玩電子遊戲需要幾個腦細胞?
聽到這句話,你的第一個反應肯定是:這是個腦筋急轉彎。
不,這個問題有一個真正的答案。這都要歸功於一個名為DishBrain的神經網路系統。
如果玩的是乒乓球,那麼需要腦細胞的數量大約是80萬個。
這不,80萬個人腦細胞竟花了5分鐘學會了「打乒乓球」。
近日,來自澳洲研究團隊將80萬個人類類別和老鼠活腦細胞放入培養皿中,連接電極後,去玩經典的街機遊戲Pong。
科學家稱之為第一個有感知的「盤中大腦」(DishBrain)。
這項研究的目的就是為了創造出合成生物智慧 (SBI),為未來神經系統疾病研究提供更好的方法。
最新研究已於週三發表在Neuron雜誌上。
論文網址:
https://www.cell.com/neuron/pdfExtended/S0896-6273(22)00806-6
「盤中大腦」5分鐘學會打遊戲
我們知道,人類大腦有8600億個神經元。透過突觸,能將神經元電訊號傳送到下一個神經元,
然而,人們並不認為它們是訊息處理器。
但神經元是一個神奇的系統,它能以極低的能耗即時處理資訊。
DishBrain由生長在微電極陣列頂部的單層人類神經元組成,而微電極陣列可以刺激這些腦細胞。
那麼,這些「人類腦細胞」又是從何而來?
腦細胞的獲取過程是否符合研究規範,可能是每個人最先關心的問題。
DishBrain神經細胞陣列在工作
其實,並非像你所想的那樣,直接從人類大腦中提取神經元腦細胞,那樣就太不符合倫理了。
科學家提供了一個方案:用人類誘導的方式。
讓多能幹細胞 (hiPSC) 分化為皮質神經元細胞,然後進行培殖。同時,研究人員也採取了小鼠細胞進行培養。
下圖為,小鼠和人類皮質細胞在培養皿中的差異(50μm)。
其中,藍色DAPI代表染色所有細胞,綠色NeuN顯示是神經元,微管蛋白 (BIII) 標記是軸突,MAP標記的是樹突。
可以看到,小鼠皮層細胞(A) 可以在營養豐富的培養基中生長並維持數月,並形成了複雜的形態,有大量的樹突和軸突連接。
而人類誘導多能幹細胞(hiPSC) 分化為單層活性異質皮質神經元之後,這些神經元也能顯示出成熟的功能特性,並且可以與作為支持的神經膠質細胞形成密集的連結。
那麼,細胞培養出來了,要如何讓其打乒乓球呢?
顯然,我們需要一套精密的裝置。
裝置中央圓形的凹槽,便是放置腦細胞和電極的地方。
Cortical Labs的研究人員採用的是來自瑞士一家公司Maxwell Biosystems提供的MaxOne多電極陣列進行實驗。
MaxOne是一個高解析度的電生理學平台,26000個鉑金電極排列在8mm*8mm的面積上,最高解析度可達220*120。
此系統基於互補的氧化物半導體(CMOS)技術,可記錄多達1024個通道數和多達32個單元的刺激。
那神經元如何主動推理,從而完成遊戲的呢?
為了教DishBrain打乒乓球,研究團隊讓這片神經元去玩了單人乒乓球遊戲。
研究人員利用電訊號刺激電極陣列上的神經元,並將其活動狀態記錄下來。
其中,電訊號發送不同陣列區域代表乒乓球的位置,盤子兩側的微電極會指示球是在球拍的左側還是右側,而訊號頻率則反映了球的距離。
而在電極陣列的上半部的神經元,負責感知乒乓球的位置,下半部的神經元分左右兩塊,負責輸出乒乓球拍上下移動的距離。
然後,DishBrain就可以產生電訊號去移動球拍接球了。
但是開始,它們的表現很差勁。
為了玩好遊戲,神經元需要回饋。因此團隊開發了一種反饋軟體,可以在DishBrain錯過球時透過電極對它們進行批評。
為了最佳化誤差,Cortical Labs團隊主要使用了最小化變分自由能的預測編碼公式,又稱卡爾曼濾波器。
這就使得系統在打乒乓球時得到了改進,在短短五分鐘內,DishBrian就學會根據球的位置來回移動球拍了。
誒,好像DeepMind的AI也玩過這個遊戲?沒錯,2013年,DeepMind首次透過Atari遊戲展示了其人工智慧強化學習演算法的表現。
目前,DishBrain打遊戲的效果還是不如DeepMind自家發展了這麼多年的強化學習演算法。但是AI玩這個要90分鐘才學得會,而這層腦細胞可是只花了5分鐘就玩得有模有樣了。
這樣一來,利用活體大腦神經元的運算能力來創造合成生物智慧 (SBI)也就完成了。
有趣的是,未來研究人員表示還要測試酒精,以及毒品對DishBrain玩乒乓球遊戲能力的影響。
Cortical Labs實驗室Brett Kagan博士稱,
我們正在嘗試用乙醇創建一個劑量反應曲線——基本上就是讓這些神經元細胞“喝醉”,看看它們是否像人們喝酒時那樣玩得更差。
計算機可以模仿人腦了?
在目前,DishBrain在打乒乓球時採用的策略還是緩慢而片面的,讓它們贏得電競冠軍,聽起來也相當遙遠,但是這些研究反映了活體組織與矽技術融合的潛力。
