死人的脑切片也能弹琴了

死人的脑切片也能弹琴了！

最近，一支来自法国的科研团队直接把死后人脑组织接上机械手，让它学会模仿人类弹琴。

他们从死后人脑中取出仍保持活性的脑组织，放进培养皿，接上电极、麦克风和仿生机械手。

训练之后，当人类按下琴键，脑组织能够“听见”音符，再控制机械手弹出相同的声音。

而且还有视频为证。

有一说一，这项研究原本讨论的，其实是一个相当严肃的AI问题：

能不能利用生物神经元天然的学习能力和超高能效，做一种新的混合AI系统？

但“死后人脑”、“脑切片”、“机械义肢”、“混合AI”几个关键词放在一起，很难不让人联想到赛博朋克。

研究公布之后，也很快引发了讨论。

有博主专门分析了实验视频，认为这类工作虽然天然伴随着伦理上的争议和某种“阴森感”，但神经科学与AI的交叉，也可能推动认知科学、神经疾病乃至医疗研究。

还有不少网友，已经顺着这个实验一路脑补到了未来的超级个体、机械义体，甚至意识究竟依附于什么这类哲学问题。

不过，咱们先别急着讨论“缸中之脑”。

因为这项研究真正有意思的地方，可能不是死人脑子突然开始弹琴。

而是研究人员第一次把一块成年人的真实脑组织，放进了一个可以感知、行动、再学习的闭环系统里。

那么，它究竟是怎么做到的？

人脑本来就是一种更高效的计算系统

为了更好地理解这项研究具体在做什么，咱们先来点必要的上下文。

如上所说，相比人脑，现在基于AI芯片运行的人工神经网络，某种意义上仍然是一套非常“低效”的学习系统。

首先最直观的就是能耗。一个成年人的大脑，功耗大约只有20瓦。而世界上最强大的超级计算机，功耗已经达到数十兆瓦。

可以说，产出同样的token，人脑要比AI经济实惠得多。

其次，在学习效率方面，人脑更是具备AI没有的，能在小样本中学习，并迅速泛化的能力。

比如，AlphaGo为了击败李世石，需要在超过15万盘棋局上训练。

按照每天练棋8小时计算，这相当于一个人连续练习超过100年，远远超过任何人类棋手真实经历过的训练量。

而像GPT-3这样的语言模型，它训练所需的数据量，则相当于人类每天读5本电子书，然后连续读250年。

所以，今天的AI强归强，但很多能力，本质上仍然依赖海量数据和海量算力“砸”出来。

相比之下，人类往往只需要非常有限的经验，就能学会新的动作、概念和关联。

所以过去几年，一个越来越受关注的方向出现了：

既然人工神经网络是在模仿大脑，能不能干脆把真正的神经元接进计算系统？

这就是所谓的混合AI系统。

此前，研究者主要尝试过二维培养神经元和脑类器官，但前者很难形成稳定的神经可塑性，后者的神经回路又相对不成熟，而且个体差异很大。

于是，这支法国团队换了一种材料：死后成人脑组织外植体，也就是OPAB。

它最大的不同在于，这不是从干细胞重新“长”出来的大脑模型，而是真正来自成年人大脑，因此保留了成熟的细胞类型、组织结构和部分神经连接。

团队此前已经证明，这类脑片在获得氧气和葡萄糖后，可以在体外继续维持神经活动。

接下来真正的问题只有一个：离开人体之后，它还能不能继续学习？

于是乎，研究人员决定直接给它装上一只“手”和一只“耳朵”。

给脑片装上“手”和“耳朵”

