在传统认知中，智能与计算似乎已被硅基芯片所垄断。
然而，随着大语言模型和生成式人工智能的快速发展，其能耗高企、数据依赖强等问题日益凸显，一个被长期忽视的科学问题重新进入研究者视野：智能是否必然建立在硅片之上？
真正的下一代智能能否以活细胞和神经突触为基础？
2022年，澳大利亚初创公司Cortical Labs联合多所高校在《Neuron》期刊发表的一项研究给出了令人瞩目的答案。
研究团队将来自小鼠胚胎或人类干细胞的数万个脑细胞培养在指甲盖大小的芯片上，成功让这些离体神经元学会了玩上世纪70年代的经典游戏《Pong》。
更为关键的是，这些"无眼无手"的神经元在短短几分钟内就掌握了游戏规则，并不断改进自己的表现。
这一发现被命名为"DishBrain"（培养皿大脑）项目，首次证明活体神经元即使脱离完整生物体，也能在虚拟环境中感知信息、做出反应，并通过反馈机制实现自主学习。
这项实验的精妙之处在于其巧妙的信息转换机制。
研究人员采用高密度微电极阵列芯片作为核心工具，该芯片布满数千个微型电极。
培养在芯片上的神经元在数天内自然形成相互连接的微型脑组织，具备基本的网络结构和自发放电能力。
在游戏交互中，当虚拟球出现在屏幕左侧时，芯片左侧的电极组向神经元发送特定频率的电脉冲；球在右侧时则由右侧电极发送信号。
这种设计巧妙地模拟了大脑接收感官输入的方式，将视觉信息直接转化为电刺激。
球拍的控制则依赖于对神经元活动的实时监测。
研究人员将芯片划分为两个"运动区"，分别对应球拍的上下移动。
系统持续读取这两个区域的放电频率，据此调整球拍位置。
整个过程形成了一个完整的闭环：神经元接收信息、产生反应、系统执行动作、游戏结果反馈、神经元再次调整。
真正令人瞩目的是神经元的学习能力。
在有效反馈的作用下，神经元群体在短时间内显著延长了每次游戏的回合数，表明其击球准确率得到了明显提升。
这一学习过程的驱动力源于一个前沿的神经科学理论——自由能原理。
该理论由英国神经科学家卡尔·弗里斯顿提出，认为所有自组织系统包括大脑都倾向于最小化"预测误差"或"意外感"。
换言之，神经元会主动调整其活动模式，以减少与环境互动中的不确定性。
研究团队正是利用这一原理，设计了反馈机制，使神经元能够在与游戏环境的互动中自然地优化其行为。
这一发现的意义远超实验室范畴。
首先，它挑战了我们对"智能"和"意识"的传统理解。
长期以来，人们倾向于将智能与复杂的计算能力相关联，而这项实验表明，即使是简单的离体神经元网络也能展现出学习、适应和优化的能力。
其次，该研究为生物智能计算开辟了全新方向。
相比传统硅基芯片，生物神经网络具有更低的能耗、更强的自适应性和更高的并行处理能力。
第三，这一范式对神经科学基础研究具有重要推动作用，有助于科学家更深入地理解神经元的学习机制和大脑的工作原理。
此外，该技术在药物研发领域也展现出巨大潜力，可用于测试神经毒性物质、评估药物效果，从而减少对动物实验的依赖。
当前，全球多个前沿实验室正在探索将活体神经元与电子设备深度融合，构建被称为"合成生物智能"的新范式。
这种智能形式不依赖预设代码，而是让生物神经网络在与环境的互动中自主学习、适应甚至"思考"。
随着相关技术的不断完善和理论的深化，生物智能计算有望在未来成为与硅基计算并行的重要计算范式，为人类社会的科技进步提供新的动力。
离体神经元在闭环反馈中展现出可塑性，再次提醒人们：智能并非只有一条路径。
技术演进既需要对新范式保持开放，也需要以科学验证、工程标准与伦理治理为前提稳步推进。
如何在探索生命系统启发的计算新可能的同时守住边界、用好工具，将决定这一方向能否从实验现象走向可持续的社会价值。