啥！能打败GPT4的“强人工智能”来了
原创钱昱科普中国
最近OpenAI发布的ChatGPT和GPT-4大型语言模型，几乎引爆了全民对人工智能话题讨论的“火药桶”，相信不少人的朋友圈已经被带“GPT”的字条给刷屏了。
笔者身边的朋友们也分了两派，激进派认为迈向强人工智能的奇点已经到来，未来数据量和算力规模再涨一波后，它就能替代掉绝大多数文字工作者了，随后所有没创造力的工种都将面临失业；保守派则认为它只是一个顶尖的生产力工具，但无法掌握意识、感情、创造力等人类与生俱来的能力，难以成为强人工智能。
而笔者属于“好吃懒做”派，选择直接问ChatGPT，以下是它的回答：
图片来源：截图自ChatGPT
强人工智能能否实现目前尚未可知，但毫无疑问，目前人脑还是整个地球上最智能的复杂系统。
可能有人会问：我们为什么不直接用生物的神经元作为网络基本单元，从头复刻一个和人脑类似的智能系统呢？这会不会是实现强人工智能的捷径呢？好问题，欢迎来到本文的主题——“类器官智能（OrganoidIntelligence，OI）”。
01
碳基和硅基并肩作战
就问你怕不怕！
类器官智能一词是今年2月28日，由约翰斯·霍普金斯大学的托马斯·哈东（ThomasHartung）团队提出来的新概念。
简单讲，类器官就是把干细胞在体外三维环境中培养成有一定结构和功能的组织类似物，目前已成功构建包括小肠、胃、结肠、膀胱、肝脏、心脏、胰脏、肾脏、大脑等多种器官组织。
或许在不久的未来，你身体某个部分出了问题，都可以用类器官进行修复或替代，比如熬夜搬砖爆肝了换个肝
（bushi）。
而类器官智能就是将体外培养的大脑器官组织作为生物硬件，通过与外部的电子设备相连来实现生物计算，我们人工构建的大脑，就是整台计算机的CPU+GPU，想想是不是很科幻呢？
图库版权图片，不授权转载
实际上，目前很多研究已经证明了该路径的可行性，就拿最近的新闻来说，伊利诺伊大学厄巴纳-香槟分校的AndrewDou团队就培育了8万多个通过重编程小鼠干细胞得到的神经元，并将其放置在光纤和电极网格之间，接受10种不同模式类型的电脉冲和光信号刺激，这些元件都被放在一个恒温的箱子中，来保持神经元的活性。
经过一小时训练后，研究人员发现这群神经元每次在接受模式相同的刺激时，发出的信号也相同。研究人员还用F1分数来量化该神经网络模式识别的效率。简单来说，0最差1最好，最后测得该活体神经网络搭建的计算机F1得分为0.98，可以算相当智能了。
除模式分类任务外，研究人员还把“盒中之脑”连接到用活体肌肉组织制造的机器人中，使大脑能够通过肌肉感知周围的环境变化并处理这些信息。
将活细胞和储层计算技术相结合，能使神经元和芯片，或者说碳基和硅基的智能单元，协作完成信号识别和处理任务，这就是碳基生物和硅基生物智能合一的原初形态，虽然目前长得还比较丑。
中间放生物神经元的类器官智能机器人。图片来源：参考文献[3]
再往前推也有脑洞大开的研究。
例如去年12月，澳大利亚生物科技初创公司CorticalLabs就用人类脑细胞培育的“碟中大脑”（DishBrain）学会了打乒乓球。
研究团队将从人类干细胞诱导分化而来的人类神经元，与高密度多电极阵列与计算机集成，使“乒乓球”游戏中的电信号传到微电极阵列上，进而告诉神经元“乒乓球”的位置，神经元再通过彼此间电信号的交流达成一致后，控制“球拍”的移动，从而将“乒乓球”打回去。
神奇的是，这群“碟中大脑”仅用5分钟就学会了这款游戏，而相似规模的人工神经网络可能要90分钟左右才能学会。
尽管该论文的第一作者坚称“碟中大脑”已经将自己代入到游戏中的球拍了，但类器官智能是否能像人类一样“自主而有意识”地摄取、分辨并回应外界信息，仍是个值得探讨的问题。
