实验室培养的迷你大脑学会读盲文，还能指挥机器狗

生物混合计算正在把活体神经组织与传统电子设备和软件结合起来。它不像硅芯片那样只模仿大脑，而是直接让真实神经元参与计算。最新进展出现了两个方向：实验室培养的脑类器官可以识别盲文触觉信号；另一套系统则把神经元的活动转化为机器狗的运动指令。

用培养的“迷你大脑”读盲文

布里斯托大学的研究团队在《Frontiers in Artificial Intelligence》发表论文，研究直径约1毫米、由约1万个神经细胞及支持细胞组成的前脑类器官，能否处理盲文中的触觉信息。类器官被放在微电极阵列上，研究人员既能施加电刺激，也能记录组织活动。

实验里，一个触觉传感器扫描盲文字符，把测量结果转成电刺激模式，再输入类器官；随后用常规机器学习算法分析神经反应。单个类器官对字母的识别准确率为61%；把三个类器官的处理结果组合起来，准确率提高到83%，对人工加入噪声的鲁棒性也更好。

需要强调的是，这些类器官并没有通过经验“学会”盲文。字母采用固定方式编码，神经反应由算法分类。研究的意义在于：活体组织能以保留有用模式的方式转换触觉信息。

在虚拟环境中优化神经元接口

墨尔本生物计算公司 Cortical Labs 与本田欧洲研究所合作，展示了培养神经元可以通过与模拟环境交互来提升表现。生物计算的一个主要障碍是：神经元对电输入的反应不像传统数字硬件那样可预测。为此，研究人员提出“具身神经计算框架”（Embodied Neurocomputation Framework），把进入神经网络的信号当作工程问题来系统优化。

在将提交给 NeurIPS 会议的研究中，团队使用 Cortical Labs 的 CL1 生物计算机，把活体神经网络接入一个在网格世界中导航的虚拟代理。代理要沿着模拟气味梯度，选择前进、左转或右转，找到“食物”。他们测试了约1300种电信号配置，在数十个生物计算单元上累计超过4000小时实时交互；最终有12种配置在多个回合中稳定表现出学习能力，并在可比交互条件下于导航任务上超过传统强化学习基准。

神经元放电频率驱动机器狗

Cortical Labs 的另一项演示中，生物神经网络中细胞的放电频率被用来在小空间内指挥机器狗。虽然这还远不是能像科幻电影里的机械警犬那样执行复杂任务，但这种神经编排显示出，可塑的“湿件”与执行器、传感器和机械结构之间已经建立关键连接。

Cortical Labs 联合创始人兼 CEO Brett Kagan 表示：“机器人在物理控制方面已经变得非常强大，但在条件变化时快速学习或适应所需的高阶控制仍然困难。行走、奔跑和做杂技很了不起，但决定在哪里、何时行动，传统方法仍是挑战。”

这并非神经学第一次被用来驱动机器人，但每次实验都让系统更接近这样的目标：理解周围环境中的新变化，并对下一步行动做出有依据的选择。

离仓库和自动驾驶还很远

尽管进展不少，这些演示都不意味着生物计算机很快会进入亚马逊仓库，或替你驾驶 Waymo 汽车。让组织存活仍是尚未解决的问题：培养脑细胞需要严格受控的环境和持续的营养供应。神经元本身虽然能效很高，但支撑它们的硬件同样耗能。评估实用系统的总能耗时，必须看整个流程，而不能只算神经元。

不过，这个领域正在走出“类器官玩电脑游戏”的猎奇阶段。公司开始建立性能衡量框架、优化接口，并测试生物计算能否在不同任务上稳定给出结果。目标不是造一台完全由脑组织构成的计算机，而是弄清活体神经网络是否真的能补充硅芯片。如果成功，生物混合计算或许能让系统在人类大脑无法到场的环境中高效学习和适应。