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。
参考链接[1]https://www.researchsquare.com/article/rs-9638576/v1
本文来自微信公众号“量子位”,作者:关注前沿科技
