文章图片

电影《黑客帝国》中呈现的「缸中之脑」 。
「我们经常说 ， 它们就好像生活在《黑客帝国》里 。 在打乒乓游戏的时候 ， 它们相信自己就是球拍 。 」 Kagan 说道 。
在学习效率方面 ， DishBrain 的表现令人满意 ， 仅用 5 分钟就掌握了游戏 ， 比 AI 学习速度（90 分钟）快得多 ， 但后面还是会输给 AI 。
「我们的研究结果表明 ， 在模拟的游戏世界中 ， 一层体外皮层神经元可以自组织并表现出智能、有感知的行为 。 」Kagan 表示 。
相关研究可以在预印本平台 bioRxiv 上读到 。

文章图片

论文链接：https://www.biorxiv.org/content/10.1101/2021.12.02.471005v2.full
除了 Cortical Labs ， 国内外很多实验室也在做类似的研究 。 8 月 ， 德国科学家公布了他们实验室培育出的大脑 ， 这些大脑能发展自己的基本眼睛结构来感知光线 ， 并与大脑的其他部分进行交流 。 德国杜塞尔多夫大学人类遗传学研究所的研究人员则使用干细胞培养出了视杯（optic cups） ， 这是眼睛形成的早期阶段 ， 在胎儿大约五周时发育 。
DishBrain 系统如何运作
DishBrain 系统利用神经元的固有属性来共享彼此之间的脑电（突触）活动『语言』 ， 以通过电刺激和记录将硅和 BNN 系统连接起来 。 鉴于硬件与细胞、湿件（wetware）的兼容性 ， 智能系统中的感知行为需要两个相互关联的过程 。
因此 ， 该系统首先必须了解外部状态如何通过感知来影响内部状态 ， 以及内部状态如何通过行动影响外部状态 。 然后 ， 该系统必须基于感官状态来推断它何时应该采取特定行为 。 简而言之 ， 系统必须能够预测其行为如何影响环境 。
为了解决第一个问题 ， 研究者开发了一个自定义软件驱动器来创建低延迟闭环反馈系统 ， 该系统通过电刺激来模拟与 BNN 环境的交换 。 该闭环系统通过提供关于细胞培养行为因果效应的反馈 ， 提供了体外培养具身（embodiment） ， 而这又需要内部与外部状态的分离 。 以往的体外和硅研究表明 ， 电生理闭环反馈系统展现出了显著的网络可塑性和潜在的行为适应性 ， 超出了开环系统所能实现的 。
研究者在活体内发现了对具身和功能行为之间关联的进一步支持 ， 其中通过解耦视觉反馈和运动输出破坏闭环系统会破坏小鼠初级视觉皮层中视觉处理的功能发育 。 这有力地支持了生物神经网络中反馈与功能行为最终发育之间存在着重要关联 。
下图为 DishBrain 系统原理和实验示意图 。 如图左上所示 ， 神经元培养物有两个来源 ， 要么是通过双重 SMAD 抑制和 NGN2 慢病毒属定向分化形成的人类诱导性多能干细胞（iPSC） ， 要么是 E15.5 小鼠胚胎的初级脑皮层细胞 ， 它们被移植到 HD-MEA 芯片上 ， 并通过 DishBrain 系统嵌入到受激的『pong』游戏世界 。
此外 ， 研究者还利用 DishBrain 系统演示了如下操作：

• 低延迟闭环反馈系统（刺激 STIM 和沉默 SIL 两种状态）；
• 无反馈系统 ， 用于展示开环（Open-loop）反馈装置；
• 休息 RST 装置 ， 用于展示缺少感官信息时的系统 。

文章图片

DishBrain system and experimental protocol schematic.
下图 A 为 DishBrain 装置的概览图 。 此外 ， DishBrain 环境是一个与 MaxOne 软件交互的低延迟实时系统 ， 使得应用时可以扩展其原始功能 ， 下图 B 即为 DisBrain 闭环系统中的软件组件和数据流 。