人工智能领域的发展持续地从大脑的结构和工作原理中汲取灵感，其中最具代表性的是如今方兴未艾的人工神经网络（artificial neural networks，ANNs）。这是一种基于硅基芯片，模拟人类神经系统的计算模型。尽管这种模型展现了强大的运算能力，由于其基础依然是冯诺伊曼结构，即运算器与存储器相分离，因此其运算效率始终受到冯诺伊曼瓶颈的限制。
为了突破困局，越来越多人工智能领域的学者重新开始关注生物学上的大脑。确实，人脑的高效率低能耗是目前最先进的人工智能都无法企及的。消耗人脑20瓦能量的运算量，AI硬件却需要消耗800万瓦。除此，人脑也能够从大量噪音中提取信息，并以极高的效率进行学习。一部分原因在于，在生物神经网络（Biological neural networks, BNNs）中，存储器与运算器是融合在一起的，因此不存在冯诺伊曼瓶颈。根据这一原理，研究人员利用忆阻器开发了高效率低能耗的神经形态芯片（neuromorphic chips）。然而，这种尝试仅仅部分地模仿了生物神经网络。为了更直接地应用生物神经网络难以被硅基芯片模仿的运算能力，人工智能领域的科学家正在尝试利用培养的神经细胞和组织来完成目标导向的运算任务。
2022年就有一篇轰动性的论文发表于Neuron杂志，在这一工作中，研究人员用了5分钟时间就让培养的人源iPSC神经元学会了玩一个电脑游戏，比硅基的AI系统快了17倍（详细信息阅读往期文章）。
这篇Neuron文章中用到的神经组织是2D的培养神经元，而在上个月刚刚发表于顶刊Nature electronics的论文中，来自另一个团队的研究人员使用了3D的大脑类器官（organoid）来构建他们的AI系统。
高密度MEA
一个AI系统离不开信息的输入和输出，基于生物组织的芯片如何实现信息的输入与输出呢？这就不能不提在这两篇论文中都扮演重要角色的Maxwell高密度MEA，它能够同时读取大量神经元的放电信号作为信息的输出，即读取“脑“发出的信号。此外，每个电极又可以给出电刺激影响神经元的活动，这可作为信息输入，即将信号传输给”脑“。Maxwell MEA的很多特点使得它受到计算神经科学家及人工智能科学家们的青睐：
01
3265 electrods/mm2的高密度电极
Maxwell MEA芯片上有26400个电极。这样的密度使其可以记录2D培养物中几乎每一个活细胞；而对于3D类器官更为关键，因为类器官与芯片接触面积通常比较小，如此高的密度提供了足够的记录位点获取大量神经元信息。
图1. Maxwell MEA 的芯片
02
可放在培养箱内进行记录
这使得在记录过程中细胞能够维持良好的生理状态，支持反复长期的检测。
03
低本底噪音，高信噪比
仅为2.4微伏的本底噪音保证了高质量的读取信号，使得AI系统获得足够丰富的输出信息。
04
电极可作为刺激电极
在2万多个电极中每一个电极都可作为刺激电极给出刺激，这在构建的AI系统中成为重要的信息输入的媒介。在此，高电极密度也为这种信息输入提供了高空间分辨率的特性。
05
可开放API，实现快速实时反馈系统
Maxwell MEA可开放API，允许其它软件的操控，灵活地设计输入输出模式，能够在输入与输出间建立实时的反馈。
类器官AI系统Brainoware的构建
文章中使用的是从人类多能干细胞诱导的大脑类器官，包含多种类型的神经细胞，并具有和大脑类似的组织结构和功能。研究人员将这种类器官种植于Maxwell MEA芯片上，芯片给出电刺激作为输入信息，读取大脑类器官中神经元的动作电位作为输出信息，而类器官本身作则作为一个进行储备池计算的（reservoir computing）硬件，作者将这种实现方式称为Brainoware。
图2. 芯片上的大脑类器官
研究人员将特定的外部信息通过一定规则翻译为MEA芯片上独特的时空刺激序列，这种刺激被施加于类器官这个运算硬件，刺激后类器官中神经元的活动被MEA芯片读取，并通过回归解码转化为输出信息。
图3. Brainoware的运行方式
Brainoware实现语音识别
在这一工作中使用4x4 16个电极作为刺激电极来编码不同的输入信息，研究发现Brainoware具有储备池计算硬件的很多特有性质。包括对输入的非线性响应（图4. a，b）; 逐渐消失的记忆功能，表现为刺激后神经活动的逐渐减弱（图4. c）；能够表征输入的空间信息。图4. e 中可看到两种空间上不同的刺激模式引发的类器官神经响应有明显的差异。
图4. Brainoware具有储备池计算硬件的特性
接下来，研究人员让Brainoware完成一个具体的任务。他们将8个人说日语元音的240个音频片段转化为时空序列，并通过MEA芯片给出刺激将这些信息传输给大脑类器官，刺激后的神经元活动被MEA芯片读取，并用回归的方式进行分类。Brainoware需要将同一个人的声音归到一起，即辨认出这个人的声音。最开始，Brainoware的准确度只有30%-40%。但经过两天的训练之后，它就可以78%的准确率识别出特定说话者。作者在此强调，所谓的训练只是重复音频片段，不给予任何反馈，也就是所谓的无监督训练。而这种学习能力可被一种阻断神经可塑性的药物所抑制，提示Brainoware的学习能力取决于神经可塑性。
图5. 语音识别流程图
进一步的研究表明Brainoware的学习效率要显著高于已有的人工神经网络。
总结
Neuron和Nature electronics上的这两篇高水平论文已经证明生物神经网络具有非常大的研究价值和前景。那么未来我们真的有可能用上由活的大脑构成的计算机吗？事实上，目前这个领域的研究还刚刚起步，还有很多问题等待着科学家们去解决。我们期待更多相关的研究去挖掘生物神经网络的独特功能，并期待高密度MEA在人工智能研究领域发挥更大的作用。
在培养类器官上有困难老师可以尝试这款类器官专用培养系统。独特的旋转培养容器可为类器官提供良好的营养供应和微重力环境，此外，可通过视频实时监测类器官的生长情况。
【小科普】MEA记录系统可以记录体外组织，包括细胞培养、脑片组织、视网膜和类器官的胞外场电位信号，而高密度MEA可检测到样本中的每一个细胞，可进行network和circuit的研究，可进行亚细胞水平的axon tracking，可在单细胞或亚细胞水平上精准刺激。感兴趣的可阅读：神经元信号采集方式进入新纪元。
Leads
礼智生物科技
——MaxWell高密度MEA产品中国区独家授权代理商
礼智生物科技有限公司成立于2011年，主要开发和代理神经生物学领域前沿的科研设备及试剂，并积极致力于为用户提供实验室整体的建设和实验方案。现有的设备几乎都是神经生物学及医学领域前沿的技术产品，包括脑功能成像、光片显微镜及MEA等在体离体电生理等设备。团队主要由神经生物学博士及多年经验的技术人员组成，为用户提供专业的实验建议，不断探索神经科学领域的前沿技术。欢迎有志于脑科学前沿技术开发和推广的同学加入我们一起投身于中国脑科学服务事业的发展之中。招聘连接：加入我们
如有产品或技术方面的任何问题
欢迎扫描右侧二维码联系客服
了解更多细节
礼智生物科技｜招新啦
礼智生物科技欢迎有志于脑科学前沿技术开发和推广的同学加入我们，一起投身于中国脑科学服务事业的发展之中。
招聘链接：加入我们
