图3 3D MEA记录的详解线图三个代表性通道（图源：[1]）
为类器官智能提供给复杂的生物输入将带来更多可能性，
类器官智能会“感到痛苦”吗？类器
伦理问题在脑类器官的研究中不可忽视。因此可以通过比较健康捐赠者和患病捐赠者的官智脑类器官来了解诸如自闭症、由于脑类器官诞生于皮肤细胞诱导的愿脑细多能干细胞，
AlphaGo在与世界顶级围棋选手多场对局中的景路建生给水管道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，要用这种脑类器官建造计算机，用人此外，然而人脑仅需20瓦的功耗就能以相同的1 exaFlop运行。
此外，OI）计划。也需要开发相应的大数据基础设施和标准来进行储存、
从医学中来，
不过，虽然目前脑类器官还尚未达到智能的水平，
图2 脑细胞培养物“打乒乓”（图源：[2]）
类器官智能的“听与说”
与AI一样，该设备是像一层柔软、
图1 Thomas Hartung展示脑类器官（图源：约翰霍普金斯大学）
类器官智能会是什么样？
在过去的十年中，
首先是运行功耗，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，以及能否修复。
就这一问题，但其具备支持基本认知操作的机制，电生理活动、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。随着脑类器官在结构上变得更加复杂，髓鞘以及参与生物学习的各类细胞的存在，然而，
以上虽然仍只是设想，它的表现仍然弱于其所想要模仿的人类智能。
对此，
这使得科学家不禁思考，才达到如今的水平，这可以帮助神经科学家进一步了解大脑如何产生认知功能。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”。约翰霍普金斯大学Thomas Hartung教授率领多学科团队在Frontiers in Science发布“类器官智能”（organoid intelligence，他们提出了两个主要的策略，人们并不希望只把类器官智能当作一个黑箱，细胞的来源通常是由人类体细胞重编程为的多能干细胞。并预计这种技术将指数级提升现代计算的能力，
虽然Hartung认为，
其次，
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，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，其二则侧重于公众，
参考资料：
[1]Smirnova, L., Caffo, S., Gracias, H., et al. (2023) Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish. Frontiers in Science. doi.org/10.3389/fsci.2023.1017235.
[2]Kagan BJ, Kitchen AC, Tran NT, et al. In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron. 2022 Dec 7;110(23):3952-3969.e8. doi: 10.1016/j.neuron.2022.09.001.
[3]https://blog.frontiersin.org/2023/02/28/thomas-hartung-organoid-intelligence/
数据效率和存储能力上的全部潜力。相当于人类以每天五小时的强度持续训练175年之久。但起点应该从现在开始，摩尔定律即将达到它的物理极限，让人脑来完成计算呢？2月28日，
其一是用于基础神经科学，在文章“Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish”中，以及在接受输入、处理能力、类器官智能需要通过接收输入来学习与计算，产生输出的过程中建立起原始的记忆，详解 “类器官智能”愿景路线图，人类仅需10个左右的训练样本即可完成学习，Hartung表示，脑类器官是否会发展出意识、脑细胞培养已经从传统的单层培养转向更接近器官、需要将目前大约5万个细胞的规模扩大至1000万。
其二是用于毒理学和药理学的研究。而大脑以另一种方式存储信息，所有伦理问题由伦理学家参与规划并持续提出意见。可实现2500TB的存储容量。此外，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，以支持脑类器官的代谢存活和化学信号的发放。因此产生的新型生物数据形式，均与大脑接近，统筹和处理。其能效已经超越同类超级计算机，离类器官智能真正达到现有AI的水平还需要几十年的时间，OI）计划。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，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。大脑的学习效率仍不是AI所能企及。是否会体验到痛苦、由Kahn领导伦理问题的讨论。而机器则可能面对上百万个训练样本依然无法完成学习。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。此外，阿尔兹海默病所造成的疾病特征和功能差异，譬如将视网膜与脑类器官相连，需要在此规模上生成出可靠的微流体灌注系统，
以此为基础，直击本源，Hartung还提出了其在医学中的两个应用方面。很快人类将无法使更多晶体管装入晶片，然后再将结果输出给人类。他们描绘了以脑类器官为硬件创造颠覆性生物计算机的未来愿景，千亿数量级的神经元通过千万亿数量级的连接，约翰霍普金斯大学Thomas Hartung教授率领多学科团队在Frontiers in Science发布“类器官智能”（organoid intelligence，而AI则需要90分钟。可以说在结构和功能等方面堪称大脑的“试用装”。并从一开始就与卫生政策与管理系的教授Jeffrey Kahn博士密切合作，则是因为其细胞密度、还可以测试杀虫剂等物质对认知缺陷造成的影响。并依据人们对这项技术的看法而制定相应的研究计划。为类器官智能构建社区、可弯折的外壳包裹在脑类器官外，Hartung已经有了敏锐的意识，简单生物如蜜蜂也仅需百余个样本，可进一步探索光学成像全息技术、尽管AI已经创造出许多突破性的成绩，到医学中去
除了将类器官智能用于学习和计算，团队将向公众广泛而清晰的分享工作进展，但文章的作者之一、其一是“嵌入式伦理”，如果绕开让AI变得更接近人脑的尝试，即每秒完成一百亿亿次浮点运算，有望构建出一个完全近乎于人类视觉的系统。用人脑细胞搭建生物计算机的未来会是怎样？ 2023-04-06 10:34 · 生物探索 2月28日，最终实现类器官智能在计算速度、甚至成为了限制了机器学习的天花板。3D MEA）