15台生物计算机组成“蜂群思维”，联手击败传统AI

把多个实验室培养的神经元系统连接起来，会不会比单个“生物大脑”更聪明？澳大利亚公司 Cortical Labs 给出的答案是：至少在某些任务上，会。该公司本周在美国举行的首届类器官智能国际会议（ICOI）上展示了名为 HIVE 的新系统，它把 15 台 CL1 生物计算机连成网络。

CL1 是 Cortical Labs 此前推出的生物计算机平台，利用人类神经元培养物进行计算。HIVE 的思路不是让单台机器上的神经元独自解决问题，而是让多台设备协同工作，看看“团队作战”能否把生物计算推到新水平。

多台生物计算机自发分工

更多脑力并不必然带来更好结果——做过小组作业的人大概都明白这一点。但在 HIVE 中，不同的 CL1 机器似乎会把任务的不同方面分开处理，并找到通往终点的更高效路径。Cortical Labs 表示，这并不是科学家“教”会给实验室培养神经元的技能；当它们接入更大的网络后，自己形成了这种分工。

“生物计算潜力巨大，但有用的系统不能依赖单一培养物每次都完美表现。”Cortical Labs 联合创始人兼 CEO Brett Kagan 博士说。

他补充说，自然界会集体解决复杂问题：大脑把信息分散到专门区域，蜂群则依靠许多各司其职的个体共同完成结果。HIVE 把同样的原则用于生物计算，希望系统比任何单一培养物更稳定、更有韧性，也更有能力。

Kagan 还指出，多个独立的神经信息处理系统协同工作对自然界并不新鲜，区别在于如今借助 CL1 平台的控制、规模和硬件集成能力，可以达到超越生理极限的尺度。

活细胞会波动，网络来兜底

HIVE 的优势不只是可扩展。由于用的是活细胞，一组神经元可能今天表现很好，明天却状态松懈。把多组神经元连接起来，可以分担负载、维持整体表现；如果某一组因故停止响应，系统仍能继续运行。

在一项符号识别测试中，Cortical Labs 称连接 7 台生物计算机后，结果准确率从约 80% 提升到 99%。

另一项测试让 HIVE 引导一个虚拟角色在网格中寻找特定目标。团队将其与传统 AI 模型 Deep Q Network（DQN）比较，后者依靠算法而非脑细胞。DQN 拿到最高分的大约 32%，表现最好的单台 Cortical 计算机达到 40%；当多台生物计算机共同决定移动方向时，得分跃升到约 70%；如果把任务分给具有不同专长的生物计算小组，结果更高，约为 80%。

需要强调的是，这些仍是初步结果，而且受实验设计和对比 AI 模型的限制。但 Cortical Labs 团队认为，这为神经网络计算的集体协作提供了有力论据，而不是把这些机器单独使用。

下一步：看懂神经元如何“对话”

接下来，团队希望弄清楚神经元如何在相互连接的机器之间传递信号、处理反馈，并测试增加更多连接能否让结果继续向好。

“某一种培养物可能在某一天表现特别好，另一种则不然。”Cortical Labs 科学家 Johnson Zhou 说，“当培养物一起工作时，个体差异对最终结果的影响会变小。HIVE 让我们能够管理这种波动，同时利用生物系统强大的适应能力。”

除了实际应用，这类系统也是利用机器学习的一种更节能的方式。

该研究于 10 月 26 日至 27 日在华盛顿特区举行的首届类器官智能国际会议（ICOI）上展示。来源：Cortical Labs。