啥？！能打敗GPT4的“強人工智能”來了？

最近OpenAI發(fā)布的ChatGPT和GPT-4大型語言模型，幾乎引爆了全民對人工智能話題討論的“火藥桶”，相信不少人的朋友圈已經(jīng)被帶“GPT”的字條給刷屏了。

筆者身邊的朋友們也分了兩派，激進派認為邁向強人工智能的奇點已經(jīng)到來，未來數(shù)據(jù)量和算力規(guī)模再漲一波后，它就能替代掉絕大多數(shù)文字工作者了，隨后所有沒創(chuàng)造力的工種都將面臨失業(yè)；保守派則認為它只是一個頂尖的生產(chǎn)力工具，但無法掌握意識、感情、創(chuàng)造力等人類與生俱來的能力，難以成為強人工智能。

而筆者屬于“好吃懶做”派，選擇直接問ChatGPT，以下是它的回答：

圖片來源：截圖自ChatGPT

強人工智能能否實現(xiàn)目前尚未可知，但毫無疑問，目前人腦還是整個地球上最智能的復(fù)雜系統(tǒng)。

可能有人會問：我們?yōu)槭裁床恢苯佑蒙锏纳窠?jīng)元作為網(wǎng)絡(luò)基本單元，從頭復(fù)刻一個和人腦類似的智能系統(tǒng)呢？這會不會是實現(xiàn)強人工智能的捷徑呢？好問題，歡迎來到本文的主題——“類器官智能（Organoid Intelligence，OI）”。

01

碳基和硅基并肩作戰(zhàn)

就問你怕不怕！

類器官智能一詞是今年2月28日，由約翰斯·霍普金斯大學(xué)的托馬斯·哈東（Thomas Hartung）團隊提出來的新概念。

簡單講，類器官就是把干細胞在體外三維環(huán)境中培養(yǎng)成有一定結(jié)構(gòu)和功能的組織類似物，目前已成功構(gòu)建包括小腸、胃、結(jié)腸、膀胱、肝臟、心臟、胰臟、腎臟、大腦等多種器官組織。

或許在不久的未來，你身體某個部分出了問題，都可以用類器官進行修復(fù)或替代，比如熬夜搬磚爆肝了換個肝（bushi）。

而類器官智能就是將體外培養(yǎng)的大腦器官組織作為生物硬件，通過與外部的電子設(shè)備相連來實現(xiàn)生物計算，我們?nèi)斯?gòu)建的大腦，就是整臺計算機的CPU+GPU，想想是不是很科幻呢？

圖庫版權(quán)圖片，不授權(quán)轉(zhuǎn)載

實際上，目前很多研究已經(jīng)證明了該路徑的可行性，就拿最近的新聞來說，伊利諾伊大學(xué)厄巴納-香檳分校的Andrew Dou團隊就培育了8萬多個通過重編程小鼠干細胞得到的神經(jīng)元，并將其放置在光纖和電極網(wǎng)格之間，接受10種不同模式類型的電脈沖和光信號刺激，這些元件都被放在一個恒溫的箱子中，來保持神經(jīng)元的活性。

經(jīng)過一小時訓(xùn)練后，研究人員發(fā)現(xiàn)這群神經(jīng)元每次在接受模式相同的刺激時，發(fā)出的信號也相同。研究人員還用F1分數(shù)來量化該神經(jīng)網(wǎng)絡(luò)模式識別的效率。簡單來說，0最差1最好，最后測得該活體神經(jīng)網(wǎng)絡(luò)搭建的計算機F1得分為0.98，可以算相當智能了。

除模式分類任務(wù)外，研究人員還把“盒中之腦”連接到用活體肌肉組織制造的機器人中，使大腦能夠通過肌肉感知周圍的環(huán)境變化并處理這些信息。

將活細胞和儲層計算技術(shù)相結(jié)合，能使神經(jīng)元和芯片，或者說碳基和硅基的智能單元，協(xié)作完成信號識別和處理任務(wù)，這就是碳基生物和硅基生物智能合一的原初形態(tài)，雖然目前長得還比較丑。

中間放生物神經(jīng)元的類器官智能機器人。圖片來源：參考文獻[3]

再往前推也有腦洞大開的研究。

例如去年12月，澳大利亞生物科技初創(chuàng)公司Cortical Labs就用人類腦細胞培育的“碟中大腦”（Dish Brain）學(xué)會了打乒乓球。