会打乒乓球的“碟中大脑”。图片来源：参考文献[4]
02
误打误撞出的类器官智能技术
大脑的类器官技术起初并不是为了实现“类器官智能”。自2019年相关研究取得突破以来，大部分的工作都围绕研究大脑的发育和疾病，或是修复大脑的残缺部分为主。
比如去年10月《自然（Nature）》主刊上的论文显示，科学家首次将人脑神经元移植到大鼠脑中并形成连接，从而控制大鼠行为。
4个月后，《细胞（Cell）》子刊上的研究又显示人的类脑器官植入到大鼠脑部后不仅实现了有效连接，还能对视觉刺激做出反应，说明它已经整合到大脑中发挥功能了，这个成果可以作为一种恢复皮质功能的治疗策略。
然而总有些充满创意的科学家喜欢搭建出一些让人眼前一亮的科技网络，比如这个类器官智能技术。
当然这个技术目前还是襁褓中的婴儿，等它渐渐成熟并与当前基于深度学习人工智能技术进行比较，究竟是变成科研领域中永远“未来可期”的空中楼阁，还是能成为新一波类脑智能浪潮中的弄潮儿，直奔强人工智能而去呢？让我们拭目以待。
图库版权图片，不授权转载
类器官智能作为由生物智能单元——神经元组成的网络，它的优势集中体现在以下几方面：
1.能耗低
一条斑马鱼幼虫在水中，成功捕食猎物并从天敌眼皮底下逃脱的大脑功耗仅为1微瓦，成年人类的大脑功耗仅为20瓦，而目前依赖深度学习的服务器集群的功耗通常在1百万瓦左右，拥有最强算力的Frontier超算功耗将近21兆瓦，听起来并不是很环保。
2.少样本学习
生物通常能使用较少的观察活动来进行学习。人类使用大约10个训练样本就能完成一个简单的“物体类型相同或不同”的任务，蜜蜂这类昆虫也只需要100个训练样本就能学会，而这个训练数据量在深度神经网络中往往分类效果不佳。
AlphaGo系统接受了16万场围棋比赛的训练数据，每天训练5小时的棋手则需要风雨无阻地连续下175年的棋，才能打完这么多场比赛，可见大脑在学习活动中不需太多数据也能达到很高的训练效率，同时储存能力惊人（大约为2500兆字节）。
3.提供优秀的脑机接口界面
将电脑或电极输出的电信号传输给类器官脑组织，而植入人脑后的类器官又能充分整合到脑组织内执行其功能，这种界面具有很好的生理性，可将接口对大脑的损害几乎降到最低，同时又能将机器智能与自然智能一体化，从而实现新的智能形式。
当然，如何将电极连接到小型和三维的类器官上也是一个需要考虑的问题，这更需要高质量的3D电极作为支撑。如果以后要构建类人机器人，从生理学上来看，使用神经元与模拟肌肉组织相连也会更为便捷。
用于生物计算的类器官智能架构。图片来源：参考文献[2]
03
残忍还是先进，这是个问题
二十一世纪既是生物技术的世纪，也是信息技术的世纪，更是交叉科学的世纪。
目前，多支研究团队使用基因编辑技术和光遗传学技术构建了具有特定功能的神经元网络，并通过纳米技术和生物打印技术来构建更加复杂的类器官框架。可以预料到，以后培养出来的脑组织将会有更精细的结构与更特异性的功能。
“类器官智能”的初衷还是想利用生物计算更快、更高效且低能耗的优势来构建活体计算机，从而在较为复杂的任务上能实现比传统硅基计算机更优秀的表现，并且通过电脉冲信号能向计算机芯片发送或接收指令，实现碳基和硅基神经网络的协调计算，融合两者的相对优势，创造出更加智能的计算系统。
但目前类器官智能的挑战主要分两块：伦理和技术。
首先是伦理问题。
培养10周后的类器官会显示出髓鞘形成等怀孕20周胎儿的特征，而且带有信息输入的刺激会影响类器官发育，结构上变得更为复杂。接受输入，产生输出，与周围的环境信息产生互动，并建立原始记忆，它是否会有意识？外界给予的电信号刺激输入又是否会引起这些大脑的“痛苦”，这些是伦理机构一直在密切关注的问题。