总的来说，这个“脑切片弹琴”的系统并不复杂。

在实验设置中，研究人员先把OPAB放到一块微电极阵列上。然后从中随机选出三枚电极作为“运动电极”，分别连接机械手的三根手指。

三根手指再分别对应电子琴上的三个音：LA、TI和DO。

一旦某枚运动电极被激活，对应的手指就会弯曲，按下琴键。到这，就相当于给脑片接上了一只“手”。

接下来，就是再给它装上一只“耳朵”。机械手按下琴键以后，旁边的麦克风会收集声音。

声音解码器识别出究竟是LA、TI还是DO，再去刺激脑片上对应的三枚“感觉电极”。

于是，一个完整的闭环就形成了：脑片产生运动信号 → 机械手按琴键 → 麦克风听到声音 → 声音重新变成电刺激 → 传回脑片。

从脑片的视角来看，这其实很像一个婴儿第一次认识自己的身体。

婴儿刚出生时，并不知道某块肌肉收缩之后会发生什么。它会不断乱动手、乱踢腿，再通过视觉、触觉和听觉观察这些动作带来的结果。

这个过程在机器人学里有个很形象的名字：Motor Babbling，运动咿呀。

而研究人员要做的，就是把这个过程搬进培养皿。

双向神经可塑性

具体的，在训练阶段，系统会随机刺激某一枚运动电极。

刺激发生后，机械手的一根手指随即弯曲，按下一个琴键。紧接着，麦克风听到这个音符，再把它转成刺激，送回对应的感觉电极。

就比如，刺激A电极。食指弯曲，按下LA。麦克风听见LA，LA对应的感觉电极被再次刺激。

一个动作，紧跟着一个感觉结果，每天重复300次，连续三天，让脑切片形成肌肉记忆

值得一提的是，整个过程中，没有“你答对了”，“你答错了”，也没有奖励函数。

研究者只是反复让两个事件在时间上连续发生。剩下的事情，交给神经元自己。

而这件事儿之所以可能，依赖的是大脑最基础的一种学习机制——

神经可塑性。

简单来说，经常一起激活的神经元之间，连接会逐渐变强。于是经过反复训练之后，脑片慢慢开始把：

“这根手指”和“这个声音”绑定在一起。

但更关键的是，这种连接并不是单向的，也就是说，脑片不仅可以学习到：“我动这根手指，会听到这个声音。”

还能反过来，“我听到这个声音，就激活这根手指。”

于是，整件事儿就从动作与感觉的简单关联，变成了学习系统的主动模仿。

为了验证这个假设，在正式测试时，人类实验者开始随机弹奏LA、TI和DO。

这一次，不再先刺激运动电极。而是让麦克风直接把人类演奏的音符送进脑片。

如果前面的关联真的学会了，那么脑片在“听到”LA之后，就应该反向激活此前和LA建立关联的运动区域，机械手再按下LA，这样就完成了一次模仿。

结果……还真发生了。

研究总共使用了来自3名供体的30个OPAB，其中16个进入主要测试。

训练第一天，这套系统的平均模仿准确率只有31.22%。因为一共只有三个音符，完全随机猜的准确率就是33.3%。

换句话说，一开始脑片啥也没学会。

但三天训练结束之后，第4天的平均准确率已经上升到58.5%。16个样本里，有3个OPAB能够100%正确模仿全部三个音符。

另有7个，可以稳定学会其中两个。最终，62.5%的OPAB成功学会了至少两个音符。

这里还得强调一个细节。这个62.5%，并不是研究人员精挑细选电极之后得到的最好成绩。

相反，为了证明这种关联并不是刚好利用了脑片内部原本就存在的连接，而是后天训练出来的，研究人员还故意随机选择了运动电极和感觉电极。

此外，为了排除软件和硬件模块的影响，研究团队还做了几组对照实验。

结果表明：换成未训练电极后，准确率重新跌回随机水平；用药物阻断突触传递，或者感染会扰乱神经活动的Tahyna病毒后，已经形成的模仿能力也会明显下降。

也就是说，真正承载这组感觉—运动关联的，是脑组织本身发生改变的神经连接，而不是外部程序。

而且，这种“记忆”还能维持相当长时间。

长期追踪的5个OPAB中，有4个在训练结束17天后仍然保留学习结果，其中两个依旧可以100%正确模仿全部三个音符。

当然，这距离“人脑计算机”还很远。

整个实验只有三组手指—音符关联，脑片直径约5毫米，声音识别和机械手控制也仍然依赖传统AI模块。

所以更准确地说，它并不意味着一块死后脑组织突然“学会了弹钢琴”，而是一块仍保持活性的成人脑组织，在人工搭建的感觉—运动闭环中，形成了此前不存在的新关联，并利用这组关联完成了模仿。

真·学无止境。