生物计算：由脑细胞制成的计算机

计算机通常由硅、晶体管和存储芯片制成。然而，在生物计算中，活体组织发挥了作用。人类神经细胞或三维大脑类器官连接到电子接口。这使得研究人员能够输入电信号、测量细胞反应并通过反馈影响神经元网络。然而，目标不是计算机中的人脑。相反，生物网络旨在承担特殊的学习、研究和信号处理任务。 DishBrain、Brainoware 和商业 CL1 等项目展示了初步的实用方法。然而，该技术仍处于早期阶段，不仅提出了技术问题，还提出了基本的道德问题。

简而言之，最重要的事情

生物计算使用活体神经细胞作为生物学、电子学和软件混合系统的一部分。
类器官智能，简称 OI，专注于由人类干细胞制成的三维大脑类器官。
电极阵列将电刺激传输到细胞并读出它们的反应。
CL1 适用于硅芯片上培养的神经元，但不适用于三维大脑类器官。
最大的障碍是可重复性、可扩展性、耐用性、可靠的性能指标和道德规则。

生物计算和类器官智能意味着什么

生物计算是使用生物系统进行信息处理的通用术语。这些可以包括 DNA 分子、蛋白质、单个细胞或神经网络。在类器官智能领域，重点是活神经细胞。术语“湿件”将这种生物成分与硬件和软件。然而，它并不是培养皿中的完整大脑。经常使用的术语“迷你大脑”在科学上也具有误导性。脑类器官仅复制脑组织的选定特性和发育过程。

类器官智能是一个跨学科的研究领域。它结合了干细胞生物学、神经科学、生物工程、计算机科学和机器学习。 2023 年提出的研究路线图描述了三维大脑类器官如何与输入和输出接口耦合。从长远来看，此类系统旨在复制学习和记忆过程。该方法还应该有助于更详细地研究脑部疾病。与此同时，开发人员强调，伦理问题必须从一开始就成为研究的一部分。因此，技术术语 OI 并不代表现有的类人智能，而是代表一个研究目标。这是从基本的关于类器官智能的技术文章出去。

表达	简短定义	技术角色
CL1	Cortical Labs 的商用生物计算平台，在硅芯片上培养神经元。	实现神经信息处理、反馈和学习的实验。
电极阵列	排列许多可以发送和接收神经元信号的微电极。	形成活细胞和电子器件之间的界面。
类器官	由干细胞生长而成的三维细胞结构，可重建某些组织特性。	用作生物模型以及可能的计算基础。
湿件	处理信息或作为技术系统一部分的活生物材料。	为经典硬件和软件添加了生物学级别。
成骨不全症	缩写为类器官智能或类器官智能。	指使用大脑类器官进行学习、研究和生物计算。

如何利用干细胞制造活体硬件

许多脑类器官源自诱导多能干细胞（简称 iPS 细胞）。例如，为了做到这一点，研究人员可以从成年人身上获取皮肤或血细胞。这些细胞首先恢复到干细胞样状态。然后生长因子导致它们发育成神经细胞和其他细胞类型。在适当的培养条件下，细胞将自身组织成三维结构。这可能会导致突触连接和自发的电活动模式。这马克斯德尔布吕克中心将此类类器官解释为模型，使人脑的某些过程可以在实验室中进行研究。

然而，大脑类器官并不是缩小版的人类大脑。除其他外，它缺乏完整的解剖组织、身体、感觉器官和正常的血液供应。此外，单个类器官通常仅代表大脑区域的某些细胞类型或特性。它的发展并不完全遵循人体的过程。这限制了医学比较和可能的计算机应用。同时，这种简化对于研究很有用。这使得科学家能够以受控的方式观察个体发育过程、疾病或对活性成分的反应。

较大的类器官需要可靠的氧气和营养物供应。如果没有血管，营养液只能到达组织内部的有限范围。因此，中心较大区域的细胞可能会死亡。微流控系统旨在解决这个问题。它们提供营养和生长因子并清除废物。 OI 研究路线图将这种人工供应系统称为更大、更持久的类器官的先决条件。早期概念设想系统具有数百万个单元，而较小的模型通常远低于这个尺寸。然而，更多的细胞并不自动意味着更多的智能，因为它们的网络和受控控制也至关重要。

活神经细胞如何处理信息

神经细胞通过电信号和化学信号进行通信。如果细胞膜上的电压发生充分变化，就会产生动作电位。该信号通过突触影响其他细胞。重复的活动可以改变某些化合物的强度。这种突触可塑性是生物学习的重要基础。生物计算试图使这种适应性在技术上变得可用。没有程序像普通处理器那样直接写入单元中。