找到意识产生的充要生理条件是神经科学最困难的问题之一，目前揭示意识神经基础的工作也在进行中，这将为类器官伦理条例提供很好的参考建议。类器官智能本身也不是为了重建人类意识，而是提供生物学习，认知与计算的功能基础。
如果强人工智能的实现需要大量神经元作为基础的话，这种智能又和我们人类智能有何不同？极端一点，我们直接把尚未形成自主意识的胚胎神经管切下来（这部分以后会形成人脑），然后放入培养箱中培养成一个具有860亿节点体量的网络系统，并将其与计算机芯片或服务器相连，处理各种任务，这种强人工智能的实现是否人道呢？
笔者相信这项技术即便研发成功，也会因相当复杂的伦理问题而被法律法规所禁止，就像应用于人类的克隆技术和基因编辑技术一样。
动漫《心理测量者》中的强人工智能——西比拉系统。图片来源：动漫《心理测量者》
其次是技术问题。
前文提及的托马斯·哈东团队使用的单个类脑器官大约包含5万个神经元，安德鲁团队则是使用了8万个。麻雀虽小，但五脏俱全，当前培养的类脑器官能再现大脑的组织结构和功能，并有覆盖髓鞘的轴突，自发的电生理活动，复杂的振荡行为，高细胞密度和分层模式，甚至还有少突胶质细胞、小胶质细胞和星形胶质细胞等多种细胞类型。
但问题是，如何使这些类器官产生学习活动，并对其计算能力加以利用？而且，多大规模的神经元数目才能表现出高智能？下一阶段研究人员将基于现有的分化方案扩大培养规模，构建1000万个神经细胞的活体计算机，至于表现出来的智能水平如何，让我们拭目以待。
与此同时，如何对神经元间的连接做出调整，使其能更好地实现功能也需要考虑。尽管大脑类器官可能实现分子特征的时空特征，但无法反映人脑脑区的拓扑结构和神经元环路的复杂性及特异性，而这些可能恰恰是实现大脑高级功能的基础。如何对大量杂乱的神经元连接进行合理的布线，用分子信号诱导相关功能环路的产生，也是未来制作特定功能导向型的生物神经网络所要考虑的问题。
除此之外，目前仍无法高效完整地完成对人脑类器官的信号输入与输出记录的记录，研究人员正在致力于研发专用于类脑器官的3D脑机接口以及相应探针，例如3D微电极阵列（MEA）、神经像素硅探针等，完成与外界信息端口的精准对接。这些技术的推进能够在一定程度上解决这方面的难题。
总的来说，尽管当前人工智能远不如人脑学习能力全面且高效，只能在经过大规模预训练的任务上表现出色，但类器官智能还难以复现最简单的大脑，想要“战胜”以GPT系列打头阵的硅基生物，恐怕还有很长一段路要走，尤其使用的生物神经元数目越多，所面临的伦理挑战就越大。对智能这条路探索的尽头，很可能碳基和硅基两种智能就会走到一块儿去。
实现类器官智能的路线图。图片来源：参考文献[2]
在实现强人工智能前，我们不妨再问问自己，为什么要实现强人工智能？
如果仅仅是需要服从听话且好用的工具，那么只需训练出在特定任务执行出色的智能神经网络即可，意识、情感、创造力这些都是不稳定因素，对于任何低技术需求且具有高重复性的工作来讲根本没必要，而且还会导致社会的管理成本上升。
这么说来，可能对人类来说，像ChatGPT一类的模型已经是最理想的智能系统了，希望看到这篇文章的你们在新一波的人工智能浪潮中都能用好这个工具，最大化地提高生产力。
人类和仿生人。图片来源：游戏《底特律：变人》
参考文献：
[1]SmirnovaL.,CaffoB.S.,GraciasD.H.,etal.Organoidintelligence(OI):thenewfrontierinbiocomputingandintelligence-in-a-dish.FrontSci1:1017235.2023.doi:10.3389/fsci.2023.1017235
