在日内瓦湖畔的一个小镇上，一团团人类脑细胞群正静待租赁。这些活细胞集群约沙粒大小，能够接收电信号并做出响应——就像计算机一样。世界各地的研究团队可以向它们发送各种任务，期待它们能处理信息并发回信号。
欢迎来到“湿件”（wetware），或者说，生物计算机（biocomputers）的世界。在一些大学实验室和企业中，研究人员正在培养这些人类神经元，尝试将其转化为相当于生物晶体管的功能性系统。据称，这些神经网络有朝一日可能会拥有超级计算机的运算能力，还不会带来巨大的能源消耗。
迄今为止，这个方向取得的成果有限。但充满热情的科学家已经能够远程访问这些基于大脑细胞建成的处理器，甚至投入数万欧元来构建属于自己的模型。一些研究者尝试将这些脑细胞集群作为普通计算机的简单替代品，另一些则将其视为研究大脑运作机制的有用工具。
“理解生物智能本身就是一个非常有意思的科学问题，”英国布里斯托大学（University of Bristol）的机器人学研究员本杰明·沃德-谢里耶（Benjamin Ward-Cherrier）解释道，他目前正在租用位于瑞士的大脑类器官的实验工时。“我认为最好从基础开始——例如我们大脑的缩小版和简化模型，然后逐步增加其复杂性，这种自下而上的方法比自上而下更好。”
降低能耗
长期以来，计算机科学家一直渴望让他们的系统拥有人类大脑的惊人能效：功耗不到20瓦，大约与一台小型桌面风扇相当。此前有估算认为，人脑的信息处理能力相当于每秒约 10^18次运算。尽管最先进的超级计算机也能达到这一速度，但功耗却比人类大脑高100万倍。
一些研究人员正在尝试利用硅芯片复制大脑的超高能效结构。这种方法通常被称为类脑计算，其灵感来源于神经元通过连接和激活来完成通讯的方式。具体而言，这类系统试图模仿神经元电活动的“全或无”特性：神经元只有将其膜电位提高到特定水平，才能触发一次神经冲动，这被称为动作电位。
图片来源：Unsplash
而生物计算则回归了生物来源材料：研究人员准备从诱导多能干细胞（iPS细胞）入手。这类细胞可以分化为几乎任何类型的体细胞，科学家以此培养出脑细胞群，并为其提供营养物质和生长因子。为了与这些细胞通信，研究人员将它们置于电极阵列上，然后以电脉冲序列的形式向它们传输信号和指令。这些信号会改变离子进出神经元的方式，并可能促使某些细胞产生动作电位。生物计算机的电极会检测到这些信号，并利用算法将其转换为可利用的信息。
识别盲人字母
生物计算领域最常用的方法是培养大脑类器官，即三维的脑细胞群。大脑类器官的组成根据诱导多能干细胞的分化情况而异，但通常包含神经元和支持细胞（如星形胶质细胞和少突胶质细胞）。2025年8月，沃德-谢里耶及同事报告称，他们利用由约10 000个神经元组成的人脑类器官“识别”出了盲文字母。
研究人员想知道，类器官中的放电模式是否会随着所接收的刺激而变化，以及这些反应是否具有一致性。每输入一个字母，他们都会汇总各电极记录到的反应，将其平均处理，从而获得类器官的总体输出，再利用机器学习识别其中可能存在的模式。结果表明，当接收到对应特定字母的电脉冲时，单个类器官的平均分类准确率为61%。整合三个类器官的响应后，准确率可以提高到83%。这些结果表明，类器官能够完成一项简单任务：区分并识别输入信号。
沃德-谢里耶认为，这是一项有力的概念验证。“这首次证明了我们能够完成此类任务。我们的下一步是做一些更复杂的事情。”一种可能是将培养细胞发出的信号转化为对机器人的指令，例如让机器人复述该字母。这被研究人员称为闭环系统。目前，这种系统还没有在人脑类器官中得到验证，但在2024年发表的一项研究中，一个由小鼠神经元类器官组成的闭环系统成功玩起了《倒立摆》（Cartpole）——这是一款电子游戏，需要在移动的推车上使一根不稳定的柱子保持直立。
租用类器官
类器官系统的输入和输出仅由简单的电信号组成，因此它们可以通过互联网轻松实现远程访问。这台能够读取盲文的机器人安装在沃德-谢里耶位于布里斯托的实验室中，而类器官则由瑞士沃韦的生物计算初创公司“终极火花”（FinalSpark）培养和托管。
终极火花公司（FinalSpark）的神经元计算系统示意图。
终极火花公司的联合创始人弗雷德·乔丹（Fred Jordan）表示，作为一名科幻迷，他希望开发由生物神经元构成的系统，能够“实现一些与当下的人工智能类似的功能”。但要实现这一目标，还有很长的路要走。他承认，作为计算机，目前的类器官系统“从实际角度来看完全无用”。他表示：“想象或思考某件事，与将其付诸实践之间存在巨大的差异。而我希望能成为跨越这一步的群体的一员。”
一些大学研究团队可以免费使用终极火花公司提供的类器官，例如沃德-谢里耶的团队。目前也有许多团队已经注册和申请了这项服务。美国密歇根大学的研究人员正在测试类器官对不同类型刺激的反应，而德国柏林自由大学的一个团队则尝试利用机器学习工具，从神经元活动模式中提取尽可能多的信息。
