人腦細胞在培養皿中學會打游戲，比AI學習速度快18倍還省電，有黑客帝國那味了
它們以為自己是個球拍
夢晨 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
大約100萬個活體腦細胞在培養皿中生長出來。
外界看來它們被放在物理世界的一個容器里。
但它們會認為自己“生活”在一個截然不同的世界。
這個世界里只有復古的乒乓球電子游戲Pong，他們整天都在打這個游戲。
科學家對外把它們叫做盤中大腦?(DishBrain)。
在正式論文里則描述為體外神經網絡?(In vitro neural networks)
這項研究來自澳大利亞初創公司Cortical Labs。
他們的目標是把活體生物神經元與傳統硅集成電路結合在一起，創造出芯片新物種。
研究團隊的領導者是Cortical Labs首席科學家Brett Kagan。
他透露公司內部經常用《黑客帝國》中的矩陣來稱呼這些腦細胞生活的世界。
在游戲中，它們相信自己就是那個球拍。
全世界已經有不少團隊在嘗試培養這種類腦器官，但Kagan認為他們首次發現了這些“迷你大腦”能夠完成目標導向的任務。
論文的結論部分這樣寫道：
利用DishBrain系統，我們證明了單層的體外皮質神經元在虛擬游戲世界中可以自我組織并表現出智能和有感知能力的行為。
腦細胞是誰的？
腦細胞如何獲取，這項研究是否符合倫理規范，可能是很多人首先關心的問題。
可以放心，并不需要從人腦中提取神經元細胞，而是有兩種不同來源：
直接使用小鼠神經元細胞，或者用人類干細胞誘導分化成神經元細胞進行培養繁殖。
整個實驗也經過了澳大利亞當地的倫理委員會審查。
兩種細胞來源的對比實驗中，人類神經元的游戲水平總是高于小鼠神經元。
這也給此前科學上一個假設提供了初步證據：
所有關鍵特征(細胞數量、感覺輸入、運動輸出等)保持不變，人類神經元的信息處理能力優于嚙齒動物神經元。
研究團隊猜測這可能是因為人類神經元樹突長度更長，密度更高。
現在知道了細胞從何而來，下一個問題就是這些盤中大腦如何學會打游戲的？
5分鐘學會打游戲，AI需要90分鐘
培養好的腦細胞被放在高密度微電極陣列（HD-MEA）上，由瑞士公司Maxwell Biosystems提供。
通過低延遲的軟件，研究人員可以用電信號刺激電極陣列上的神經元細胞并測量記錄他們的活動情況。
在8mm*8mm的面積上排列著共用26400個鉑金電極，也就是說最高分辨率可達220*120。
電信號發送到陣列的不同區域代表“乒乓球”的位置，而腦細胞可以自己產生電信號來移動“球拍”。
通過一套信號循環反饋系統，盤中大腦用5分鐘就能學會玩乒乓球游戲。
掌握同樣的游戲，人工智能需要花90分鐘。
雖然盤中大腦學會打游戲的速度更快，但是最后游戲水平還是不如高級的人工智能，比如DeepMind開發的那個。
2013年DeepMind的驚艷亮相，就是演示了AI在乒乓球、打磚塊、越野耐力賽三款經典雅達利游戲上可以超過人類高手水平。
這次演示也是促成谷歌收購DeepMind的原因之一。
現在是只有部分人類腦細胞組成的盤中大腦上場，游戲打不贏AI倒也正常。
關于Cortical Labs
Cortical Labs成立于2019年，目標是利用合成生物技術開發具有流動智力的新型人工智能。
他們認為生物神經元能夠通過自組織解決陌生問題、比數字電路有更強的適應性和可擴展性、同時更省電。
比如人類的大腦有超過10億個神經元，能夠產生通用智能卻只消耗20瓦特的能量。
創始人兼首席執行官Hon Weng Chong（右一）是醫學與計算機交叉背景，博士畢業于約翰霍普金斯大學。
聯合創始人Andy Kitchen（左一）是軟件工程師出身，畢業于澳大利亞皇家墨爾本理工大學。
首席科學家Brett Kagan（左二）研究神經科學，博士畢業于墨爾本大學。
左三Laura Summers是設計師，左四Andrew Doherty是硬件工程師
Cortical Labs已經將本次研究的相關數據和代碼開源。
最后，他們還提供了一個在線演示，可以觀察盤中大腦學會打乒乓球游戲的過程。
感興趣的話，可以復制下方鏈接，或點擊文章最后的閱讀原文查看～
在線演示：
https://spikestream.corticallabs.com
開源地址：
https://gitlab.com/PaperReview/NCOMMS-21-41265
論文：
https://www.biorxiv.org/content/10.1101/2021.12.02.471005v1
參考鏈接：
[1]https://www.dailymail.co.uk/sciencetech/article-10322247/Human-brain-cells-grown-petri-dish-learn-play-Pong-faster-AII.html
[2]https://www.youtube.com/channel/UCt5OA3LingpZBeEyPYmputQ
- 英偉達自毀CUDA門檻！15行Python寫GPU內核，性能匹敵200行C++2025-12-08
- GPT-5-Thinking新訓練方法公開：讓AI學會懺悔2025-12-04
- GPT5.5代號“蒜你狠”曝光！OpenAI拉響紅色警報加班趕制新模型，最快下周就發2025-12-03
- 華爾街尬捧TPU學術界懵了：何愷明5年前就是TPU編程高手，多新鮮2025-11-30
相關閱讀
