乍看之下，这个想法似乎难以置信：一台计算机不是由硅制成，而是由活体脑细胞构成。这种概念似乎更适合科幻小说，而非实验室操作台。然而，全球少数研究实验室中，科学家已经在实验将活体人神经元整合进计算机系统。如今，这类计算机正被训练执行复杂任务，例如玩游戏甚至驱动机器人。
这些系统基于脑类器官构建：即实验室中由干细胞培育出的微型人脑神经元集群。尽管常被昵称为"迷你大脑"，但它们并非具有思维或意识的实体。相反，它们是简化的神经网络，可与电子设备接口，使研究人员得以研究活体神经元在计算回路中如何处理信息。
事实上，部分研究人员认为这些工具正推动医学与计算技术的边界。亚利桑那州立大学（Arizona State University）的神经科学家拉蒙·贝拉斯克斯博士（Dr. Ramon Velazquez）便是其中之一。
"脑类器官与机器人技术的交叉领域，是我神经科学研究中遇到的最令人兴奋的领域之一，"贝拉斯克斯博士告诉ZME Science。
但计算机部分如何体现？其实相当简单。研究人员正通过各种巧妙的反馈系统，教导这些体外培育的大脑与机器互动。经过训练，这些迷你大脑正逐渐成为——没错，活着的计算机。
然而，事情可能迅速变得非常诡异。
通过反馈训练迷你大脑
脑类器官能在初级意义上作为"迷你计算机"使用，根本原因在于人类干细胞具有非凡能力：在适宜条件下生长时，它们会自组织成类似早期脑组织的神经网络。这些网络能产生电活动、形成连接，并且关键的是，能对刺激产生行为变化。
但即便如此，科学家如何教会一团神经元执行有用任务？
所谓"活体计算机"的秘密在于反馈回路——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（也称"芯片上大脑"平台）时，该回路即形成。这些平台使他们能够向类器官输送电脉冲并监测其神经反应。
正是这种来回往复的反馈回路——刺激、响应、调整——让研究人员得以训练类器官。例如，研究者可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，软件实时解码其放电模式。经过多轮循环，类器官活动开始以类似学习的方式发生改变。
DishBrain与Brainoware案例研究
2022年，生物科技初创公司Cortical Labs的澳大利亚研究团队展示：如何利用自培育芯片上的80万神经元，训练"盘中脑"（DishBrain）充当计算机。借助电反馈，研究人员教会"盘中脑"玩经典电子游戏《乓》（Pong）。令研究者惊讶的是，"盘中脑"仅用5分钟就学会了游戏中击球挡板的操作，速度远超当时传统AI程序。
澳大利亚研究者发现，这些生物网络的学习试错次数更少、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（Indiana University）团队创建了名为Brainoware的系统。研究者将脑类器官置于3000多个电极组成的网格上，通过记录反馈和重复电脉冲训练其识别语音。两天内，该类器官系统能以约78%的准确率区分不同说话者的声音，证明了活体神经元"生物计算"的可行性。
芯片上"迷你大脑"的局限性
鉴于"活体计算机"是相对新兴领域，目前缺乏充分实证研究，其应用潜力虽大但存在局限。贝拉斯克斯博士指出，尽管这些迷你大脑展现出惊人学习能力，我们必须认清其局限。
"它们作为模型系统很有价值……但与新生儿大脑相比仍非常不成熟，"他告诉ZME Science。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，且缺乏真实皮层的复杂结构。
此外，天津大学（Tianjin University）的董明教授（Prof. Ming Dong）等研究者强调，脑类器官的"迷你计算机"依赖接口硬件。类器官无法自主与外界互动，完全依靠复杂硬件将其神经活动转化为有用信息。
"芯片上的脑机接口……使用体外培养的'大脑'……通过电极芯片耦合，经编码解码与刺激反馈实现与外界的信息交互，"董教授解释道。
简言之，这意味着脑类器官需要特殊芯片作为其神经语言与计算机/机器人电子语言间的翻译器。
而最紧迫的局限或许是：研究表明类器官极其脆弱。脑类器官缺乏氧气供应、血管和废物清除系统，这意味着除非持续提供适当营养与氧气，它们通常只能存活数周至数月。
不幸的是，这对长期应用构成重大障碍——短命且脆弱的类器官难以接受训练、规模化或可靠用于长期任务；至少目前如此。
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。但正如贝拉斯克斯博士所言，每个实验"感觉像是科幻小说的预览"，尽管仍牢固扎根于实验室。
