科學家們將 20 萬個活體人腦細胞連接到一臺電腦上，並教會它們玩《毀滅戰士》。 這不是模擬，也不是比喻。 真實的人類腦細胞。生長。放電。學習。 在一臺名為CL​​1、價值3.5萬美元的機器裡，實驗室培育的神經元被放置在微芯片上。當屏幕左側出現惡魔時，電極會刺激神經元培養物的左側。神經元會做出反應。它們的放電模式會被解讀為運動指令。 射擊。向右移動。轉彎。 不到一週的時間，這些細胞就學會了這樣做。 Pong耗時18個月。 佈雷特·卡根博士：“他們接收信息，發送指令來移動角色。他們能夠找到敵人、射擊、旋轉。雖然他們經常死亡，但他們正在學習。” 他們的表演就像從未見過屏幕的人一樣。 沒錯，他們沒有。 但有一件事應該能徹底阻止你。 他們學習的方式和你當年一模一樣。 你並非生來就懂得如何在充滿威脅的世界中生存。你帶著神經元來到世上，卻沒有任何使用說明。 你接受了刺激。你做出了回應。你獲得了反饋。你學到了東西。 這個過程在 860 億個連接中不斷重複，才產生了現在正在閱讀這句話的人。 CL1中的神經元也在做同樣的事情。 不是比喻，也不是近似。 同樣的機制。同樣的架構。同樣的生物智能遇到環境並做出相應調整的基本過程。 所以，不妨問問自己，研究人員是如何小心翼翼地不公開提出這個問題的。 培養皿中發生的事情和你頭骨中發生的事情究竟有什麼區別？ 是規模問題嗎？CL1 有 20 萬個神經元，而你有 860 億個。 但規模只是一個數字。聚類在什麼情況下會超過Threshold？ 我們不知道。我們沒有測試方法。我們也沒有大家都認可的定義。 我們甚至在還沒建立起理解自己要構建什麼的框架之前，就開始著手構建了。 其醫療影響令人震驚。 能夠實時學習的生物計算機是一個利用真實人體組織模擬腦部疾病的平臺，可用於測試藥物對模擬人類神經元行為的神經元的療效，並以硅基技術永遠無法企及的精度來理解阿爾茨海默病和帕金森病。 但那是比較容易的方向。 卡根：“令人興奮的是，我們已經解決了界面問題。我們有辦法與這些細胞實時交互，訓練它們並塑造它們的行為。所以界面問題已經解決了。” 如今，數字代碼與生物認知之間的障礙變成了一段 Python 腳本。 一位名叫肖恩的獨立研究員下載了該應用程序接口 (API)，並在七天內讓活體人類神經元玩起了《毀滅戰士》。 硅芯片通過增加晶體管數量來實現尺寸縮放。但晶體管的尺寸存在物理極限。 業內人士都明白這一點。發展路線圖的盡頭就是一道難關。 生物神經元沒有這種上限。 它們會適應。它們會根據經驗重塑自身。它們無需被明確設定程序就能不斷進步。 我們只是構建了利用這一特性的接口。 阿隆·勒夫勒博士：“剩下的唯一問題是：接下來你要教他們什麼？” 從硅時代到生物計算時代的過渡並非始於政府項目或萬億美元的投資。 一切始於一個培養皿、一個 Python 腳本和一個 1993 年設計的關於殺死惡魔的遊戲。 一個Threshold悄然被跨越。在實驗室裡。由一個小型團隊完成。在任何人尚未就下一步的倫理框架達成一致之前。 從內心深處來說，這總是令人興奮不已。 下一階段的智能競賽並非發生在硅芯片上。 它目前正在實驗室裡培養。 它和你一樣，都是由同樣的物質構成的。