人工智能研究的长期目标之一是开发通用人工智能（artificial general intelligence，也叫“强人工智能”）——也就是科幻小说里那种有意识的或类人的人工智能。人脑有着学习、整合信息、拼凑上下文、从而真正理解事物的能力，而工程师们正试着开发基于这些人脑功能的算法或人工智能架构，并希望以此研发出通用人工智能[1]。但是，在一种再现学习与智能的新方法中，一个叫作“皿中之脑”（DishBrain）的系统却将活的脑组织和科技结合了起来。
“皿中之脑”是澳大利亚生物技术公司Cortical Labs[2]的产品。作为一个平台，它通过电生理信号刺激活的神经元，然后读取神经元活动，从而教会神经元执行任务。在《神经元》（Neuron）于10月12日发布的新研究中，科研人员表明培养皿中的小鼠或人类神经元在大约五分钟后就能学会玩雅达利公司（Atari）于1972年发行的经典电子游戏《乓》（Pong）[3]。
论文题目：
In vitro neurons learn and exhibit sentience when embodied in a simulated game-world
DOI：
没有参与此研究的哈佛医学院神经科学家雅斯明·艾斯克贝多·洛佐亚（Yasmín Escobedo Lozoya）[4]通过邮件告诉《科学家》杂志（The Scientist ）：“我觉得称这个过程为某种形式的‘学习’是准确的，因为这是一种能持续数分钟的、以目标为导向的适应性活动。”
Cortical Labs首席科学执行官布雷特·卡根（Brett Kagan）[5]告诉《科学家》，这充分证明了培养皿中的神经元网络在提供刺激和反馈的条件下是能够学习的，并且是有“感知力”的。他表示，通过进一步改进，“皿中之脑”可用于探索智能的机制、研究药物对神经元的影响、或基于生物和工程元件的结合开发更强大的人工智能。
卡根问道：“这会是一种思考‘神经元为何物’的新思路吗？神经元只是人类和动物的生物组成的一部分吗？它们能否成为一种研究智能的新型生物材料？……科学家又为什么要尝试模仿智能——这个我们已经拥有并驾驭的东西？”
“皿中之脑”系统是一种用于电生理刺激和记录的体外装置。研究者们在能向特定神经元传递电流震动的电极网格（类似于脑中相邻神经元之间典型的电化学信号传递模式）上培养了皮层神经元。这些网格还可以记录细胞的电生理反应，并将该反应反馈到任何正在进行的的数字任务中，从而在系统软件和活的脑细胞之间形成了一个实时通信和反馈的闭环系统。这种网格被物理区分成不同区域：一个感觉区域（为神经元提供反馈和刺激）以及多个运动区域。
在游戏《乓》中，玩家必须用他们的“球棍”（略多于一行像素）来防止球打进他们的球门，还要尝试把球击入对手的球门，就像虚拟的曲棍球比赛一样。这个简单的游戏已经成为用于脑机接口系统概念验证的首选任务[6]。位于某一个运动区域的神经元的动作电位发放提示球棍向上移动，而位于另一个运动区域的神经元活动则使球棍向下移动。
卡根说：“当我们给神经元提供信息时，我们试图使其尽可能地接近它们在生物系统中接收的信号。”
“皿中之脑”的显微镜图像，其中荧光标记显示不同类型的细胞：神经元和轴突是绿色的，紫色标记神经元，红色标记树突，蓝色标记所有细胞。在有多个标记物的地方，颜色被合并，通常显示为黄色或粉红色。
—
CORTICAL LABS
虽然卡根说这些神经元确实可以实时玩《乓》，但为了简单起见，他的团队不得不做出做一些修改。他表示：“球棍越大，球移动越慢。”此外，神经元的目标是尽可能获得高分而不是获胜。因此，卡根补充道：“它没有真正的对手可以对抗，因此不可能赢。如果我们要试图创造一个胜利的条件，那就复杂了。而对于神经元来说，这项任务的结果仅限于‘击球’、‘继续比赛’或者‘输球’。针对神经元的不同‘行为’，我们会给出其中一种结果所对应的反馈。”
提供给神经元培养物的刺激在强度和可预测程度上有所不同。根据论文所述，在感觉区域的神经元受到规律的电流震动，这些震动编码了小球在游戏中的位置。而当运动区域的神经元成功用球棍对准球、并让球在屏幕上穿梭回来时，感觉区域的神经元便会收到一个可预测到的刺激，这样，这些神经元之间的连接就得到了增强——这相当于给神经元的奖励。当神经元未能击球时，它们会收到一种在其预测之外的刺激，这种刺激更长、更强烈，从而干扰了这些神经元培养物。神经元很快便学会了避免这种扰乱性的刺激，并开始寻找能达到“击球”效果的条件。
