为了寻找更节能的人工智能，一些科学家正在探索活体计算机。

人工智能系统，即使是像ChatGPT这样复杂的系统，也依赖于自上世纪50年代以来一直是计算机基础的硅基硬件。但是，如果计算机可以由活的生物物质塑造而成呢？学术界和商业领域的一些研究人员担心人工智能对数据存储和能源不断膨胀的需求，正专注于一个不断发展的领域 —— 生物计算。这种方法使用合成生物学，比如实验室培养的被称为“类器官”的微型细胞群，来创建计算机架构。生物计算的先驱包括瑞士公司FinalSpark，该公司今年早些时候推出了“神经平台” —— 一个由人脑类器官驱动的计算机平台 —— 科学家们可以以每月500美元的价格在互联网上租用。

FinalSpark联合创始人弗雷德·乔丹表示：“据我所知，我们是世界上唯一一家在公共租赁平台上这样做的公司。”FinalSpark最初的资金来自其联合创始人之前的创业公司，它寻求一种环境可持续的方式来支持人工智能。乔丹说：“我们的主要目标是人工智能所需的能量比目前训练最先进的生成式人工智能所需的能量少10万倍。”

神经平台使用一系列处理单元，每个处理单元承载四个球形脑类器官。每一个0.5毫米宽的类器官都与8个电极相连，这些电极可以电刺激活体球体内的神经元；这些电极还将类器官与传统的计算机网络连接起来。这些神经元被选择性地暴露在让人感觉良好的神经递质多巴胺中，以模仿人类大脑的自然奖励系统。这些双重设置 —— 积极的多巴胺奖励和电刺激 —— 训练类器官的神经元，促使它们形成新的通路和连接，就像人类大脑学习的方式一样。FinalSpark表示，如果这种训练得到完善，最终可以让类器官模仿基于硅的人工智能，并作为处理单元，其功能类似于今天的CPU（中央处理器）和GPU（图形处理单元）。

目前，这些类器官及其行为每天24小时进行直播，供研究人员（和其他任何人）观察。乔丹说：“我们面临的挑战是，找到合适的方法让神经元做我们想让它们做的事情。”

34所大学的研究团队已经要求使用FinalSpark的生物计算机，到目前为止，该公司已经为密歇根大学、柏林自由大学和其他七所机构的科学家提供了访问权限。每个人的项目都侧重于生物计算的不同方面。例如，密歇根大学的研究小组正在研究改变类器官活动所必需的电子和化学提示 —— 实际上是创建类器官特定计算机语言的构建块。与此同时，德国莱比锡兰开斯特大学的科学家们正试图将类器官融入不同的人工智能学习模型。

类器官计算能否与硅进行大规模竞争，仍是症结所在。首先，没有标准化的制造系统。活体大脑会死亡：FinalSpark的类器官平均只能存活100天左右（与最初的实验寿命相比，这是一个相当大的进步，最初的实验寿命只有几个小时）。但乔丹指出，Neuroplatform已经“简化”了制造类器官的内部流程，其工厂目前容纳了2000到3000个类器官。

FinalSpark并不是唯一一家寻求有机替代硅基计算的公司，大脑类器官也不是唯一可能的发展方向。“生物计算有不同的风格，”西班牙国家生物技术中心的研究员Ángel Goñi-Moreno说。Goñi-Moreno研究细胞计算，或使用改良的活细胞来创建系统，可以复制“记忆，逻辑门和其他我们从传统计算机科学中知道的决策基础。”他的团队正在寻找生物计算机胜过硅计算机的任务 —— 他称之为“细胞霸权”的动态。特别是，Goñi-Moreno认为，由于细胞计算机可以对环境条件作出反应，它们可以促进生物修复，或恢复受损的生态系统。

“这是一个传统计算机基本上无能为力的领域，”Goñi-Moreno说。“你不能把一台电脑扔进湖里，让它告诉你环境的状况。”然而，当细胞对化学物质和其他刺激做出反应时，一台浸入水中的细菌计算机将能够对环境条件进行细致入微的解读。

Goñi-Moreno关注的是细菌，而西英格兰大学的安德鲁·阿达马特兹基（Andrew Adamatzky）是《国际非常规计算杂志》的创始主编，他一直在研究真菌的计算可能性。阿达马特兹基说，菌丝体或真菌链的网络表现出与神经元相似的尖峰电位。他希望利用这些电学特性来创造一个类似大脑的真菌计算系统，该系统“具有学习、储层计算、模式识别等潜在能力”。阿达马特兹基的团队已经成功地训练了真菌网络来帮助计算机系统执行某些数学功能。“真菌计算比基于大脑器官的计算有几个优势，”阿达马特兹基说，“特别是在伦理简单性、易于培养、环境适应性、成本效益和与现有技术的整合方面。”

弗雷德·乔丹很清楚将培养的人类神经元用于非医疗目的所涉及的考虑。一个正在进行的生物伦理争论是关于迷你大脑是否能获得意识，尽管目前还没有证据表明它曾在实验室中被创造出来。乔丹说，他目前正在寻找具有“文化背景”的哲学家和研究人员来帮助我们回答这些伦理问题。

阿达马特兹基承认，尽管他支持真菌计算，但脑类器官“可能由于其复杂的神经元样结构而提供高级功能”。就乔丹而言，他对FinalSpark的生物计算机选择很有信心。他说，在所有可供选择的细胞中，“人类神经元最擅长学习。”

如果朋友们喜欢，敬请关注“知新了了”！