這是第一個證明了神經元會調整自己的活動,以完成特定任務的合成生物智慧實驗。並且,如果提供它們回饋,它們還能學會更好地執行任務。
這項研究在疾病建模,發現藥物,理解大腦如何運作、智力如何產生,研究藥物如何影響大腦的活動等方面,都具有巨大的潛力。
DishBrain的開發者、澳洲生物技術新創公司Cortical Labs的神經科學家Brett Kagan說: 「我們已經證明,我們可以與活的生物神經元相互作用,使得它們改變自己的活動,從而產生類似於智能的東西。”
“這是理解智力的一個新方向,”Kagan說。 「它不僅告訴我們,身為人類意味著什麼,還讓我們明白,在現在這個不斷變化的世界中,什麼是『活著』,什麼是『聰明』,什麼是『處理資訊』、『有感知能力』 」
英國倫敦大學學院的理論神經科學家Karl Friston說:「這項成果的開創性在於,為神經元配備了感覺——反饋——對世界採取行動的能力。」
幾年前,Friston提出了一種稱為自由能原理的理論,該理論提出,所有生物系統的行為方式都可以縮小預期與實踐之間的差距——換句話說,世界可以變得更可預測。
自由能理論
根據Friston的理論,透過調整行為,世界就會變得更可預測,而DishBrain就是在生物學上證明了這一點。
Kagan說,「DishBrain的實驗,本質上是在創造可預測性更高的環境。」
DishBrain實驗,為人類帶來了一些令人興奮的可能性,尤其是在人工智慧和計算方面。
要知道,人腦包含大約80到1000億個神經元,比任何電腦都強大得多,最好的電腦都很難複製人腦。目前最接近的情況,是麻省理工的工程師設計出的帶有人工突觸的晶片,讓我們可以用82,944個處理器、1 PB的主內存和40分鐘來複製1%的人類大腦活動的一秒鐘。
MIT人工突觸晶片
如果這個架構更像是真正的大腦-甚至可能像DishBrain那樣的合成生物系統— —也許電腦複製人腦的目標就不會遙不可及了。
DishBrain也能讓我們從細胞層面了解各種藥物對大腦的影響。有朝一日,使用從患者皮膚幹細胞逆向培養的神經元,它甚至可以製造針對特定患者的定製藥物。
「這項成果的潛力太令人興奮了:這意味著我們不必再創建『數位雙胞胎』來測試治療效果,」Fristo說。
用於私人定製藥物的Digital twin
#「原則上,我們現在擁有最終極的仿生『沙盒』,可以在其中測試藥物和遺傳變異的影響,這個沙盒由你的大腦和我的大腦中發現的完全相同的計算(神經元)元素構成。」
無獨有偶,為了推動神經科學的研究,同在今天Nature的一項研究將人鼠大腦完美結合,培養出了類腦器官。
研究中,來自史丹佛大學的研究人員將人類大腦誘導性多能幹細胞移植到了大鼠正在發育的大腦中。
如圖,亮綠色部分是類腦器官。
結果發現,類腦器官可以與大鼠的大腦一同發育、成熟,同時,這些類器官會逐漸發展出血管,為自己的發育提供營養。
最後透過與大腦的神經迴路部分地整合在一起,真正成為大腦的一部分。
有了類腦器官,科學家便可以在培養皿中操控神經元,找到潛在神經疾病背後的機制。
網友神評論
「這是否意味著即使沒有『存在』也存在某種形式的意識。」
討論頓時上升到了哲學高度…
「我想成為第一個歡迎我們新的腦細胞霸主的人。」
「我們需要一個更大的培養皿。」
「我想要一個像攻殼機動隊那樣的機器身體。」
「神經漫遊者。科技與魔法的完美結合。」
#「令人難以置信,它讓我想起了David Eagleman的TED演講。他認為人腦是一個原始的I/O設備。作為嬰兒,它正在學習處理輸入數據,並且在任何時候我們都可以添加額外的輸入,大腦將開始解釋新數據。」### ######" 讓我想起黑鏡中的『餅乾』的情節…這讓人毛骨悚然。」###############「但是神經元喜歡這個遊戲嗎?”######“我已經閱讀了數百條評論,你是第一個提出這個重要問題的人!”##############“這些細胞再進步下去,幾天之內就會成為川普的支持者。」######「它們已經超過了一般川普支持者的智商。」########### ####「在我看來,這就是奴隸制,想想這項技術會被用在什麼地方吧。」######參考參考文獻:######https://www. cnet.com/science/live-brain-cells-in-dish-quickly-learn-to-play-classic-game-pong/######https://www.nature.com/articles/d41586- 022-03229-y######https://www.engadget.com/brain-cells-pong-rats-182835843.html###以上是這盤「大腦」80萬細胞,5分鐘學會打乒乓球完爆AI!的詳細內容。更多資訊請關注PHP中文網其他相關文章!

