在這個AI技術(shù)突飛猛進(jìn)的時代，人工智能已經(jīng)能夠完成寫詩、作畫、下棋等復(fù)雜任務(wù)。但你知道嗎？科學(xué)家們正在嘗試一種全新的AI研發(fā)路徑——讓體外培養(yǎng)的“迷你大腦”來參與智能系統(tǒng)的構(gòu)建！這就是最近引發(fā)轟動的“腦類器官智能（也稱為芯上腦）”研究。

近日，由國科溫州研究院帥建偉團(tuán)隊與復(fù)旦大學(xué)馬麗香、賽音賀西格、劉靂宇團(tuán)隊以及溫州醫(yī)科大學(xué)李校?以菏?、王周光團(tuán)隊聯(lián)合攻關(guān)，在bioRxiv發(fā)表文章"MAIS: an in-vitro sandbox enables adaptive neuromodulation via scalable neural interfaces"，在芯上腦研究領(lǐng)域取得重大突破。

為什么選擇體外培養(yǎng)的“迷你大腦”？
科學(xué)家們發(fā)現(xiàn)，傳統(tǒng)計算機(jī)雖然在計算速度和精確度上遠(yuǎn)超人類，但在某些領(lǐng)域，比如學(xué)習(xí)、適應(yīng)和創(chuàng)造性思維——仍然難以匹敵生物大腦。于是，一種全新的研究方向應(yīng)運而生：利用實驗室培養(yǎng)的“迷你大腦”（腦類器官，圖1-2）來構(gòu)建更接近人類智能的系統(tǒng)。

圖1. 腦類器官的體外培養(yǎng)過程（圖引自：
Yang Q, Hong Y, Zhao T, et al. What Makes Organoids Good Models of Human Neurogenesis? Front Neurosci. 2022.）

圖2. 體外培養(yǎng)的“迷你大腦”（腦類器官）（圖來源：https://edition.cnn.com/2021/02/11/americas/brain-organoids-neanderthal-study-scn/index.html）

這些由干細(xì)胞培育而成的微型神經(jīng)組織，雖然只有幾毫米大小，卻擁有令人驚嘆的三大優(yōu)勢： 

1. 超強(qiáng)學(xué)習(xí)能力：自我優(yōu)化的生物神經(jīng)網(wǎng)絡(luò)
人腦最神奇的特性之一就是“神經(jīng)可塑性”——它能根據(jù)經(jīng)驗不斷調(diào)整神經(jīng)連接，優(yōu)化信息處理方式。比如，當(dāng)你學(xué)習(xí)一項新技能（比如騎自行車）時，大腦會通過強(qiáng)化相關(guān)神經(jīng)通路來提升熟練度。“迷你大腦”保留了這種能力，能夠在電刺激或外界信息的引導(dǎo)下自主調(diào)整突觸連接，實現(xiàn)類似"學(xué)習(xí)"的過程。 

相比之下，傳統(tǒng)AI依賴預(yù)設(shè)算法和海量數(shù)據(jù)訓(xùn)練，一旦遇到超出訓(xùn)練范圍的情況就可能“死機(jī)”。而“迷你大腦”則能像生物大腦一樣，在動態(tài)環(huán)境中自我適應(yīng)，在復(fù)雜任務(wù)中表現(xiàn)出更強(qiáng)的適應(yīng)能力。 

2. 超低能耗：生物計算的節(jié)能奇跡
人類大腦的能耗極低——僅約20瓦，相當(dāng)于一盞節(jié)能燈的功率，卻能完成語言、推理、情感等復(fù)雜認(rèn)知功能。相比之下，訓(xùn)練一個大型AI模型（如GPT-3）可能消耗數(shù)百萬倍的能量。腦類器官繼承了這種高效能特性，其神經(jīng)元通過離子通道和化學(xué)信號傳遞信息，而非依賴硅基芯片的電子運算，因此在執(zhí)行相同任務(wù)時能耗極低。 

這一優(yōu)勢對未來AI發(fā)展至關(guān)重要。隨著算力需求爆炸式增長，傳統(tǒng)計算機(jī)的能耗問題日益嚴(yán)峻，而腦類器官可能提供一種可持續(xù)的替代方案。