[2]MoralesP.I.E.,SmirnovaL.,MuotriA.R.,etal.FirstOrganoidIntelligence(OI)workshoptoformanOIcommunity.Front.Artif.Intell.6:1116870.2023.doi:10.3389/frai.2023.1116870
[3]AndrewD.80,000mousebraincellsusedtobuildalivingcomputer.NewScientistPhysics.2023.From:https://www.newscientist.com/article/2363095-80000-mouse-brain-cells-used-to-build-a-living-computer/
[4]BrettJ.K.,AndyC.K.,NhiT.T.etal.Invitroneuronslearnandexhibitsentiencewhenembodiedinasimulatedgame-world.Neuron110,2022.doi:https://doi.org/10.1016/j.neuron.2022.09.001
[5]PaolaArlottaetal.Individualbrainorganoidsreproduciblyformcelldiversityofthehumancerebralcortex，Nature.2019.doi:10.1038/s41586-019-1289-x
[6]Pașca,S.P.,Arlotta,P.,Bateup,H.S.etal.Anomenclatureconsensusfornervoussystemorganoidsandassembloids.Nature609,907–910,2022.doi:https://doi.org/10.1038/s41586-022-05219-6
[7]DennisJgamadzertal.Structuralandfunctionalintegrationofhumanforebrainorganoidswiththeinjuredadultratvisualsystem.CellStemCell.2023.doi:10.1016/j.stem.2023.01.004.
出品：科普中国
作者：钱昱（中国科学院脑科学与智能技术卓越创新中心）
监制：中国科普博览
原标题：《啥？！能打败GPT4的“强人工智能”来了？》
阅读原文
厉害了！细数中国人工智能十大领军人物！
第九名：徐伟-百度杰出科学家
在百度这样一个拥有大量高水平科学家、研究人员和工程师的公司里，徐伟是唯一获“杰出科学家”称号的人。徐伟在研发PaddlePaddle时做出了卓越的科技贡献受到了高度评价。PaddlePaddle是一个全新的深度学习开源平台，已于2016年下半年对外开放。PaddlePaddle经历了三年的研发，现可用于搜索排名、定向广告、图像识别、机器翻译和无人驾驶汽车等多个方面。
徐伟拥有清华大学学士学位，卡内基梅隆大学硕士学位，加入百度前曾在NEC实验室和Facebook担任研究员。
第八名：朱频频-小i机器人总裁兼CTO
小i机器人是中国领先的人工智能对话平台，为全国大部分机器人和虚拟助手提供支持。小i机器人于2001年在上海成立，为大中型企业、政府机构及5亿用户提供技术服务。
