乍看之下，这个概念似乎难以置信：一台计算机的构成并非硅材料，而是活体脑细胞。这种构想似乎更适合科幻小说而非实验室操作台。然而，全球少数研究机构中，科学家们已在尝试将活体人类神经元整合进计算机系统。此类计算机现已被训练执行复杂任务，例如玩电子游戏甚至操控机器人。
这些系统由脑类器官构建而成：即实验室中利用干细胞培育的微小人类神经元集群。尽管常被昵称为"微型大脑"，但它们并非具有思维或意识的实体，而是经过简化的神经网络。这些网络可与电子设备连接，使研究人员得以观察活体神经元在计算闭环中如何处理信息。
事实上，部分研究人员认为这些工具正推动医学与计算科学的边界。亚利桑那州立大学的神经科学家拉蒙·贝拉斯克斯博士便是其中之一。
"脑类器官与机器人学的交叉领域，是我神经科学研究中遇到的最令人振奋的方向之一，"贝拉斯克斯博士向ZME科学表示。
计算机部分究竟如何运作？其实相当简单：研究人员正通过精巧的反馈系统，教导这些体外培育的"大脑"与机器互动。经过训练，这些微型大脑正逐渐演变为——某种意义上的活体计算机。
然而，事态可能迅速变得异常诡异。
通过反馈机制训练微型大脑
脑类器官能在基础层面充当"微型计算机"的根本原因，在于人类干细胞的非凡能力：在适宜条件下培育时，它们会自组织形成类似早期脑组织的神经网络。这些网络能产生电活动、建立连接，并且关键的是，能对外部刺激作出行为调整。
但科学家究竟如何教会一团神经元完成有用任务？
所谓"活体计算机"的奥秘在于反馈回路——活体神经元与计算机之间的双向通道。当科学家将类器官置于高密度电极网格（即"芯片上的大脑"平台）时，该回路便得以建立。这些平台使研究人员能向类器官发送电脉冲并监测其神经反应。
正是这种"刺激-响应-调整"的双向反馈机制，让研究人员得以训练类器官。例如，研究者可能通过代表特定任务或环境的模式化电活动刺激类器官。此时，软件会实时解码类器官的放电模式。经过多次循环，类器官的活动模式开始呈现类似学习的变化。
DishBrain与Brainoware案例研究
2022年，澳大利亚生物科技初创公司Cortical Labs的研究团队展示了如何利用自培育芯片上80万个神经元构成的"DishBrain"（培养皿大脑）作为计算机。借助电反馈系统，研究人员教会"DishBrain"玩经典电子游戏《乓》。令研究者惊讶的是，该系统仅用五分钟就学会了在游戏中挥动球拍，速度远超当时传统人工智能程序。
澳大利亚研究团队发现，这些生物网络的学习效率更高——所需训练次数更少且能耗远低于硅基AI。数年后，其他研究者拓展了这一方法。
例如，印第安纳大学团队创建了名为Brainoware的系统。他们将脑类器官置于3000多个电极组成的网格上，通过录音反馈和重复电脉冲训练其识别语音。仅两天内，该类器官系统就能以78%的准确率区分不同说话者的声音，为"活体计算"提供了可行性验证。
芯片上"微型大脑"的局限性
鉴于"活体计算机"是新兴领域，目前缺乏充分实证研究，其应用潜力仍受多重限制。贝拉斯克斯博士指出，尽管这些微型大脑展现出惊人学习能力，但其局限性不容忽视。
"作为模型系统它们颇具价值……但与新生儿大脑相比仍极为原始，"他向ZME科学解释道。事实上，每个类器官仅含数万个神经元，与成人脑860亿神经元相比微不足道，且缺乏真实大脑皮层的复杂结构。
此外，天津大学董明教授等研究者强调，脑类器官的"微型计算机"功能高度依赖接口硬件。类器官无法自主与外界互动，必须依靠复杂硬件将神经活动转化为有用信息。
"芯片式脑机接口……通过电极芯片耦合体外培养的'大脑'，借助编码解码与刺激反馈机制实现信息交互，"董教授阐释道。
简言之，脑类器官需要特殊芯片作为其神经语言与计算机电子语言间的翻译器。
最紧迫的限制或许是类器官的极端脆弱性。研究显示，脑类器官缺乏供氧系统、血管网络及废物清除机制，若无持续营养液与氧气供给，通常只能存活数周至数月。
这构成重大障碍：短命的脆弱类器官难以接受长期训练、规模化应用或可靠投入实际场景——至少现阶段如此。
搭载活体大脑的机器人
尽管存在局限，类器官在机器人领域可能大放异彩。但贝拉斯克斯博士指出，每个实验"都像科幻预告片"，尽管仍严格局限于实验室环境。
真实类器官仅毫米级大小，需置于营养液环境中，绝非《飞出个未来》中的会说话头部。然而，机器人学与类器官的结合已催生现代科学中最奇特的原型机之一。