3. 直覺判斷：處理模糊信息的天然優(yōu)勢
人類大腦擅長在信息不全的情況下做出合理推斷（比如識別人臉、理解模糊語言），而傳統(tǒng)AI遇到此類問題往往需要大量標(biāo)注數(shù)據(jù)和復(fù)雜算法。腦類器官的神經(jīng)網(wǎng)絡(luò)具有生物系統(tǒng)固有的隨機(jī)性和非線性特性，能夠更靈活地處理不確定性。 這種“直覺式”決策能力，在醫(yī)療診斷、自動駕駛等現(xiàn)實場景中極具價值——畢竟，真實世界充滿噪聲和意外，而生物智能恰恰擅長應(yīng)對這種復(fù)雜性。 

“迷你大腦”潛力無限
“迷你大腦”具有電子計算機(jī)無法比擬的三大優(yōu)勢：
 自我學(xué)習(xí)
 超低能耗
 直覺判斷

這些無可替代的特征使“迷你大腦”成為下一代AI研究的理想載體。雖然目前技術(shù)仍處于早期階段，但這項突破已經(jīng)證明，生物神經(jīng)網(wǎng)絡(luò)與電子系統(tǒng)的融合，可能開啟一個全新的“混合智能”時代。

芯上腦的研究進(jìn)展
“芯上腦”指的是在芯片上培養(yǎng)“迷你大腦”所形成的系統(tǒng)，它既具備生物學(xué)的動態(tài)性，又具備半導(dǎo)體技術(shù)的可控性，可以實現(xiàn)神經(jīng)電活動的實時監(jiān)測與調(diào)控，模擬大腦的神經(jīng)網(wǎng)絡(luò)功能，為研究腦科學(xué)、開發(fā)腦機(jī)接口及類腦智能提供實驗平臺。近年來，芯上腦智能研究取得了一系列進(jìn)展。

2022年一篇轟動性的論文發(fā)表于Neuron雜志，在這一工作中，研究人員僅用了5分鐘時間就讓培養(yǎng)的人源iPSC神經(jīng)元學(xué)會了玩打乒乓球的經(jīng)典電子游戲《Pong》（圖3），比硅基的AI系統(tǒng)快了17倍。

圖3. 經(jīng)典電子游戲《Pong》

該研究首次證實體外神經(jīng)元可在模擬游戲環(huán)境中展現(xiàn)學(xué)習(xí)能力和感知特性。（見公眾號往期報道——人腦細(xì)胞在培養(yǎng)皿中5分鐘學(xué)會打游戲，缸中之腦還是黑客帝國？）

Neuron文章中用到的神經(jīng)組織是2D的培養(yǎng)神經(jīng)元，而在2024年發(fā)表于Nature Electronics的論文中，來自另一個團(tuán)隊的研究人員使用了3D的腦類器官來構(gòu)建他們的AI系統(tǒng)。文章中使用的是從人類多能干細(xì)胞誘導(dǎo)的大腦類器官，包含多種類型的神經(jīng)細(xì)胞，并具有和大腦類似的組織結(jié)構(gòu)和功能。研究人員將這種“迷你大腦”種植于Maxwell 高密度微電極陣列芯片上（圖4），該“芯上腦”系統(tǒng)通過電極陣列向“迷你大腦”施加精確的電刺激作為輸入信號，同時實時記錄“迷你大腦”神經(jīng)網(wǎng)絡(luò)產(chǎn)生的動作電位作為輸出響應(yīng)。

圖4. 芯片上的“迷你大腦”（芯上腦）

研究發(fā)現(xiàn)，該芯上腦展現(xiàn)出獨特的計算能力，可以實現(xiàn)語音識別，且學(xué)習(xí)效率顯著高于已有的人工神經(jīng)網(wǎng)絡(luò)。（高密度MEA上的人工智能——從2D到3D的迷你大腦）

2025年bioRxiv研究則首次在Maxwell芯片上種植了三個大腦類器官（圖5），并且成功讓這三個“迷你大腦”聯(lián)網(wǎng)，實現(xiàn)從“單機(jī)模式”到“聯(lián)網(wǎng)模式”的升級。經(jīng)過兩周的“電擊訓(xùn)練”，它們的信號解碼能力顯著提升。（三個“迷你大腦”聯(lián)手更聰明——HD-MEA上的多類器官網(wǎng)絡(luò)研究）

