重磅！機器-類器官混合“生物計算機”誕生，或克服AI硬件瓶頸

人腦，作爲人類的“指揮中心”，約有 2000 億個細胞，並通過數萬億個納米大小的突觸相互連接。

目前，以人工智能（AI）硬件爲驅動的人工神經網絡需要約800 萬瓦的能量，而人腦只需要約20 瓦。

通過神經可塑性和神經發生，大腦還能夠以極小的訓練成本有效地處理和學習嘈雜數據，從而避免高精度計算方法的高能耗需求。

受到人腦結構功能的啓發，印第安納大學伯明頓分校、佛羅里達大學、辛辛那提兒童醫院醫學中心以及辛辛那提大學的研究人員共同發明了一個機器-類器官混合計算系統——Brainoware。

該系統包括傳統計算硬件和大腦類器官，可以執行語音識別和非線性方程預測等任務。另外，該系統能夠靈活地在電刺激反應中進行變化和重組，有望應對當前 AI 硬件在時間和能源消耗以及熱量產生方面的挑戰。

相關研究論文以“Brain organoid reservoir computing for artificial intelligence”爲題，已發表到Nature子刊Nature Electronics上。

論文作者提到，大腦類器官只是該系統的一部分，更復雜的人工神經網絡尚有待演示。

在一篇同時發表的“新聞與觀點”文章中，約翰斯·霍普金斯大學的副教授 Lena Smirnova 和同事寫道，“隨着這些類器官系統的複雜性不斷增加，學術界對涉及人類神經組織的生物計算系統的研究面臨着諸多神經倫理問題，這變得愈發重要。雖然創造通用生物計算系統可能還需要數十年的時間，但這項研究有望爲我們提供關於學習、神經發育以及神經退行性疾病等機制的基礎性見解。”

可進行語音識別

AI 最近取得的成功主要由人工神經網絡（ANNs）的發展推動，這些網絡使用硅計算芯片處理大型數據集。然而，在當前的 AI 計算硬件上訓練人工神經網絡是耗能、耗時的，且數據與數據處理單元是物理分離的，即存在馮·諾伊曼瓶頸。

人腦的結構、功能和效率爲發展 AI 硬件提供了靈感——人腦在生物神經網絡（BNNs）中融合了數據存儲和處理，自然地避免了馮·諾伊曼瓶頸的問題。

受 BNNs 的啓發，科學家們嘗試開發高效且低成本的神經形態芯片，例如使用憶阻器（memristors）。然而，當前的神經形態芯片只能部分模仿大腦功能，提高其處理能力很重要。

對此，該研究介紹了一種利用人腦類器官神經網絡（ONNs）的儲備池計算（reservoir computation）和無監督學習能力的 AI 硬件，該硬件嵌入在類器官中。這種方法能夠處理時空信息，並通過類器官的神經可塑性實現無監督學習。

圖｜Brainoware 搭載無監督學習的 AI 計算（來源：該論文）

與當前的二維體外神經元培養和神經形態芯片相比，因爲類器官可以提供 BNNs 的複雜性、連接性、神經可塑性和神經發生，以及低能耗和快速學習，所以 Brainoware 可以爲 AI 計算提供更多的見解。

得益於類器官較高的可塑性和適應性，Brainoware 能夠靈活地在電刺激反應中進行變化和重組，凸顯了其進行自適應儲備計算的能力。

研究證明，該方法能夠顯示出非線性動力學、衰退記憶和空間信息處理等物理儲備屬性，還可以進行語音識別和非線性方程預測。此外，研究還證明了此方法能夠通過重塑 ONNs 的功能連接性從訓練數據中學習。

圖｜語音識別（來源：該論文）

然而，當前的 Brainoware 方法存在幾個限制和挑戰。

一個技術挑戰是類器官的生成和維護。儘管已成功建立了各種協議，但當前的類器官仍有高度異質性、低生成效率、壞死/缺氧和各種活性等問題。此外，正確地維護和支持類器官以挖掘其計算能力是至關重要的。

雖然當前的 Brainoware 硬件耗能較低，但是需要額外的外圍設備，這些設備仍相當耗電。根據電子產業的發展和系統集成，未來應有可能使用維護和接口類器官的定製系統實現耗能極低的集成。

Brainoware 中使用平坦、硬質的 MEA 電極與類器官接口，這種接口只能刺激/記錄器官表面少數神經元。因此，有必要開發一些方法，以便全面地將類器官與 AI 硬件和軟件接口。

另一個技術挑戰是數據管理和分析。將時空信息編碼並從 Brainoware 解碼仍需要優化，這可以通過提高對來自多個來源和模式的數據解讀、提取以及處理的效率來實現。此外，這種新型 AI 硬件可能會生成大量數據，這可能需要開發新的算法和方法進行數據分析和可視化。

應用前景廣闊

上述關於 Brainoware 的研究只是科學家在類器官方向上的一次嘗試。

作爲研究焦點之一，類器官是指一種能在體外環境培養的具有三維結構的微器官，擁有真實器官類似的複雜結構，能夠部分模擬真實器官的生理功能。

2009 年，荷蘭 Hubrecht 研究所的 Hans Clevers 團隊成功地將成體幹細胞培養成小腸隱窩和絨毛結構，標誌着類器官技術的起步。

類器官在器官移植和藥物篩選上頗具前景，同時，類器官爲創建人類疾病的細胞模型提供了機會，可以在實驗室中進行研究，以更好地瞭解疾病的原因並確定可能的治療方法。類器官在這方面的力量首先被用於小頭畸形的遺傳形式，其中患者細胞被用來製造大腦類器官，這些類器官更小，並且在早期神經元中顯示出異常。

2021 年，來自維也納奧地利科學院的科研團隊，使用人類多能幹細胞成功培養出全球首個體外自組織心臟類器官模型，該模型可自發形成空腔，自主跳動，無需支架支持。同時，這種心臟類器官在受傷後可以自主動員心臟成纖維細胞遷移修復損傷。

圖 | 跳動的心臟類器官（來源：The Mendjan Lab）

本月初，《自然-方法》雜誌發表的一篇論文顯示，奧地利科學院分子生物科技研究所的科學家成功開發了一個多巴胺系統的類器官模型。這一模型詳細揭示了多巴胺系統的複雜功能以及其對帕金森病潛在的影響。令人振奮的是，這一類器官模型可用於改進帕金森病的細胞治療。

幾乎同一時間，在一篇發表在科學期刊 Cell Reports 的研究報告中，來自斯坦福大學醫學院等機構的科學家們利用類器官的三維器官組織模型，篩選出了引起多種不同類型癌症生長的基因，並識別出了在口腔癌和食管鱗狀癌中非常有希望的潛在靶點。

目前，類器官培養技術正經歷技術迅速發展和科研成果大量涌現的階段，應用前景廣闊，但同時也面臨着一系列重要挑戰：包括如何有效利用人體胚胎的幹細胞建立穩定持久的體外模型；如何更真實地模擬人體微環境；以及如何實現科研屬性的產品量產，併成功將其轉化爲臨牀產品等問題。

未來，期待不斷髮展的類器官技術，能爲醫學、生物學、藥物研發以及 AI 等領域帶來更多的機遇和突破。