原文作者：Heidi Ledford

細胞版本的電子游戲，挑戰(zhàn)了關于智能的假設。

在覆有電極的培養(yǎng)皿中，數十萬人類神經細胞學會了玩經典電子游戲 Pong。

早期電子游戲 Pong 的廣告。提供：Interfoto/Alamy

這些細胞自此成功加入 Pong 日益增長的玩家龍虎榜，榜上有名的還包括學會用鼻子控制搖桿的豬，以及借助導線用意念來玩游戲的猴子。（谷歌的人工智能算法 DeepMind 幾年前就掌握了 Pong 的玩法，現在它已經在挑戰(zhàn)《星際爭霸 II》等更復雜的電腦游戲。）

這些打游戲的細胞并不是對屏幕上的視覺信息做出反應，它們響應的是培養(yǎng)皿電極產生的電信號。這些電極不僅可以刺激細胞，還可以記錄神經活動變化，隨后研究人員再將刺激信號和細胞的反應轉換成游戲的視覺表現。研究結果已于 10 月 12 日發(fā)表在 Neuron 上。

培養(yǎng)皿中的智能

研究的主要作者，澳大利亞墨爾本 Cortical Labs 公司的首席科學官 Brett Kagan 表示，這項工作是一個原理驗證研究，關于培養(yǎng)皿中的神經細胞能夠學習并展示出基本的智能跡象。他說：" 在目前的教科書中，對于神經細胞，我們主要關心的是它對人類或動物的生物學意義，而不太關注它們作為信息處理器的一面，但其實神經細胞是一種非常神奇的系統(tǒng)，它能夠以極低的功耗實時處理信息。"

Kagan 表示，雖然公司將這一系統(tǒng)稱為 DishBrain（培養(yǎng)皿大腦），但這些神經細胞顯然和真正的大腦還相去甚遠，也沒有展現出任何意識的跡象。關于智能的定義也是一個熱議的話題，Kagan 認為智能就是在給定的環(huán)境中整理信息并將其應用于適應性行為的能力。

Cortical Labs 公司的研究是在神經工程學家 Steve Potter（現就職于美國佐治亞理工學院）及其同事的研究基礎上完成的。2008 年，Potter 團隊報道，培養(yǎng)的大鼠神經細胞能夠展現出學習和目標導向的行為。

稱為 DishBrain 的神經細胞陣列在工作。顏色標記了不同類型的神經細胞及其組成部分。來源：Cortical Labs

Potter 說，Cortical Labs 的工作引入了更復雜的技術和分析工具。他起初的培養(yǎng)皿只有幾十個電極，而每個 DishBrain 則有上千個電極。Potter 的小組只研究了嚙齒動物的細胞，但 DishBrain 團隊還測試了來源于人類的神經細胞。

研究人員使用他們的這一系統(tǒng)，教神經細胞對代表 Pong 中小球的電信號做出反應。在游戲中，玩家需要上下移動屏幕上的縱向球拍接住彈跳小球。在實驗中，則是由神經細胞來控制這只球拍。

研究作者通過刺激小球相對球拍路徑上的神經細胞，來表示小球的軌跡。網絡中另一區(qū)域的神經細胞反應被用于控制球拍上下移動。

Kagan 表示，要教會神經細胞接球，他和他的團隊利用了一種理論，即神經細胞傾向于重復會產生可預測環(huán)境的活動。當神經細胞做出代表接球的反應時，每次都會受到位置和頻率相同的刺激，而沒接到球時，則會受到隨機位置的電極發(fā)出的不同頻率的刺激。久而久之，神經細胞就學會了通過接球來獲得固定模式的反饋，而不是隨機的反饋。

不只是游戲

日本理化學研究所腦神經科學研究中心的神經科學家磯村拓哉（Takuya Isomura）說，這項研究邁出了開發(fā)試驗的重要一步，其用途包括如測試某種神經元功能新藥的潛力等。但他同時指出，目前尚不明確這些神經細胞的行為到底是為了建立一個可預測的環(huán)境，還是出于對它們所接收信號的其他方面做出的反應。他說：" 我認為下一步的重點是，更詳細地解釋哪類刺激能真正帶來這種差異。"

Cortical Labs 公司還想要最終使用神經細胞開發(fā)出可用于計算的 " 生物處理單元 "。為 DishBrain 開發(fā)的技術已足夠量化，因此可用于比較不同動物或不同腦區(qū)的細胞在學習上的差異，Potter 說。

與此同時，他說，將 DishBrain 活動以 Pong 游戲形式體現出來是個很棒的主意。Potter 說：" 對人工智能感興趣的人對任何能玩 Pong 游戲的東西都很著迷，這真是個絕妙的主意。"