AlphaGo在与世界顶级围棋选手多场对局中的傲人战绩证明了人工智能（AI）在学习与计算复杂问题上所能达到的高度，ChatGPT的横空出世又让许多人惊叹于AI所能达到的超强信息整合能力与接近人类水平的自然语言处理能力，然而，尽管AI已经创造出许多突破性的成绩，但在某些方面，它的表现仍然弱于其所想要模仿的人类智能。
首先是运行功耗，例如美国超级计算机Frontier以21MW的功耗在LINPACK 基准测试中达到了1.102 exaFlops的峰值计算性能，即每秒完成一百亿亿次浮点运算，其能效已经超越同类超级计算机，然而人脑仅需20瓦的功耗就能以相同的1 exaFlop运行。
其次，大脑的学习效率仍不是AI所能企及。比如在简单的辨别“相同或不同”的任务中，人类仅需10个左右的训练样本即可完成学习，简单生物如蜜蜂也仅需百余个样本，而机器则可能面对上百万个训练样本依然无法完成学习。击败世界围棋冠军的AlphaGo也是在接受了16万场比赛的数据训练后，才达到如今的水平，相当于人类以每天五小时的强度持续训练175年之久。
学习效率的低下进一步增加了机器完成任务所需的能源消耗，甚至成为了限制了机器学习的天花板。此外，摩尔定律即将达到它的物理极限，很快人类将无法使更多晶体管装入晶片，而大脑以另一种方式存储信息，千亿数量级的神经元通过千万亿数量级的连接，可实现2500TB的存储容量。
那么，如果绕开让AI变得更接近人脑的尝试，直击本源，让人脑来完成计算呢？
有科学家提出，当前人类的计算机技术已经触及瓶颈，AI的发展将会受到限制，于是提出了类器官智能（Organoid Intelligence，OI）的概念，并称OI如果能在未来实现，那么很有可能让科幻电影中的“强人工智能”成为现实。
01
AI、GPT与强人工智能
在了解OI之前，我们首先来说说风头正劲的AI。AI就是人工智能，最早在1956年的达特茅斯会议上被正式提出。它是对人的意识和思维过程的模拟，是人类用以了解智能本质的手段。温斯顿教授对AI的定义是“研究如何使计算机去做过去只有人才能做的智能工作”。
经过数十年的发展，AI已经被广泛应用在生活当中。如手机搭载的智能语音助手、认证环节经常出现的人脸识别以及网上冲浪时的信息推送等角色与事务都离不开AI的参与。
在医疗、物流、生产、交通等高精尖领域，它也发挥着重要作用。甚至在一些普遍认为AI难以取代人类的领域，如绘画、作曲等，也开始被AI渗透，其作品的完成度让人惊叹，甚至获得评委们的一致好评。
2022年在科罗拉多州博览会举办的一场美术竞赛上，一幅名为《太空歌剧院》的画作夺得了数字艺术奖的冠军。这幅画是当地一位叫杰森·艾伦的设计师利用人工智能创作，再利用Photoshop润色后完成的。这幅作品的获奖在当地的美术圈也引起了相当大的争议。
现在的人工智能需要大量数据进行学习训练，在大数据时代背景下，AI的发展变得更加快速便捷，最近引爆网络的ChatGPT就离不开庞大数据的支持。
ChatGPT是一种基于互联网可用数据训练的文本生成深度学习模型，目前已经更新到了GPT-4。GPT-4的知识面涵盖了几乎所有学科，能够生成语法规范、逻辑严密的文本，也能进行绘画创作，甚至能在人类的一些颇具难度的考试如SAT（Scholastic Assessment Test学术能力评估考试，俗称的美国高考）考试、司法考试中取得极高的分数，强大得让人惊叹。
目前所有的人工智能还都处于弱人工智能的阶段。强人工智能，又称多元智能，是指具备智能完整性，能够进行自主推理和思考的人工智能，被认为能够产生知觉和意识，是AI发展的新目标。有观点认为强人工智能可能永远无法实现，但OI概念的出现却为多元智能带来了希望。OI也许可以通过直接模拟人脑的构造、思维模式、学习模式等，发展出完整的强人工智能。
02
OI是什么？
有不少人认为，ChatGPT的出现，标志着人工智能的发展来到了一个奇点，将会迎来行业井喷式发展。然而有眼光锐利的科学家却认为，当今的计算机技术和人工智能技术已经无限接近瓶颈——因为人类已经很难在芯片上安装更多的晶体管了。
其实对人类来说，人脑才是最复杂的智能系统，人工智能的本质也是对人脑思维过程的模拟，那么能不能直接创造一个“大脑”呢？
2023年2月，约翰斯·霍普金斯大学的Thomas Hartung团队提出了类器官智能即OI的概念，以期利用这个理论，在未来发展出更强大、高效、节能的计算机形式。
类器官是指通过3D体外细胞培养系统，培养出一种与体内器官或组织来源高度相似的器官模型，它虽然不是真正的器官，但具备原本器官的部分功能。
OI就是运用类似的技术，在体外培养出大脑的细胞组织，将其作为生物计算机的核心硬件——CPU和显卡，再通过微电极阵列等方式与外部电子设备连接，进行训练和计算。
在过去的十年中，脑细胞培养已经从传统的单层培养转向更接近器官、更有组织的3D培养。细胞的来源通常是由人类体细胞重编程为的多能干细胞。之所以能以“类器官”称呼该3D神经细胞培养物，则是因为其细胞密度、电生理活动、髓鞘以及参与生物学习的各类细胞的存在，均与大脑接近，可以说在结构和功能等方面堪称大脑的“试用装”。