圖5. Maxwell芯片上同時種植三個“迷你大腦”

在這三篇論文中，Maxwell的高密度微電極陣列（high-density microelectrode array, HD-MEA）扮演了重要角色。它既能夠同時讀取大量神經(jīng)元的放電信號作為信息輸出，即讀取“腦”發(fā)出的信號。也能夠給予神經(jīng)元電刺激作為信息輸入來調(diào)控神經(jīng)元的活動，即將信號傳輸給“腦”。

Maxwell HD-MEA
Maxwell HD-MEA的很多特點使得它受到計算神經(jīng)科學(xué)家及人工智能科學(xué)家們的青睞：
3265 electrods/mm²的高密度電極
Maxwell MEA芯片上（圖6）有26400個電極。這樣的密度使其可以記錄2D培養(yǎng)物中幾乎每一個活細(xì)胞；而對于3D類器官更為關(guān)鍵，因為類器官與芯片接觸面積通常比較小，如此高的密度提供了足夠的記錄位點獲取大量神經(jīng)元信息。

圖6. Maxwell MEA 芯片

可放在培養(yǎng)箱內(nèi)進(jìn)行記錄
這使得在記錄過程中細(xì)胞能夠維持良好的生理狀態(tài)，支持反復(fù)長期的檢測。
低本底噪音，高信噪比
僅為2.4微伏的本底噪音保證了高質(zhì)量的讀取信號，使得AI系統(tǒng)獲得足夠豐富的輸出信息。
電極可作為刺激電極
在2萬多個電極中每一個電極都可作為刺激電極給出刺激，這在構(gòu)建的AI系統(tǒng)中成為重要的信息輸入的媒介。在此，高電極密度也為這種信息輸入提供了高空間分辨率的特性。
可開放API，實現(xiàn)快速實時反饋系統(tǒng) 
 Maxwell HD-MEA可開放API，允許其它軟件的操控，靈活地設(shè)計輸入輸出模式，能夠在輸入與輸出間建立實時的反饋。

總結(jié)上述芯上腦智能研究的發(fā)展過程，可以清晰地分為三個關(guān)鍵發(fā)展階段：
科學(xué)家們成功構(gòu)建了基于二維神經(jīng)元網(wǎng)絡(luò)的初級芯上腦系統(tǒng)，實現(xiàn)了2D芯上腦；

隨后，科學(xué)家們突破性地開發(fā)出3D芯上腦模型，更真實地模擬了大腦組織的立體神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

之后，研究取得重大進(jìn)展，實現(xiàn)了多個3D芯上腦的協(xié)同集成與功能強(qiáng)化，標(biāo)志著類腦計算技術(shù)邁入全新發(fā)展階段。

有趣的問題是，多個3D芯上腦之間能否像人類那樣交流呢？

國科溫州研究院帥建偉團(tuán)隊與復(fù)旦大學(xué)馬麗香、賽音賀西格、劉靂宇團(tuán)隊以及溫州醫(yī)科大學(xué)李校?以菏?、王周光團(tuán)隊等通過合作，創(chuàng)新性地開發(fā)了多個腦類器官智能體交互系統(tǒng)（multi-agent interactive system, MAIS），實現(xiàn)了多個芯上腦之間的相互交流，開發(fā)出高速動態(tài)神經(jīng)信息解碼架構(gòu)，首次實現(xiàn)實時追蹤與匹配大腦動態(tài)神經(jīng)編碼，成功構(gòu)建全球首個自演化腦類器官融合智能生命體研究系統(tǒng)。

圖7. 融合智能生命體示意圖

該系統(tǒng)通過自適應(yīng)神經(jīng)調(diào)控技術(shù)，實現(xiàn)了多個腦類器官的穩(wěn)定互聯(lián)與協(xié)同決策。突破了單腦類器官研究的局限，建立了多腦類器官交互的研究范式，為發(fā)展復(fù)雜生物智能系統(tǒng)提供了關(guān)鍵技術(shù)平臺，標(biāo)志著腦類器官研究從單腦單元向多腦網(wǎng)絡(luò)協(xié)作的重要跨越。

