Transcription
感谢您加入“改变世界”播客，这是印度首个科技与可持续发展相结合的播客。今天，我非常荣幸能与 Final Spark 的联合创始人兼联合首席执行官 Fred Jordan 博士一起。Final Spark 是一家利用生物神经网络设计通用人工智能的初创公司。Final Spark 推出了名为 Neuro Platform 的创新在线平台，该平台提供对 16 个类脑器官的远程访问。这项开创性服务声称是世界上第一个提供体外生物神经元访问的在线平台，其声称是，其 Neuro Platform 中使用的生物处理器比我们习惯的传统数字处理器或大型语言模型消耗的能量少一百万倍。因此，博士，我非常感谢您抽出宝贵时间参加播客。如果您能从解释什么是类器官、如何培养它们、可以培养哪些类型的类器官，无论是大脑、肾脏、肺、心脏，以及它们在结构和功能上与我们的器官有多相似开始，那就太好了。
首先，感谢您的邀请。嗯，这些问题很多。好的，我可以从根本上告诉您我们做什么。为了达到拥有类器官的程度，我们使用诱导多能干细胞，即人类 iPSC。这意味着，实际上，一切都始于分化的细胞，例如皮肤细胞，可以用来创建干细胞。这相当新，我指的是 20 年前它还不存在，我可以这么说吗？而且，我们使用这些干细胞作为起点。为了回答您的问题，您可以将这些细胞分化成您身体的任何类型的细胞，这可以是肺，也可以是肌肉。在我们的案例中，我们对大脑感兴趣。为了引导分化朝着大脑方向发展，我们将在我们的实验室中应用一些特定的方案，借助特定的分子，我们能够强迫分化朝着一个方向发展。这就是我们所做的。这个过程实际上需要几个月。在这个过程结束时，我们将得到一个直径约 500 微米的微小球体，可能包含 10,000 个神经元。
您说您从皮肤细胞开始，将其转化为诱导多能干细胞，然后从那里培养成任何您想要的细胞类型或器官，并从中创建类器官，对吗？您现在正在研究类脑器官。人脑极其复杂，拥有 800 亿个神经元，100 万亿个突触。正是这些信号的传递塑造了我们所有的视觉、触觉、嗅觉、味觉。而您说这里大约有 10,000 个神经元？去年，有一家公司，我记不起名字了，他们创造了一个类脑器官，里面大约有 880,000 个神经元。我想他们还训练了这些类器官玩纸牌游戏。您能详细说明一下吗？我的意思是，您将这些细胞培养成任何类型的类器官，您的专长是类脑器官。当您将其培养成类脑器官时，它变成生物计算机的过程是什么？嗯，这个过程是什么？我的意思是，如果您能谈谈这一点，那就太好了。
嗯，首先，简短的回答是，我们不知道。这是研究课题。我想您提到的公司可能是 Cynk Labs，我不确定他们是否在使用类器官或二维神经元细胞，这是另一种方案，也非常有趣，也有很多优点。所以，如果您想将类脑器官变成生物计算机，您必须训练它做一些有用的事情。就像您的电脑一样，如果您不给它任何软件，它就完全没有用。而且，对于计算机，我们有编程语言。所以，我想问题已经从根本上解决了，如何编程计算机。但对于类脑器官来说，情况并非如此。这里的编程依赖于改变神经元之间的突触连接，而这实际上是学习的过程，这与我们作为人类的体验非常接近。这意味着您有刺激，然后有反应，如果您的反应与意图和目标相符，那么您就成功学习了。这适用于任何事情，无论是说语言还是弹钢琴。所以，现在很多人都在努力，包括使用我们平台的人，就是训练这些神经元。然后有不同的方法可以做到这一点。
您能详细说明一下吗？您知道，当您说训练神经元时，您知道这些类器官是这样的，新闻说您有 16 个相互连接的类脑器官。当它们相互连接时，您如何读取类器官的放电和连接信号？它们在结构和功能上与人脑有多相似？您是否使用某种阵列来捕捉电极？如果您能先谈谈它们在结构和功能上与人脑有多相似，以及您如何捕捉信号并训练它做某事，那就太好了。
