墨尔本一家初创公司推出了首款芯片上有神经元的“商用生物计算机”。（图片来源：Cortical Labs）
文章来源: www.abc.net.au – 新闻取自各大新闻媒体，新闻内容并不代表本网立场！
简而言之：
一家澳大利亚初创公司在巴塞罗那举行的一次会议上推出了由人类脑细胞制成的“第一台商业化生物计算机”。
其背后的团队相信它可以用作一种简单的生物人工智能，但其他人对该技术的潜力持谨慎态度。
下一步是什么？
该领域的研究人员强调了潜在的伦理影响，但表示当前的系统太原始，无法感觉或理解。
去年年底，墨尔本一个温暖的日子，数十万个活的人类脑细胞被放在布伦瑞克市一张桌子上的一个盒子里。
虽然这些神经元太小，无法用肉眼看到，但初创公司 Cortical Labs 的首席科学官 Brett Kagan 指着 一个显示类似心电图尖峰的大型显示器。
这些峰值表明健康的脑细胞正在对来自附近计算机的输入做出反应。
简而言之，神经元正在学习。
今天，卡根博士和他的团队在巴塞罗那的一个国际技术会议上推出了这款名为 CL1 的产品，承诺向各公司提供“第一台商业化的生物计算机”。
CL1 可以在类似云的系统中远程使用，该团队称之为“湿件即服务”。（ABC Science：Jacinta Bowler）
CL1充满了数十万个实验室制造的神经元，其大小介于蚂蚁和蟑螂的大脑之间， 具有学习的潜力。
但就连卡根博士也无法想象人类神经元究竟要承担什么任务。
他很期待看到其他研究人员和科技公司能提出新的成果。
“有很多不同的选择，”他说。
这家墨尔本的初创企业已经取得了一些成功，成功在 2022 年教会培养皿中的神经元玩乒乓球。
Brett Kagan 很高兴看到团体如何以“尚未想象到”的方式使用 CL1。 （ABC Science：Jacinta Bowler）
这可能是“疾病建模，或药物测试”，卡根博士说。
但他们的最终目标，以及他们在这次会议上所推动的，是将这些微小的神经元集合用作一种生物人工智能。
“我们希望利用这些细胞来获取智慧。”
但其他在该领域工作的科学家表示，虽然像 CL1 这样的系统可能很有用，而且该团队所做的事情也很有趣，但这项技术也有局限性。
什么是“生物人工智能”？
CL1 背后的想法是，既然像谷歌和 OpenAI 这样的公司正在尝试创建一种像大脑一样运作的人工智能，那么为什么不利用其各个部分——神经元——来实现相同的目标呢？
卡根博士说：“唯一具有‘通用智能’的东西……是生物大脑。”
像 CL1 这样的培养皿中的神经元系统并不是人工智能，而 Chat-GPT 或 DALL-E 并不是人工智能。就连 Kagan 博士的期望值也要小得多。
他说：“我们并不是要试图取代当前人工智能方法所擅长的事情。”
但据他介绍，神经元本质上有几种工作方式，使得它们在某些情况下有用，例如医学研究。
第一，是功耗。
当前一代传统人工智能模型需要极大的能量才能产生结果。
另一方面，CL1 仅使用 几瓦的功率。
“并非所有系统都必须消耗大量电力，”
他说。
卡根博士认为，第二个好处是大脑的学习速度更快。
他说：“人类、老鼠、猫和鸟类能够做到而人工智能做不到的是从极少量的数据进行推断，然后做出复杂的决策。”
“Dishbrain”是如何学会玩乒乓球的
CL1 并不比鞋盒大多少。
大部分 细胞都是为了容纳和维持神经元的活力而建造的。神经元非常挑剔，它们需要保持在最佳状态，包括清除废物、补充营养物质和阻止有害微生物进入。
但最重要的部分是芯片——一个小型的硅装置，上面和彼此上连接着数十万个实验室培育的人类神经元。
此类芯片可培育出可“传授”简单信息的神经元簇。（图片来源：Cortical Labs）
神经元是在实验室中生成的，这个过程将血细胞转化回干细胞（可以发育成多种不同类型细胞的细胞），然后再转化为神经元。
卡根博士说：“它们是由志愿者少量血液产生的诱导干细胞培育而成的。”
“与医生进行常规检查所需的一样。”
