科幻照进现实，科学家要研发人脑细胞驱动的计算机了？！

来源：互联网 2024-11-10 22:15:44 版权归原作者所有，如有侵权，请联系我们

审核专家：郑远攀郑州轻工业大学教授

最近的人工智能领域可谓热闹非凡，以Chat GPT（Chat Generative Pre-trained Transformer，聊天生成预训练转换器）为首的一众AI（Artificial Intelligence，人工智能）产品在网络上掀起热潮，以强大的性能不断刷新网友认知，让很多人认为AI改变世界的时代就要来了。

然而有科学家却提出，当前人类的计算机技术已经触及瓶颈，AI的发展将会受到限制，于是提出了类器官智能（Organoid Intelligence，OI）的概念，并称OI如果能在未来实现，那么很有可能让科幻电影中的“强人工智能”成为现实。

AI、GPT与强人工智能

在了解OI之前，我们首先来说说风头正劲的AI。AI就是人工智能，最早在1956年的达特茅斯会议上被正式提出。它是对人的意识和思维过程的模拟，是人类用以了解智能本质的手段。温斯顿教授对AI的定义是“研究如何使计算机去做过去只有人才能做的智能工作”。来源丨pixabay

经过数十年的发展，AI已经被广泛应用在生活当中。如手机搭载的智能语音助手、认证环节经常出现的人脸识别以及网上冲浪时的信息推送等角色与事务都离不开AI的参与。

在医疗、物流、生产、交通等高精尖领域，它也发挥着重要作用。甚至在一些普遍认为AI难以取代人类的领域，如绘画、作曲等，也开始被AI渗透，其作品的完成度让人惊叹，甚至获得评委们的一致好评。AI作品《太空歌剧院》来源丨AI/百度百科

2022年在科罗拉多州博览会举办的一场美术竞赛上，一幅名为《太空歌剧院》的画作夺得了数字艺术奖的冠军。这幅画是当地一位叫杰森·艾伦的设计师利用人工智能创作，再利用Photoshop润色后完成的。这幅作品的获奖在当地的美术圈也引起了相当大的争议。现在的人工智能需要大量数据进行学习训练，在大数据时代背景下，AI的发展变得更加快速便捷，最近引爆网络的ChatGPT就离不开庞大数据的支持。来源丨网络图片

ChatGPT是一种基于互联网可用数据训练的文本生成深度学习模型，目前已经更新到了GPT-4。GPT-4的知识面涵盖了几乎所有学科，能够生成语法规范、逻辑严密的文本，也能进行绘画创作，甚至能在人类的一些颇具难度的考试如SAT（Scholastic Assessment Test学术能力评估考试，俗称的美国高考）考试、司法考试中取得极高的分数，强大得让人惊叹。

目前所有的人工智能还都处于弱人工智能的阶段。强人工智能，又称多元智能，是指具备智能完整性，能够进行自主推理和思考的人工智能，被认为能够产生知觉和意识，是AI发展的新目标。有观点认为强人工智能可能永远无法实现，但OI概念的出现却为多元智能带来了希望。OI也许可以通过直接模拟人脑的构造、思维模式、学习模式等，发展出完整的强人工智能。

OI是什么？

有不少人认为，ChatGPT的出现，标志着人工智能的发展来到了一个奇点，将会迎来行业井喷式发展。然而有眼光锐利的科学家却认为，当今的计算机技术和人工智能技术已经无限接近瓶颈——因为人类已经很难在芯片上安装更多的晶体管了。

其实对人类来说，人脑才是最复杂的智能系统，人工智能的本质也是对人脑思维过程的模拟，那么能不能直接创造一个“大脑”呢？

2023年2月，约翰斯·霍普金斯大学的Thomas Hartung团队提出了类器官智能即OI的概念，以期利用这个理论，在未来发展出更强大、高效、节能的计算机形式。

类器官是指通过3D体外细胞培养系统，培养出一种与体内器官或组织来源高度相似的器官模型，它虽然不是真正的器官，但具备原本器官的部分功能。

来源丨pixabay

OI就是运用类似的技术，在体外培养出大脑的细胞组织，将其作为生物计算机的核心硬件——CPU和显卡，再通过微电极阵列等方式与外部电子设备连接，进行训练和计算。

2022年12月，澳大利亚的生物科技初创公司Cortical Labs利用人体的干细胞诱导分化出人类的神经元，并将这些神经元与多电极阵列计算机集成，组成了一个人脑与计算机的合体。随后他们还通过微电极阵列，让它开始玩一款“乒乓球”游戏，神经元仅用了五分钟就学会了这款游戏的操作。而相似规模的人工神经网络，可能需要花上90分钟的时间。

来源丨pixabay

由于类器官智能是基于生物硬件的，最大的进步之一就是降低了功耗。OI的核心硬件设备几乎可以视为另一个大脑，而大脑的功耗是极低的。

一个成年人的大脑平均功耗仅有20W，而大部分AI服务器的功耗通常在10^6W左右。一些顶级的超级计算机，如我国的神威·太湖之光超级计算机，功耗更是达到了15.37MW（兆瓦）。另外，OI还具有极强的深度学习能力。

OI比AI更懂学习

由于OI具有人脑的组织结构，可以实现“少样本学习”，对于复杂问题的处理能力也远超传统AI。如果要对一个简单的事物进行识别，人脑仅需约10个左右的样本就能学会，而早年，AI即使“学习”了上百万个样本也依旧没有学会。

击败了世界顶级围棋棋手李世石的阿尔法狗（AlphaGo），被“投喂”了近十六万场的棋局数据，这样的训练量，一个职业选手哪怕每天不吃不喝只进行训练也需要约37年。

人脑具备相当复杂的神经网络，就像是一个超多核处理器。人脑思考的区域主要集中于大脑皮层，此处拥有约140亿个神经元，能够产生1014~1015OPS（Operations per second，即每秒运算次数）的算力，是普通计算机算力（1010 OPS）的十几万倍。拥有如此强大的算力，配合高度复杂的神经网络结构，人脑才得以演化出一套多层结构的深度学习模式。这套模式让人类可以高效进行各种复杂问题的学习和处理，效率是计算机的上百万倍。

同时，人脑在对一件事情进行学习后，所获得的经验、策略、方法等还可以应用于其它事情。比如我们通过学习围棋而培养出的思维模式和方法论，也可以用在篮球、足球等其他项目上，而AI如果要新学习一种技能，则必须从零开始。