圖片來源@視覺中國
文｜根新未來，作者｜陳根
2月28日，在國際學術期刊《人工智慧前沿》雜誌上，科學家發表標題為《建立類器官智能社區的首個類器官智能（OI）研討會》的文章，提出了一個前所未有的新概念——類器官智能，並發布了首個「類器官智能」路線圖。
事實上，不管是類器官，還是智能，科學界和科技界都有相當的研究，但類器官智能卻是一個全新的概念。類器官智能試圖讓計算機在腦細胞上運行，將人腦類器官作為生物硬體進行計算，這對於計算機行業以及生物界都是一次顛覆性創新，這或許將開啟一個快速、強大、高效的生物計算新時代。
從類器官到類器官智能
顧名思義，類器官，就是其類似於組織器官的人造器官模型。具體來說，類器官是在體外用3D培養技術對幹細胞或器官祖細胞進行誘導分化形成的在結構和功能上都類似目標器官或組織的三維細胞複合體。類器官具有穩定的表型和遺傳學特徵，能夠在體外長期培養。
由於類器官可以在很大程度模擬目標組織或器官的遺傳特徵和表觀特徵，因此，類器官在器官發育、精準醫療、再生醫學、藥物篩選、基因編輯、疾病建模等領域都被寄予厚望。研究人員可以通過使用患者的誘導性多能幹細胞（iPSCs）可建立有價值的疾病模型，並能在體外模擬重現病人疾病模型；同時，類器官的建立可以實現對藥物藥效和毒性進行更有效、更真實的檢測。
比如，在腫瘤治療來說，類器官就具有獨特的優勢。一方面，研究人員可以從患者來源的健康和腫瘤組織樣品中建立類器官。而類器官的培養和建立，則可用於研究腫瘤生成過程中的突變過程，通過從同一腫瘤的不同區域培養無性繁殖的類細胞器，可以用來研究腫瘤內部的異質性。
另一方面，類器官的培養可用於臨床前癌症的治療檢測及藥物藥效和毒性測試，這可將腫瘤的遺傳背景與藥物反應相關聯。來自同一患者健康組織的類器官的建立提供了通過篩選選擇性殺死腫瘤細胞而又不損害健康細胞的化合物來開發毒性較小的藥物的機會。自我更新的肝細胞類器官培養物可用於測試潛在新藥的肝毒性，而這則是臨床試驗中藥物失敗的原因之一。
不過，不同於類器官在生物學和醫學方向的應用，類器官智能提出，可以基於類器官基礎，將類器官應用於計算。
長期以來，人工智慧（AI）都受到人腦啟發。比如，人工智慧的深度學習就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織連結一起，形成神經網絡「大腦」進行精準複雜的處理。深度學習的出現，讓圖像、語音等感知類問題取得了真正意義上的突破。
不可否認，模擬人腦機制的人工智慧今天獲得了前所未有的成功，儘管如此，今天，人腦在許多方面仍優於機器。
比如，人腦的神經元可以以千赫茲的頻率來發放動作電位，超過計算機100萬倍。並且，大腦是高度並行的，而計算機則是線性機器。計算機工作邏輯遵循TTL邏輯的刻板信號，大腦則以非常靈活且溫和的方式發出信號，這是大腦在處理信號上的巨大優勢。同時，大腦非常低耗能，但計算機耗能極高——訓練 AlphaGo 所花費的能量遠超過保持一個成年人思維活躍十年所需的能量。
相較於計算機，人腦所具有的種種優勢也啟發了科學家——我們為什麼不直接用人腦類器官來模擬計算機呢？
用人腦類器官模擬計算機
基於用人腦類器官模擬計算機的設想，美國約翰·霍普金斯大學於 2022年2月22日至-24 日組織了第一個類器官智能研討會，由此形成了一個類器官智能（OI ）研究社區，並通過了探索類器官智能的巴爾的摩宣言。
巴爾的摩宣言呼籲國際科學界探索基於人腦的類器官細胞的潛力，促進我們對大腦的理解，並探索生物計算新形式，同時認識到和解決相關的倫理問題。會議創造了「類器官智能」(OI，Organoid Intelligence)一詞來描述這種研究和開發方法。
該宣言稱，OI有望闡明人類認知功能（如記憶和學習）的生理學。它為生物和混合計算提供了改變遊戲規則的機會，可以克服矽基計算的重大限制。它提供了在大腦和機器之間的接口方面取得空前進步的前景。最後，OI可以在建模和治療痴呆症和其他神經生成性疾病方面取得突破，這些疾病會在全球範圍內造成巨大且不斷增長的疾病負擔。