2024年，天津大学研究人员在MetaBOC芯片上安装豌豆大小的体外培育脑类器官，推出轮式机器人。该类器官处理机器人传感器数据，将其转化为电信号，再解码神经活动以控制电机运转。
初期表现平平，但经训练后，类器官在导航能力上持续提升，与早期DishBrain实验形成呼应。据董教授所述，它学会了规避障碍物并追踪路径，完成了类脑计算任务。
值得注意的是，此类"机器人+脑力"实验正在多地涌现。例如，FinalSpark公司正采用多巴胺作为类器官计算的生物奖励信号，从而创建超高效半机械机器学习平台。
尽管这些类器官系统各不相同，但共同印证了同一观点：生物网络能生成刚性机器难以模仿的适应性行为。
从半机械人到治愈方案：实际价值何在？
研究者视活体神经接口为连接生物学与技术的桥梁，具有广泛潜力。部分前瞻应用包括：
自主式半机械系统
若认为脑类器官终将进化成终结者，实属误解。尽管此类混合生物-硅基系统正用于测试自主半机械系统，但技术远未达到《终结者》中天网模型101的水平。
该技术旨在为机器人或无人机赋予活体神经回路，使机器具备实时学习与适应能力。如前所述，测试表明类器官系统学习模式更快且能耗仅为传统AI的零头，待技术成熟后可能更具优势。
现实层面，美国国防高级研究计划局（DARPA）和国家科学基金会（NSF）等军方与航天资助方正推动创新浪潮。他们期望开发脑控系统，理论上可更优地自主导航复杂环境。
未来某日，这些生物混合系统或可赋予机器人某种自然直觉与韧性，但绝非科幻级水平——这仍是长期愿景。
脑疾病建模
在医学领域，类器官系统能助力脑疾病建模。由于脑类器官源自人类细胞，可模拟动物模型难以复现的人脑发育与疾病特征。
科学家已利用脑类器官在微型尺度上模拟癫痫、自闭症及阿尔茨海默病等疾病。将类器官连接电极或芯片可增添新维度：监测复杂电活动，甚至施加特定压力或刺激，从而加速药物测试。
贝拉斯克斯博士证实："通过患者特异性诱导多能干细胞培育类器官，我们能开发高度个性化的测试平台，这将变革疗法定制与评估方式。"
2025年一项研究进一步提出，类器官"智能"平台有望替代部分动物实验。例如在毒理测试中，芯片上的类器官神经元网络可揭示环境化学物质如何损害胎儿脑发育，全程无需活体动物。
简言之，这些"培养皿中的大脑"为医学提供了强大模型系统，使研究人员能以史无前例的方式探究脑功能与病理机制。
真正修复大脑功能
当前研究趋势表明，终极目标——尽管遥遥无期——是利用实验室培育的神经组织恢复丧失的脑功能。核心问题是：若类器官能操控机器人，未来能否植入脑损伤患者体内引导新神经生长？
这是关键问题，部分研究者谨慎推测"可能"，现有动物研究已证实其潜力。2024年突破性研究显示，移植的人类脑类器官可嫁接至受损啮齿类动物脑中，在这些实验中，类器官促进了新神经连接与血管的萌发。
此外，2024年科学家提出OBCI概念，即类器官-脑计算机接口。根据2024年研究，植入式类器官有望通过电子设备桥接受损神经回路。理论上，电极或超声波可引导神经元与宿主脑连接，促进功能恢复。
尽管此类脑修复方式极具实验性，但愿景是：未来脑损伤患者或可接受类器官植入体，配合训练其与大脑整合的芯片，从而提供替代丧失脑功能的活体神经假体。
若此愿景成真，创伤性脑损伤、中风或神经退行性疾病患者的治疗前景将迎来重大转机。
挑战、伦理困境与未来展望
除当前类器官结构简单原始（更接近胎儿脑而非成人脑）外，该领域还面临其他挑战与伦理关切。贝拉斯克斯博士警示："当人们开始谈论'类器官智能'或'感知能力'时，伦理与科学层面都会变得模糊不清。"
事实上，神经科学家担忧"类器官智能"概念被过度炒作。无论技术多精巧，类器官既非意识主体，也无法感受情绪或疼痛。将这些微型活体计算机标榜为"智能"甚至"有感知"，易误导监管机构与公众。
此外，该领域先驱者忧虑夸大宣传可能引发伦理反弹，阻碍正当研究。毕竟，尽管类器官显示脑活动甚至发出类似婴儿脑波的振荡，但这与真正意识相去甚远。
然而，已有呼声要求预先制定伦理框架，确保涉及"活体计算机"的类器官研究未来能负责任地推进。
贝拉斯克斯博士亦认同："若这些系统终能自组织出接近高级认知的能力，我们将需要全新的伦理框架。当下虽为时过早，但发展趋势已清晰到不容忽视。"
【全文结束】