以此为基础，Hartung给出了类器官智能的定义：利用脑类器官的自组装机制来记忆和计算输入。
不过，要用这种脑类器官建造计算机，Hartung表示，需要将目前大约5万个细胞的规模扩大至1000万。此外，需要在此规模上生成出可靠的微流体灌注系统，以支持脑类器官的代谢存活和化学信号的发放。
以上虽然仍只是设想，但文章的作者之一、澳大利亚墨尔本私营公司Cortical Labs首席科学官Brett Kagan进行的一项研究提供了极为接近的例子：他们80万细胞规模的2D脑细胞培养物在5分钟内学会了“打乒乓”的电子游戏，而AI则需要90分钟。
与AI一样，类器官智能需要通过接收输入来学习与计算，然后再将结果输出给人类。这就需要使用一种类器官智能“听得懂也说的出的语言”与之交流。此外，人们并不希望只把类器官智能当作一个黑箱，其内部状态也希望能得到实时的监测。
就这一问题，Hartung团队已经开发出一种类似于“迷你EEG脑电帽”的接口设备——3D 微电极阵列（3D microelectrode arrays，3D MEA）。该设备是像一层柔软、可弯折的外壳包裹在脑类器官外，内侧布满的高分辨率探针电极允许对类脑器官的表层进行多通道的刺激和记录。
3D MEA记录的三个代表性通道
为类器官智能提供给复杂的生物输入将带来更多可能性，譬如将视网膜与脑类器官相连，有望构建出一个完全近乎于人类视觉的系统。
此外，Hartung还在文章中提出，可进一步探索光学成像全息技术、高通量电生理记录等方法来帮助实现类器官智能的“听与说”。因此产生的新型生物数据形式，也需要开发相应的大数据基础设施和标准来进行储存、统筹和处理。
03
政策加持，市场规模百亿级
目前，FDA通过了现代化法案2.0，取消了对动物试验的强制要求。这为类器官替代动物进行安全性及药效学评价开辟了道路。
最近几年，国内的政策环境对基于类器官的恶性肿瘤疾病模型的研究给予了很大的支持。例如，科技部在2021年下发的通知中将该模型列为“十四五”国家重点研发计划的首批启动重点专项任务之一。此外，CDE也将类器官作为指导原则的一部分，包括在基因治疗和针对基因修饰的细胞治疗产品中。当缺少适合的动物模型来满足试验需求时，可以使用类器官等替代性模型进行试验。
类器官的应用领域不仅限于疾病建模，还包括新药开发、精准医疗以及组织和器官再生医学等方面。因此，越来越多的药企通过购买产品、合作授权、投资等方式直接介入该领域。相应的类器官/器官芯片公司也在抓住机遇积极发展。
在器官芯片方面，目前，器官芯片的商业模式主要有三种：提供预制好的微流体设备；提供可立即操作、预制好的器官芯片；提供从设计到售后的全方位服务。但是，实现器官芯片的大规模应用还面临许多现实难题。
类器官发展中关键技术突破时间一览表
在欧美，2019年北美类器官市场达到2.9139亿美元，预计将在2027年达到14.0647亿美元，将以21.7％的复合年增长率增长。在欧洲，欧盟近年来对人体器官芯片相关研究的支持力度不断增加。欧盟最大的全球科技开发计划之一——欧盟第七框架计划（FP7），以及2016年启动的EU-Tox风险项目，都包括对器官芯片项目的资助。这些大型项目的支持推动了整个欧洲范围内器官芯片领域的研究进展，并吸引了更多其他项目和机构进入该领域。
04
OI比AI更懂学习
由于OI具有人脑的组织结构，可以实现“少样本学习”，对于复杂问题的处理能力也远超传统AI。如果要对一个简单的事物进行识别，人脑仅需约10个左右的样本就能学会，而早年，AI即使“学习”了上百万个样本也依旧没有学会。
击败了世界顶级围棋棋手李世石的阿尔法狗（AlphaGo），被“投喂”了近十六万场的棋局数据，这样的训练量，一个职业选手哪怕每天不吃不喝只进行训练也需要约37年。
人脑具备相当复杂的神经网络，就像是一个超多核处理器。人脑思考的区域主要集中于大脑皮层，此处拥有约140亿个神经元，能够产生1014~1015OPS（Operations per second，即每秒运算次数）的算力，是普通计算机算力（1010 OPS）的十几万倍。拥有如此强大的算力，配合高度复杂的神经网络结构，人脑才得以演化出一套多层结构的深度学习模式。这套模式让人类可以高效进行各种复杂问题的学习和处理，效率是计算机的上百万倍。
同时，人脑在对一件事情进行学习后，所获得的经验、策略、方法等还可以应用于其它事情。比如我们通过学习围棋而培养出的思维模式和方法论，也可以用在篮球、足球等其他项目上，而AI如果要新学习一种技能，则必须从零开始。
毫无疑问，OI是一项跨时代的前瞻性技术，想要真正实现，或许还有数十年的路要走。一些科学家还提出了其伦理问题，例如如何保障隐私权益、遵循道德规范、尊重人性价值等，这些问题的解决也需要过程和时间。
未来，若OI能够真正实现，或许会在人工智能领域掀起新一轮狂潮，到那时，也许真的可以实现科幻电影中展示的具备知觉和意识的强人工智能。
