AlphaGo在與世界頂級圍棋選手多場對局中的傲人戰績證明了人工智能（AI）在學習與計算復雜問題上所能達到的高度，ChatGPT的橫空出世又讓許多人驚嘆于AI所能達到的超強信息整合能力與接近人類水平的自然語言處理能力，然而，盡管AI已經創造出許多突破性的成績，但在某些方面，它的表現仍然弱于其所想要模仿的人類智能。

 首先是運行功耗，例如美國超級計算機Frontier以21MW的功耗在LINPACK 基準測試中達到了1.102 exaFlops的峰值計算性能，即每秒完成一百億億次浮點運算，其能效已經超越同類超級計算機，然而人腦僅需20瓦的功耗就能以相同的1 exaFlop運行。

 其次，大腦的學習效率仍不是AI所能企及。比如在簡單的辨別“相同或不同”的任務中，人類僅需10個左右的訓練樣本即可完成學習，簡單生物如蜜蜂也僅需百余個樣本，而機器則可能面對上百萬個訓練樣本依然無法完成學習。擊敗世界圍棋冠軍的AlphaGo也是在接受了16萬場比賽的數據訓練后，才達到如今的水平，相當于人類以每天五小時的強度持續訓練175年之久。

 學習效率的低下進一步增加了機器完成任務所需的能源消耗，甚至成為了限制了機器學習的天花板。此外，摩爾定律即將達到它的物理極限，很快人類將無法使更多晶體管裝入晶片，而大腦以另一種方式存儲信息，千億數量級的神經元通過千萬億數量級的連接，可實現2500TB的存儲容量。

那么，如果繞開讓AI變得更接近人腦的嘗試，直擊本源，讓人腦來完成計算呢？

 有科學家提出，當前人類的計算機技術已經觸及瓶頸，AI的發展將會受到限制，于是提出了類器官智能（Organoid Intelligence，OI）的概念，并稱OI如果能在未來實現，那么很有可能讓科幻電影中的“強人工智能”成為現實。

01

AI、GPT與強人工智能

 在了解OI之前，我們首先來說說風頭正勁的AI。AI就是人工智能，最早在1956年的達特茅斯會議上被正式提出。它是對人的意識和思維過程的模擬，是人類用以了解智能本質的手段。溫斯頓教授對AI的定義是“研究如何使計算機去做過去只有人才能做的智能工作”。

 經過數十年的發展，AI已經被廣泛應用在生活當中。如手機搭載的智能語音助手、認證環節經常出現的人臉識別以及網上沖浪時的信息推送等角色與事務都離不開AI的參與。

 在醫療、物流、生產、交通等高精尖領域，它也發揮著重要作用。甚至在一些普遍認為AI難以取代人類的領域，如繪畫、作曲等，也開始被AI滲透，其作品的完成度讓人驚嘆，甚至獲得評委們的一致好評。

 2022年在科羅拉多州博覽會舉辦的一場美術競賽上，一幅名為《太空歌劇院》的畫作奪得了數字藝術獎的冠軍。這幅畫是當地一位叫杰森·艾倫的設計師利用人工智能創作，再利用Photoshop潤色后完成的。這幅作品的獲獎在當地的美術圈也引起了相當大的爭議。

 現在的人工智能需要大量數據進行學習訓練，在大數據時代背景下，AI的發展變得更加快速便捷，最近引爆網絡的ChatGPT就離不開龐大數據的支持。

 ChatGPT是一種基于互聯網可用數據訓練的文本生成深度學習模型，目前已經更新到了GPT-4。GPT-4的知識面涵蓋了幾乎所有學科，能夠生成語法規范、邏輯嚴密的文本，也能進行繪畫創作，甚至能在人類的一些頗具難度的考試如SAT（Scholastic Assessment Test學術能力評估考試，俗稱的美國高考）考試、司法考試中取得極高的分數，強大得讓人驚嘆。