可以通过芯片提供的少量随机或模式化信息来“教导”神经元。错误的响应接收随机信息，而正确的响应接收模式化数据。最终，神经元开始学习正确的响应是什么。
这就是 Cortical Labs 教导系统的方法，然后调用“Dishbrain”来玩 Pong。
值得注意的是，DishBrain 并不是专业的乒乓球选手，它击中的球比它漏掉的球稍多。但它比一个只收到刺激但没有反馈的系统要好。
从那时起，该系统就不断更新，并创建了软件和硬件来容纳神经元并提高其准确性。
用于研究的脑细胞
虽然玩乒乓球是该领域的首创，但多年来，科学家们一直在创造微小的神经元团块（称为脑器官）来测试药物或研究人类大脑的形成方式。
昆士兰大学生物学家恩斯特沃尔维坦 (Ernst Wolvetang) 几十年来一直致力于干细胞研究，他指出 Cortical Labs 使用的神经元团块相对简单。
Cortical Labs 在 2D 芯片上研究平面神经元，而 Wolvetang 教授的实验室则研究 3D 类器官， 他表示这类类器官“具有更多的细胞类型和更复杂的神经元网络”。
“我们正在利用人类干细胞构建扁豆大小的人类大脑模型。”
他说。
但尽管存在这种差异，沃尔维坦教授仍与这家初创企业合作，并认为这两个团队可以互相补充。
他说：“我们最初对二维神经网络如何能够学习得如此之快有点怀疑。”
“但 [Cortical Labs] 不仅开发出了一种非常好的机器来放置这些神经元，而且还开发了软件和分析方法，表明这些神经网络确实具有学习能力。”
CL-1 芯片和神经元在测试后变得模糊不清。 （图片来源：Cortical Labs）
Wolvetang 教授希望将他实验室的扁豆大小的类器官与 Cortical Labs 开发的软件和硬件一起使用，看看他们的 3D 类器官是否能以与 2D 神经元网络相同的方式学习。
一旦他们能够确认类器官正在学习，他就想探索大量的研究问题。
将神经退行性疾病模型引入类器官可以解释它们如何影响记忆或学习。
但沃尔维坦格教授对于将培养皿中神经元的计算能力等同于人工智能却不太确定。
“我知道它来自哪里，因为很明显这些人类神经网络的学习速度非常快，”他说。
“现阶段，我想保留我的判断，因为学习乒乓球是一回事，但做出复杂的决定又是另一回事。”
培养皿中的脑细胞伦理问题
默多克儿童研究所的干细胞研究员西尔维娅·贝拉斯科 (Silvia Velasco) 利用脑器官了解人类大脑皮层的形成方式。
她说：“‘大脑皮层’最能体现人类大脑的独特性，因为人类的大脑皮层与其他物种的大脑皮层外观和发育方式都不同。”
“作为一名研究脑器官的科学家，我经常会思考我的工作所涉及的伦理问题。”
该领域的许多科学家以及 Cortical Labs 的团队都很清楚他们的研究的敏感性。
CL1 系统旨在控制和保护神经元团块。 （图片来源：Cortical Labs）
虽然目前使用的类器官与大脑的复杂性相比还有很长的路要走，但人们担心最终更大的网络可能会体验到意识或对其状况的理解。
它们甚至可以获得与人类相似的能力。
“目前，我认为这是毫无根据的担忧。我认为，如果不能使用有望 治愈毁灭性脑部疾病的系统，那将是一次错失的机会，”Velasco 博士说。
“但与此同时，我们必须评估并预测使用这些模型可能引发的潜在问题。”
对于卡根博士来说，这些潜在的担忧也是一个问题，但该领域仍处于起步阶段，尚不清楚道德底线在哪里。
“我们无法回答这个问题。这是事实。这就是我们与大量生物伦理学家合作的原因，”他说。
“我们不想在菜肴中制造任何痛苦。”
相反，他们希望将这些神经元用作一种电路，在系统运行过程中对其进行测试和评估。
“最酷的是，我们不必在盘子里创造一个小人，或者一只猫或一只老鼠，”他说。
“我们可以构建独立的脑细胞系统，并将它们用于我们想要的目的。它们不会具有意识之类的特征，我们可以对此进行测试和评估，如果存在这种风险，我们可以放弃它。”