这盘「大脑」80万细胞，5分钟学会打乒乓球完爆AI！

玩电子游戏需要多少个脑细胞？

听到这句话，你的第一反应肯定是：这是个脑筋急转弯。

不，这个问题有一个真正的答案。这都要归功于一个名为DishBrain的神经网络系统。

如果玩的是乒乓球，那么需要脑细胞的数量大约是80万个。

这不，80万个人脑细胞竟用了5分钟学会了「打乒乓球」。

近日，来自澳大利亚研究团队将80万个人类和小鼠活脑细胞放入培养皿中，将其连接电极后，去玩经典的街机游戏Pong。

科学家们将其称为第一个有感知的「盘中大脑」（DishBrain）。

这项研究的目的就是为了创建出合成生物智能 （SBI），为未来神经系统疾病研究提供更好的方法。

最新研究已于周三发表在Neuron杂志上。

论文地址：

https://www.cell.com/neuron/pdfExtended/S0896-6273(22)00806-6

「盘中大脑」5分钟学会打游戏

我们知道，人类大脑有8600亿个神经元。通过突触，能将神经元电信号传输到下一个神经元，

然而，人们并不认为它们是信息处理器。

但神经元是一个神奇的系统，它能以极低的能耗实时处理信息。

DishBrain由生长在微电极阵列顶部的单层人类神经元组成，而微电极阵列可以刺激这些脑细胞。

那么，这些「人脑细胞」从何而来？

脑细胞的获取过程是否符合研究规范，可能是每个人最先关心的问题。

DishBrain神经细胞阵列在工作

其实，并非像你所想的那样，直接从人类大脑中提取神经元脑细胞，那样就太不符合伦理了。

科学家提供了一种方案：用人类诱导的方式。

让多能干细胞 (hiPSC) 分化为皮质神经元细胞，然后进行培殖。同时，研究人员还采取了小鼠细胞进行培植。

下图为，小鼠和人类皮层细胞在培养皿中的区别（50μm）。

其中，蓝色DAPI代表染色所有细胞，绿色NeuN显示是神经元，微管蛋白 (BIII) 标记是轴突，MAP标记的是树突。

可以看到，小鼠皮层细胞（A) 可以在营养丰富的培养基中生长并维持数月，并形成了复杂的形态，有大量的树突和轴突连接。

而人类诱导多能干细胞 (hiPSC) 分化为单层活性异质皮层神经元之后，这些神经元也能显示出成熟的功能特性，并可以与作为支持的神经胶质细胞形成密集的连接。

那么，细胞培养出来了，如何让其打乒乓球呢？

显然，我们需要一套精密的装置。

装置中央圆形的凹槽，便是放置脑细胞和电极的地方。

Cortical Labs的研究人员采用的是来自瑞士一家公司Maxwell Biosystems提供的MaxOne多电极阵列进行实验。

MaxOne是一个高分辨率的电生理学平台，26000个铂金电极排列在8mm*8mm的面积上，最高分辨率可达220*120。

该系统基于互补的氧化物半导体(CMOS)技术，可以记录多达1024个通道数和多达32个单元的刺激。

那神经元如何主动推理，从而完成游戏的呢？

为了教会DishBrain打乒乓球，研究小组让这片神经元去玩了单人乒乓球游戏。

研究人员利用电信号刺激电极阵列上的神经元，并将其活动状态记录下来。

其中，电信号发送不同阵列区域代表乒乓球的位置，盘子两侧的微电极会指示球是在球拍的左侧还是右侧，而信号频率则反映了球的距离。

而在电极阵列的上半部分的神经元，负责感知乒乓球的位置，下半部分的神经元分左右两块，负责输出乒乓球拍上下移动的距离。

然后，DishBrain就可以产生电信号去移动球拍接球了。

但是开始，它们的表现很差劲。

为了玩好游戏，神经元需要反馈。因此团队开发了一种反馈软件，可以在DishBrain错过球时通过电极对它们进行批评。

为了优化误差，Cortical Labs团队主要使用了最小化变分自由能的预测编码公式，又名卡尔曼滤波器。

这就使得系统在打乒乓球时得到了改进，在短短五分钟内，DishBrian就学会根据球的位置来回移动球拍了。

诶，好像DeepMind的AI也玩过这个游戏？没错，2013年，DeepMind首次通过Atari游戏演示了其人工智能强化学习算法的性能。

目前，DishBrain打游戏的效果还是不如DeepMind自家发展了这么多年的强化学习算法。但是AI玩这个得90分钟才学得会，而这层脑细胞可是仅仅用了5分钟就玩得有模有样了。