“皿中之脑”系统上高度互连的神经培养物的扫描电子显微镜图像
—
CORTICAL LABS
用诱导性多能干细胞（induced pluripotent stem cells）培养的人类神经元以及胚胎小鼠神经元都能够学会玩这个游戏，并且随着时间的推移，两种细胞培养物的表现都有所提高。不过，这项研究显示，人类细胞可以坚持连续对打更久（连续击球的次数更多）。卡根说，这些证据表明只要能得到充分、具体的回馈和提示，小型神经网络足已学习一个任务。
纽约费恩斯坦医学研究所（Feinstein Insititutes for Medical Research）生物电子医学研究所（Institute of Bioelectronic Medicine）的神经科学家埃里克·张（Eric Chang）[7]没有参与此项研究，但他在邮件里告诉《科学家》，他认为这个实验设置很有趣，并补充道：“这个项目的用途目前还不明朗，但这并不意味着它没有价值。众所周知，计算机和人工智能在许多专项任务中都完胜人脑，因此我不确定像这样的少数神经元与这种电子设备的交互能用于何处。”
然而，艾斯克贝·多洛佐亚提到，她认为在进行潜在药物筛查时，我们可以用该系统来检验药物是否会影响大脑功能。
也许更悬而未决的问题是，“皿中之脑”项目培养的神经元是否具有感知能力。卡根承认，声称神经元具有感知能力（sentience）的言论可能会引发争议，尤其是考虑到他所说的人工智能开发领域的过度炒作和推广。
卡根说：“我们对‘感知’这个术语深思熟虑并进行了很多内部辩论。”他还提到，他和同事在2022年早期于AJOB Neuroscience杂志发表了一篇关于他们的术语选择的评注[8]。他补充道：“我必须强调，我们不是在指‘意识’。”尽管二者经常被混为一谈。“‘意识’是关于‘身为人类是什么感觉’的经验。而从学术上和历史上而言，‘感知’是感受环境并对环境做出回应的能力。”
他补充道，这个定义同样适用于此。和以身体作为媒介与环境建立的间接关系不同，“我们认为，这是（科学家）首次将神经元直接置于它们能与之交互的环境中。”卡根说。
但并不是所有人都信服这种说法。埃里克·张说：“这是一篇概念验证的论文，它向我们展示了培养皿中的活神经元如何以有限的方式与计算机芯片交互，但这还不是可以让我称之为‘感知’或‘生物智能’的东西。”而艾斯克贝多·洛佐亚则表示：“我选择把问题留给哲学家来决定这是否构成‘感知’。”
卡根说，在他的团队继续开发该系统的过程中，他也欢迎这种批评意见。他说：“我们试图尽可能地减少炒作。尽管这项研究可能带来的影响的确令人激动，但我们还没有必要对此大肆渲染。”
参考文献
1.https://www.the-scientist.com/news-opinion/artificial-neurons-fire-in-life-like-patterns-66813
2.https://corticallabs.com/
3.https://doi.org/10.1016/j.neuron.2022.09.001
4.https://dymeckilab.hms.harvard.edu/yasmin-escobedo-lozoya.html
5.https://corticallabs.com/#team
6.https://www.inverse.com/innovation/neuralink-video-shows-musk-gaming-monkeys
7.https://feinstein.northwell.edu/institutes-researchers/our-researchers/eric-h-chang-phd
8.https://www.tandfonline.com/doi/abs/10.1080/21507740.2022.2048731?journalCode=uabn20
译者：Lemon l 校对：M.W.；编辑：M.W.
原文：https://www.the-scientist.com/news-opinion/how-neurons-in-a-dish-learned-to-play-pong-70613