嗯，又是一堆问题。而且我的记忆力非常有限，所以如果我忘了什么，请告诉我。现在，如果我们比较类器官模型和人脑，我们离它还很远，非常非常远。首先，您的大脑中有不同的区域，有不同类型的神经元，亚型神经元和连接形态。我们可以一定程度上复制一些类型的神经元和亚型神经元，以及神经胶质细胞。考虑到您有 50% 的神经胶质细胞和神经元，神经胶质细胞非常重要。但关于形态，有很多可说的，形态是树突形态。您有一个神经元，有传入部分，有树突部分，它的形状也很重要，而且它取决于大脑的不同区域。所以，现在您有方案，如果您想制作海马体类器官，这是我们正在做的，例如，您有特定的方案。如果您想制作皮层类器官，您有其他方案。这在文献中是众所周知的，虽然新，但众所周知。所以，这可以做到。但即使是那些声称在特定大脑区域方向上做得更多的方案，实际上可能仍然离得很远。仍然有一些东西是您几乎免费获得的，如果您想要，您可以获得很多神经元。基本上，我们在神经元数量上是无限的。我们自愿停止增殖过程，否则我们会得到太多，它们会死亡。而且，连接性也非常高，我的意思是每神经元大约有 10,000 个突触。我想您是免费获得的。所以，问题是它已连接，它随机连接。所以，这是一个很好的起点，但仅此而已。所以，这是关于我们拥有的与大脑的比较。也别忘了尺寸。我们谈论的是直径 500 微米的类器官，您的大脑要大得多。据我所知，目前不可能制造出像 1 厘米这样大的类器官。嗯，实际上制造它们非常容易，但它们会死亡，内部会坏死，因为营养无法进入。因为当您制作类器官时，您知道我们真的只是制作神经元和神经胶质细胞，仅此而已，但不足以制造大脑。实际上，您需要血管系统将营养物质带入内部。所以，如果您做得不好，它会生长，但它会死亡。这就是为什么我们有点犹豫，但这或多或少是过去几个月的工作。但通常，这是我们能绘制的尺寸的一个硬性限制。这是一个开放性问题，我们肯定会在某个时候考虑。所以，这也是一个很大的区别。
那么，我们如何互动呢？这也是您的问题之一，我记得。所以，从根本上说，您是通过电信号进行互动。这实际上是我们现在正在一起做的事情，观看和收听此节目的人们，最终他们的大脑会接收到电刺激，我也在做一些事情来移动我的嘴巴和说话。所以，如果您有类脑器官和一些电极，基本上是传输信息所需系统的核心，您实际上不需要其他任何东西，您不需要感官或其他东西。我们可以模拟这些。我想说，现在有很多问题。当您放置一些电极时，神经元不太喜欢它。这是您可能遇到的问题之一，电极数量可能有限制。所以，有很多问题与电极有关。而且，在考虑训练时也有其他事情。您学习某事的过程不仅仅是通过输入输出，还有一些内部的东西，例如，如果您想到神经调节剂，如多巴胺，它会奖励成功的训练。这在行为学或科学中是已知的，在体内是训练的重要组成部分。因此，我们也包括在执行动作的关键时期释放多巴胺，也就是说，输出是为了奖励类脑器官的某些行为。所以，这是训练的一部分，但也有许多调节剂，我们将来可能会使用更多，以获得更好的结果。
所以，这是早期阶段，但是的，这仍然是非常开创性的。您知道，创造一个拥有大约 10,000 个神经元的类器官，仅凭一个细胞就有些神奇。我总是喜欢想象这可能意味着什么，在 20 年、30 年的时间线上，当技术不断发展时。因为我们目前的计算方式显然非常耗能且密集。而且，这绝对不是创造人工智能或通用人工智能的途径，一些顶尖公司正在朝着这个方向努力。这可能是未来一瞥。但我相信，我认为应该有更多的投资者，更多的勇敢的企业家，比如您，在世界向东时您向西。世界正在走向何方，您却走向这里。有一小群人正在走向这种有机类器官生物计算机。所以，给像您这样的人更多的力量，因为我认为利基市场有时会赢，因为他们是那些尝试做一些不同且非常独特的事情的人。因为不知何故，我看到由于这些大型语言模型，人工智能的其他领域的研究似乎有所下降，每个人似乎都在追逐这些大型语言模型。所以我希望这些更具新颖性的方法能够朝着我们正在努力的方向发展，即构建通用智能。我希望您所做的能够发挥作用。该领域还有其他人正在努力构建类器官和类器官生物计算机。您提到存在扩展的挑战，您知道我们只能是 500 微米。您认为这种创建类器官的方法有一天可能会将我们引向完全规模化的类器官的限制是什么？是否存在这样的未来或机会？也许也请谈谈您提供的 Neuro Platform，您似乎有九所大学在使用您的平台。如果您能谈谈 A 扩展和 B Neuro Platform，那就太好了。
