少能量的情况下处理复杂信息的能力相媲美。而Brainoware中的大脑有机体是真正的脑细胞，可以发送和接收通过电信号编码的信息。当研究人员对Brainoware施加电刺激时，混合生物芯片装置会对这些信号做出反应。该系统所连接的神经网络也发生了变化，这表明该系统确实能够处理信息，甚至可以"在无人监管的情况下"执行计算任务。研究人员使用由八个人录制的240个日语元音发音片段，通过语音识别任务测试了Brainoware的所谓能力。这些片段被转换成电信号，然后输送给Brainoware，Brainoware产生电信号响应，随后输送给人工智能工具进行解码。类脑人工智能装置最终能够解码录音信号，但该技术提供的语音识别准确率"非常低"。通过进一步的训练，准确率提高到了87%，但与实际的全数字人工神经网络相比，准确率仍然较低。一些研究人员对新研究中描述的结果表示怀疑。约翰-霍普金斯大学公共卫生助理教授莉娜-斯米尔诺娃（LenaSmirnova）指出，大脑有机体无法真正"听到"语音；它们只能对电刺激做出反应。此外，这项研究也没有证明Brainoware能否以及如何长期处理和存储信息或学习多项任务。...PC版：https://www.cnbeta.com.tw/articles/soft/1404553.htm手机版：https://m.cnbeta.com.tw/view/1404553.htm

集成 16 个类脑器官 全球首个生物计算平台上线

集成16个类脑器官全球首个生物计算平台上线近日，瑞士生物计算初创公司FinalSpark推出了全球第一个基于体外生物神经元的在线生物计算平台“Neuroplatform”，能够进行学习和处理信息，相比传统数字处理器的功耗低了100万倍。Neuroplatform由16个类脑器官组成，其中每4个使用多电极阵列（MEA）来容纳活体组织，即脑组织的3D细胞团。换言之，每个MEA可容纳四个有机体，总共使用8个电极连接，用于刺激和记录。(科技新报)