与电子设备的连接通常通过微电极阵列进行。一些电极向细胞网络发送电脉冲。其他人则测量神经元何时何地变得活跃。软件首先将数字信息转化为刺激模式。然后细胞反应被记录、过滤并转换回数字值。这创建了一个闭合的反馈循环。未来，柔性和三维电极结构应该比扁平芯片到达类器官的更大部分。欧盟提出的一项电极阵列的剪纸概念显示如何将电极盖放置在三维组织周围。

在这种情况下，“训练”的含义与经典人工智能模型中的含义不同。研究人员无法使用反向传播直接通过组织发送纠错。相反，定时刺激和反馈会改变细胞网络的动态。有益的反应可以通过可预测的信号来确认。另一方面，不适当的反应可能与不可预测或改变的刺激模式有关。然后必须使用客观的表现测试来检查这是否真的带来了学习。仅仅电活动的变化并不足以作为证据。疲劳、压力、细胞生长或测量波动也会改变信号。

另一种方法是所谓的储层计算。生物网络充当动态储存库，将时间相关的输入信号转换为复杂的活动模式。通常只有数字评估层经过专门训练。小区网络本身不必执行明确定义的计算规则。相反，它提供了非线性动力学和短期“记忆”。这使得该方法特别适合语音、时间序列和其他信号任务。然而，这种形式的计算尚不能等同于可自由应用的人工智能。

CL1、DishBrain 和 Brainoware 有何不同

CL1 由 Cortical Labs 提供，作为可编程生物计算机。在内部，活的神经元在硅芯片上的营养液中生长。该芯片发送电脉冲并记录神经元反应。相关的生物智能操作系统（简称biOS）创建一个数字环境并将其状态转换为刺激模式。神经元的反应反过来可以改变模拟环境。据制造商称，CL1 还包含录音技术、控制装置和自己的供电系统。目的是使细胞培养物在合适的条件下维持长达六个月。当前的产品描述还提到了触摸屏、USB 端口和用于实验的云连接。此信息来自官方CL1产品说明。

然而，与类器官智能区分开来很重要。 CL1 在平坦的芯片表面上使用培养的神经网络。因此，它不是一台具有三维大脑类器官的计算机。 “合成生物智能”等术语最初也是制造商的名称。它们不会取代独立的性能证明。该设备推出时的售价约为 35,000 美元。云版本旨在让研究小组能够访问，而无需自己操作完整的细胞培养实验室。

科学前身 DishBrain 将人类和小鼠的神经元与模拟的乒乓球环境连接起来。该系统以电刺激的形式传输有关球位置的信息。细胞培养物的活性随后影响虚拟球拍。在某些实验条件下，培养物的性能得到改善。 2022年在神经元发表DishBrain 研究将此解释为有针对性的适应的迹象。然而，这并不意味着细胞像人类一样理解游戏。实验也没有提供任何证据意识细胞培养物。

Brainoware 是另一种方法。这里实际上使用了三维大脑类器官。高分辨率电极阵列传输空间和时间结构信号。该系统利用类器官的动力学作为生物库。在实验中，它被用于语言分类和非线性方程预测。结果表明，生物网络原则上可以用于水库计算。然而，他们还没有证明是一种普遍适用的类器官计算机。详细信息将于 2023 年公布自然电子学发表。

系统	生物学基础	技术途径	发展水平
菜脑	人类和动物神经细胞的扁平培养物	通过 Pong 模拟进行闭环反馈	概念的科学证明
CL1	在硅芯片上培养的神经元	可编程刺激、测量和集成细胞供应	商业研究平台
脑软件	三维人脑类器官	通过电极阵列进行生物库计算	实验研究原型机
成瘾概念	可扩展且长期供应脑类器官	支持学习的类器官计算机接口	长期研究计划

生物计算实际上提供了哪些机会

一个重要的应用领域是神经系统疾病的研究。类器官可以由特定患者的细胞产生。因此，它们携带了捐赠者的部分个人遗传特征。研究人员可以研究癫痫、痴呆或发育障碍如何影响神经元网络。药物可以直接在人体细胞模型上进行测试。从长远来看，这可以补充某些动物实验或减少它们。然而，不能由此自动推导出所有动物模型的完全替代。