嗯，首先，关于您所说的，这实际上非常真实。我认为，就人工智能而言，当今所有行业都朝着一个特定方向发展，那就是数字计算，这一点毋庸置疑。一切都已确定。这就是我们不在那里的根本原因，因为我们只有六个人，我们没有机会与之竞争。然而，我们所做的事情并不朝这个方向看，他们甚至不理解。我们与 IBM、Microsoft、Nvidia、Intel 交谈，他们没有理解，或者实际上，他们处于如此有利的地位，以至于他们实际上没有兴趣将一些精力转移到他们正在做的如此不寻常的事情上。所以，我们对这种情况感到非常高兴，因为在这个世界上，一家小公司很难真正创新，而不是跟随大公司，拥有一些根本不同的东西。但这是有代价的，正如您提到的，代价是投资者，因为投资者看待的方向与大公司完全相同，这是理性的做法。而且，为了资助这样的研究，您会发现地球上今天非常罕见，可以资助这些事情的条件。国家不会资助，风险投资也不会资助，大公司也不会。所以，在我们的案例中，这是我们的第二家公司，第一家公司取得了真正的商业成功，我们是它的全资拥有者，所以我们可以资助 Final Spark。但这是一个非常独特的情况，世界上只有极少数人有机会这样做。
所以，只是为了回答关于定位的问题。现在，您正在谈论通用人工智能是否可以通过这种方式实现，我的意思是，像这样的真正的人工智能。如果您考虑我们正在做的事情，比如说，让我们用活的神经元来制造人工智能。您可能会认为，这太疯狂了，这可能行不通，因为这太原创了，这太颠覆了。某种程度上，我会说这是极其保守的。这是说您可以在计算机上模拟神经元并获得智能，这是非常开创性的。这是一个非常大的假设。我的意思是，我们已经在使用生物神经元，我们正在利用您和我，而且它正在起作用。所以我只是在使用一种非常保守的方法。所以，这就是它的有趣之处。现在，也提一点，我们拥有的 16 个类器官之间没有相互连接。它们都可以并行访问进行实验。有时我们喜欢同时在 16 个类器官上启动实验，这样我们可以获得更多结果。因为您知道，生物学的一个挑战始终是可重复性。如果我成功地做了一件事，但无法再次做到，那无关紧要。而且每个类器官都不同，就像我说过的，每个人类个体一样，尽管所有类器官都拥有相同的 DNA。而且，我们越多地将它们放在电极上，以及我们放置它们的角度，都是随机的。所以，我们不知道我们会连接什么。
所以，我来谈谈 Neuro Platform。这 16 个类器官可以供人们远程使用。有趣的是，这是 COVID 的一个结果，COVID 的一个意想不到的次要影响，这个平台。因为在 COVID 期间，我们无法去实验室，但我们仍然想做实验。所以，我们开始做的是实现从家里的远程连接，以便刺激和读取神经元，并更改泵等等。在 COVID 结束时，我们可以从家里做几乎所有事情，不是所有事情，但大多数事情。然后我们意识到，如果我们能从家里做到，我的意思是离实验室 20 公里，那么离实验室 10,000 公里的人也可以使用它。然后我们问了两个大学，看看他们是否有兴趣。有 34 所大学想使用它。所以，当然，我们也无法免费提供，实际上，我们所做的是提供 34 个并行访问。所以，我们根据标准选择了九所。两个标准是科学项目的质量，基于文献和许多事情，以及我们系统的能力与他们想要做的事情相比，以及人们的动机。大学的成绩如何并不重要，无论是学生还是教授。重要的是这两点。然后我们选择了九所，并使用它。我可以告诉您，有 247 个预订。所以，每个人都有一些预订，甚至我们有时也必须预订才能使用神经元。所以，看到所有这些人都在研究与我们相同的主题，即生物计算或湿件计算，我不知道人们如何称呼它，这很有趣。而且，这很有趣，因为我们可以看到不同的方法。这确实是一个开放的创新方法来解决这样一个问题。我们需要的是优秀且有动力的人，让他们去玩。而且，也要帮助他们。我们不断更新我们的软件，以便他们可以有更多的方式来刺激和读取神经元，以便进行更多的实验。