朱频频在空间领域拥有众多专利——聊天机器人系统、SMS机器人系统，使得小i机器人在对话界面方面占据技术优势。除运营小i机器人外，朱频频也是中国科学院的科学博士，任职于多个人机交互治理委员会，获奖无数。
第七名：林元庆-百度深度学习实验室主任
林元庆是百度深度学习实验室(IDL)主任，实验室旗下包括硅谷人工智能实验室、大数据实验室、增强现实实验室及深度学习研究所。他与徐伟一起代表百度牵头筹建了深度学习技术及应用国家工程实验室。该实验室由中国政府出资，清华大学、北京航空航天大学共建。
在加入百度之前，林元庆曾任美国NEC实验室媒体分析部门主管，带领团队致力于计算机视觉研究，开发移动搜索和无人驾驶汽车。林元庆拥有清华大学光学工程硕士学位和宾夕法尼亚大学电子工程博士学位。
第六名：何晓飞-滴滴研究院院长
滴滴出行是中国的Uber，每天产生的实时数据多达50TB，驾驶路线超90亿条。滴滴研究院被称为滴滴出行的“大脑”，是由滴滴公司成立的机器学习研究所，用于预测用户需求，减轻不良影响，同时也开发自动驾驶技术。
何晓飞本科毕业于浙江大学，获计算机科学学士学位，后取得芝加哥大学博士学位。在加入滴滴研究院之前，他曾在雅虎搜索实验室担任研究科学家，后在浙江大学任教，专注于应用数学和数据分析，解决图形识别、多媒体和计算机视觉方面的重要问题。
第五名：周靖人-阿里云首席科学家兼副总裁
阿里云于2009年成立，是目前阿里发展最快的业务。与亚马逊云计算服务类似，阿里云运用其强大的计算能力处理数百万次线上购物交易。
周靖人带领团队在阿里巴巴云数据科学技术研究所进行大数据和人工智能研究，推动阿里巴巴在语言、自然语言、图像与视频处理及大规模机器学习等人工智能技术开发。
在加入阿里巴巴之前，周靖人在微软担任工程经理，负责开发大数据平台，为Windows、Office和Bing提供支持。他拥有中国科学技术大学学士学位，哥伦比亚大学计算机科学博士学位。
第四名：张潼-腾讯人工智能实验室主任
人工智能领域的顶尖人才十分抢手。张潼去年从百度离职去往腾讯，负责新成立的人工智能实验室。此前他是百度大数据实验室负责人，也曾在IBM和雅虎工作过，在罗格斯大学担任过教授。
张潼旗下拥有超过50名科研人员与250多名工程师团队，致力于拓展腾讯在机器学习、计算机视觉、语音识别、自然语言处理等方面的能力，并将人工智能新技术运用于微信等大众产品。
第三名：王海峰-百度副总裁，人工智能技术平台体系负责人
吴恩达从百度离职后，王海峰接任成为了百度AI技术平台体系(AIG)的负责人。该平台包括深度学习实验室、大数据实验室、硅谷AI实验室、增强现实实验室、自然语言处理部、人工智能平台部等部门。
王海峰的技术专长在于自然语言处理和机器翻译。他撰写过100余篇有关人工智能的学术论文，并将自己的专业知识运用于百度在神经语言程序学、计算机数学、语音识别、知识图谱、个性化推荐和深度学习等多个方面的开发。王海峰在哈尔滨工业大学获得计算机科学学士学位、硕士学位和博士学位后，同时现在是哈尔滨工业大学的兼职教授。
第二名：陆奇-百度集团总裁兼COO
陆奇加入百度后领导公司的AI战略工作，推动公司内部的整合与协作。每个百度业务部门，包括自动驾驶的AI团队都向陆奇汇报。百度发言人表示：“在陆奇带领下，我们有信心顺利推进公司战略实施，百度有信心成为世界一流的技术公司和人工智能的领导者。”
加入百度之前，陆奇经史蒂夫•鲍尔默(SteveBallmer)亲自招聘加入微软，最终成为应用与服务集团的执行副总裁。陆奇在IBM研究实验室开始职业生涯，之后加入雅虎，升任搜索广告集团的执行副总裁。他在复旦大学完成计算机科学学士学位，并被卡内基大学教授埃德蒙•克拉克(EdmundM.Clarke)邀请在卡内基大学(CMU)攻读博士学位。