这样一来，利用活体大脑神经元的计算能力来创造合成生物智能 （SBI）也就完成了。

有趣的的是，未来研究人员表示还要测试酒精，以及毒品对DishBrain玩乒乓球游戏能力的影响。

Cortical Labs实验室Brett Kagan博士称，

我们正在尝试用乙醇创建一个剂量反应曲线——基本上就是让这些神经元细胞「喝醉」，看看它们是否像人们喝酒时那样玩得更差。

计算机可以模仿人脑了？

在目前，DishBrain在打乒乓球时采用的策略还是缓慢而片面的，让它们赢得电子竞技冠军，听起来也相当遥远，但是这些研究反映了活体组织与硅技术融合的潜力。

这是第一个证明了神经元会调整自己的活动，以完成特定任务的合成生物智能实验。并且，如果提供它们反馈，它们还能学会更好地执行任务。

这项研究在疾病建模，发现药物，理解大脑如何工作、智力如何产生，研究药物如何影响大脑的活动等方面，都具有巨大的潜力。

DishBrain的开发者、澳大利亚生物技术初创公司Cortical Labs的神经科学家Brett Kagan说： 「我们已经证明，我们可以与活的生物神经元相互作用，使得它们改变自己的活动，从而产生类似于智能的东西。」

「这是理解智力的一个新方向，」Kagan说。「它不仅告诉我们，作为人类意味着什么，还让我们明白，在现在这个不断变化的世界中，什么是『活着』，什么是『聪明』，什么是『处理信息』、『有感知能力』。」

英国伦敦大学学院的理论神经科学家Karl Friston说：「这项成果的开创性在于，为神经元配备了感觉——反馈——对世界采取行动的能力。」

几年前，Friston提出了一种称为自由能原理的理论，该理论提出，所有生物系统的行为方式都可以缩小预期与实践之间的差距——换句话说，世界可以变得更加可预测。

自由能理论

根据Friston的理论，通过调整行为，世界就会变得更加可预测，而DishBrain就是在生物学上证明了这一点。

Kagan说，「DishBrain的实验，本质上是在创造可预测性更高的环境。」

DishBrain实验，给人类带来了一些激动人心的可能性，尤其是在人工智能和计算方面。

要知道，人脑包含大约80到1000亿个神经元，比任何计算机都强大得多，最好的计算机都很难复制人脑。目前最接近的情况，是麻省理工的工程师设计出的带有人工突触的芯片，让我们可以用82,944个处理器、1 PB的主内存和40分钟来复制1%的人类大脑活动的一秒钟。

MIT人工突触芯片

如果这个架构更像是一个真正的大脑——甚至可能是一个像DishBrain那样的合成生物系统——也许计算机复制人脑的目标就不会遥不可及了。

DishBrain还能让我们从细胞水平了解各种药物对大脑的影响。有朝一日，使用从患者皮肤干细胞逆向培养的神经元，它甚至可以制造针对特定患者的定制药物。

「这项成果的潜力太令人兴奋了：这意味着我们不必再创建『数字双胞胎』来测试治疗效果，」Fristo说。

用于私人定制药物的Digital twin

「原则上，我们现在拥有最终极的仿生『沙盒』，可以在其中测试药物和遗传变异的影响，这个沙盒由你的大脑和我的大脑中发现的完全相同的计算（神经元）元素构成。」

无独有偶，为了推动神经科学的研究，同在今天Nature的一篇研究将人鼠大脑完美结合，培养出了类脑器官。

研究中，来自斯坦福大学的研究人员将人类大脑诱导性多能干细胞移植到了大鼠正在发育的大脑中。

如图，亮绿色部分是类脑器官。

结果发现，类脑器官可以与大鼠的大脑一同发育、成熟，同时，这些类器官会逐渐发展出血管，为自己的发育提供营养。

最后通过与大脑的神经回路部分地整合到一起，真正成为大脑的一部分。

有了类脑器官，科学家便可以在培养皿中操控神经元，找到潜在神经疾病背后的机制。

网友神评论

「这是否意味着即使没有『存在』也存在某种形式的意识。」

讨论顿时上升到了哲学高度……

「我想成为第一个欢迎我们新的脑细胞霸主的人。」

「我们需要一个更大的培养皿。」

「我想要一个像攻壳机动队那样的机器身体。」

「神经漫游者。科技与魔法的完美结合。」

「令人难以置信，它让我想起了David Eagleman的TED演讲。他认为人脑是一个原始的I/O设备。作为婴儿，它正在学习处理输入数据，并且在任何时候我们都可以添加额外的输入，大脑将开始解释新数据。」

「 让我想起黑镜中的『饼干』的情节……这让人毛骨悚然。」

「但是神经元喜欢这个游戏吗？」

「我已经阅读了数百条评论，你是第一个提出这个重要问题的人！」

「这些细胞再进步下去，几天之内就会成为特朗普的支持者。」

「它们已经超过了一般特朗普支持者的智商。」

「在我看来，这就是奴隶制，想想这项技术会被用在什么地方吧。」

参考资料：

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

以上是这盘「大脑」80万细胞，5分钟学会打乒乓球完爆AI！的详细内容。更多信息请关注PHP中文网其他相关文章！