好的，是的，博士。我的意思是，祝您和您的六人团队一切顺利。我认为一些最伟大的创新发生在小型团队中，没有层级结构。因为如果您去看看 Microsoft，它并没有建立 OpenAI，它收购了它。当 Microsoft 拥有所有资金时。Google 并没有建立 DeepMind，它已经存在了，他们收购了它。而且，我认为一些最伟大的创新发生在这些小型公司中。而且，我认为人类和投资者的自然倾向是，去那些您能获得最快投资回报的地方。而生物计算机可能是实现通用人工智能的一种改变游戏规则的方式。因为大型语言模型以其数据饥渴的方法，绝对不是大脑的工作方式。大脑的功能与这些需要摄入海量数据的、耗能巨大的 LLM 完全不同。所以，是的，我的意思是，如果您坚持下去，您所做的事情可能是我们能够实现人工智能的途径。我曾以为这 16 个类器官会像蜂群思维一样相互连接，但您说它们都是单个的、独立的。您提到了您提供访问权限的九所大学。他们迄今为止取得了什么成就？他们正在训练什么？他们正在开发什么？如果您能谈谈这九所大学迄今为止所做的事情，那就太好了。
首先，我们已经开始，这些大学已经工作了几个月了。我们已经开始与其中一所大学每周举行一次会议，从两周前开始。我们正在了解他们的确切状态以及他们正在做什么。我能告诉您的是，有一个方向我发现非常有趣，那就是连接组学。也就是说，有一些理论，或者说算法，可以根据我们从电极获得的空时模式来猜测哪些神经元与哪些神经元相连。而这所法国的大学已经能够找到一些神经元之间的连接性。甚至更好的是，他们能够通过高频刺激来改变这些神经元的连接性。这是一个非常有趣的结果，而且我可能不确定我们自己是否会得到这个结果，因为我们没有朝这个方向发展。
在虚拟环境方面，您试图……我之前告诉过您，您所知道的关于您环境的一切，都是基于与您环境的电输入和输出获得的。我告诉过您，我们可以模拟它，我们可以模拟一个虚拟环境，类器官将在其中生活，它会相信这是现实，就像在《黑客帝国》中一样。而有些人正在构思完全相同的想法，因为我们也在朝着这个方向努力，但它已经达到了……存在相同的假设，相同的宇宙，这确实令人震惊。而且，如果您想到第一架飞机，它们是在不同地方发明的，大致在同一时期，最终看起来大致相同。所以，这非常有趣。这里有两个谜团：为什么人类突然朝着一个方向发展并产生新的想法？第二个，也许不是谜团，是为什么人们最终会得到大致相同的东西，即使他们没有……我的意思是，这不是一个间谍问题，只是一个问题，鉴于今天的工程技术水平，相同的想法和逻辑过程会为您带来大致相同的结果。所以，我们正在收集这些信息，并且我们知道这些大学正在研究什么。这也可以在我们在《前沿》杂志上发表的文章中找到，上个月我们对每所大学的工作进行了总结。
您认为需要取得哪些突破才能创造一个功能性的生物计算机，使其超越硅基的传统计算机？您能否量化湿件计算与传统计算机相比的潜在节能效果？
