活体脑细胞+数字果蝇！全球首个“半生物AI”诞生：组队打游戏
内容提要
一项筹备中的“半生物AI”实验，将培养皿中约八十万人类神经元与开源果蝇全脑连接组接入同一游戏：神经元负责选择目标，数字果蝇回路负责运动。二者语言不同，需软件解码器翻译，因此性能提升究竟来自生物学习还是解码器训练难以区分。实验尚未完整跑通，协同适应效果未知。
延伸解读
性能提升的归因难题
实验将活体神经元与数字果蝇回路通过软件解码器连接，但解码器需训练数据来翻译神经脉冲。若训练数据不足，解码器可能将神经元的随机放电误读为目标选择，导致游戏中的“决策”实际来自解码器而非生物学习。因此，性能提升究竟源于神经元学习还是解码器训练，必须通过对照组（如打乱反馈或回放预录活动）来区分，否则无法得出可靠结论。
连接组仿真的外部假设
果蝇连接组仅提供静态布线图，不包含神经元放电条件、频率或突触强度。Evan Smith在《我的世界》中让数字果蝇飞起来，必须自行补充神经元动力学、突触传递和感觉运动转换模型。这意味着数字果蝇的每个动作都依赖研究者选定的数学模型，而非完全由生物数据决定。因此，其行为相似度受限于这些外部假设的准确性。
协同适应的单向补偿风险
当游戏布局变化时，活体神经元需重新学习目标选择，而数字果蝇回路只需接收新目标标签，无需重新学习运动输出。此外，连接组来自真实果蝇身体，其运动指令可能不适用于物理参数不同的虚拟身体。因此，所谓的“协同适应”可能主要是软件解码器在单方面补偿两个系统间的语言和物理不匹配，而非真正的双向学习。
实验成本与未验证的空白
Cortical Labs的CL1设备售价3.5万美元，云平台每周300美元可接入活体神经元，但模拟器无法测试生物学习。目前，培养皿神经元已能玩乒乓球，果蝇连接组已开源，但将两者结合并协同完成任务的实验尚未完整跑通。食物移动、路径阻断等条件下的适应能力，以及系统恢复后的信息保留，均无实验数据，这些空白需实际执行协议才能填补。
Q&A
什么是“半生物AI”实验？它由哪些部分组成？
“半生物AI”实验是一项正在筹备中的生物-数字混合实验，将培养皿中约八十万个人类神经元与一套从真实果蝇大脑复制过来的数字回路连进同一个简单游戏。活体神经元负责选择目标（觅食、躲危险或回巢），数字果蝇回路负责计算运动（左转、右拐、加速）。两个系统之间没有代码接口，只有电刺激和神经脉冲在来回翻译。
培养皿中的神经元之前已经展示过哪些学习能力？
澳大利亚生物技术公司Cortical Labs在2022年发表实验，将约八十万个人类干细胞分化来的皮层神经元铺在电极芯片上，接入简化版乒乓球游戏。大多数人类和小鼠神经元培养物在五分钟内就学会了击球，平均回合数明显拉长。同一实验中，DQN、A2C、PPO三个主流深度强化学习算法在七十局训练量内组内改善均不显著。此外，培养皿神经元还被证明能学会玩《毁灭战士》。
果蝇全脑连接组开源后，个人能做什么？
2024年10月，FlyWire联盟将成年雄性果蝇完整中枢神经系统连接组（约一亿两千五百万个突触连接）开源。佐治亚理工学院研究生Evan Smith仅用两天，就在《我的世界》游戏里让数字果蝇飞了起来。他将连接组数据导入物理引擎，为每个神经元配上漏电积分放电模型，把视觉输入映射到连接组视觉神经元，再将输出运动指令翻译成翅膀和身体的物理动作，实现实时放电控制飞行。
活体神经元和数字果蝇回路连接时面临什么技术断层？
活体神经元的工作方式是模拟的、连续的、充满噪声的，放电频率在四到四十赫兹之间波动，每个培养物基线活动不同，同一批细胞在不同时间点反应也在漂移。数字果蝇回路的工作方式是离散的、确定性的、由代码定义的，突触权重固定，按漏电积分放电方程逐步计算膜电位，时间步长精确到毫秒。两者语言不同，必须有一个软件解码器作为翻译层，把神经脉冲模式映射成目标标签，再把目标标签映射成果蝇回路的输入电流。
为什么难以区分混合实验中的性能提升来自生物学习还是解码器训练？
因为软件解码器是训练出来的，训练需要标注数据，而标注数据来自已知的神经元放电模式与目标选择的对应关系。如果解码器训练数据不够多、不够全，它可能把噪声当成信号来学，例如将随机放电解读为“选择觅食”，或漏掉培养物的真实偏好。此时游戏角色在动，但真正“做决定”的可能是解码器而非神经元。如果不设计对照组（如打乱顺序的生物反馈或回放预录神经活动），就无法分清性能提升的来源。
混合实验中的“协同适应”具体在测什么？
实验设计在食物移动或熟悉路径被阻断时，观察活体神经元和数字果蝇回路能否一起适应新布局。这涉及两个独立问题：一是活体神经元能否在游戏规则变化后重新调整目标选择偏好；二是数字果蝇回路能否在接收到的目标信号变化后重新校准运动输出。但果蝇连接组来自真实果蝇身体，其运动回路依赖真实物理反馈，当虚拟身体物理参数不同时，输出指令可能不适用。因此“协同适应”中有多少是真正双向学习，有多少只是解码器单方面补偿不匹配，尚不清楚。
Cortical Labs提供了哪些商业化产品和服务？成本如何？
Cortical Labs的CL1设备每台售价三万五千美元，内含约八十万个人类神经元，功耗仅三十瓦，培养液每二十四小时换一次，细胞可存活长达六个月。他们还推出Cortical Cloud，将一百二十台CL1组成集群，用户通过API上传Python代码，每周花三百美元就能在活体神经网络上跑实验。若需租用三到四台设备做重复实验和对照组，一周成本为九百到一千二百美元。
这个混合实验目前跑通了吗？还有哪些未知？
还没有人完整地跑过一遍。培养皿神经元已能玩乒乓球和《毁灭战士》，果蝇连接组已开源且个人可仿真，云平台也已上线，但将两者拼进同一游戏、让它们互相配合完成任务的实验尚未完整执行。未知包括：食物移动时活体神经元要花多少局才能重新选对目标；路径被堵时果蝇回路的运动输出会不会彻底崩溃；一切恢复原样后混合系统里还剩多少有用信息。
