人工智能系统，即使是像ChatGPT这样复杂的系统，也依赖于自20世纪50年代以来一直是计算基石的硅基硬件。但是，如果计算机可以由活体生物物质塑造而成呢？一些学术界和商业领域的研究人员，对人工智能不断膨胀的数据存储和能源需求感到担忧，他们正专注于一个新兴领域，即生物计算。这种方法使用合成生物学，例如微型实验室培养的细胞簇，称为类器官，来创建计算机架构。生物计算的先驱包括瑞士公司FinalSpark，该公司今年早些时候推出了其“Neuroplatform”——一个由人类大脑类器官驱动的计算机平台——科学家可以通过互联网以每月500美元的价格租用。
FinalSpark联合创始人弗雷德·乔丹说：“据我所知，我们是世界上唯一在公共租赁平台上做这件事的公司。” FinalSpark最初由其联合创始人的前一家初创公司的资金资助，旨在寻找一种环境可持续的方式来支持人工智能。“我们的主要目标是实现人工智能的能耗比目前训练最先进的生成式人工智能所需的能耗低10万倍，”乔丹说。 Neuroplatform使用一系列处理单元，每个单元托管四个球形大脑类器官。每个0.5毫米宽的类器官都连接到八个电极，这些电极可以电刺激活体球体内的神经元；这些电极还将类器官连接到传统的计算机网络。神经元选择性地暴露于令人感觉良好的神经递质多巴胺，以模仿人类大脑的自然奖励系统。这些双重设置——积极的多巴胺奖励和电刺激——训练类器官的神经元，促使它们形成新的通路和连接，这与活体人脑的学习方式非常相似。 FinalSpark表示，如果完善，这种训练最终可能使类器官能够模仿硅基人工智能，并充当功能类似于当今CPU（中央处理器）和GPU（图形处理器）的处理单元。
目前，类器官及其行为正在直播，每天24小时供研究人员（和任何其他人）观察。“挑战在于找到让神经元按照我们想要的方式工作的方法，”乔丹说。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
FinalSpark的一个神经类器官，放大近1000倍，由取自人皮肤的10,000个活体神经元制成。
FinalSpark
34所大学的研究团队已要求使用FinalSpark的生物计算机，到目前为止，该公司已为密歇根大学、柏林自由大学和其他七所机构的科学家提供了访问权限。每个机构的项目都侧重于生物计算的不同方面。例如，密歇根大学的团队正在研究改变类器官活动所需的电和化学提示——实际上是创建类器官专用计算机语言的构建块。与此同时，德国莱比锡兰卡斯特大学的科学家们正试图将类器官融入不同的人工智能学习模型中。
对于类器官计算与大规模硅竞争的能力，仍然存在障碍。首先，不存在标准化的制造系统。而且活体大脑会死亡：FinalSpark的类器官平均只能存活约100天（与最初实验的寿命相比，这已经取得了很大的进步，最初的寿命只有几个小时）。但乔丹指出，Neuroplatform已经“简化”了其内部制造类器官的流程，其设施目前容纳了2,000到3,000个类器官。
FinalSpark并非唯一一家追求有机替代硅基计算的公司，大脑类器官也不是唯一的可能途径。“生物计算有不同的形式，”西班牙国家生物技术中心的研究员安赫尔·戈尼-莫雷诺说。戈尼-莫雷诺研究细胞计算，或使用改造后的活细胞来创建可以复制“记忆、逻辑门和我们从传统计算机科学中了解到的其他决策基础”的系统，他说。他的团队正在寻找生物计算机优于硅计算机的任务——他称之为“细胞霸权”的动态。戈尼-莫雷诺特别认为，由于细胞计算机可以对其环境条件做出反应，它们可以促进生物修复，或受损生态系统的恢复。“这是传统计算机基本上无能为力的领域，”戈尼-莫雷诺说。“你不能只是把一台电脑扔进湖里，然后让它告诉你环境状况。”然而，浸没在水中的细菌计算机将能够对环境条件进行细致的解读，因为细胞会对化学和其他刺激做出反应。
戈尼-莫雷诺专注于细菌，而英国西英格兰大学的安德鲁·亚当茨基，非常规计算国际期刊的创始主编，一直在研究真菌的计算可能性。亚当茨基说，菌丝体，或真菌菌丝网络，表现出类似于神经元中发现的尖峰电位。他希望利用这些电特性创建一个类似大脑的真菌计算系统，该系统“可能能够进行学习、储层计算、模式识别等”。亚当茨基的团队已经成功地训练真菌网络来帮助计算机系统执行某些数学函数。“与基于大脑类器官的计算相比，真菌计算具有多项优势，”亚当茨基说，“尤其是在伦理简单性、易于培养、环境适应性、成本效益以及与现有技术的集成方面。”
乔丹非常清楚使用培养的人类神经元进行非医疗用途所涉及的考虑因素。正在进行的生物伦理辩论涉及微型大脑是否可能获得意识，尽管目前尚没有证据表明它曾在实验室中被创造出来。乔丹说，他目前正在寻找具有“文化背景的哲学家和研究人员，以帮助我们回答这些伦理问题”。
亚当茨基承认，尽管他提倡真菌计算，但大脑类器官“由于其复杂且类似神经元的结构，可能提供更高级的功能”。乔丹就他而言，对FinalSpark为其生物计算机的选择充满信心。他说，在所有细胞中，“人类神经元最擅长学习。”