嗯，我将从最后一个问题开始，因为有一些数字在流传，大约是少一百万倍的能量消耗。只是为了说明一下，您的大脑由大约 1000 亿个神经元组成，每个神经元有 10,000 个连接。明天我想在数字计算机上模拟您的大脑，进行一次不错的模拟，不完美，但实时。我需要一个小型核电站，这就是我想要的。但您的大脑，正如我们现在谈论的，消耗的能量相当于 20 瓦。所以，我们可以看到，这正是使用错误工具的定义，但这取决于任务。您不会在生物计算机上运行 Windows 11，我不相信。生物计算机的延迟将永远比数字计算机大得多。这真的与神经元的过程有关。我的意思是，神经元实际上不是通过电力工作的，这是错误的。它不是这样工作的。它通过离子在膜上来回移动来工作。我的意思是，与电力相比，这是一个令人难以置信的缓慢过程。而且，这只是关于脉冲。然后是突触之间的连接，这更糟糕。您实际上有分子释放通过膜，然后到达突触前侧，在那里有受体接收它并转化它，并让一些离子进入突触后侧。我的意思是，这本质上是一个非常缓慢的过程。所以，不，生物计算机不会取代一切，也不会有数字计算机。我的意思是，当然。但是，有很多发明，电视存在，它并没有取代书籍。互联网出现了，它并没有取代电视。所以，事物在相互补充。但是，对于某些任务，特别是我们使用人工神经网络的任务，生物神经网络非常受欢迎，因为这是显而易见的事情。因为在人工神经网络中，您试图模拟神经元，所以如果您已经拥有它们，那么从一个到另一个是合理的步骤。而制造像 Windows 这样的操作系统在生物计算机上不是一个合理的步骤。量子计算机也是如此。我的意思是，我们谈论的是非常具体的任务。所以，对于它们，现在我想把这个放在背景中，关于我自己的回答。我只是想批评我自己的回答。如果您问发明晶体管的人，它的应用会是什么？我敢肯定他不会想到智能手机和互联网之类的事情。所以，我所说的基于我对我类器官和电极的非常短视的看法。
是的，是的。我认为画布确实非常广阔和开放，而且非常巨大。您提到了连接组学，也许可以模拟人脑。我认为通过多年的努力，我们已经能够……我的意思是，经过漫长的岁月，我们已经能够创建秀丽隐杆线虫的连接组，一种只有大约 3002 个神经元的线虫。我们已经能够对果蝇进行连接组学研究。最近，我认为 Google 已经能够对人脑的立方毫米进行连接组学研究。您认为阻碍完成整个人脑连接组学的障碍是什么？我们离完成还有多远？因为世界上有许多人致力于……我的意思是，体外方法来理解。有 Henry Markram 的 Blue Brain 项目等等。您认为我们离理解整个人脑还有多远？然后可能模拟它。因为我投资了 AR/VR、Meta、空间计算，我坚信我们已经生活在一个模拟世界和矩阵中。因为如果我们能够模拟秀丽隐杆线虫并进行连接组学研究并创建模拟，我的意思是，我确信我们可以扩大规模。那么，您对此有何看法？您认为我们需要多长时间才能模拟整个人脑？
首先，我对这个没有专业知识。而且，Blue Brain 项目对我们很重要，因为它主要在瑞士，离我的实验室只有 30 公里，是 EPFL 的 Blue Brain 项目。而且，它可能在我们在瑞士创建这家公司方面发挥了非常大的影响，因为间接的，我们获得了大量的能力。而 Marram 教授，他是该项目的负责人，我们遇到了他，所以我们受到了一些启发。所以，对此感觉很好。现在，您谈论理解。看看过去 40 年发表的关于人类神经元和神经胶质细胞的文献。我们似乎随着细节的深入，总是会发现更多的复杂层次。我们积累了越来越多的知识。而且，事实是，这并不确定。我的意思是，我猜有一天它会很有用，但很难。我们从未获得如此多的信息。我想知道我们如何才能有效地利用过去 40 年积累的所有知识。而且，这开始成为一个真正的问题，信息集成成我们可以使用的东西。因为生物学不像物理学，您可以有一个解释所有实验的定律，然后就结束了。不，这是一个关于总是特殊情况的问题，细节非常重要，而且到处都有细节。所以我可以告诉您，Final Spark 的理解关系是完全不同的。我的意思是，这与大型数字计算公司和我们做其他事情的情况相同。我们也是从根本上不同的。我们不寻求理解。我们不会击败 40 年来非常聪明的人，非常有知识的人，有六个人，没机会。我们可以做的是阅读文献，阅读所有这些伟大的人已经做过的事情，并尝试使用他们已知的东西来达到我们的目的。