澳洲公司 Cortical Labs 最近發表研究，展示以由人類血液培養出嘅活體神經細胞，連接機械人喺虛擬環境中完成尋餌任務。喺同等訓練次數下，呢批神經細胞嘅表現超越傳統矽基 AI，而且分段休息後成績反升。
點樣運作
研究團隊將人類血液嘅細胞重新編程為 iPS 細胞（誘導性多能幹細胞），再分化為神經細胞，整個成熟過程需時約 90 日以上。培養完成後，約 20 萬個神經細胞平鋪於 60 個電極之上，置於一個可維持最長半年存活嘅封閉系統（CL1）內。
喺實驗中，電腦將虛擬房間中「氣味」嘅方向轉換為不同頻率嘅電刺激，傳遞俾神經細胞。系統讀取 3 個位置嘅細胞發火（firing）活動，據最活躍嘅位置判斷「前進、左、右」。做對嘅話，細胞收到規律、整齊嘅電刺激作為獎勵；做錯則收到隨機刺激作為懲罰。呢種「糖與鞭」機制，係神經細胞嘅學習基礎。
關鍵發現
**一、同次數訓練，神經細胞贏。結果顯示，DQN 需要超過 4 倍嘅訓練次數，先至趕上神經細胞嘅表現。
二、分段休息，成績反升。 團隊測試咗兩種安排：(a) 一氣完成 150 步；(b) 拆成 5 段各 30 步，中間各休 2 分鐘。結果顯示，休息組嘅整體成績明顯較好，而且前兩段幾乎冇進步，由第三段先至見進步——暗示存在一段較長嘅細胞適應期。
圖片：U.S. Air Force photo by Senior Airman William Pugh／Public domain／Wikimedia Commons
點解要研究呢樣嘢？
研究動機源於對當前 AI 能源效率嘅質疑。現代大模型運行嘅數據中心耗電量持續上升，人腦卻僅需約 10–20 瓦就能完成複雜處理。Cortical Labs 嘅研究方向，係探索能否用真嘅生物神經細胞代替人工神經網絡，達致更低能耗嘅計算。
2022 年該公司已發表「DishBrain」，展示約 80 萬個神經細胞喺培養皿中學習玩乒乓球，5 分鐘內明顯進步。今次 CL1 系統係其後續發展。
限制同待問
呢項研究仍處實驗室階段。由人類血液培養嘅細胞喺技術上是否具備任何形式嘅感知或意識，係此類研究繞唔開嘅倫理問題。
模姐驗嚇貨
講真，呢個研究最吸引嘅唔係「生物嘅，贏喺人工嘅」呢個故事弧，而係休息後成績提升呢個發現——佢喺暗示神經系統有某種時間尺度上嘅適應機制，人工神經網絡目前冇捕捉到呢層面。但同時，4 倍差距呢個數字，基於一次未見同行評審細節嘅單機構研究，我哋唔應該急住講「腦比晶片強」。真正要睇嘅係：呢個優勢是否可重現、是否隨規模擴展、以及能源效率嘅聲稱有冇獨立驗證。
模姐｜深度調教
