用人类脑细胞运行的计算机

在日内瓦湖畔的一个小镇上，有一些可供租用的活体人类脑细胞团。这些沙粒大小的细胞团能像计算机一样接收并响应电信号，全球研究团队可向其发送任务，希望它们能处理信息并返回信号。这就是湿件（即生物计算机）的世界。目前，少数学术实验室和公司的研究人员正在培养人类神经元，试图将它们打造成相当于生物晶体管的功能系统。他们认为，这些神经元网络未来或许能在不消耗过多能源的情况下，发挥超级计算机的算力。

实验室培养的“大脑”会产生意识吗？目前成果尚有限，但热切的科学家们已开始在线租用或借用这些脑细胞处理器，甚至投入数万美元购置自己的模型。有人想将其直接替代普通计算机，也有人希望借此研究大脑工作机制。英国布里斯托大学的机器人研究员本杰明·沃德-谢里尔正在租用瑞士的这些脑细胞团，他表示：“理解生物智能是个有趣的科学问题，而从底层——用简单的小型‘大脑’模型逐步构建研究，比自上而下的方式更好。”生物计算的支持者称，这类系统未来可能匹敌人工智能和量子计算机的能力。

不过，其他研究人类神经元的科研人员对此持怀疑态度，并警告称，对这类有时被贴上“罐中大脑”标签的系统的炒作及科幻魅力，甚至可能产生反效果。英国剑桥大学的发育生物学家玛德琳·兰卡斯特（未参与生物计算项目）担忧：“若这类研究过度曝光和夸大，公众反应可能不是‘需更谨慎对待’，而是‘完全停止研究’，这可能导致限制所有相关工作的法规出台，包括那些真正旨在帮助人类的研究。”

计算机科学家一直渴望拥有人类大脑惊人的能效。大脑仅需不到20瓦电力（约为小型台式风扇的耗电量），其数十亿神经元每秒就能完成约10^18次数学运算；而最先进的超级计算机虽能达到这一速度，能耗却高出百万倍。一些研究者尝试用硅芯片复制大脑的高效结构（即神经形态计算），模仿神经元的连接和放电通信方式，尤其是神经元需充电至阈值才放电的特点。

而生物计算则回归生物本身。研究人员从可重编程为几乎任何细胞类型的诱导多能干细胞入手，培养脑细胞群落，并用营养物质和生长因子培育。为与这些细胞“交流”，他们将细胞置于电极阵列上，通过电脉冲序列传递信号和指令。这些信号会改变神经元内外的离子流动，可能促使部分细胞产生“动作电位”这种电脉冲，电极可检测这些信号并通过算法转化为可用信息。

最常见的生物计算方法是将神经元培养成名为“类器官”的3D集群。其成分因诱导多能干细胞的分化方式而异，通常包含神经元及星形胶质细胞、少突胶质细胞等支持细胞。今年8月，沃德-谢里尔团队报告称，他们利用约1万个神经元的人类脑类器官实现了“识别”盲文。研究中，带触觉传感器的机器人先读取字母，再将每个字母的数据转化为独特电脉冲模式（如改变 timing 和强度），通过类器官表面的8个电极传递信号，电极记录附近多个神经元的集体活动。

研究者想了解类器官的放电模式是否因刺激模式不同而有差异，且反应是否稳定。他们收集每个电极对每个字母的反应，取平均值作为类器官的整体输出，并用机器学习识别模式。结果显示，单个类器官对特定字母电脉冲的特征反应一致性平均达61%，三个类器官联合反应时则升至83%——这表明类器官能完成区分和识别输入的简单处理任务。

对沃德-谢里尔而言，这是坚实的原理验证：“这初步证明我们能完成这类任务，下一步是更复杂的尝试”，比如将类器官的“信息”解读为机器人指令（如“再读一次字母”）。这种能力被称为“闭环系统”，人类脑类器官尚未实现，但2024年一项研究显示，由小鼠神经元类器官构成的闭环系统能玩“Cartpole”游戏（让移动小车上的摇晃杆子保持直立）。

由于培养系统的输入输出都是简单电信号，通过网络远程访问类器官很便捷。比如，沃德-谢里尔在布里斯托实验室的盲文阅读机器人，其类器官由瑞士沃韦的FinalSpark公司培养和保管。该公司联合创始人弗雷德·乔丹（科幻迷）希望开发能“完成如今AI所做类似事情”的生物神经元系统，但他坦言，目前类器官系统“从实用角度看毫无用处”，“梦想与现实差距巨大，我希望成为迈出这一步的人之一”。

部分学术团队（如沃德-谢里尔团队）可免费使用FinalSpark的类器官，已有许多团队加入。例如，美国密歇根大学的团队正测试不同刺激类型以观察类器官反应，柏林自由大学的研究者则专注于用机器学习工具提取神经放电模式信息。付费客户（含私企）每月支付5000美元可获得类器官系统的专属在线访问权，乔丹透露“许多看似不相关领域的大公司都在使用”，但不清楚其具体用途。

其他有类器官 expertise 的独立团队也在投身生物计算。美国加州大学圣地亚哥分校的阿利松·穆特里实验室，每个神经类器官含约250万个不同类型神经元，他们正受石油公司资助研究用类器官预测亚马逊雨林漏油路径，项目预计2028年结题。

对许多尝试复杂任务的类器官使用者而言，当务之急是找到训练神经元实现目标导向行为的方法。目前FinalSpark培养的类器官反应更类似外周神经系统的反射（如膝跳反射），而非大脑的决策过程。乔丹称，一种方法是用多巴胺等神经递质调节类器官对特定刺激的反应（多巴胺能增强神经元放电和突触连接，使相同反应更易重复）。

另一种是“模式训练刺激”技术。2022年，澳大利亚墨尔本的Cortical Labs公司用此技术让实验室培养的脑细胞学会玩1970年代的游戏《Pong》。他们未用类器官，而是在培养皿中构建细胞网络，连接计算机：神经元的刺激反应控制虚拟 paddle 移动，球弹起时，若细胞（初期随机）正确移动 paddle，就给予有规律的电脉冲；若错误，则给予混乱白噪音。久而久之，神经元学会为获得规律信号而击球。该策略源于观察：脑细胞倾向重复产生可预测结果的活动，会学习触发熟悉刺激的行为。

如今Cortical Labs已开发模块化系统，可连接越来越多含最多1000个神经元的培养孔，形成“生物工程智能”。每个细胞培养物使用寿命约6个月，之后需更换。