而且，您知道，在不理解细节的情况下做事并不是那么开创性。让我们再次谈谈飞机。我不确定飞机的发明者是否真正掌握了空气动力学。实际上，他们对此一无所知。这是尝试。我不是说盲目尝试。但是，想想人工神经网络，这更令人难以置信。我们知道所有细节，因为我们做到了。我的意思是，我们做得正是如此。即使我们知道一切，我们仍然有一些出版物试图理解整个事情是如何运作的。这真是令人难以置信。所以，公司理解的方式，因为我们试图做有效的事情，这是我们的目标。而首要的事情是让它奏效，而不是理解所有细节。
所以，博士，这些是活的计算机。您的直觉是什么？它会感到疼痛吗？类器官可以存活多久？类器官会自发死亡还是必须终止？您预见到湿件计算发展中的伦理考虑和挑战是什么？
所以，再说一遍，您的问题中有很多问题。所以，关于疼痛，我不知道。就这么说吧。有些事情我非常了解，有些我完全不了解。我认为有些事情没有人知道。所以，有三类事情。关于我们类器官的寿命。一开始是大约一小时，几年前。现在是大约 100 天。而 100 天我们觉得足够进行一些关于训练这些神经元的良好学习和训练。所以，我们不太关注延长寿命。现在，您的神经元将存活大约 80 年，这在人类身上很典型。所以，我们看到神经元的基本寿命约为 80 年。我相信我们可以延长它。这……不要认为这将是一个重大挑战。这是一个严肃的挑战，但我们还有更大的挑战。所以，我们不必终止，不是在这个意义上。现在发生的是，当我们看到活动较低时，有时我们会移除大脑类器官，并替换新的。因为您需要一定水平的活动来对刺激做出反应。所以，我们有一个基于此的过程。我必须提到，因为我们看到活动较低，活动较低。让我解释一下。让我们谈谈神经胶质细胞。没有人关心这些微小的神经胶质细胞。但我认为我必须为神经胶质细胞而战并站出来。而这些神经胶质细胞可能在类器官和电极之间发育，并可能增加我们连接的阻抗。最终结果可能是我们看到的放电活动减少，仅仅是因为我们的电极和神经元之间存在一些隔离。所以，也为了说明这一点，当我们说活动减少时，可能与我们的神经球或类器官的健康无关。您应该知道，在我们拥有的方案中，我们在轨道振荡器上制备类器官，它们以大约 80 转/分钟的速度振荡，24/7。然后我们取出它们，将它们放在电极上，当我们需要的时。我们有成千上万的它们以这种方式振荡，24/7。但我们可以让它们存活两年，没问题。实际上，自五年前我们开始以来，我们从未遇到过它们在培养箱中死亡的情况。所以，问题更多是与电极的相互作用。显然，活细胞，如神经元，不太喜欢电极。这是一个众所周知的问题。人们正在研究这个问题。而且，正如经常发生的那样，我们大量重复使用体内完成的所有工作。有大约 30 年的体内电生理学我们可以重复使用。所以，我们继续阅读所有作者所做的工作，并说“啊，太棒了，他们做了这个，我们可以为我们的生物计算机使用它。”拥有所有最先进的技术来挑选我们需要的这些东西真是太棒了。
博士，世界上有各种实验室正在使用类器官来更好地理解人脑，以寻找治疗方法和疗法。因为您知道，这些类器官有点像我们的大脑或肺部，然后您学习什么是对的，什么是错的，然后您围绕它创建治疗或疗法。Final Spark 是否正在努力在该领域工作，您的 Neuro Platform 的理解可以为更深入地理解人脑及其功能做出贡献，最终可能导致治疗和疗法，例如神经系统疾病和脑损伤？我的意思是，想想这个，您可以开发一个您自己大脑的类器官，使用您的 DNA 和您相同的神经元。所以，我实际上可以直接在您自己的神经元上测试分子药物，而不会影响您。而且，这比任何动物模型都要好得多，即使它是一小部分，它仍然更好。而且，这还不是全部。有次级效应。次级效应是药物的关键问题之一。有时您服用大脑的药物，然后杀死您的肺部，太棒了。所以，您也可以培养您的肺部类器官，您的肺部，以及一切。