重磅！機(jī)器-類器官混合“生物計(jì)算機(jī)”誕生！或克服AI硬件瓶頸

人腦，作為人類的“指揮中心”，約有 2000 億個(gè)細(xì)胞，并通過(guò)數(shù)萬(wàn)億個(gè)納米大小的突觸相互連接。

目前，以人工智能（AI）硬件為驅(qū)動(dòng)的人工神經(jīng)網(wǎng)絡(luò)需要約 800 萬(wàn)瓦的能量，而人腦只需要約 20 瓦。

通過(guò)神經(jīng)可塑性和神經(jīng)發(fā)生，大腦還能夠以極小的訓(xùn)練成本有效地處理和學(xué)習(xí)嘈雜數(shù)據(jù)，從而避免高精度計(jì)算方法的高能耗需求。

受到人腦結(jié)構(gòu)功能的啟發(fā)，印第安納大學(xué)伯明頓分校、佛羅里達(dá)大學(xué)、辛辛那提兒童醫(yī)院醫(yī)學(xué)中心以及辛辛那提大學(xué)的研究人員共同發(fā)明了一個(gè)機(jī)器-類器官混合計(jì)算系統(tǒng)——Brainoware。

該系統(tǒng)包括傳統(tǒng)計(jì)算硬件和大腦類器官，可以執(zhí)行語(yǔ)音識(shí)別和非線性方程預(yù)測(cè)等任務(wù)。另外，該系統(tǒng)能夠靈活地在電刺激反應(yīng)中進(jìn)行變化和重組，有望應(yīng)對(duì)當(dāng)前 AI 硬件在時(shí)間和能源消耗以及熱量產(chǎn)生方面的挑戰(zhàn)。

相關(guān)研究論文以“Brain organoid reservoir computing for artificial intelligence”為題，已發(fā)表到 Nature 子刊 Nature Electronics 上。

論文作者提到，大腦類器官只是該系統(tǒng)的一部分，更復(fù)雜的人工神經(jīng)網(wǎng)絡(luò)尚有待演示。

在一篇同時(shí)發(fā)表的“新聞與觀點(diǎn)”文章中，約翰斯·霍普金斯大學(xué)的副教授 Lena Smirnova 和同事寫(xiě)道，“隨著這些類器官系統(tǒng)的復(fù)雜性不斷增加，學(xué)術(shù)界對(duì)涉及人類神經(jīng)組織的生物計(jì)算系統(tǒng)的研究面臨著諸多神經(jīng)倫理問(wèn)題，這變得愈發(fā)重要。雖然創(chuàng)造通用生物計(jì)算系統(tǒng)可能還需要數(shù)十年的時(shí)間，但這項(xiàng)研究有望為我們提供關(guān)于學(xué)習(xí)、神經(jīng)發(fā)育以及神經(jīng)退行性疾病等機(jī)制的基礎(chǔ)性見(jiàn)解。”

可進(jìn)行語(yǔ)音識(shí)別

AI 最近取得的成功主要由人工神經(jīng)網(wǎng)絡(luò)（ANNs）的發(fā)展推動(dòng)，這些網(wǎng)絡(luò)使用硅計(jì)算芯片處理大型數(shù)據(jù)集。然而，在當(dāng)前的 AI 計(jì)算硬件上訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)是耗能、耗時(shí)的，且數(shù)據(jù)與數(shù)據(jù)處理單元是物理分離的，即存在馮·諾伊曼瓶頸。

人腦的結(jié)構(gòu)、功能和效率為發(fā)展 AI 硬件提供了靈感——人腦在生物神經(jīng)網(wǎng)絡(luò)（BNNs）中融合了數(shù)據(jù)存儲(chǔ)和處理，自然地避免了馮·諾伊曼瓶頸的問(wèn)題。

