人類大腦中錯綜複雜的神經細胞一直令科學家們困惑不已。幾十年來，瞭解這一生物奇蹟並複製其資訊處理能力，一直是其永恆不懈的追求目標…
人類大腦中錯綜複雜的神經細胞一直令科學家們困惑不已。幾十年來，瞭解這一生物奇蹟並複製其資訊處理能力，一直是其永恆不懈的追求目標。
這方面的持續探索也引導著研究人員們走向一條迷人的道路，其中之一就是探索「神經細胞培養」(neuronal culture)的潛力——即模擬大腦細胞組織的人為環境。本文將深入探討神經細胞培養、機器人技術，以及基於神經細胞的人工智慧(AI)潛力之間令人興奮的交集。
西班牙巴賽隆納大學先進系統研究所(Universitat de Barcelona Institute of Complex Systems)的研究人員目前正在實驗室中培養神經細胞(神經元)，使其能夠在受控環境中研究相互關聯的神經細胞之間所產生的複雜行為。
《EE Times》編輯最近有幸造訪該實驗室，並與研究團隊就這項新研究進行了交流。該校教授Jordi Soriano Fradera，以及博士生Anna-Christina Haeb和Akke-Mats Houben向我們展示了所培養的神經細胞與電子元件之間的相互作用，以及如何針對特定目的為其進行程式設計。他們的研究得到了加泰隆尼亞、西班牙和歐洲的資助，其中包括歐盟(EU)一項名為「NEU-CHiP：將複雜的生物運算帶入現實」(NEU-CHiP: Taking complex biological computing into reality)的專案。
研究團隊既使用重新編程的人類幹細胞作為神經細胞，也使用了其他取自實驗鼠的神經細胞。Soriano說：「幹細胞是一個很好的選擇，因為它們避免了倫理方面的顧慮，讓我們能夠研究俗稱『漸凍症』(ALS)和帕金森氏症等神經細胞相關疾病。透過在這些培養物中模擬疾病，讓我們能夠開發出新的治療方法。」
神經細胞的漫長旅程
西班牙神經學家、病理學家和組織學家Santiago Ramón y Cajal發現了現代神經科學的基礎，並確立神經系統為一個由個別細胞組成的網路。1906年，他和義大利科學家Camillo Golgi被授予諾貝爾生理學或醫學獎(Nobel Prize in Physiology or Medicine)，「以表彰他們在神經系統結構方面的成就」。
這一發現永遠地改變了我們對大腦的瞭解。但問題隨之而來：如何在這些神經細胞的自然環境之外進行研究？1910年，Ross Harrison在神經細胞培養方面的開創性工作給出了答案。這些培養物讓科學家們得以隔離並觀察神經細胞，為詳細探索神經細胞的功能和交流機制鋪路。
隨著時間的推移，神經細胞培養已成為研究大腦功能的有力工具。電生理學等技術讓研究人員能夠同時記錄多個神經細胞的活動。透過這些記錄，研究人員可以深入瞭解神經細胞如何共同產生複雜的模式，這是大腦功能的一種標誌。值得注意的是，即使是在沒有外部刺激的情況下，這些培養網路也會表現出自發活動，顯示其存在驅動協調神經細胞放電的內在機制。
Haeb說：「其關鍵在於這些神經細胞能夠學習。因此，我們可以透過電子方式為其饋入資訊，而且我們正試圖找出讓它們適應並自行重新連接的最佳方法。」
大腦晶片技術與機器連接的魅力
從神經細胞培養中收集到的資料對於建立大腦運算模型極其寶貴。這些模型通常被稱為「在矽之中」(in silico)模型，即試圖複製神經網路的結構和動態。科學家透過模擬神經細胞間的相互作用，以便更能瞭解這些網路如何處理資訊和產生行為。實驗資料與運算建模之間的這種相互作用，對於增進我們對大腦功能的瞭解至關重要。
Soriano說：「神經細胞自然希望保持連接。雖然最初的晶片設計並沒有特定目的，但我們創建的內建模式有助於網路更高效地處理資訊。這有助於我們策略性地定位電極，以便實現最佳化性能。」
神經細胞培養研究的終極目標在於創建與大腦複雜結構和功能極其相似的系統。極具發展前景的方法之一是開發3D神經細胞培養。這些培養系統可為神經細胞的生長和建立連接提供更真實的環境，以模擬大腦錯綜複雜的結構。神經細胞培養的未來就在於其與機器連接的潛力。光子遺傳學是一種利用光控制神經細胞活動的技術，它為操縱培養網路提供了令人振奮的可能性。採用光模式刺激培養系統的特定區域，科學家可以導入感官輸入，並訓練該網路產生所需的反應。這為探索神經網路中的生物運算開啟了大門，並為在這些體外系統中開發AI功能鋪路。
Soriano說：「我們可以將電極放置在晶片上的特定位置。這種精確的排列有助於神經細胞網路更有效地處理資訊。」
神經科學與AI的未來
儘管AI取得了令人矚目的進展，但在該領域與其生物靈感——大腦——之間仍存在嚴重脫節。許多AI研究人員依然未能意識到神經科學的豐富歷史和潛在貢獻。Alan Turing和John von Neumann等早期AI先驅都受到了神經系統工作原理的影響，但這種聯繫在當代AI研究中似乎已經式微了。曾經有一些主導會議一度成為運算神經科學和機器學習的重要平台，但目前的重點卻更多地專注於機器學習。有人認為，神經科學已經變得無關緊要了，甚至還有人以「工程師不必研究鳥類就能打造更好的飛機」(engineers don’t study birds to build better planes)這樣的比喻來否定神經科學的作用。
神經細胞培養在此發揮了彌合差距的作用。這些體外系統為瞭解大腦功能開啟了獨特的一扇窗。相較於當前耗電的人工智慧(AI)模型，人類大腦的運作效率非常高。培養神經細胞為瞭解這一生物優勢提供了一扇窗。研究人員可以經由研究這些輕量網路如何以最小能量消耗處理資訊和進行交流，深入瞭解大腦的高效率演算法。
藉由這些研究重新點燃與神經科學的聯繫，將有助於使AI領域受益匪淺。研究神經細胞培養和生物運算的原理，研究人員能夠發掘AI的真正潛力，從而推動在機器人技術、腦機介面(BMI)方面的進展，甚至對人類思維本身有更深入的瞭解。生物學與科技的融合為未來帶來了希望：在未來，機器不僅能模擬大腦，更能超越大腦的非凡能力。
編譯：Susan Hong
(參考原文：Exploring the Intersection of Neuronal Cultures, Robotics and AI，by Pablo Valerio)