来源：生物探索 2023-04-07 09:23

AlphaGo在与世界顶级围棋选手多场对局中的傲人战绩证明了人工智能（AI）在学习与计算复杂问题上所能达到的高度，ChatGPT的横空出世又让许多人惊叹于AI所能达到的超强信息整合能力与接近人类水平的自然语言处理能力，然而，尽管AI已经创造出许多突破性的成绩，但在某些方面，它的表现仍然弱于其所想要模仿的人类智能。

首先是运行功耗，例如美国超级计算机Frontier以21MW的功耗在LINPACK 基准测试中达到了1.102 exaFlops的峰值计算性能，即每秒完成一百亿亿次浮点运算，其能效已经超越同类超级计算机，然而人脑仅需20瓦的功耗就能以相同的1 exaFlop运行。

其次，大脑的学习效率仍不是AI所能企及。比如在简单的辨别 相同或不同 的任务中，人类仅需10个左右的训练样本即可完成学习，简单生物如蜜蜂也仅需百余个样本，而机器则可能面对上百万个训练样本依然无法完成学习。击败世界围棋冠军的AlphaGo也是在接受了16万场比赛的数据训练后，才达到如今的水平，相当于人类以每天五小时的强度持续训练175年之久。

学习效率的低下进一步增加了机器完成任务所需的能源消耗，甚至成为了限制了机器学习的天花板。此外，摩尔定律即将达到它的物理极限，很快人类将无法使更多晶体管装入晶片，而大脑以另一种方式存储信息，千亿数量级的神经元通过千万亿数量级的连接，可实现2500TB的存储容量。

这使得科学家不禁思考，如果绕开让AI变得更接近人脑的尝试，直击本源，让人脑来完成计算呢？

2月28日，约翰霍普金斯大学Thomas Hartung教授率领多学科团队在Frontiers in Science发布 类器官智能 （organoid intelligence，OI）计划。在文章 Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish 中，他们描绘了以脑类器官为硬件创造颠覆性生物计算机的未来愿景，并预计这种技术将指数级提升现代计算的能力，同时开辟出全新的研究领域。

图1 Thomas Hartung展示脑类器官（图源：约翰霍普金斯大学）