 目前所有的人工智能還都處于弱人工智能的階段。強人工智能，又稱多元智能，是指具備智能完整性，能夠進行自主推理和思考的人工智能，被認為能夠產生知覺和意識，是AI發展的新目標。有觀點認為強人工智能可能永遠無法實現，但OI概念的出現卻為多元智能帶來了希望。OI也許可以通過直接模擬人腦的構造、思維模式、學習模式等，發展出完整的強人工智能。

02

OI是什么？

 有不少人認為，ChatGPT的出現，標志著人工智能的發展來到了一個奇點，將會迎來行業井噴式發展。然而有眼光銳利的科學家卻認為，當今的計算機技術和人工智能技術已經無限接近瓶頸——因為人類已經很難在芯片上安裝更多的晶體管了。

 其實對人類來說，人腦才是最復雜的智能系統，人工智能的本質也是對人腦思維過程的模擬，那么能不能直接創造一個“大腦”呢？

 2023年2月，約翰斯·霍普金斯大學的Thomas Hartung團隊提出了類器官智能即OI的概念，以期利用這個理論，在未來發展出更強大、高效、節能的計算機形式。

 類器官是指通過3D體外細胞培養系統，培養出一種與體內器官或組織來源高度相似的器官模型，它雖然不是真正的器官，但具備原本器官的部分功能。

 OI就是運用類似的技術，在體外培養出大腦的細胞組織，將其作為生物計算機的核心硬件——CPU和顯卡，再通過微電極陣列等方式與外部電子設備連接，進行訓練和計算。

 在過去的十年中，腦細胞培養已經從傳統的單層培養轉向更接近器官、更有組織的3D培養。細胞的來源通常是由人類體細胞重編程為的多能干細胞。之所以能以“類器官”稱呼該3D神經細胞培養物，則是因為其細胞密度、電生理活動、髓鞘以及參與生物學習的各類細胞的存在，均與大腦接近，可以說在結構和功能等方面堪稱大腦的“試用裝”。

 以此為基礎，Hartung給出了類器官智能的定義：利用腦類器官的自組裝機制來記憶和計算輸入。

 不過，要用這種腦類器官建造計算機，Hartung表示，需要將目前大約5萬個細胞的規模擴大至1000萬。此外，需要在此規模上生成出可靠的微流體灌注系統，以支持腦類器官的代謝存活和化學信號的發放。

 以上雖然仍只是設想，但文章的作者之一、澳大利亞墨爾本私營公司Cortical Labs首席科學官Brett Kagan進行的一項研究提供了極為接近的例子：他們80萬細胞規模的2D腦細胞培養物在5分鐘內學會了“打乒乓”的電子游戲，而AI則需要90分鐘。

 與AI一樣，類器官智能需要通過接收輸入來學習與計算，然后再將結果輸出給人類。這就需要使用一種類器官智能“聽得懂也說的出的語言”與之交流。此外，人們并不希望只把類器官智能當作一個黑箱，其內部狀態也希望能得到實時的監測。

 就這一問題，Hartung團隊已經開發出一種類似于“迷你EEG腦電帽”的接口設備——3D 微電極陣列（3D microelectrode arrays，3D MEA）。該設備是像一層柔軟、可彎折的外殼包裹在腦類器官外，內側布滿的高分辨率探針電極允許對類腦器官的表層進行多通道的刺激和記錄。

3D MEA記錄的三個代表性通道

 為類器官智能提供給復雜的生物輸入將帶來更多可能性，譬如將視網膜與腦類器官相連，有望構建出一個完全近乎于人類視覺的系統。

 此外，Hartung還在文章中提出，可進一步探索光學成像全息技術、高通量電生理記錄等方法來幫助實現類器官智能的“聽與說”。因此產生的新型生物數據形式，也需要開發相應的大數據基礎設施和標準來進行儲存、統籌和處理。