MAIS平臺是如何構(gòu)建的呢？
MAIS平臺由高密度微電極陣列和多個“迷你大腦”共同組成，其構(gòu)建過程如下：
1、“迷你大腦”的培養(yǎng)：將人誘導(dǎo)多能干細(xì)胞（hiPSC）經(jīng)過定向分化，50天形成具備神經(jīng)元網(wǎng)絡(luò)的“迷你大腦”——皮質(zhì)類器官（hCO）（圖8a）。通過免疫熒光顯示MAP2（樹突）、SIM312（軸突）陽性，表明其具備生物大腦的結(jié)構(gòu)（圖8b）。
 

圖8. (a)“迷你大腦”的培養(yǎng)示意圖; (b)免疫熒光結(jié)果

2、MaxOne芯片與“迷你大腦”連接，構(gòu)建芯上腦平臺：將hCO進(jìn)行切片，種植在MaxOne高密度微電極陣列之上（圖9），上半部是類腦種植在多電極陣列之上的示意圖，下半部左圖是類腦切片種植在芯片的顯微陣列圖，右圖是是左圖放大部分，顯示類腦與陣列整合的顯微圖片。

圖9. 類腦種植在MaxOne上

其中Maxone芯片含26,400個鉑電極（間距17.5 μm），支持1024通道同步記錄。既能夠?qū)崿F(xiàn)單神經(jīng)元的放電記錄（輸出），也能夠?qū)崿F(xiàn)神經(jīng)元的刺激（輸入），從而形成閉環(huán)調(diào)控。

動態(tài)實時反饋通路的形成：圖10展示hCOs通過硅基底與MEA芯片連接，可以將hCOs產(chǎn)生的神經(jīng)信號通過MEA芯片接收并傳輸至外部計算模塊處理。計算芯片中預(yù)編程的指令隨后傳回MEA芯片，向hCOs施加靶向刺激，形成實時反饋環(huán)路。而且通過對智能體中的神經(jīng)元活動演化可塑性的快速實時跟蹤，設(shè)計了一種動態(tài)刺激電極方案，該方案可根據(jù)人腦類器官動態(tài)生長演化的電生理狀態(tài)進(jìn)行實時配準(zhǔn)，解決了人工靜態(tài)編解碼與生物神經(jīng)網(wǎng)絡(luò)動態(tài)編解碼不匹配的問題，確保了人工與生物的閉環(huán)實時擾動的相容性。
 

圖10. “迷你大腦”hCOs通過硅基底與MEA芯片連接

3、單個智能體強(qiáng)化學(xué)習(xí)訓(xùn)練：在單個芯上腦基礎(chǔ)上，作者構(gòu)建了基于空間強(qiáng)化學(xué)習(xí)的“紙牌游戲”閉環(huán)決策系統(tǒng)，其架構(gòu)包含三大核心模塊：
 刺激編碼將卡牌信息轉(zhuǎn)化為精準(zhǔn)電信號
 響應(yīng)解碼實時解析神經(jīng)元放電特征
 自適應(yīng)反饋通過獎懲機(jī)制動態(tài)優(yōu)化決策

實驗表明，同步獎勵刺激能誘導(dǎo)神經(jīng)連接增強(qiáng)（類LTP效應(yīng)），而隨機(jī)懲罰刺激則削弱網(wǎng)絡(luò)同步性（類LTD效應(yīng)），契合赫布學(xué)習(xí)法則。通過“裁判-玩家”雙角色訓(xùn)練框架，“迷你大腦”在該游戲中能靈活適應(yīng)規(guī)則反轉(zhuǎn)（如“大牌勝”轉(zhuǎn)為“小牌勝”），并隨著訓(xùn)練輪數(shù)增加腦類器官的勝率逐漸提升。腦類器官神經(jīng)網(wǎng)絡(luò)功能連接分析進(jìn)一步證實，訓(xùn)練后神經(jīng)通路強(qiáng)連接數(shù)量增長超百倍。