其他专注于类器官研究的团队也开始涉足生物计算领域。在加利福尼亚大学圣迭戈分校阿利松·穆特里（Alysson Muotri）实验室开发的系统中，每个神经类器官都包含约250万个不同类型的神经元。穆特里希望利用类器官实现一个具体目标：预测亚马孙雨林中可能发生的石油泄漏事件的扩散路径。该项目由一家石油公司资助，预计在2028年前完成。“我们接受了这一挑战，”他表示，“三年内我们就能看到进展如何。”
训练神经元
对于许多尝试执行更复杂任务的类器官用户而言，一个紧迫的目标是成功训练神经元，以促进其产生目标导向的行为。目前为止，终极火花公司在实验室中培养的类器官所作出的响应更类似于膝跳反射这样的简单反射活动，而非大脑中指导决策的可塑性过程。
为了应对更高的复杂性，这些神经系统必须具备学习能力。乔丹介绍称，实现这一目标的方式之一就是对类器官递送多巴胺等神经递质，以调节它们对特定刺激的反应。多巴胺能促进神经元产生动作电位，并强化它们的突触连接，这两项变化都会增加同一刺激重复出现时触发相同响应的概率。
2022年，在澳大利亚墨尔本一家名为“皮层实验室”（Cortical Labs）的生物计算公司，研究人员采用了一种名为模式训练刺激（pattern training stimulation）的新技术。他们的目标是训练实验室培养的脑细胞玩《乓》（Pong）——一款于20世纪70年代推出的电子游戏。他们没有使用类器官，而是选择在培养皿中构建细胞网络（见下图）。
随后，他们将这些细胞网络连接到一台计算机上，然后编写程序，使神经元对刺激的响应能够驱动一个虚拟球拍移动。在游戏中，一个小球在壁上弹跳。研究人员要训练神经元将球拍朝小球方向移动，如果细胞将球拍移向了正确方向（最初只是随机的），研究人员就向神经元发送一组结构化的电脉冲。相反，如果球拍被移向错误方向，细胞就会收到混沌的白噪声刺激。
随着时间的推移，这个神经网络学会了击打小球来获得结构化而非随机的反馈。研究者认为，脑细胞倾向于重复那些能产生可预测结果的活动，因而能够学会那些触发熟悉刺激的行为。2026年2月，该公司宣布，这个生物计算系统已被训练至可以玩更复杂的第一人称射击游戏《毁灭战士》（Doom）了。
神经科学争议
卡根素来以发表大胆言论著称。2022年，他关于《乓》的文章曾让许多脑类器官专家感到担忧，因为文章标题为他的体外培养系统冠上了“感知能力”（编者注：通常定义为拥有主观体验的能力，包括情感感受）这一术语。三十位研究者联名发表了一篇回应文章，指出此类表述“不恰当，且未得到所呈现数据的支撑”，并可能使整个科研领域面临“不必要的风险”，导致此类研究遭到限制。
卡根在文中表示，他之所以使用感知能力（sen-tience）一词，是因为他将其简单定义为“对感官刺激产生反应”的状态。但负面评价促使他重新审视了自己的立场。“今后我将不再使用‘具备感知能力’的表达，”他在2025年接受《自然》（Nature）采访时表示，“以我们今天所掌握的知识来看，我们当时本该更加谨慎。”
英国剑桥大学的生物学家玛德琳·兰开斯特（Madeline Lancaster）利用神经组织研究大脑发育及其相关疾病，但并未参与任何生物计算项目。她同样担忧这类术语的使用，以及由此引发的关于细胞培养物是否具有意识的讨论。她担心，那些出于伦理原因反对此类研究的人可能会呼吁加强监管。然而在她看来，这样的主张既没有依据，又适得其反。神经类器官在神经科学基础研究领域的应用远比生物计算领域更多，兰开斯特担心这可能会阻碍她自己及其他研究团队的工作。“一团神经元并不是一个大脑，”她强调，“它不会思考，它没有这种能力。但如果在展示时暗示它具有思维能力，人们就会这样理解。”
这位专家还对生物计算实验的结论提出了质疑。“虽然它有潜力，但我并不认为目前取得的成果真的属于计算范畴，”她解释道。她援引了一项发表于2024年的研究，该研究表明，一种不含任何神经元的非生物水凝胶同样能够“学会”玩《乓》游戏（编者注：在该研究中，首先根据球的方位向凝胶中施加不同电流，促使离子迁移。接下来，测量由此产生的电导率变化，并据此控制球拍。由于离子返回初始位置需要一定时间，凝胶中会形成一种“记忆”，随着时间推移改变游戏操作）。兰开斯特指出，在基于这种简单反馈机制的系统中，看似学习的行为可能仅仅是一种假象。
穆特里则更为乐观。“类器官具备人类认知的基础，”他说，“这套概念甚至可能代表计算系统的下一个发展阶段，使之更加节能。”
本文节选自《环球科学》2026年9月刊《用神经元搭建计算机》一文。
本文来自微信公众号“环球科学”。如需转载，请在“环球科学”后台回复“转载”，还可通过公众号菜单、发送邮件到[email protected]与我们取得联系。相关内容禁止用于营销宣传。
-电商广告-
《环球科学》2026年9月新刊销售中
戳图片或阅读原文
立即购买