研究團隊將從人類干細胞誘導(dǎo)分化而來的人類神經(jīng)元，與高密度多電極陣列與計算機集成，使“乒乓球”游戲中的電信號傳到微電極陣列上，進而告訴神經(jīng)元“乒乓球”的位置，神經(jīng)元再通過彼此間電信號的交流達成一致后，控制“球拍”的移動，從而將“乒乓球”打回去。

神奇的是，這群“碟中大腦”僅用5分鐘就學(xué)會了這款游戲，而相似規(guī)模的人工神經(jīng)網(wǎng)絡(luò)可能要90分鐘左右才能學(xué)會。

盡管該論文的第一作者堅稱“碟中大腦”已經(jīng)將自己代入到游戲中的球拍了，但類器官智能是否能像人類一樣“自主而有意識”地攝取、分辨并回應(yīng)外界信息，仍是個值得探討的問題。

會打乒乓球的“碟中大腦”。圖片來源：參考文獻[4]

02

誤打誤撞出的類器官智能技術(shù)

大腦的類器官技術(shù)起初并不是為了實現(xiàn)“類器官智能”。自2019年相關(guān)研究取得突破以來，大部分的工作都圍繞研究大腦的發(fā)育和疾病，或是修復(fù)大腦的殘缺部分為主。

比如去年10月《自然（Nature）》主刊上的論文顯示，科學(xué)家首次將人腦神經(jīng)元移植到大鼠腦中并形成連接，從而控制大鼠行為。

4個月后，《細胞（Cell）》子刊上的研究又顯示人的類腦器官植入到大鼠腦部后不僅實現(xiàn)了有效連接，還能對視覺刺激做出反應(yīng)，說明它已經(jīng)整合到大腦中發(fā)揮功能了，這個成果可以作為一種恢復(fù)皮質(zhì)功能的治療策略。

然而總有些充滿創(chuàng)意的科學(xué)家喜歡搭建出一些讓人眼前一亮的科技網(wǎng)絡(luò)，比如這個類器官智能技術(shù)。

當然這個技術(shù)目前還是襁褓中的嬰兒，等它漸漸成熟并與當前基于深度學(xué)習(xí)人工智能技術(shù)進行比較，究竟是變成科研領(lǐng)域中永遠“未來可期”的空中樓閣，還是能成為新一波類腦智能浪潮中的弄潮兒，直奔強人工智能而去呢？讓我們拭目以待。

圖庫版權(quán)圖片，不授權(quán)轉(zhuǎn)載

類器官智能作為由生物智能單元——神經(jīng)元組成的網(wǎng)絡(luò)，它的優(yōu)勢集中體現(xiàn)在以下幾方面：

1.能耗低

一條斑馬魚幼蟲在水中，成功捕食獵物并從天敵眼皮底下逃脫的大腦功耗僅為1微瓦，成年人類的大腦功耗僅為20瓦，而目前依賴深度學(xué)習(xí)的服務(wù)器集群的功耗通常在1百萬瓦左右，擁有最強算力的Frontier超算功耗將近21兆瓦，聽起來并不是很環(huán)保。

2.少樣本學(xué)習(xí)

生物通常能使用較少的觀察活動來進行學(xué)習(xí)。人類使用大約10個訓(xùn)練樣本就能完成一個簡單的“物體類型相同或不同”的任務(wù)，蜜蜂這類昆蟲也只需要100個訓(xùn)練樣本就能學(xué)會，而這個訓(xùn)練數(shù)據(jù)量在深度神經(jīng)網(wǎng)絡(luò)中往往分類效果不佳。

AlphaGo系統(tǒng)接受了16萬場圍棋比賽的訓(xùn)練數(shù)據(jù)，每天訓(xùn)練5小時的棋手則需要風(fēng)雨無阻地連續(xù)下175年的棋，才能打完這么多場比賽，可見大腦在學(xué)習(xí)活動中不需太多數(shù)據(jù)也能達到很高的訓(xùn)練效率，同時儲存能力驚人（大約為2500兆字節(jié)）。

3.提供優(yōu)秀的腦機接口界面

將電腦或電極輸出的電信號傳輸給類器官腦組織，而植入人腦后的類器官又能充分整合到腦組織內(nèi)執(zhí)行其功能，這種界面具有很好的生理性，可將接口對大腦的損害幾乎降到最低，同時又能將機器智能與自然智能一體化，從而實現(xiàn)新的智能形式。