卡牌游戲規(guī)則：在這個規(guī)則中，“迷你大腦”hCO作為智能體，MEA和計算機(jī)構(gòu)成環(huán)境，hCO在與環(huán)境的互動中產(chǎn)生的spike作為“執(zhí)行的動作”，將電極的不同位置編碼為不同的卡牌（紅2>紅1>黑2>黑1，圖11），根據(jù)hCO不同決策，通過MaxOne發(fā)放獎勵（50 Hz規(guī)律脈沖）或懲罰（隨機(jī)電擊），訓(xùn)練hCO決策。
 

圖11. 卡牌游戲規(guī)則

結(jié)果：13天后，高相關(guān)連接（STTC>0.4）從6條激增至1430條，證明了神經(jīng)網(wǎng)絡(luò)的可塑性（圖12）。

圖12. 網(wǎng)絡(luò)可塑性

4、多智能體交互：最后，針對“紙牌游戲”，該團(tuán)隊創(chuàng)新性地將計算機(jī)裁判替換為“迷你大腦”裁判，構(gòu)建了世界上首個智能體數(shù)目可擴(kuò)展的MAIS。

通過不同設(shè)計的交互場景，該團(tuán)隊驗證了 MAIS 系統(tǒng)能夠?qū)崿F(xiàn)從單個智能體演化、兩個智能體互作到三個智能體協(xié)作的穩(wěn)定擴(kuò)展（圖13）。
 

圖13. Solo模式（單智能體模式）→Triple模式（三智能體模式）(a)Solo：單hCO通過最大放電選擇卡牌;(b)Dual：兩hCO競爭，計算機(jī)裁決勝負(fù);(c)Triple：引入第三hCO作為“生物裁判”，其放電差異直接決定獎懲

該團(tuán)隊發(fā)現(xiàn)，在MAIS系統(tǒng)上，相比于帶有精確計算機(jī)裁判的雙機(jī)智能體互作系統(tǒng)，帶有隨機(jī)性的生物智能體裁判的三機(jī)智能體協(xié)作系統(tǒng)在通過紙牌游戲訓(xùn)練后，其腦類器官功能性神經(jīng)網(wǎng)絡(luò)的隨機(jī)性連接數(shù)量增加。

該研究從單個智能體到兩個智能體到三個智能體的交互設(shè)計為“腦聯(lián)網(wǎng)”提供了一個可擴(kuò)展的關(guān)鍵基礎(chǔ)架構(gòu)。

圖14. MAIS系統(tǒng)

研究總結(jié)
研究最終突破性地構(gòu)建了世界上首個可擴(kuò)展的多腦類器官智能體交互系統(tǒng)（MAIS）。通過將計算機(jī)裁判替換為智能體裁判，實現(xiàn)了：
1）從單個智能體到多智能體系統(tǒng)的穩(wěn)定擴(kuò)展；
2）驗證了雙智能體互作和三智能體協(xié)作的可行性。
相比精確的計算機(jī)裁判系統(tǒng)，采用生物智能體裁判的三機(jī)系統(tǒng)表現(xiàn)出更高的神經(jīng)網(wǎng)絡(luò)隨機(jī)連接性。

文章貢獻(xiàn)、基金支持及致謝
本研究由多學(xué)科交叉團(tuán)隊合作完成。第一作者包括陳浩滿、陳釩萱、陳鑫宇、劉陽、徐俊鵬和李嘉雋；通訊作者為國科溫州研究院帥建偉教授、復(fù)旦大學(xué)馬麗香教授、溫州醫(yī)科大學(xué)李校?以菏俊⒏吹┐笱?賽音賀西格教授、復(fù)旦大學(xué)劉靂宇教授及溫州醫(yī)科大學(xué)王周光教授。
本研究獲得多項國家級基金支持，包括：
 國家自然科學(xué)基金重大項目
 國家自然科學(xué)基金區(qū)域間重點項目
 國家自然科學(xué)基金原創(chuàng)探索項目
 國家杰出青年科學(xué)基金項目
 國家"萬人計劃"專項基金
 國家自然科學(xué)基金面上項目
 科技部"科技創(chuàng)新2030"重大項目

特別鳴謝Intelligent Imaging Innovations和禮智生物科技有限公司，尤其感謝禮智生物提供的Maxwell HD MEA技術(shù)。

原文鏈接：https://www.biorxiv.org/content/10.1101/2025.03.15.641656v3