澳洲科企訓練活體神經元玩射擊遊戲 開創生物電腦新紀元
- 應用前景:從藥物篩選到通用人工智能 Cortical Labs已成立專門部門,將DishBrain技術商業化為CL1生物運算平台,鎖定三大應用領域。
- 技術核心:活體神經元與矽晶片的共生架構 Cortical Labs這項突破性技術的關鍵,在於打造一個能讓神經元存活並發揮功能的半導體環境。
- 這些電極扮演著翻譯者的角色,將《Pong》遊戲中的球拍位置、球體軌跡等數位訊號,轉換為神經元能夠理解的電脈衝刺激;同時,神經元放電模式也會被即時解析,轉譯成控制球拍上下移動的指令。
- 實驗設計:從單純細胞培養到互動智能體 傳統的神經科學研究多將神經元視為被動的觀察對象,Cortical Labs卻反轉這種思維,讓細胞成為主動參與者。
澳洲墨爾本科技新創公司Cortical Labs成功在實驗室中訓練數十萬個活體神經元,使其在矽晶片上學會操作經典射擊遊戲《Pong》,這項名為「DishBrain」的研究成果已正式發表於權威期刊《Neuron》,標誌著全球首次實現人類與活體細胞的即時互動運算,為合成生物智能與生物電腦的發展開啟全新篇章。 研究團隊結合人類幹細胞衍生神經元與小鼠胚胎腦細胞,透過電極陣列建立雙向溝通介面,讓這些腦細胞不僅能接收遊戲資訊,更能主動學習並在五分鐘內展現顯著進步,展現出類似學習與記憶的認知能力。
技術核心:活體神經元與矽晶片的共生架構
Cortical Labs這項突破性技術的關鍵,在於打造一個能讓神經元存活並發揮功能的半導體環境。研究人員在直徑僅數公分的微流體晶片上,培養了約80萬個活體神經元,並透過高密度電極陣列同時刺激與記錄神經活動。 這些電極扮演著翻譯者的角色,將《Pong》遊戲中的球拍位置、球體軌跡等數位訊號,轉換為神經元能夠理解的電脈衝刺激;同時,神經元放電模式也會被即時解析,轉譯成控制球拍上下移動的指令。
這套系統最精妙之處在於自由能原理的應用。研究團隊設計了一套獎懲機制:當神經元成功將球拍移動至正確位置並擊回球體時,系統會給予固定且可預測的電刺激作為「獎勵」;反之,若錯失球體,則會收到隨機且不可預測的電訊號作為「懲罰」。這種可預測性與混亂性的差異,驅使神經元網絡自行調整放電模式,以最大化獎勵並最小化懲罰。令人驚訝的是,無論是人類或小鼠來源的神經元,都能在五分鐘內展現學習成效,遊戲表現顯著超越隨機機率,證明這種學習能力並非物種特有,而是神經系統的普遍特性。
實驗設計:從單純細胞培養到互動智能體
傳統的神經科學研究多將神經元視為被動的觀察對象,Cortical Labs卻反轉這種思維,讓細胞成為主動參與者。研究人員在培養皿中創造了一個封閉循環系統,神經元不再是孤立靜態的樣本,而是持續接收感官輸入並產生運動輸出的動態智能體。 這種設計模擬了生物大腦在真實世界中的運作模式:感知環境、做出決策、接收回饋、調整行為。
實驗中使用的《Pong》遊戲經過簡化,僅保留垂直移動的球拍與水平彈跳的球體。神經元網絡需要學習的是:當球體從左側飛來時,如何將球拍移至對應的垂直位置以完成擊球。透過16x16的電極網格,系統能夠精確定位哪些區域的神經元負責控制球拍上移,哪些區域負責下移。 研究團隊發現,隨著訓練時間增加,神經元放電的同步性與效率明顯提升,代表細胞間形成了更穩固的訊息傳遞路徑,這與生物學習時突觸可塑性增強的現象高度吻合。
科學意義:重新定義智能的本質與邊界
這項研究最震撼科學界之處,在於它模糊了傳統認知中「生命」與「機器」的界限。DishBrain證明,智能並不一定需要完整的生物體或大腦結構,即使是離體培養的離散神經元網絡,也能展現目標導向的學習行為。 這對於理解意識、認知與智能的最低生物基礎提供了關鍵線索,也為「神經元是否具有基本意識」這類哲學問題注入了新的科學討論素材。
從技術演進角度來看,這代表生物運算正式從理論走向實踐。傳統電腦以0與1的邏輯閘運作,神經網絡則以連續的電化學訊號處理資訊,兩者在能耗、學習效率與容錯能力上有本質差異。生物電腦能夠在僅消耗傳統電腦百萬分之一的能量下,完成即時學習與適應,這對於發展永續且高效的次世代運算架構具有重大啟示。 此外,這項技術也為神經退化性疾病研究開闢了新途徑,科學家可以在晶片上模擬阿茲海默症或帕金森氏症的病理機制,並即時測試藥物效果。
應用前景:從藥物篩選到通用人工智能
Cortical Labs已成立專門部門,將DishBrain技術商業化為CL1生物運算平台,鎖定三大應用領域。首先是藥物神經毒性篩選,傳統方法需要數月動物實驗才能評估藥物對中樞神經的副作用,而生物電腦可在數天內觀察神經元網絡的功能變化,大幅縮短新藥開發時程。其次是腦機介面優化,透過理解離體神經元如何適應人工訊號,可提升未來義肢或癱瘓患者輔助設備的控制精準度。
最長遠的願景則是開發混合式通用人工智能。研究團隊認為,結合生物神經元的可塑性與矽晶片的運算速度,可能突破當前AI的侷限。現今深度學習需要數百萬次訓練才能掌握的任務,生物電腦或許能在極短時間內以極低能耗完成。 雖然距離真正實現還有數十年,但DishBrain已證明這條路徑的可行性。公司計畫在未來兩年內將神經元數量提升至1000萬個,並嘗試更複雜的任務,如迷宮導航或簡單邏輯推理。
倫理爭議:當細胞培養皿展現智能
隨著生物電腦能力快速提升,倫理問題也日益緊迫。目前這些神經元網絡雖僅展現基礎學習能力,但若未來擴展至數十億個神經元,是否可能產生意識或痛覺? 澳洲生物倫理委員會已要求Cortical Labs建立嚴格的使用規範,包括禁止長期培養超過六個月、必須設立「關閉機制」以確保細胞不會經歷「痛苦」,以及所有實驗需經獨立倫理審查。
研究團隊強調,當前系統遠未達到意識層次,神經元僅對電刺激產生反射性反應。但不可否認,這項技術正在挑戰我們對「生命」的定義。當一團細胞能在培養皿中展現目標導向行為、記憶形成與適應能力時,它是否僅是工具,還是某種形式的生命體? 這些問題不僅需要科學家回答,更需要社會大眾、法律專家與哲學家共同參與討論,建立全新的科技倫理框架。