受 BNNs 的啟發(fā)，科學(xué)家們嘗試開(kāi)發(fā)高效且低成本的神經(jīng)形態(tài)芯片，例如使用憶阻器（memristors）。然而，當(dāng)前的神經(jīng)形態(tài)芯片只能部分模仿大腦功能，提高其處理能力很重要。

對(duì)此，該研究介紹了一種利用人腦類器官神經(jīng)網(wǎng)絡(luò)（ONNs）的儲(chǔ)備池計(jì)算（reservoir computation）和無(wú)監(jiān)督學(xué)習(xí)能力的 AI 硬件，該硬件嵌入在類器官中。這種方法能夠處理時(shí)空信息，并通過(guò)類器官的神經(jīng)可塑性實(shí)現(xiàn)無(wú)監(jiān)督學(xué)習(xí)。

圖｜Brainoware 搭載無(wú)監(jiān)督學(xué)習(xí)的 AI 計(jì)算（來(lái)源：該論文）

與當(dāng)前的二維體外神經(jīng)元培養(yǎng)和神經(jīng)形態(tài)芯片相比，因?yàn)轭惼鞴倏梢蕴峁?BNNs 的復(fù)雜性、連接性、神經(jīng)可塑性和神經(jīng)發(fā)生，以及低能耗和快速學(xué)習(xí)，所以 Brainoware 可以為 AI 計(jì)算提供更多的見(jiàn)解。

得益于類器官較高的可塑性和適應(yīng)性，Brainoware 能夠靈活地在電刺激反應(yīng)中進(jìn)行變化和重組，凸顯了其進(jìn)行自適應(yīng)儲(chǔ)備計(jì)算的能力。

研究證明，該方法能夠顯示出非線性動(dòng)力學(xué)、衰退記憶和空間信息處理等物理儲(chǔ)備屬性，還可以進(jìn)行語(yǔ)音識(shí)別和非線性方程預(yù)測(cè)。此外，研究還證明了此方法能夠通過(guò)重塑 ONNs 的功能連接性從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)。

圖｜語(yǔ)音識(shí)別（來(lái)源：該論文）

然而，當(dāng)前的 Brainoware 方法存在幾個(gè)限制和挑戰(zhàn)。

一個(gè)技術(shù)挑戰(zhàn)是類器官的生成和維護(hù)。盡管已成功建立了各種協(xié)議，但當(dāng)前的類器官仍有高度異質(zhì)性、低生成效率、壞死/缺氧和各種活性等問(wèn)題。此外，正確地維護(hù)和支持類器官以挖掘其計(jì)算能力是至關(guān)重要的。

雖然當(dāng)前的 Brainoware 硬件耗能較低，但是需要額外的外圍設(shè)備，這些設(shè)備仍相當(dāng)耗電。根據(jù)電子產(chǎn)業(yè)的發(fā)展和系統(tǒng)集成，未來(lái)應(yīng)有可能使用維護(hù)和接口類器官的定制系統(tǒng)實(shí)現(xiàn)耗能極低的集成。

Brainoware 中使用平坦、硬質(zhì)的 MEA 電極與類器官接口，這種接口只能刺激/記錄器官表面少數(shù)神經(jīng)元。因此，有必要開(kāi)發(fā)一些方法，以便全面地將類器官與 AI 硬件和軟件接口。

另一個(gè)技術(shù)挑戰(zhàn)是數(shù)據(jù)管理和分析。將時(shí)空信息編碼并從 Brainoware 解碼仍需要優(yōu)化，這可以通過(guò)提高對(duì)來(lái)自多個(gè)來(lái)源和模式的數(shù)據(jù)解讀、提取以及處理的效率來(lái)實(shí)現(xiàn)。此外，這種新型 AI 硬件可能會(huì)生成大量數(shù)據(jù)，這可能需要開(kāi)發(fā)新的算法和方法進(jìn)行數(shù)據(jù)分析和可視化。

