近年來，科學家一直在探索一種介于生物與計算機之間的全新技術路徑：用活體神經元構建“生物計算機”。最近，一項引人注目的實驗讓這一領域再次成為焦點——實驗室培養的人類神經元學會了操作第一人稱射擊游戲《毀滅戰士》（DOOM）。雖然這些神經元距離真正的人類玩家水平仍相去甚遠，但研究人員認為，這標志著生物計算正在從概念驗證逐漸邁向實際應用。

這一研究主要由澳大利亞公司Cortical Labs推動。早在2021年，團隊就展示了一種名為DishBrain的實驗系統：研究人員在微電極陣列上培養了約80萬個人類神經元。這種陣列既能向神經元發送電信號，也能記錄它們的活動。通過這種雙向接口，神經元能夠接收來自游戲的“感官信息”，并以電信號形式輸出“行動指令”。

Cortical Labs開發的DishBrain系統（上）； 通過DishBrain，人工培養的神經元能夠玩經典游戲《乓》（下）。

Cortical Labs

在當時的實驗中，神經元被訓練玩經典游戲《乓》（Pong）。系統會將屏幕上球的位置轉化為不同的電刺激信號，例如球向上移動時刺激陣列上方區域，向下移動則刺激下方區域。神經元網絡在不斷接收反饋后逐漸形成活動模式，這些模式會被解釋為控制球拍移動的指令。經過長時間訓練，這些神經元能夠在一定程度上成功擊回球。

這一成果已經足夠驚人，但它仍然屬于一個相對簡單的輸入—輸出系統。《乓》是二維游戲，規則非常直接：球的位置幾乎可以線性映射為球拍移動方向。對于神經網絡來說，這是一種較容易建立映射關系的環境。

然而，研究團隊很快意識到，如果生物計算機真的有潛在價值，它必須能夠處理更加復雜的情境。于是他們將目標升級為一款技術圈常用來測試設備性能的經典游戲：《毀滅戰士》。

《毀滅戰士》與《乓》完全不同。它是一個三維（準確說是2.5D）環境，包含復雜空間、敵人、武器、移動和攻擊等多種行為。玩家需要在不斷變化的視覺場景中做出實時決策。這種環境更接近現實世界中的感知與行動循環。

為了實現這一目標，Cortical Labs開發了新一代神經計算平臺CL1。與早期系統相比，CL1最大的變化在于其軟件接口：研究人員將系統開放為可以通過Python編程的接口，使開發者能夠更容易地控制神經元網絡。

Cortical Labs推出的CL1平臺

Estes, Z., Felker, S. Confidence Mediates the Sex Difference in Mental Rotation Performance. Arch Sex Behav 41, 557–570 (2012).

這一改變極大降低了實驗門檻。一個名叫Sean Cole的獨立開發者——此前幾乎沒有生物計算經驗——僅用了大約一周時間，就成功讓神經元系統運行《毀滅戰士》的開源版本Freedoom。

關鍵挑戰在于：這些神經元沒有眼睛，也無法真正“看到”屏幕。研究人員必須將視覺信息轉換為電信號模式。例如，當游戲畫面左側出現敵人時，陣列左側的電極會刺激對應區域的神經元，模擬一種“感官輸入”。神經元對刺激作出反應，產生不同的放電模式。系統再將這些放電模式解讀為行動指令，比如移動、旋轉或開槍。

實驗中使用的神經元數量約為20多萬，遠低于人腦約860億個神經元的規模。但即便如此，這些神經元仍然能夠表現出某種適應性行為。它們可以尋找敵人、射擊、轉向，盡管經常“死亡”，但研究人員觀察到神經元的活動模式會隨著反饋逐漸改變，顯示出學習的跡象。

Cortical Labs展示人類神經元在CL1平臺玩《毀滅戰士》

https://www.youtube.com/watch?v=yRV8fSw6HaE

Cortical Labs的科學家Brett Kagan將這一成果描述為一個重要里程碑，因為它展示了生物神經網絡能夠進行實時目標導向學習。換句話說，這些神經元并不是簡單地被動響應刺激，而是在不斷調整自身活動模式，以更好地適應環境。

盡管如此，研究人員也強調，目前的系統與真正的大腦仍然存在巨大差距。首先，這些神經元并不具備意識，也不知道自己正在“玩游戲”。它們只是對電刺激做出反應。其次，科學家仍然不完全理解神經元網絡是如何在這種環境中形成行為策略的。

英國曼徹斯特大學計算機工程師Steve Furber指出，雖然讓神經元玩《毀滅戰士》是一項顯著進展，但我們仍然不知道神經元是如何“理解任務”的。沒有視覺系統，也沒有真正的身體，這些細胞究竟如何從電刺激中提取信息并形成行為模式，仍然是一個重要的科學問題。

不過，從技術發展的角度來看，這種能力本身已經具有潛在意義。英國西英格蘭大學計算機科學家Andrew Adamatzky認為，《毀滅戰士》實驗展示了生物神經系統能夠處理復雜、不確定、實時變化的環境，這正是未來生物計算機必須面對的挑戰。

另一些研究者則把這類實驗看作機器人控制技術的前奏。雷丁大學神經科學家Yoshikatsu Hayashi指出，讓神經元在虛擬環境中控制游戲角色，其實與未來控制機器人手臂的任務類似。例如，一個生物計算機可能通過觸覺信號學習如何抓取物體。

除了控制機器人，這種技術還可能帶來另一項優勢：能耗效率。現代人工智能模型通常依賴巨大的計算資源和能源消耗，而神經元本身是一種高度高效的信息處理系統。理論上，生物計算機可能在某些任務上比傳統硅芯片更節能。

不過，這一領域的發展也引發了一些倫理討論。隨著實驗規模擴大，人們可能會開始擔心實驗室培養神經元的地位問題。例如，如果未來培養出更復雜的神經組織，它們是否會具有某種形式的意識？是否需要新的倫理規范？

目前來看，這些擔憂還停留在理論層面。研究人員強調，當前實驗使用的神經元只是簡單的細胞網絡，沒有意識或自我體驗。它們更像是一種特殊材料，一種能夠處理信息的生物基底。

即便如此，從《乓》到《毀滅戰士》的跨越仍然具有象征意義。在科技圈有一句著名的玩笑：“任何設備最終都會有人問——它能不能運行《毀滅戰士》？”幾十年來，人們已經讓這款游戲在各種設備上運行，從計算器到拖拉機，再到ATM機。

如今，這個名單上又多了一種設備——由活體人類神經元驅動的生物計算機。

參考來源

• Kagan, B. J., Kitchen, A. C., Tran, N. T., Habibollahi, F., Khajehnejad, M., Parker, B. J., Bhat, A., Rollo, B., Razi, A., & Friston, K. J. (2022). In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron, 110(23), 3952-3969.e8.

• https://www.newscientist.com/article/2517389-human-brain-cells-on-a-chip-learned-to-play-doom-in-a-week

• https://www.popsci.com/technology/human-brain-cell-computer-plays-doom/

• https://corticallabs.com/

• https://www.youtube.com/watch?v=yRV8fSw6HaE