第一名：李开复-创新工场联合创始人，谷歌中国前总裁
李开复曾就职于苹果、微软和谷歌，是全球公认的科技领导者。他拥有哥伦比亚大学计算机科学学士学位和卡内基梅隆大学博士学位。2009年9月从谷歌离职后他创办了创新工场，积极投资中美科技和人工智能领域的创业公司。
李开复在中国深受推崇，在中国社交网站上有五千多万粉丝，他已经成为中国科技发展趋势的标志性“预言家”。李开复近日向CNBC记者表示，人工智能是“比电力、工业革命、互联网、移动互联网等所有人类科技革命加起来都更伟大的奇迹”。返回搜狐，查看更多
Bixby VS Siri，谁是最强手机人工智能
智能手机行业进入了高速发展时期，科技理念百花齐放，但最为前沿的技术创新仍然是由手机界的两大巨头引领。一个是全球安卓阵营的老大三星，以AMOLED曲面屏闻名于世。另一个就是自成一派开发iOS系统的苹果，以系统流畅度备受好评。那么，如果谈到当下最流行词汇“手机人工智能”，哪家更胜一筹？
苹果的人工智能叫做Siri，早在iPhone4S时代就已经开始应用。三星的人工智能则为Bixby，在去年正式登陆中国市场。虽然苹果研究这项应用的时间比较早，发展期更长，但是从实际体验来说，Siri这些年在汉语言环境下进步不大，反观三星的Bixby在以下三个方面更胜一筹，让人惊艳。
Bixby更理解应用内深层次语音命令
目前，手机语音助手很普遍，但是普及率普遍较低。究其原因，是因为手机语音助手只能机械的回答一些常规问题。然而，人工智能的核心是要真正理解人的需求，。从实际体验来说，人工智能的响应和识别速度、准确率、情景理解能力都是需要突破的大难关。
Bixby之所以能够被称为真正的人工智能，是因为他可以执行深层次、连续的应用内（甚至跨应用）的语音命令。目前，三星Bixby不仅支持如电话，相册，时间等大部分原生应用，还支持包括微信，微博以及爱奇艺等在内的将近20个第三方应用，覆盖了更多场景。举个例子，当我对Siri和Bixby说同样的话，如“打开微信给妈妈发个红包‘或’把我刚刚拍摄的照片发送到微博上”，前者无法理解语义，而Bixby可以完美执行命令。可以说，Bixby搭建了一个应用生态，在手机AI强大运算的支持下，最大程度上解放了人的双手。
指令：打卡给妈妈发红包Siri在对话框输入了文字Bixby实现了操作
Bixby不仅有听觉还有视觉
通过与摄像头深度集成，以及增强现实技术和深度学习技术，Bixby可以为用户实时提供各种关于周遭世界的实用信息，我们称之为Bixby视觉功能，这也是目前阶段包括Siri在内的语音助手完全没有触达的领域。
现在，Bixby支持多种摄影模式，包括文字、美颜、红酒扫描、购物、图片搜索、二维码等。用户只需在打开Bixby视觉，用摄像头对准想了解的对象，相关信息便会迅速浮现在屏幕之上。举个例子，当我们在海外旅游语言不通时，可以请Bixby翻译路标、菜单等等。Bixby可识别10种语言，并将其翻译成27种外语，操作智能且便捷。
Bixby有更强的自适应学习能力
值得一提的是，Bixby有很强的自适应学习能力。随着用户使用Bixby次数的不断增多，Bixby的等级也会不断提高。用户发布指令后，Bixby会提示“做得好”和“教教我”，当点击教教我后，Bixby就会根据用户的使用习惯进行优化。
对于手机人工智能，目前均处在高速发展的阶段，相比于Siri，Bixby拥有更高的“智商”与“情商”，更能够理解用户的深层次需求，是一款真正的“人工智能”或是说伙伴，而非简单的“语音助手”而已。