應(yīng)用前景廣闊

上述關(guān)于 Brainoware 的研究只是科學(xué)家在類器官方向上的一次嘗試。

作為研究焦點(diǎn)之一，類器官是指一種能在體外環(huán)境培養(yǎng)的具有三維結(jié)構(gòu)的微器官，擁有真實(shí)器官類似的復(fù)雜結(jié)構(gòu)，能夠部分模擬真實(shí)器官的生理功能。

2009 年，荷蘭 Hubrecht 研究所的 Hans Clevers 團(tuán)隊(duì)成功地將成體干細(xì)胞培養(yǎng)成小腸隱窩和絨毛結(jié)構(gòu)，標(biāo)志著類器官技術(shù)的起步。

類器官在器官移植和藥物篩選上頗具前景，同時(shí)，類器官為創(chuàng)建人類疾病的細(xì)胞模型提供了機(jī)會(huì)，可以在實(shí)驗(yàn)室中進(jìn)行研究，以更好地了解疾病的原因并確定可能的治療方法。類器官在這方面的力量首先被用于小頭畸形的遺傳形式，其中患者細(xì)胞被用來(lái)制造大腦類器官，這些類器官更小，并且在早期神經(jīng)元中顯示出異常。

2021 年，來(lái)自維也納奧地利科學(xué)院的科研團(tuán)隊(duì)，使用人類多能干細(xì)胞成功培養(yǎng)出全球首個(gè)體外自組織心臟類器官模型，該模型可自發(fā)形成空腔，自主跳動(dòng)，無(wú)需支架支持。同時(shí)，這種心臟類器官在受傷后可以自主動(dòng)員心臟成纖維細(xì)胞遷移修復(fù)損傷。

圖 | 跳動(dòng)的心臟類器官（來(lái)源：The Mendjan Lab）

本月初，《自然-方法》雜志發(fā)表的一篇論文顯示，奧地利科學(xué)院分子生物科技研究所的科學(xué)家成功開(kāi)發(fā)了一個(gè)多巴胺系統(tǒng)的類器官模型。這一模型詳細(xì)揭示了多巴胺系統(tǒng)的復(fù)雜功能以及其對(duì)帕金森病潛在的影響。令人振奮的是，這一類器官模型可用于改進(jìn)帕金森病的細(xì)胞治療。

幾乎同一時(shí)間，在一篇發(fā)表在科學(xué)期刊 Cell Reports 的研究報(bào)告中，來(lái)自斯坦福大學(xué)醫(yī)學(xué)院等機(jī)構(gòu)的科學(xué)家們利用類器官的三維器官組織模型，篩選出了引起多種不同類型癌癥生長(zhǎng)的基因，并識(shí)別出了在口腔癌和食管鱗狀癌中非常有希望的潛在靶點(diǎn)。

目前，類器官培養(yǎng)技術(shù)正經(jīng)歷技術(shù)迅速發(fā)展和科研成果大量涌現(xiàn)的階段，應(yīng)用前景廣闊，但同時(shí)也面臨著一系列重要挑戰(zhàn)：包括如何有效利用人體胚胎的干細(xì)胞建立穩(wěn)定持久的體外模型；如何更真實(shí)地模擬人體微環(huán)境；以及如何實(shí)現(xiàn)科研屬性的產(chǎn)品量產(chǎn)，并成功將其轉(zhuǎn)化為臨床產(chǎn)品等問(wèn)題。

未來(lái)，期待不斷發(fā)展的類器官技術(shù)，能為醫(yī)學(xué)、生物學(xué)、藥物研發(fā)以及 AI 等領(lǐng)域帶來(lái)更多的機(jī)遇和突破。

參考鏈接：

https://www.nature.com/articles/s41928-023-01069-w

https://en.wikipedia.org/wiki/Organoid#Properties

https://pubmed.ncbi.nlm.nih.gov/37922313/

https://www.nature.com/articles/s41592-023-02080-x