生物计算还可以为学习和记忆提供新的见解。在人工神经网络中，只有生物神经细胞的数学模型是活跃的。另一方面，活细胞网络显示出真正的突触可塑性、生化调节和自组织。研究人员可以观察药物、疾病或环境条件如何改变这些过程。这使得生物计算主要成为一种新型的神经科学测量仪器。这种好处可能比强大的生物通用计算机更快地变得具有实际意义。

潜在的能源效率也引起了人们的极大兴趣。人脑处理复杂任务的功耗约为 20 瓦。然而，不能由此直接推断出类器官计算机会自动比现代芯片更经济。除了电池之外，当今的系统还需要泵、温度控制、传感器、测量放大器和数字评估。此外，还有无菌生产和营养物质的持续供应。因此，公平比较必须考虑整个系统。典型计算任务的可靠能源基准仍然缺失。

从长远来看，生物网络可以充当特殊的加速器。其应用可用于时间相关信号、自适应控制或复杂生物模式的识别。这不会使普通的个人电脑、数据中心和图形处理器变得多余。精确的数学、数据存储和可重复的程序执行仍然是数字技术的优势。因此，现实的未来模型是混合计算机。数字端接管控制和评估，而湿件则处理选定的自适应任务。因此，类器官智能更像是一个生物协处理器，而不是 CPU、GPU 或云的替代品。

限制、道德问题和现实前景

生物硬件比硅芯片更难标准化。细胞系的遗传起源、发育状态和培养条件各不相同。即使来自同一细胞系的两个类器官也可以形成不同的网络。此外，活细胞在操作过程中会发生变化。他们成长、形成新的联系、衰老或死亡。因此，一项任务在几周后可能会产生与开始时不同的结果。这种波动对于工业应用来说将是一个重大问题。

除此之外，还有有限的输入和输出。人脑有数十亿个神经细胞和大量突触连接。电极阵列仅记录其中的一小部分。在三维类器官中，扁平电极主要到达外表面。柔性护套和植入式探头旨在提高覆盖范围。然而，它们会影响或损伤脆弱的组织。这意味着接口常常成为系统的实际瓶颈。

计算性能也没有公认的标准。 FLOPS、时钟频率和内存大小无法有意义地转移到活细胞培养物中。相反，研究人员需要学习时间、准确性、稳定性、能量需求和可转移性方面的标准化任务。这些测试还必须考虑未经培训的对照文化。这是区分真正的适应和随机波动的唯一方法。其他实验室的独立重复同样重要。视频游戏的精彩演示并不能取代可重复的基准。

从伦理上讲，重点主要在于感觉或意识特征的可能发展。目前没有可靠的证据表明当今的大脑类器官具有人类意识或经历疼痛。尽管如此，随着系统变得更加复杂、持久并且与传感器的连接更加紧密，这个问题可能会变得更加紧迫。然后，研究人员必须定义哪些活动模式被视为警告信号。还需要实验的终止标准。因此，OI研究路线图提出了“嵌入式伦理”。来自研究、伦理和社会的专家不断支持技术发展。

其他问题涉及细胞被使用的人。遗传信息和可能的医学相关信息可以从 iPS 细胞中获得。捐赠者可能同意进行疾病研究，但不同意在自适应计算机系统中使用他们的细胞。因此，同意、数据保护和可能的商业利用必须受到明确监管。目前还不清楚谁拥有经过训练的生物模型及其结果。这纳菲尔德生物伦理委员会与此同时，他警告不要使用“迷你大脑”等术语来创造关于发展水平的错误想法。

新视角：生物计算的未来可能更多地依赖于“生物版本控制”的新概念，而不是神经细胞的数量。使用普通软件，可以存档特定版本并在以后以相同的方式运行。另一方面，生活硬件每天都在变化。因此，完整的实验数据集不仅必须包含程序代码。他还需要记录细胞系、供体背景、培养年龄、培养基、温度、电极接触和活动历史。因此，生物计算机需要一种生物生命过程。如果没有这份简历，结果就无法可靠地进行比较，也无法在以后重现。

结论

生物计算不会将活的神经细胞变成会思考的电脑。但细胞培养、电极和软件的结合开辟了一个非凡的研究领域。短期来看，主要是改善药物、疾病模型和基础研究。从长远来看，生物网络可以承担特殊的学习和信号传递任务。然而，可靠的基准、可重复的细胞培养和严格的道德准则至关重要。因此，真正的突破不是人造迷你大脑，而是一种可控的混合计算机，它能够合理、经济和负责任地利用生物适应性。在那之前，它仍然是令人着迷的研究，而不是计算机革命。

Bewerte den Beitrag hier!

[Total: 0 Average: 0]