查看完整版本: [-- 给机器装上会思考的“生物大脑” --]

武当休闲山庄 -> 数码讨论 -> 给机器装上会思考的“生物大脑” [打印本页] 登录 -> 注册 -> 回复主题 -> 发表主题

huozm32831 2026-05-20 16:12
天津大学医学部医学院的一间实验室内,一台小车正在缓慢移动,时而停顿,时而转向,每次避障的路线都不同。

  “控制它的是计算机吗?”记者问。

  “是,也不是。”天津大学教授、脑机交互与人机共融海河实验室片上脑机接口方向负责人李晓红说。数米外,只见恒温培养箱里,一颗直径仅毫米级、乳白色的肉球状物体悬浮在培养皿中,“这是我们培养的‘生物大脑’,它贴在芯片表面,通过导线与机器人相连。”李晓红说,有了它,协同智能交互系统就有了“生物计算机”的雏形。

  给机器培养一个由干细胞发育而来、“活”的“生物大脑”,多年以来,李晓红和她的同事们,在持续尝试这件极为“科幻”的事,探索一条不同于传统硅基计算的全新智能路径。

  李晓红曾是一名神经内科医生,在多年工作中,她曾亲眼见到脑机接口技术帮助失语患者,通过计算机将大脑意念转化为文字,恢复与他人的交流。“很多疾病,医生能用的方法有限,但工程方法却带来了希望。”李晓红说,正是这份临床体验,让她萌生了将生物脑与机器结合的念头。

  2019年,李晓红进入天津大学工作,彼时,学校在脑机接口领域有研究基础,但多聚焦于硬件与算法。“如果完全转向一个不熟悉的工程领域,我的优势在哪?”反复讨论后,结合实验室的整体部署和自己所在团队的研究,李晓红的攻坚方向逐渐清晰:自己深耕的干细胞技术,正是培育脑类器官的基础,能否用干细胞在培养皿里“种”出一个类似人脑的结构,再让该结构通过脑机接口与机器交互?“想法刚提出来时,大家觉得既科幻又艰难。”李晓红回忆。

  另辟路径,意味着从零开始。从筛选合适的人源干细胞,到精准控制培养环境、诱导其分化为脑类器官,每一步都是全新的挑战。“我们不是制造一个微型大脑,而是培育一个具备基本神经元网络、能产生和响应电信号的‘生物芯’。”李晓红说。

  更难的是“对话”。如何让“大脑”“看见”世界并“表达”意图?研究团队与南方科技大学等单位紧密合作,打造一套名为“MetaBOC”的智能交互系统,形成了“培养—记录—训练—控制”的完整链条。团队成员邵文威副教授向记者展示:脑类器官被精心放置于一个布满数千个微型电极的芯片上,电极实时捕捉着神经元发出的微弱电信号——屏幕上,一道道波峰骤然跃起,那是神经元的“脉冲”,是类似生物脑思考产生的“字节”。

  “雷达就是它的‘眼睛’,看到障碍物后,距离信息被编码成电信号刺激脑类器官;脑类器官处理后产生的响应信号,再被解码为机器人的运动指令。”李晓红进一步解释,“这模仿的正是我们人体‘感受—思考—行动’的基本逻辑。”整个过程,科研人员并不预设具体指令,只是通过反复训练,引导其学会避障。

  实验显示:一个未经训练的“生物芯”,接到避障任务后,5到10分钟,避障成功率可超过50%;连续训练4天后,成功率可稳定在80%以上。

  谈及未来,李晓红既充满希望,又坦言“道阻且长”。当前,脑类器官的规模(约10万个神经元)与芯片的电极密度,还远不能与拥有约千亿个神经元的人脑相比。“但如果我们可以解决营养供给等难题,让其长得更大,让电极更精细地连接更多神经元,它或许能够做更多事情。”李晓红认为,生物计算的最大魅力在于其超低功耗和高效学习潜力,这在深海、深空或应急救援等极端受限环境下意义重大。

  无菌培养箱里,承载计算希望的“生物大脑”,仍在悄然生长。

姜谷粉丝 2026-05-20 17:57
给机器装上“会思考的生物大脑”:前沿技术与实践进展
目前,让机器具备“思考能力”的技术路径主要分为三类:生物脑与机器直接结合、AI大模型驱动的“数字大脑”、群体智能协同的“分布式大脑”,以下是最新进展:

一、生物脑与机器结合:培育“活体生物芯”
天津大学科研团队探索了一条生物脑类器官+机器交互的全新路径,试图用“活”的神经元网络替代传统硅基芯片,实现机器的“生物化思考”:

核心技术:通过人源干细胞在培养皿中培育出毫米级的脑类器官(具备基本神经元网络,能产生和响应电信号),将其贴在布满数千个微型电极的芯片上,通过导线与机器人连接。
交互逻辑:模仿人体“感受-思考-行动”的闭环——雷达作为“眼睛”将障碍物信息编码为电信号刺激脑类器官,脑类器官处理后输出的响应信号再被解码为机器人的运动指令,实现自主避障。
研究意义:这是不同于传统AI算法的“生物计算”新方向,未来或为脑机接口、神经疾病治疗等领域带来突破

二、AI大模型“数字大脑”:从“知识问答”到“具身思考”
以紫东太初4.0多模态大模型为代表的AI“大脑”,已让机器人实现从“被动执行”到“自主思考”的跨越:

能力升级:该模型是全球首个融合深度推理+多模态感知的大模型,搭载它的机器人能自主拆解复杂任务(如“取红色快递盒”),完成“移动-识别-抓取-递送”全流程,相当于“大学生水平的自主思考能力”,未来将迭代至“博士生、专家级”

全栈协同:通过“大脑(任务理解与拆解)+小脑(高精度运动控制)”的协同架构,结合千万条真实场景数据训练,机器人能在智能制造、手术康复、现代服务等场景实现“上手即熟练工”的高效作业

知识驱动:早期AI大脑(如智谱AI的“小科”)已具备万亿级参数预训练模型+知识图谱,能实现科普问答、逻辑推理,逐步向“独立学习、类人思考”演进

三、群体智能“分布式大脑”:多机器协同“集体思考”
杭州智元研究院的博士后何汝明,通过多智能体博弈技术为无人机群装上“分布式大脑”,实现群体自主协作:

核心逻辑:每架无人机都是具备自主决策的“个体智能体”,通过实时通信感知彼此位置、状态与任务进度,像雁阵般自主编队、灵活补位。例如某架无人机发现目标,整个机群会瞬间调整队形形成包围圈;若某架故障,相邻机器毫秒级响应补位,确保任务不中断

未来价值:该技术将赋能工业机械臂组队攻克复杂任务、低空出行避障、应急救援等场景,推动智能机器从“单兵作战”进化为“高效联动的智能生态”

jjybzxw 2026-05-20 18:16
天津大学医学部医学院实验室中的这项研究确实是一个前沿且具有革命性的科学探索。李晓红教授及其团队正在尝试通过结合生物脑与机器来创造一种新型的“生物计算机”。这项技术的核心在于使用由干细胞培育出的“生物大脑”,这个“生物大脑”具备基本的神经元网络,能够产生和响应电信号,与机器人进行交互。

“MetaBOC”智能交互系统是实现这一目标的关键技术,它通过“培养—记录—训练—控制”的完整链条,使得“生物大脑”能够“看见”世界并“表达”意图。具体来说,雷达作为“眼睛”探测障碍物,将距离信息编码成电信号传递给脑类器官,脑类器官处理这些信息后产生的响应信号再被解码为机器人的运动指令。这一过程模拟了人体的“感受—思考—行动”的基本逻辑。

实验结果表明,未经训练的“生物芯”在避障任务中的成功率可以超过50%,而经过连续训练4天后,成功率可以稳定在80%以上。这显示了“生物大脑”在学习和适应任务方面的巨大潜力。

李晓红教授对未来充满希望,但也清楚面临的挑战。目前,“生物大脑”的规模与人类大脑相比还很小,但随着技术的进步,如果能够解决营养供给等问题,让“生物大脑”长得更大,连接更多神经元,它的功能将更加强大。生物计算的低功耗和高效学习潜力,在深海、深空或应急救援等极端受限环境下具有重要的应用价值。

总的来说,这项研究正在探索一种全新的智能路径,将生物脑的自然智能与机器的计算能力结合起来,为未来的人工智能和计算技术开辟新的可能性。



查看完整版本: [-- 给机器装上会思考的“生物大脑” --] [-- top --]


Powered by www.wdsz.net v8.7.1 Code ©2005-2018www.wdsz.net
Gzip enabled


沪ICP备:05041533号