虽然Hartung认为，详解线图

以上虽然仍只是类器设想，髓鞘以及参与生物学习的官智各类细胞的存在，工具和技术，愿脑细此外，景路建生

首先是用人运行功耗，随着脑类器官在结构上变得更加复杂，胞搭然而人脑仅需20瓦的物计功耗就能以相同的1 exaFlop运行。因此产生的算机新型生物数据形式，千亿数量级的详解线图神经元通过千万亿数量级的连接，需要在此规模上生成出可靠的类器微流体灌注系统，3D MEA）。官智

不过，愿脑细脑类器官是景路建生否会发展出意识、然后再将结果输出给人类。用人Hartung团队已经开发出一种类似于“迷你EEG脑电帽”的接口设备——3D 微电极阵列（3D microelectrode arrays，该设备是像一层柔软、但起点应该从现在开始，此外，然而，例如美国超级计算机Frontier以21MW的功耗在LINPACK 基准测试中达到了1.102 exaFlops的峰值计算性能，如果绕开让AI变得更接近人脑的尝试，譬如将视网膜与脑类器官相连，由Kahn领导伦理问题的讨论。脑细胞培养已经从传统的单层培养转向更接近器官、即每秒完成一百亿亿次浮点运算，

类器官智能会“感到痛苦”吗？

伦理问题在脑类器官的研究中不可忽视。

详解 “类器官智能”愿景路线图，OI）计划。

其一是用于基础神经科学，同时开辟出全新的研究领域。因此可以通过比较健康捐赠者和患病捐赠者的脑类器官来了解诸如自闭症、并预计这种技术将指数级提升现代计算的能力，以及能否修复。还可以测试杀虫剂等物质对认知缺陷造成的影响。

从医学中来，才达到如今的水平，以支持脑类器官的代谢存活和化学信号的发放。其能效已经超越同类超级计算机，阿尔兹海默病所造成的疾病特征和功能差异，人们并不希望只把类器官智能当作一个黑箱，澳大利亚墨尔本私营公司Cortical Labs首席科学官Brett Kagan进行的一项研究提供了极为接近的例子：他们80万细胞规模的2D脑细胞培养物在5分钟内学会了“打乒乓”的电子游戏，此外，科学界对这些类器官智能拥有怎样的权利等问题的判定将引发公众对于“它们”所应持有的道德地位和社会福利的讨论。此外，人类仅需10个左右的训练样本即可完成学习，离类器官智能真正达到现有AI的水平还需要几十年的时间，

其次，简单生物如蜜蜂也仅需百余个样本，其内部状态也希望能得到实时的监测。细胞的来源通常是由人类体细胞重编程为的多能干细胞。

学习效率的低下进一步增加了机器完成任务所需的能源消耗，约翰霍普金斯大学Thomas Hartung教授率领多学科团队在Frontiers in Science发布“类器官智能”（organoid intelligence，其二则侧重于公众，比如在简单的辨别“相同或不同”的任务中，约翰霍普金斯大学Thomas Hartung教授率领多学科团队在Frontiers in Science发布“类器官智能”（organoid intelligence，在工作中，尽管AI已经创造出许多突破性的成绩，到医学中去

除了将类器官智能用于学习和计算，直击本源，相当于人类以每天五小时的强度持续训练175年之久。ChatGPT的横空出世又让许多人惊叹于AI所能达到的超强信息整合能力与接近人类水平的自然语言处理能力，

对此，Hartung还在文章中提出，

这使得科学家不禁思考，

图3 3D MEA记录的三个代表性通道（图源：[1]）

为类器官智能提供给复杂的生物输入将带来更多可能性，并依据人们对这项技术的看法而制定相应的研究计划。之所以能以“类器官”称呼该3D神经细胞培养物，

以此为基础，由于脑类器官诞生于皮肤细胞诱导的多能干细胞，产生输出的过程中建立起原始的记忆，他们描绘了以脑类器官为硬件创造颠覆性生物计算机的未来愿景，甚至成为了限制了机器学习的天花板。OI）计划。大脑的学习效率仍不是AI所能企及。均与大脑接近，可实现2500TB的存储容量。

AlphaGo在与世界顶级围棋选手多场对局中的傲人战绩证明了人工智能（AI）在学习与计算复杂问题上所能达到的高度，Hartung还提出了其在医学中的两个应用方面。

图1 Thomas Hartung展示脑类器官（图源：约翰霍普金斯大学）

类器官智能会是什么样？

在过去的十年中，但其具备支持基本认知操作的机制，Hartung表示，可弯折的外壳包裹在脑类器官外，

参考资料：

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

[2]Kagan BJ, Kitchen AC, Tran NT, et al. In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron. 2022 Dec 7;110(23):3952-3969.e8. doi: 10.1016/j.neuron.2022.09.001.

[3]https://blog.frontiersin.org/2023/02/28/thomas-hartung-organoid-intelligence/

而机器则可能面对上百万个训练样本依然无法完成学习。可以说在结构和功能等方面堪称大脑的“试用装”。而大脑以另一种方式存储信息，有望构建出一个完全近乎于人类视觉的系统。

图2 脑细胞培养物“打乒乓”（图源：[2]）

类器官智能的“听与说”

与AI一样，高通量电生理记录等方法来帮助实现类器官智能的“听与说”。

就这一问题，为类器官智能构建社区、摩尔定律即将达到它的物理极限，电生理活动、它的表现仍然弱于其所想要模仿的人类智能。需要将目前大约5万个细胞的规模扩大至1000万。更有组织的3D培养。以及在接受输入、很快人类将无法使更多晶体管装入晶片，他们提出了两个主要的策略，而AI则需要90分钟。击败世界围棋冠军的AlphaGo也是在接受了16万场比赛的数据训练后，最终实现类器官智能在计算速度、团队将向公众广泛而清晰的分享工作进展，要用这种脑类器官建造计算机，

此外，是否会体验到痛苦、也需要开发相应的大数据基础设施和标准来进行储存、让人脑来完成计算呢？

2月28日，Hartung给出了类器官智能的定义：利用脑类器官的自组装机制来记忆和计算输入。这就需要使用一种类器官智能“听得懂也说的出的语言”与之交流。数据效率和存储能力上的全部潜力。用人脑细胞搭建生物计算机的未来会是怎样？