科学家们已经教会了培养皿中 800,000 个活体大脑细胞玩标志性的街机游戏“Pong”。
这是来自 Cortical Labs、莫纳什大学、皇家墨尔本理工大学、伦敦大学学院和加拿大高级研究所的神经科学家和程序员团队的成果。他们详细的研究结果已于本月早些时候发表在《Neuron》杂志上。
当然，实际的设置比在培养皿中放入一团神经元要复杂得多。在这个名为 DishBrain 的系统中，神经细胞被覆盖在一个多电极阵列上，这类似于一种 CMOS 芯片，能够读取神经元电活动非常微小的变化。
神经细胞具有众所周知的动作电位——它们会响应细胞膜上特定电压变化序列而放电。这使得它们的行为几乎像计算机电路中的门。
这些细胞相互连接，整合到芯片中，并且可以存活数月。电极阵列允许研究人员以给定的速率，在网格上的特定位置发送和读取神经细胞的信号。因此，电极阵列上的电极可以一侧或另一侧放电，告知 DishBrain 球在哪里，信号的频率可以指示球离挡板有多远。通过点亮特定预设的电极排列，DishBrain 可以触发运动活动，例如上下移动游戏中的挡板。
生物技术初创公司 Cortical Labs 的首席科学官兼《Neuron》论文的首席作者 Brett Kagan 表示：“我们几乎可以通过这些非常小的电信号来解码进入和输出的信息，并利用它来代表细胞中发生的情况。“电子游戏有助于人们理解正在发生的事情。如果我们仅仅以随机数作为函数来做，人们就不会欣赏或理解结果的重要性。”
但他们为什么选择“Pong”呢？
Kagan 表示：“从科学角度来看，我们需要一项实时、连续的任务，并且有一个非常明确的失败条件（获胜条件不那么重要），而且很容易概念化并将其编码到细胞中。”
这也是一个在计算神经科学界长期以来被用作试验台的游戏。例如，在 2013 年，谷歌的 DeepMind 使用“Pong”来训练其机器学习算法。
Cortical Labs 的首席执行官 Hon Weng Chong 说：“如果你仔细想想，这个环境的运作规则确实只有大约六条。这就是我们所说的结构化信息格局。“我们的结论是，这些神经元必须在内部创建模型[受这六条规则的影响]。无论是什么，我们现在还不太清楚，这还有待进一步研究。它试图利用这一点来优化我们设定的参数，那就是：不要漏掉球，击中球。”
[相关：人工智能如何在模仿游戏中迷惑人类]
除了弄清楚 DishBrain 中“智能”的确切产生方式之外，作为下一步，该团队希望将其性能与人工神经网络进行比较。他们还希望在药物和酒精的影响下看看 DishBrain 能玩得多好。
Chong 表示：“我们希望展示其玩游戏能力存在剂量反应曲线，以此来验证这些神经元可以用于实际的药物测定和发现，以及个性化医疗。”
当 Cortical Labs 于 2020 年 3 月脱离隐秘状态时，其目标是构建生物计算机芯片。
Kagan 指出，大脑细胞是一种有趣的生物材料系统，它可以在没有大量输入样本的情况下实时高效地处理信息。“一只苍蝇，一个非常简单的系统，在导航其环境方面的通用智能比最好的机器学习还要强，”他说。“它的能耗却只占一小部分。为什么要模仿你可以利用的东西？”
但是，虽然使用这些类型的芯片进行计算机科学研究的应用很有趣，但 Cortical Labs 对其技术平台的商业化有着更直接的关注。
[相关：从皮肤细胞培养的微型大脑揭示自闭症]
Chong 说：“我认为我们主要的商业方面是帮助那些在非常困难领域（如痴呆症研究、癫痫症甚至抑郁症）的研究人员，利用我们开发的技术来寻找新的疗法和新药物。“这就是我们公司试图关注的商业化视角。”
由于 DishBrain 中使用的神经细胞可以从多能人类干细胞中获得，这为个性化医疗打开了可能性。Chong 说：“你可以从捐赠者那里采集样本，培养基因型相似的神经元，然后用它们来测试药物，这些药物将具有与捐赠者细胞相同的参数。”这可能会缩短像癫痫病等疾病的治疗试验过程。“如果你有一个系统，可以立即知道应该服用哪种药物才能获得最佳疗效且副作用最小，这对许多患有这种疾病的人来说将是巨大的改变。”