然后您可以测试该分子是否在您的肺部起作用，并且不会对您身体的其他器官产生不良的次级效应。所以，这是一个非常有趣的研究方向。而且，我知道一些人，一些初创公司确实专注于此。我们之间最大的区别是，我的意思是，这不是竞争性差异，因为我们不想进入这个市场。但事实是，我们现在拥有的是可用的。我的意思是，如果您访问 Final Spark 网站，您会看到神经元每时每刻都在实时放电。这是来自实验室的实时信息。如果它们都死了，您将看不到放电，您将像我们一样被告知。所以，总是想法之间的区别。我们可以这样做，我们可以那样做，那将是伟大的。在现实中，访问网站，它现在正在工作。所以，类器官将在未来医疗保健中发挥如此巨大的作用，尤其是在您提到的药物发现领域。您知道，您可以获取一个人的细胞，将其转化为任何器官，从中学习，然后创建更好的药物，实现个性化医疗。所以，医疗保健的未来，我认为类器官几乎是相互关联的。
我的最后一个问题是，博士。您设想的 Final Spark 的未来是什么？您如何看待您所说的湿件计算本身在未来大约 10 年的时间范围内发展？这些应用是什么？您认为这些湿件计算可以创造和开发出什么？
嗯，关于 Final Spark 的未来，这也取决于我们能筹集到多少钱。所以，现在我们处于一个我们可以自己投资的境地，我们从其他公司获得的资金。这可以持续很长时间。但我们希望最终能加快速度。我们希望筹集 5000 万欧元或瑞士法郎，5000 万。对于像我们这样的深度科技公司来说，这是一笔巨款。但如果发生这种情况，我的意思是，这可能是使研究真正大规模发展的区别，因为我们需要在这里进行大量试验。这不仅仅是思考，而是实验和测试，以及需要聪明的人。所以，Final Spark 的未来围绕着这些投资者。但我很高兴看到，在过去的几周里，有几位投资者来找我们，并且似乎对购买我们或来自亚洲的东西非常感兴趣。所以，这很有趣。现在，未来，但计算，我确信它将持续下去。它肯定不会消失。我们的计划是，我们应该在七年内拥有适用于云计算应用的有效产品。所以，云计算。这不是任何类型的云计算。您不会通过这种方式进行加密信息计算。但是，人工神经网络所做的所有任务，以及在像 LBT 这样的云计算系统上，实际上可能是候选者。最终的好处是，您可以使用您今天已经使用的系统，即基于云计算和人工智能的系统，并完成相同的任务，但在此过程中，您消耗的能量减少了一百万倍。这就是最终结果。我的意思是，这是一个非常有趣的目标。正如我们所知，在当今世界，所有限制都存在，能源需求不断增长，资源有限。您要么减少资源使用，要么用更少的能源完成相同的工作。我们相信第二种方法。不是做得更少，而是消耗更少。是的，我们谈论的不是几个百分比的节省。我把这个巨大的因素，一百万倍，实际上，如果您能够做到我们想要的，那么在计算对计算环境影响方面将没有任何问题。它将完全消失。所以，我认为这是一个有趣的方向。
博士，非常感谢您抽出宝贵时间参加播客。我希望世界各地的投资者能够携手合作，支持那些正在创造或挑战自己以一种全新的方式做事的企业家。我希望投资者现在能尝试更大胆一些，投资于创造新范式的企业家。因为正如您指出的，我的意思是，您知道，这些大型语言模型消耗巨大的能量，而我们正面临气候危机。我的意思是，每年我们都超过 1.5 摄氏度，我们需要重新审视我们的计算方式。因为世界正在数字化，它变得越来越互联。而且，这不仅仅是硅。我的意思是，您知道，对它的依赖需要消失。我认为我们可能需要看看神经形态计算，我认为这真的很酷。量子计算，我认为还需要一些时间。但我希望有更多的投资者支持这些替代方式，这些方式可能真正引领我们实现通用人工智能的目标。我的意思是，神经形态计算，也许是湿件计算，也许是量子计算。所以，祝您和您的团队一切顺利。对于我的听众，如果您喜欢您所看到和听到的，请按下订阅按钮。下次再见，各位，再见。谢谢。谢谢，博士。非常感谢。谢谢。