有机体智能可以用人类的脑细胞大大提升人工智能的处理能力
现在每个人都在争先恐后地将人工智能与人类生活的尽可能多的方面相结合。 神经网络和 机器学习可以提供大大提高的处理速度，但这些方面仍然依赖于数字途径，可能永远不会完全模仿人脑的生物结构。人工智能改进的下一步将是结合数字世界和生物世界的优点。一些科学家已经在尝试这种可能性，因为学术期刊《科学前沿》上发表的一篇新文章正在深入研究生物计算机和类器官智能（OI）领域。
今天，所有的人工智能应用都依赖于强大的CPU所提供的计算能力 CPUs或 GPU.另一方面，OI正在寻求通过利用实验室培养的细胞培养物的复杂性来带来 "计算速度、处理能力、数据效率和存储能力方面前所未有的进步"，这些细胞培养物是由成人皮肤细胞转用的，由神经元和其他脑细胞的三维集群组成。
与其训练计算机模型来重现人类的思维过程，一个更有效的解决方案是将数字处理方法与生物大脑结构实际结合。约翰-霍普金斯大学彭博公共卫生学院教授、上述科学文章的共同作者之一托马斯-哈同解释说。
硅基计算机当然更擅长处理数字。例如，AlphaGo（在2017年击败世界头号围棋选手的人工智能）是根据16万场比赛的数据训练的。一个人必须每天下5个小时，超过175年才能经历这么多游戏。
我们正在达到硅计算机的物理极限，因为我们无法将更多的晶体管装入一个小小的芯片。大脑的接线方式完全不同。它有大约1000亿个神经元，通过超过1015个连接点相连。与我们目前的技术相比，这是一个巨大的功率差异。
虽然缩小晶体管的新方法超过了 安斯特罗姆阈值的新方法，但计算机电路的能源效率在这方面仍然远远不能与人类脑细胞的能力相比。哈同明确指出，"训练AlphaGo所花费的能量比维持一个活跃的成年人十年所需的能量还要多。
目前，科学家们已经成功地构建了包含约5万个细胞的器官模型。这是一个有希望的开始，但是，为了看到任何超越人工智能目前能力的实际用途，哈同认为有机体需要扩展到超过1000万个细胞。以目前的可能性来看，在实现这种复杂的类器官结构之前，我们需要数年，甚至数十年的时间，所以有足够的时间为这种方法开发一个道德准则。为了说明问题，另一位合著者布雷特-卡根博士在2022年12月的一项研究中展示了一个单一的扁平脑细胞结构如何能够学习打乒乓球。
除了提升人工智能应用的处理能力，OI还可以帮助确定阿尔茨海默氏症等神经系统退行性疾病的治疗方法，甚至发现各种能提升人类学习和记忆能力的物质。