真实类器官仅有毫米宽，需置于营养舱中保存，它们绝非《飞出个未来》中的会说话的脑袋。然而，机器人与类器官的融合已催生现代科学中最奇特的原型机之一。
2024年，天津大学研究者推出一款由豌豆大小体外培育脑类器官控制的轮式机器人，该类器官安装在MetaBOC芯片上。类器官处理机器人传感器数据，将其转化为电信号，并解码神经活动以驱动电机。
起初表现平平，但经训练后类器官的导航能力持续提升，呼应了早期DishBrain实验。据董教授称，它学会了避开障碍物并追踪路径，完成了类脑计算任务。
更有趣的是，此类"机器人-脑力"实验正多地涌现。例如，FinalSpark公司正进行真正创新的尝试：利用多巴胺作为类器官计算的生物奖励信号，从而创建超高效的人机混合机器学习平台。
尽管这些类器官系统各异，但它们指向同一结论：生物网络能生成刚性机器难以模仿的适应性行为。
从人机混合到疾病治疗：它们有何用处？
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。前景应用包括：
自主人机混合系统
若以为脑类器官终将变成新型终结者，那就错了。尽管此类生物-硅混合系统正用于测试自主人机混合系统，但技术远未达到《终结者》中"天网"（Cyberdyne Systems Model 101）的水平。
该技术旨在赋予机器人或无人机活体神经回路，使科学家创造出能实时学习适应的机器。如前所述，测试表明类器官系统能更快识别模式且能耗仅为传统AI的一小部分，待技术完善后可能更具优势。
现实中，美国国防高级研究计划局（DARPA）和美国国家科学基金会（NSF）等军方及航天资助方正投资类器官智能。他们可能希望开发脑动力控制器，理论上能在不可预测环境中实现比常规AI更优的自主导航。
未来，这些生物混合系统或能赋予机器人某种自然直觉与韧性，但距离科幻水平尚远，且仍是长期展望。
脑疾病建模
在医学领域，类器官系统可助力脑疾病建模。由于脑类器官由人细胞培育，它们能模拟动物模型常无法复制的人脑发育与疾病特征。
科学家已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。将类器官连接电极或芯片可增加新维度：使研究者监测复杂电活动，甚至诱发特定压力或刺激，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（iPSCs）培育类器官，我们可开发高度个性化的测试平台，这将彻底改变疗法定制与评估方式。"
2025年一项研究进一步指出，类器官"智能"平台有望替代某些动物实验。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"是强大的医学模型系统，为研究者提供了前所未有的脑功能与病理探查途径。
真正修复大脑
研究趋势表明，终极目标——虽承认最为遥远——是利用实验室培育的神经组织恢复受损脑功能。设想是：若类器官能操控机器人，它能否终有一天植入脑损伤患者体内，引导新神经生长？
这正是核心问题，鉴于动物研究正证明其潜力，部分研究者谨慎推测"可能"。2024年一项突破显示：移植的人脑类器官可嫁接进损伤啮齿类大脑，促进新连接与血管生成。
此外，2024年科学家提出OBCI术语，即器官-脑计算机接口（organoid-brain computer interface）。根据2024年研究，植入类器官有望连接电子设备以桥接损伤神经回路。理论上，电极或超声波可引导神经元与宿主大脑连接，改善功能恢复。
尽管此类脑修复实验性极强，愿景是：未来脑损伤患者可接受类器官植入物及训练芯片，使其与大脑整合。这本质上将提供活体神经假体，替代个体丧失的脑功能。
若未来实现，对创伤性脑损伤、中风或神经退行性疾病患者的治疗或带来革命性希望。
挑战、伦理困境与未来展望
除当前类器官简单不成熟（更接近胎儿脑而非成人脑）外，还存在其他挑战与伦理隐忧。贝拉斯克斯博士警示："当人们开始抛出'类器官智能'或'感知'等术语时，我认为在伦理和科学上都变得模糊。"
事实上，神经科学家担忧围绕类器官智能的兴趣被过度炒作。无论多么精巧，类器官并非有意识的思维体，既不能感受情绪也无法感知疼痛。因此，将这些细胞团或迷你活体计算机标榜为"智能"甚至"有感知"，易误导监管机构与公众。
此外，该领域先驱者担心夸大主张可能引发伦理反弹，阻碍合法研究。毕竟，尽管类器官显示脑活动，甚至能发出类似婴儿脑波的振荡，但科学家认为这与真正觉知相去甚远。
然而，研究者正呼吁预先制定伦理框架，确保涉及"活体计算机"的类器官研究未来能负责任地推进。
贝拉斯克斯博士也认同："若这些系统终能以接近高级认知的方式自组织，我们将需要全新伦理框架。目前尚早，但发展轨迹已足够清晰，不容忽视。"
【全文结束】
