未来计算机在脑细胞上运行？“类器官智能”计划和路线图公布

人工智能 (AI) 长期以来一直受到人类大脑结构和运作方式等方面的启发，并且人工智能已经取得了从辅助诊断医疗到创作诗歌等一系列令人印象深刻的成就。尽管如此，原始模型——人类大脑——仍然在许多方面仍然优于机器。

2月28日，美国约翰·霍普金斯大学（Johns Hopkins University）发布消息称，如果我们不尝试让 AI 更像大脑，而是直奔源头会怎么样？ 多个学科的科学家正在努力创造革命性的“生物计算机”，以脑细胞的三维培养物（称为类脑器官）用作硬件。

2月28日，研究人员在国际学术期刊《人工智能前沿》（ Frontiers in Artificial Intelligence）杂志上发表标题为《建立类器官智能社区的首个类器官智能 (OI) 研讨会》（First Organoid Intelligence (OI) workshop to form an OI community）文章，描述了实现这一愿景的路线图。

“我们将这个新的跨学科领域称为‘类器官智能’(OI)，”上述文章的通讯作者、美国约翰·霍普金斯大学布隆伯格公共卫生学院教授教授托马斯·哈东(Thomas Hartung) 表示。

“类器官智能”路线图。

首个类器官智能研讨会、社区和宣言

上述文章称，意识到类器官研究的巨大潜力后，美国约翰·霍普金斯大学于 2022年2月22日至-24 日组织了第一个类器官智能研讨会，由此形成了一个类器官智能（OI ）研究社区，并通过了探索类器官智能的巴尔的摩宣言。

上述文章于首次研讨会结束十个月后、2022年12月5日投稿，2023年2月8日被接受，2月28日在线发表。

该宣言呼吁国际科学界探索基于人脑的类器官细胞的潜力，促进我们对大脑的理解，并探索生物计算新形式，同时认识到和解决相关的伦理问题。会议的参与者以与术语“人工智能”(AI，Artificial Intelligence)一词一致的方式，创造了“类器官智能”(OI，Organoid Intelligence)一词来描述这种研究和开发方法。“人工智能”被用于描述计算机能够执行通常需要人类智能的任务。OI具有广泛而深远的应用潜力，可以造福人类和我们的星球。

该宣言称，OI有望阐明人类认知功能（如记忆和学习）的生理学。它为生物和混合计算提供了改变游戏规则的机会，可以克服硅基计算的重大限制。它提供了在大脑和机器之间的接口方面取得空前进步的前景。最后，OI可以在建模和治疗痴呆症和其他神经生成性疾病方面取得突破，这些疾病会在全球范围内造成巨大且不断增长的疾病负担。实现OI改变世界的潜力需要科学突破。 我们需要人类干细胞技术和生物工程的进步，以重建大脑结构，并模拟其潜在的伪认知能力。我们需要突破接口技术，让我们能够向类器官传递输入信号，测量输出信号，并采用反馈机制来模拟学习过程。我们还需要新的机器学习、大数据和人工智能技术，来让我们了解大脑类器官。除了应对这些科学和技术挑战外，我们还需要（尽可能）预见并解决与这项研究相关并且很大程度上未被探索的伦理挑战。我们必须警惕类器官发展出意识的形式或方面的任何可能性，并减轻和防范这种情况。我们呼吁科学界加入我们的旅程。只有通过合作，我们才能充分发挥 OI 推动科学、技术和医学发展的潜力。

也就是说，类器官智能计划至少包括四方面内容：通过人类干细胞技术和生物工程的进步来重建大脑架构，并对其认知能力潜力进行建模；通过接口方面的突破，让人们能够向类器官传递输入信号，测量输出信号，并采用反馈机制来模拟学习过程；通过新颖的机器学习、大数据和AI技术，让人们能够了解大脑类器官；在类器官智能的开发过程中讨论出一个公认的伦理框架。

脑类器官的细胞染色照片（粉色-神经元；红色-少突胶质细胞；绿色-星形胶质细胞；蓝色-细胞核），来自美国约翰·霍普金斯大学Thomas Hartung实验室。

从细胞到类器官智能

上述研究计划的领导者之一、托马斯·哈东(Thomas Hartung)教授认为，计算和人工智能一直在推动技术革命，但它们正在达到天花板。因此，早在2012年，Hartung实验室就开始将人类皮肤样本细胞重编程为胚胎干细胞样状态，培养脑细胞并组装成功能性类器官。每个这样的类器官包含约5万个细胞。

研究团队表示，一种由人脑细胞驱动的“生物计算机”可能在我们有生之年被开发出来。这些脑类器官只有笔尖大小。

脑类器官是一种实验室培养的细胞培养物。尽管它不是“迷你大脑”，但拥有大脑功能和结构的关键方面，例如拥有神经元和其他对学习和记忆等认知功能至关重要的脑细胞。此外，虽然大多数细胞培养物是扁平的，但类器官具有三维结构，这使其细胞密度增加了1000倍，意味着脑类器官中的神经元可以形成更多的连接。

计算机不是比大脑更聪明、更快吗？  

“虽然硅基计算机在数字方面更好，但大脑更擅长学习”，Hartung解释说。大脑不仅是优秀的学习者，它们也更节能。例如，训练 AlphaGo 所花费的能量，超过维持一个活跃的成年人十年所需的能量。

Hartung补充道，“我们正在达到硅基计算机的物理极限，因为我们无法将更多的晶体管封装到一个微型芯片中。但是大脑的连接方式完全不同。它有大约1000亿个神经元。”

Hartung表示，神经元通过大量的连接点相连，“与我们目前的技术相比，有巨大的功率差异。”“大脑还具有惊人的信息存储能力，估计为 2500TB（注：1TB=1024GB）。”

拿着脑类器官培养板的美国约翰·霍普金斯大学布隆伯格公共卫生学院Thomas Hartung教授。

根据Hartung的说法，目前的大脑类器官太小了，“每个包含大约 50,000 个细胞。对于OI，我们需要将这个数字增加到1000万。”他解释道。

与此同时，作者们也在开发与类器官交流的技术：换句话说，向它们发送信息，并读出它们的“想法”。

“我们开发了一种脑机接口设备，它是一种类器官脑电图帽，我们在去年 8 月发表的一篇文章中介绍了它。它是一个灵活的外壳，上面密密麻麻地覆盖着微小的电极，这些电极既可以从类器官接收信号，也可以向它传输信号，”Hartung说。  

作者设想，最终 OI 将整合不同的刺激和记录工具，以及类器官网络的交互，实现更复杂的计算。  

“有了OI，我们也可以研究神经系统疾病的认知方面，”Hartung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类器官的记忆形成，并尝试修复相对缺陷。我们还可以使用OI来测试某些物质（例如杀虫剂）是否会导致记忆或学习问题。”

尽管OI仍处于起步阶段，但该文章的署名作者之一、署名单位为澳大利亚皮质实验室的Brett Kagan博士最近发表的一项研究提供了概念证明。他的团队发表论文称，正常的、扁平的脑细胞培养物可以学习玩电子游戏Pong。  

“我想说，用类器官复制这个实验已经满足了OI的基本定义。从现在开始，只需构建社区、工具和技术即可实现OI的全部潜力。”Hartung总结道。