死后人脑组织接入机械手学会弹琴
法国团队将死后成人脑组织接入闭环感觉—运动系统，训练其模仿弹奏三音符，为混合 AI 探索提供新证据。
一支法国研究团队将死后人脑中仍具活性的脑组织取出，接上电极、麦克风与仿生机械手，在闭环感觉—运动系统中成功让它模仿人类按下三个琴键。这项尚未经过同行评审的研究，把焦点指向一个长期被讨论的问题：能否利用真实神经元的天然学习能力与高能效，构建一种新的混合 AI 系统。
为什么研究者要拿人脑做「AI」
文章首先把视角拉回到人工神经网络与人脑的对比。当前的 AI 芯片与超大模型，本质上仍是高度依赖算力与数据量的「低效」学习系统：
- 人脑功耗约 20 瓦，而世界顶级超算功耗已达数十兆瓦，量级相差百万倍。
- AlphaGo 击败李世石前训练了超过 15 万盘棋局，相当于人类连续练习 100 余年；GPT-3 级别的语言模型训练量折算下来，相当于一个人每天读 5 本电子书、连续读 250 年。
相比之下，人脑只需极有限经验就能学会新动作与新概念。如果人工神经网络一直在「模仿大脑」，那么一个自然延伸的思路就是：直接把真实神经元接入计算系统。
死后脑组织外植体：新的实验材料
此前，研究者主要尝试过二维培养神经元和脑类器官。前者难以形成稳定神经可塑性，后者的神经回路不够成熟、个体差异大。这支法国团队采用的是「死后成人脑组织外植体」（Organotypic Post-mortem Adult Brain explants，简称 OPAB），即从已故成年供体大脑中切取、保留成熟细胞类型与部分连接的薄片组织。该团队此前已证明，OPAB 在获得氧气和葡萄糖后可在体外维持神经活动。
本次研究的核心问题是：离开人体后，这块组织还能不能继续学习？
给脑片装上「手」和「耳朵」
实验装置并不复杂：
- 把 OPAB 放在微电极阵列上，随机选 3 枚电极作为「运动电极」，分别控制机械手的 3 根手指，对应电子琴上的 LA、TI、DO 三个键。
- 机械手按下琴键后，旁边的麦克风拾取声音，AI 模块把音符识别出来，再去刺激脑片上对应的 3 枚「感觉电极」。
由此构成一个完整闭环：脑片发出运动信号 → 机械手按键 → 麦克风听到声音 → 声音重新变成电刺激 → 回到脑片。这与婴儿通过「运动咿呀」（Motor Babbling）认识自身身体的早期过程高度相似。
训练机制：双向神经可塑性
训练阶段，研究者随机刺激某一枚运动电极，使对应手指按下琴键，麦克风随后把听到的音符回送给对应的感觉电极，每天 300 次，连续 3 天。整个过程没有奖励信号、没有正误提示，只让两个事件在时间上连续发生。
这种「一起激活就连得更强」的机制，正是大脑最基础的学习原理——神经可塑性，也就是 Hebbian 学习。训练后，脑片不仅学到「我动这根手指，会听到这个声音」，还反向形成「我听到这个声音，就激活这根手指」的关联，从而具备主动模仿能力。
实验结果如下：
- 训练第 1 天，系统平均模仿准确率仅 31.22%，与随机猜测的 33.3% 基本一致。
- 训练第 4 天，平均准确率上升至 58.5%。
- 16 个进入主要测试的 OPAB 中，3 个达到 100% 正确模仿全部三音符，另有 7 个稳定学会其中两个；62.5% 的样本成功学会至少两个音符。
- 长期追踪的 5 个 OPAB 中，4 个在训练结束 17 天后仍保留学习结果，其中两个仍能 100% 正确模仿全部音符。
为排除偶然，研究者还做了多项对照：换成未训练电极后，准确率回落到随机水平；用药物阻断突触传递或用 Tahyna 病毒扰乱神经活动后，已形成的模仿能力明显下降。这说明真正承载这组感觉—运动关联的，是脑组织内部发生改变的神经连接，而非外部程序。
还远未到「人脑计算机」
需要指出的是，这项研究的尺度仍非常有限：
- 只有 3 组手指—音符的关联，脑片直径仅约 5 毫米；
- 声音识别与机械手控制仍依赖传统 AI 模块；
- 结论仅限于「成年脑组织可在人工闭环中形成新的感觉—运动映射并完成模仿」，而非任何意义上的通用生物计算。
更准确的理解是：研究团队第一次把一块真实的成人脑组织放入了一个可以感知、行动、再学习的闭环系统，并观察到它能在没有外部奖励的情况下自发形成新的关联。这既为神经可塑性研究，也为「混合 AI」这一长期设想，积累了一个新的、值得严肃讨论的实验样本。