當然，如何將電極連接到小型和三維的類器官上也是一個需要考慮的問題，這更需要高質(zhì)量的3D電極作為支撐。如果以后要構(gòu)建類人機器人，從生理學(xué)上來看，使用神經(jīng)元與模擬肌肉組織相連也會更為便捷。

用于生物計算的類器官智能架構(gòu)。圖片來源：參考文獻[2]

03

殘忍還是先進，這是個問題

二十一世紀既是生物技術(shù)的世紀，也是信息技術(shù)的世紀，更是交叉科學(xué)的世紀。

目前，多支研究團隊使用基因編輯技術(shù)和光遺傳學(xué)技術(shù)構(gòu)建了具有特定功能的神經(jīng)元網(wǎng)絡(luò)，并通過納米技術(shù)和生物打印技術(shù)來構(gòu)建更加復(fù)雜的類器官框架?？梢灶A(yù)料到，以后培養(yǎng)出來的腦組織將會有更精細的結(jié)構(gòu)與更特異性的功能。

“類器官智能”的初衷還是想利用生物計算更快、更高效且低能耗的優(yōu)勢來構(gòu)建活體計算機，從而在較為復(fù)雜的任務(wù)上能實現(xiàn)比傳統(tǒng)硅基計算機更優(yōu)秀的表現(xiàn)，并且通過電脈沖信號能向計算機芯片發(fā)送或接收指令，實現(xiàn)碳基和硅基神經(jīng)網(wǎng)絡(luò)的協(xié)調(diào)計算，融合兩者的相對優(yōu)勢，創(chuàng)造出更加智能的計算系統(tǒng)。

但目前類器官智能的挑戰(zhàn)主要分兩塊：倫理和技術(shù)。

首先是倫理問題。

培養(yǎng)10周后的類器官會顯示出髓鞘形成等懷孕20周胎兒的特征，而且?guī)в行畔⑤斎氲拇碳绊戭惼鞴侔l(fā)育，結(jié)構(gòu)上變得更為復(fù)雜。接受輸入，產(chǎn)生輸出，與周圍的環(huán)境信息產(chǎn)生互動，并建立原始記憶，它是否會有意識？外界給予的電信號刺激輸入又是否會引起這些大腦的“痛苦”，這些是倫理機構(gòu)一直在密切關(guān)注的問題。

找到意識產(chǎn)生的充要生理條件是神經(jīng)科學(xué)最困難的問題之一，目前揭示意識神經(jīng)基礎(chǔ)的工作也在進行中，這將為類器官倫理條例提供很好的參考建議。類器官智能本身也不是為了重建人類意識，而是提供生物學(xué)習(xí)，認知與計算的功能基礎(chǔ)。

如果強人工智能的實現(xiàn)需要大量神經(jīng)元作為基礎(chǔ)的話，這種智能又和我們?nèi)祟愔悄苡泻尾煌繕O端一點，我們直接把尚未形成自主意識的胚胎神經(jīng)管切下來（這部分以后會形成人腦），然后放入培養(yǎng)箱中培養(yǎng)成一個具有860億節(jié)點體量的網(wǎng)絡(luò)系統(tǒng)，并將其與計算機芯片或服務(wù)器相連，處理各種任務(wù)，這種強人工智能的實現(xiàn)是否人道呢？

筆者相信這項技術(shù)即便研發(fā)成功，也會因相當復(fù)雜的倫理問題而被法律法規(guī)所禁止，就像應(yīng)用于人類的克隆技術(shù)和基因編輯技術(shù)一樣。

動漫《心理測量者》中的強人工智能——西比拉系統(tǒng)。圖片來源：動漫《心理測量者》

其次是技術(shù)問題。

前文提及的托馬斯·哈東團隊使用的單個類腦器官大約包含5萬個神經(jīng)元，安德魯團隊則是使用了8萬個。麻雀雖小，但五臟俱全，當前培養(yǎng)的類腦器官能再現(xiàn)大腦的組織結(jié)構(gòu)和功能，并有覆蓋髓鞘的軸突，自發(fā)的電生理活動，復(fù)雜的振蕩行為，高細胞密度和分層模式，甚至還有少突膠質(zhì)細胞、小膠質(zhì)細胞和星形膠質(zhì)細胞等多種細胞類型。

但問題是，如何使這些類器官產(chǎn)生學(xué)習(xí)活動，并對其計算能力加以利用？而且，多大規(guī)模的神經(jīng)元數(shù)目才能表現(xiàn)出高智能？下一階段研究人員將基于現(xiàn)有的分化方案擴大培養(yǎng)規(guī)模，構(gòu)建1000萬個神經(jīng)細胞的活體計算機，至于表現(xiàn)出來的智能水平如何，讓我們拭目以待。