03

政策加持，市場規模百億級

 目前，FDA通過了現代化法案2.0，取消了對動物試驗的強制要求。這為類器官替代動物進行安全性及藥效學評價開辟了道路。

 最近幾年，國內的政策環境對基于類器官的惡性腫瘤疾病模型的研究給予了很大的支持。例如，科技部在2021年下發的通知中將該模型列為“十四五”國家重點研發計劃的首批啟動重點專項任務之一。此外，CDE也將類器官作為指導原則的一部分，包括在基因治療和針對基因修飾的細胞治療產品中。當缺少適合的動物模型來滿足試驗需求時，可以使用類器官等替代性模型進行試驗。

 類器官的應用領域不僅限于疾病建模，還包括新藥開發、精準醫療以及組織和器官再生醫學等方面。因此，越來越多的藥企通過購買產品、合作授權、投資等方式直接介入該領域。相應的類器官/器官芯片公司也在抓住機遇積極發展。

 在器官芯片方面，目前，器官芯片的商業模式主要有三種：提供預制好的微流體設備；提供可立即操作、預制好的器官芯片；提供從設計到售后的全方位服務。但是，實現器官芯片的大規模應用還面臨許多現實難題。

類器官發展中關鍵技術突破時間一覽表

 在歐美，2019年北美類器官市場達到2.9139億美元，預計將在2027年達到14.0647億美元，將以21.7％的復合年增長率增長。在歐洲，歐盟近年來對人體器官芯片相關研究的支持力度不斷增加。歐盟最大的全球科技開發計劃之一——歐盟第七框架計劃（FP7），以及2016年啟動的EU-Tox風險項目，都包括對器官芯片項目的資助。這些大型項目的支持推動了整個歐洲范圍內器官芯片領域的研究進展，并吸引了更多其他項目和機構進入該領域。

04

OI比AI更懂學習

 由于OI具有人腦的組織結構，可以實現“少樣本學習”，對于復雜問題的處理能力也遠超傳統AI。如果要對一個簡單的事物進行識別，人腦僅需約10個左右的樣本就能學會，而早年，AI即使“學習”了上百萬個樣本也依舊沒有學會。

 擊敗了世界頂級圍棋棋手李世石的阿爾法狗（AlphaGo），被“投喂”了近十六萬場的棋局數據，這樣的訓練量，一個職業選手哪怕每天不吃不喝只進行訓練也需要約37年。

 人腦具備相當復雜的神經網絡，就像是一個超多核處理器。人腦思考的區域主要集中于大腦皮層，此處擁有約140億個神經元，能夠產生1014~1015OPS（Operations per second，即每秒運算次數）的算力，是普通計算機算力（1010 OPS）的十幾萬倍。擁有如此強大的算力，配合高度復雜的神經網絡結構，人腦才得以演化出一套多層結構的深度學習模式。這套模式讓人類可以高效進行各種復雜問題的學習和處理，效率是計算機的上百萬倍。

 同時，人腦在對一件事情進行學習后，所獲得的經驗、策略、方法等還可以應用于其它事情。比如我們通過學習圍棋而培養出的思維模式和方法論，也可以用在籃球、足球等其他項目上，而AI如果要新學習一種技能，則必須從零開始。

 毫無疑問，OI是一項跨時代的前瞻性技術，想要真正實現，或許還有數十年的路要走。一些科學家還提出了其倫理問題，例如如何保障隱私權益、遵循道德規范、尊重人性價值等，這些問題的解決也需要過程和時間。

 未來，若OI能夠真正實現，或許會在人工智能領域掀起新一輪狂潮，到那時，也許真的可以實現科幻電影中展示的具備知覺和意識的強人工智能。

鄭州博觀電子科技有限公司是一家提供科技類物聯網開發軟硬件定制化方案服務商、也是中原地區領先的物聯網終端設備解決方案提供商。致力共享換電柜、智能充電樁、共享洗車機、物聯網軟硬件等服務平臺的方案開發與運維。總部位于河南省鄭州市高新區，已取得國家高新技術企業認證證書。經過10多年的業務開拓，公司已經形成了以中原地區為中心、業務遍布全國的經營格局。