类器官智能：比人工智能更聪明的大脑？

在人工智能（AI）席卷全球的时代，我们可能会认为，硅基计算已经是智能技术的终极形态。然而，科学家们正尝试从一种完全不同的角度重塑智能——利用活体细胞培养的类器官智能（Organoid Intelligence, OI），打造真正的“生物计算机”。相比于依赖硅芯片的 AI，OI 不仅能以更低的能耗完成复杂计算任务，还可能具备 AI 难以企及的学习与适应能力。这是否意味着，未来的“智能革命”将不再是代码的竞争，而是生物学的突破？

计算机的计算能力在过去几十年里经历了指数级增长，但摩尔定律正逐渐逼近物理极限，硅芯片的提升面临瓶颈。而人脑，以其惊人的计算效率和低能耗，早已成为科学家们试图模拟的对象。正是在这样的背景下，OI 概念应运而生，试图借助生物系统的独特优势来突破当前计算技术的限制。

这一技术的核心理念是利用培养的人类脑细胞形成微型神经网络，并通过训练，让这些细胞执行计算任务。Cortical Labs 作为该领域的先驱，开发了“DishBrain”系统，将人类脑细胞与计算机接口相连，并训练其玩经典的乒乓游戏《Pong》。实验结果令人惊讶，这些细胞群在短时间内便学会了如何操控游戏，并展现出 AI 无法比拟的适应能力。相比之下，传统 AI 需要大量的训练数据和计算资源，而 OI 则展现出了不同的学习方式。

在能效方面，OI 也展现出惊人的潜力。与依赖强大算力和巨大能耗运行的 AI 相比，人类大脑仅靠 20 瓦能量就能执行远比 AI 复杂的任务，而目前最先进的 AI 模型则需要由上万个 GPU 计算单元支撑。例如，ChatGPT 这样的模型依赖庞大的数据中心，而 OI 通过类脑结构学习的方式，可能在更小的能耗下完成相似甚至更高级的任务。这样的能效差异让人不禁思考，未来的智能系统是否还需要完全依赖传统 AI？如果 OI 能够进一步发展，学习语言、理解情感，甚至进行创造性思考，AI 在某些领域的主导地位或许会受到挑战。

人工智能的学习依赖海量数据和反复训练，而 OI 则依靠生物神经网络的自组织能力，实现更高效的学习。人类大脑的学习方式与 AI 有着本质不同——我们并不需要上百万张猫的图片来“理解”什么是猫，而是通过极少的样本便能掌握概念。Cortical Labs 的实验进一步验证了 OI 在这一方面的优势。在《Pong》实验中，OI 细胞群能够以更接近人类的方式进行学习，而不是像 AI 那样完全依赖大规模计算。这种能力让 OI 在处理不确定性、复杂推理等问题时，可能比 AI 更加高效。

尽管 OI 展示了巨大的潜力，但要让其真正应用于现实世界，仍然面临诸多挑战。例如，如何确保 OI 的稳定性，使其在长期计算中不退化？如何大规模培养类脑组织，并将其应用到计算系统中？更重要的是，OI 在伦理上的讨论同样不可忽视——当这些生物计算机变得足够智能，甚至具备一定的意识时，我们该如何界定它们的权利？

虽然仍处于早期研究阶段，OI 的发展无疑为智能计算打开了新的大门。未来，AI 与 OI 或许不会是竞争关系，而是彼此结合，共同推动计算能力的跃迁。我们或许正在见证下一次智能革命的曙光，而这次的主角，不再是硅，而是生命本身。

公众号：OpenSNN