與此同時，如何對神經(jīng)元間的連接做出調(diào)整，使其能更好地實現(xiàn)功能也需要考慮。盡管大腦類器官可能實現(xiàn)分子特征的時空特征，但無法反映人腦腦區(qū)的拓撲結(jié)構(gòu)和神經(jīng)元環(huán)路的復(fù)雜性及特異性，而這些可能恰恰是實現(xiàn)大腦高級功能的基礎(chǔ)。如何對大量雜亂的神經(jīng)元連接進行合理的布線，用分子信號誘導(dǎo)相關(guān)功能環(huán)路的產(chǎn)生，也是未來制作特定功能導(dǎo)向型的生物神經(jīng)網(wǎng)絡(luò)所要考慮的問題。

除此之外，目前仍無法高效完整地完成對人腦類器官的信號輸入與輸出記錄的記錄，研究人員正在致力于研發(fā)專用于類腦器官的3D腦機接口以及相應(yīng)探針，例如3D微電極陣列（MEA）、神經(jīng)像素硅探針等，完成與外界信息端口的精準對接。這些技術(shù)的推進能夠在一定程度上解決這方面的難題。

總的來說，盡管當前人工智能遠不如人腦學(xué)習(xí)能力全面且高效，只能在經(jīng)過大規(guī)模預(yù)訓(xùn)練的任務(wù)上表現(xiàn)出色，但類器官智能還難以復(fù)現(xiàn)最簡單的大腦，想要“戰(zhàn)勝”以GPT系列打頭陣的硅基生物，恐怕還有很長一段路要走，尤其使用的生物神經(jīng)元數(shù)目越多，所面臨的倫理挑戰(zhàn)就越大。對智能這條路探索的盡頭，很可能碳基和硅基兩種智能就會走到一塊兒去。

實現(xiàn)類器官智能的路線圖。圖片來源：參考文獻[2]

在實現(xiàn)強人工智能前，我們不妨再問問自己，為什么要實現(xiàn)強人工智能？

如果僅僅是需要服從聽話且好用的工具，那么只需訓(xùn)練出在特定任務(wù)執(zhí)行出色的智能神經(jīng)網(wǎng)絡(luò)即可，意識、情感、創(chuàng)造力這些都是不穩(wěn)定因素，對于任何低技術(shù)需求且具有高重復(fù)性的工作來講根本沒必要，而且還會導(dǎo)致社會的管理成本上升。

這么說來，可能對人類來說，像ChatGPT一類的模型已經(jīng)是最理想的智能系統(tǒng)了，希望看到這篇文章的你們在新一波的人工智能浪潮中都能用好這個工具，最大化地提高生產(chǎn)力。

人類和仿生人。圖片來源：游戲《底特律：變?nèi)恕?/p>

參考文獻：

[1] Smirnova L., Caffo B.S., Gracias D.H., et al. Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish. Front Sci 1:1017235. 2023. doi: 10.3389/fsci.2023.1017235

[2] Morales P.I.E., Smirnova L., Muotri A.R., et al. First Organoid Intelligence (OI) workshop to form an OI community. Front. Artif. Intell. 6:1116870. 2023. doi: 10.3389/frai.2023.1116870

[3] Andrew D. 80,000 mouse brain cells used to build a living computer. NewScientist Physics. 2023. From: https://www.newscientist.com/article/2363095-80000-mouse-brain-cells-used-to-build-a-living-computer/

[4] Brett J.K., Andy C.K., Nhi T.T. et al. In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron 110, 2022. doi: https://doi.org/10.1016/j.neuron.2022.09.001

[5] Paola Arlotta et al. Individual brain organoids reproducibly form cell diversity of the human cerebral cortex， Nature. 2019. doi: 10.1038/s41586-019-1289-x

[6] Pa?ca, S.P., Arlotta, P., Bateup, H.S. et al. A nomenclature consensus for nervous system organoids and assembloids. Nature 609, 907–910, 2022. doi: https://doi.org/10.1038/s41586-022-05219-6

[7] Dennis Jgamadze rt al. Structural and functional integration of human forebrain organoids with the injured adult rat visual system. Cell Stem Cell. 2023. doi: 10.1016/j.stem.2023.01.004.

出品：科普中國

作者：錢昱（中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心）

監(jiān)制：中國科普博覽