2月28日，美國約翰·霍普金斯大學布隆伯格公共衛生學院教授教授托馬斯·哈東（Thomas Hartung）在Frontiers in Science 上發表了一篇文章，提出了類器官智能的革命性策略。而這一文章正是於類器官智能（OI ）研究社區首次研討會結束十個月後的2022年12月5日投稿。
根據Hartung的說法，就大腦的體積而論，其計算能力無與倫比。對比來看下，2022 年，有一台超級計算機的計算能力最終超過了人腦，但耗資 6 億美元，占地 680 平方米——約為一個網球場面積的兩倍。
不僅如此，今天，計算能力也即將達到極限。按照摩爾定律，微晶片中的電晶體數量每兩年翻一番，至今已經過了 60 年。過不了多久，晶片上實際安裝的電晶體數量便無法再增加。而一個神經元卻可以連接多達 10,000 個其他的神經元，是一種極為不同的信息處理和存儲方式。而通過類器官智能，利用大腦的計算原理，就可以以不同的方式完成計算機構建。
不過，如果想實現類器官智能，腦類器官還需要擴大規模，Hartung解釋道：「人腦類器官太小了，每個都包含大約 50,000 個細胞。對於類器官智能，我們需要將這一數字增加到 1,000 萬。」
與此同時，研究人員也在研發與類器官通信的技術：換言之，向類器官發送信息並讀出類器官的「想法」。Hartung計劃優化生物工程和機器學習等各種學科中的已有設備，並設計新的設備來刺激大腦和記錄腦信號。Hartung表示，他們研發了一種腦機接口設備，該設備是一種用於類器官的 EEG（腦電圖）帽，Hartung已在去年 8 月份發表的一篇文章中介紹了該設備。該設備有一個柔性外殼，上面密布著微型電極，既能接收來自類器官的信號，又能向類器官傳輸信號。
Hartung設想，最終類器官智能將整合一系列刺激和記錄工具。這些將協調互連類器官網絡之間的相互作用，從而實現更複雜的計算。
我們離類器官智能還有多遠？
儘管當前類器官智能仍處於起步階段，但該文章的共同作者之一—— Cortical Labs 公司的 Brett Kagan 博士最近發表的一項研究已經為這一概念提供了證據。他的團隊表明，標準腦細胞培養物能學會打「桌球」 電子遊戲。他們已經在用大腦類器官進行實驗，而用類器官對此進行複製正是Hartung所說的類器官智能的標準。
當然，要挖掘出類器官智能的全部潛力還有很長的路要走，其中最重要的也是首先要解決的，就是科學突破。比如，需要人類幹細胞技術和生物工程的進步，以重建大腦結構，並模擬其潛在的偽認知能力；需要突破接口技術，以便向類器官傳遞輸入信號，測量輸出信號，並採用反饋機制來模擬學習過程。同時，還需要新的機器學習、大數據和人工智慧技術，來讓我們了解大腦類器官。
其中，就類器官的組織結構和功能而言，類器官研究面臨的一個挑戰就是如何使細胞組織成足以支持各細胞類型之間功能相互作用的空間型態。類器官的生長能力有限，當其超過一定大小時，很多細胞組織仍然是不成熟的。
對大腦類器官來說，祖細胞區域的初步組織是共同特徵，但有絲分裂後神經元外套膜的形成更具變數，主要神經元層的組織也並沒有精確地再現。就目前而言，類器官仍然存在細胞結構組織的變異性和多能細胞系之間的大小差異，而這些都應該以原位人類皮質發育的細胞結構特徵為基準。
就類器官的保真性而言，儘管基因表達研究在解決細胞類型和狀態方面有著前所未有的能力，並有助於改善體外方法，但它們在捕獲細胞特性的特徵方面仍然存在局限性。目前對類器官的代謝和生理機能保真度的評估仍是困難重重。
除了應對這些科學和技術挑戰外，還需要預見並解決與這項研究相關並且很大程度上未被探索的倫理挑戰。比如，人們對於從自己的細胞發育而成的類器官是否有權利，以及了解類器官智能是否具有意識。從技術倫理角度來看，人類都必須警惕類器官發展出意識的任何可能性，並減輕和防範這種情況。
也就是說，類器官智能計劃至少包括四方面內容：通過人類幹細胞技術和生物工程的進步來重建大腦架構，並對其認知能力潛力進行建模；通過接口方面的突破，讓人們能夠向類器官傳遞輸入信號，測量輸出信號，並採用反饋機制來模擬學習過程；通過新穎的機器學習、大數據和AI技術，讓人們能夠了解大腦類器官；在類器官智能的開發過程中討論出一個公認的倫理框架。
不論如何，類器官智能的概念都開創了生物計算的新階段，接下來，我們需要做的是建立社區生態、工具和技術，以實現類器官智能的全部潛力。