擁抱Face的OlympicCoder-7B:強大的開源代碼推理模型 開發以代碼為中心的語言模型的競賽正在加劇,擁抱面孔與強大的競爭者一起參加了比賽:OlympicCoder-7B,一種產品

你們當中有多少人希望AI可以做更多的事情,而不僅僅是回答問題?我知道我有,最近,我對它的變化感到驚訝。 AI聊天機器人不僅要聊天,還關心創建,研究

隨著智能AI開始融入企業軟件平台和應用程序的各個層面(我們必須強調的是,既有強大的核心工具,也有一些不太可靠的模擬工具),我們需要一套新的基礎設施能力來管理這些智能體。 總部位於德國柏林的流程編排公司Camunda認為,它可以幫助智能AI發揮其應有的作用,並與新的數字工作場所中的準確業務目標和規則保持一致。該公司目前提供智能編排功能,旨在幫助組織建模、部署和管理AI智能體。 從實際的軟件工程角度來看,這意味著什麼? 確定性與非確定性流程的融合 該公司表示,關鍵在於允許用戶(通常是數據科學家、軟件

參加Google Cloud Next '25,我渴望看到Google如何區分其AI產品。 有關代理空間(此處討論)和客戶體驗套件(此處討論)的最新公告很有希望,強調了商業價值

為您的檢索增強發電(RAG)系統選擇最佳的多語言嵌入模型 在當今的相互聯繫的世界中,建立有效的多語言AI系統至關重要。 強大的多語言嵌入模型對於RE至關重要

特斯拉的Austin Robotaxi發射:仔細觀察Musk的主張 埃隆·馬斯克(Elon Musk)最近宣布,特斯拉即將在德克薩斯州奧斯汀推出的Robotaxi發射,最初出於安全原因部署了一支小型10-20輛汽車,並有快速擴張的計劃。 h

人工智能的應用方式可能出乎意料。最初,我們很多人可能認為它主要用於代勞創意和技術任務,例如編寫代碼和創作內容。 然而,哈佛商業評論最近報導的一項調查表明情況並非如此。大多數用戶尋求人工智能的並非是代勞工作,而是支持、組織,甚至是友誼! 報告稱,人工智能應用案例的首位是治療和陪伴。這表明其全天候可用性以及提供匿名、誠實建議和反饋的能力非常有價值。 另一方面,營銷任務(例如撰寫博客、創建社交媒體帖子或廣告文案)在流行用途列表中的排名要低得多。 這是為什麼呢?讓我們看看研究結果及其對我們人類如何繼續將


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

SublimeText3漢化版
中文版,非常好用

Dreamweaver CS6
視覺化網頁開發工具

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

MantisBT
Mantis是一個易於部署的基於Web的缺陷追蹤工具,用於幫助產品缺陷追蹤。它需要PHP、MySQL和一個Web伺服器。請查看我們的演示和託管服務。

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!