墨尔本的一家初创公司推出了首款“商业生物计算机”，其特色是在芯片上集成神经元。（图片来源：Cortical Labs）
澳大利亚Cortical Labs团队研发出全球首款商业化生物计算机CL1，其核心是通过实验室培养的人类神经元集群实现生物人工智能。该技术为神经疾病建模和新型计算范式提供了可能，但复杂决策能力仍需进一步验证。
研究领域：生物计算机，人工神经网络，干细胞编程，神经形态计算，生物AI伦理，反馈学习机制
去年墨尔本的一个温暖午后，数十万个活体人类脑细胞静静地安置在布伦瑞克区一间实验室的桌面容器中。这些精巧的神经元虽然微小到肉眼难以辨识，但Cortical Labs首席科学官布雷特·卡根
（Brett Kagan）
指向大屏幕，上面显示着类似心电图
（ECG-like）
的脉冲波形信号。
“这些波形是健康脑细胞对计算机输入信号做出反应的直接证据，”卡根解释道，“简而言之，这些神经元正在学习。”
今天，卡根博士团队在巴塞罗那的国际技术会议上正式发布了名为“CL1”的新产品，向企业界推出这款“首个商业化生物计算机”。
CL1支持云端远程操作，研发团队将其定义为“湿件即服务”（Wetware-as-a-Service）系统。（ABC科学频道：
Jacinta Bowler
）
CL1装载着数十万实验室培养的神经元，规模介于蚂蚁与蟑螂大脑之间，已具备基础学习能力。然而，即便是卡根博士本人也难以准确预测这些人类神经元最终将承担什么任务。“潜在的应用方向实在太多了，”他期待地说道。
这家墨尔本初创公司已经取得了突破性进展，例如，2022年成功让培养皿中的神经元学会了玩《乒乓》游戏。这种
学习方式极为新颖：神经元通过芯片提供的少量随机或有规律的信息进行"学习"。错误的反应会收到随机信息，而正确的反应则获得有规律的数据。最终，神经元开始学会什么是正确的反应。
值得注意的是，当时称为“Dishbrain”的系统算不上专业的《乒乓》玩家，它击中的球只比漏掉的略多一些。但它的表现明显优于那些只接收刺激而没有反馈的系统。此后，该系统不断更新，研发了专门容纳神经元并提高其精确度的软硬件设施。
Brett Kagan期待研究者能以“尚未想象到的方式”应用CL1。（ABC科学频道：
Jacinta Bowler
）
卡根博士团队的终极目标是将这些微型神经元集群作为一种生物人工智能。
“我们正致力于利用这些细胞实现智能，”
他强调道。
CL1的核心理念十分大胆：
既然谷歌和OpenAI正试图创造像大脑一样工作的AI，为何不直接利用大脑的基本组成部分——神经元——来实现同样的目标？
“唯一拥有“通用智能”的……是生物大脑，”卡根博士指出。不过，他也承认像CL1这样的培养皿神经元系统与Chat-GPT或DALL-E等AI有本质区别。“我们并非想要取代现有AI已经擅长的领域。”
卡根博士认为，神经元内在的工作机制使其在特定场景中具有两大独特优势：
首先是能源消耗。
当前一代传统AI模型需要消耗极其庞大的电力
才能产生结果。相比之下，CL1仅需几瓦特的电力即可运行。正如他所说，“并非所有系统都必须消耗巨量能源”。
其次，学习速度也是一个显著的优势。
人类、小鼠、猫和鸟类能够从极少量的数据中进行推理，并迅速做出复杂的决策，而这正是目前的人工智能所欠缺的能力。
培养“微型大脑”的技术细节
CL1的体积不比鞋盒大多少，但其设计极为精密。该装置的大部分结构都用于容纳神经元并维持其活性。神经元极其挑剔，必须处于最佳环境条件下，包括及时清除废物、提供营养物质并隔离有害微生物。
最关键的部分是芯片——一个小型硅基设备，上面附着并相互连接着数十万实验室培养的人类神经元。
这类芯片上生长的神经元集群可以被“教授”接收简单信息。（图片来源：Cortical Labs）
这些神经元制备过程十分精巧：先将志愿者提供的少量血液
（“与医生日常检测所需的血液量相当”）
中的血细胞重新编程为干细胞，干细胞是一种能发育成多种不同类型细胞的多能细胞，有了干细胞之后再精确转化为神经元。
神经元可以通过芯片提供的少量随机或模式化信息进行“训练”。错误的响应会接收到随机信息，而正确的响应会接收到模式化数据。随着时间的推移，神经元开始学习哪些响应是正确的。
这就是 Cortical Labs 如何教会名为“Dishbrain”的系统玩乒乓球的。值得注意的是，DishBrain 并非专业的乒乓球员，它击中的球比错过的球略多。但它的表现已经优于那些只接受刺激但没有反馈的系统。自那时起，该系统得到了显著改进，开发了新的软件和硬件，以更好地容纳神经元并提高其准确性。
