有机计算：人工智能与真菌网络的逻辑力量

人工智能有一个巨大的能源问题。解决方案可能不是来自硅超级计算机，而是来自大自然。非常规计算的研究人员正在将活的真菌网络（菌丝体）与人工智能算法对接，以创建逻辑门、电路和超低能耗的“有机忆阻器”。在本文中，我们探索真菌计算和生物电子混合的迷人世界。真菌没有大脑，如何解决逻辑问题？通过生长。如果计算机的未来不在于编程，而在

人工智能永不满足的能源需求正将半导体行业推向物理与生态的临界点。当全球数据中心为训练日益庞大的语言模型而消耗着堪比整个国家的资源时，在非常规计算实验室中，一种激进的替代方案正在崭露头角。这不是设计更密集的硅芯片，而是将计算委托给生物学本身。

基于真菌的有机计算不再是有趣的生物艺术实验或文学隐喻，而是一个严谨的工程研究领域，由Andrew Adamatzky及其团队在西英格兰大学非常规计算实验室等先驱引领。其基本理念令人震惊：利用活体真菌菌丝网络，与人工智能软件互联，来解决复杂的逻辑问题。

在本期场景与思考专栏的深度探讨中，我们将探索真菌计算机的工程学。我们将提出的论点——得到新兴科学文献的支持——是有机计算并非注定取代硅的奇异替代品，而是一种必不可少的互补范式。我们正在进入一个时代，在这个时代中，智能将不仅仅源于对比特的显式编程，而是从活体网络的生长、适应和生物电中自发涌现。

1. 超越隐喻：纯粹的真菌计算

要理解一个没有大脑的生物体如何能够处理数据，我们必须观察地下世界。菌丝体——构成真菌营养体的丝状网络（菌丝）——是一种非凡的通信基础设施。正如发表在Interface Focus（皇家学会）上的奠基性论文所证明的，真菌内部的信息以电活动脉冲和化学信号的形式传播，与人类神经元的动作电位非常相似。

“纯粹的真菌计算”利用这一网络作为物理基底。研究人员将布尔逻辑值（0和1）编码为这些电放电的存在或缺失。发表在arXiv（“真菌菌丝网络中的逻辑”）和PMC上的研究表明，菌丝体天然的电阻和电容（RC模型），加上其形态变化，能够实现信号的非线性变换。这意味着，通过策略性地将电极放置在如黑曲霉或平菇等真菌菌落中，可以实现真正的逻辑门（AND、OR、NOT）和复杂电路。逻辑输出只需通过测量活体基底在菌落边缘的电响应来解码。

2. 活体忆阻器与可持续神经形态硬件

如果真菌逻辑门代表了处理器，研究人员也找到了创建存储器的方法。现代人工智能的瓶颈之一是计算单元与存储器之间的物理分离（冯·诺依曼瓶颈）。神经形态硬件试图通过“忆阻器”（具有记忆功能的电阻）将这两种功能融合，以模仿人脑。

俄亥俄州立大学发表在PLOS One上的一项突破性研究，利用常见的香菇（ Lentinula edodes）菌丝体证明了真菌忆阻器的可行性。这些真菌网络与金和锡电极接口后，可以真正被“训练”来保持信息。有机忆阻器已被证明能够在高达5.85 kHz的频率下保持其功能，准确率高达90±1%。更令人难以置信的是，基于香菇的真菌计算机可以通过脱水循环进行保存，并表现出对宇宙辐射的固有抵抗力。这一细节开启了难以想象的场景：可扩展、零影响且生态兼容的计算平台，非常适合远程航天任务中的数据处理。

3. 杂交：仿生人工智能遇见真菌

当有机计算不再孤立运行，而是与人工智能软件融合时，量子飞跃便发生了。我们正在见证生物-电子杂交的诞生，其中活体菌丝体与模数转换器（ADC）和微控制器接口，以读取和引导人工神经网络的运算。

这一领域最引人入胜的实验描述在提交至Zenodo的一篇论文中，该论文介绍了MyceliumTransformer（被戏称为大型语言蘑菇）。研究人员将Psilocybe cubensis的孢子整合到一个基于Transformer架构的人工智能框架中。在一个固定的5×5节点电子网格中，菌丝体被允许在受控环境中生长。随着生物网络的成熟，它形成了导电通路，充当物理突触权重。将这种活体硬件与强化学习算法（根据真菌预测响应的准确性，通过改变营养物质来奖励或惩罚真菌）相结合，该混合系统成功解决了经典逻辑任务（如XOR问题），其效率是纯硅硬件无法达到的。集成菌丝体被证明对于以自适应和去中心化方式处理信号至关重要。

4. 通过生长解决几何问题

菌丝体真正的超能力不是速度，而是其无与伦比的解决复杂几何优化问题的能力。正如加泰罗尼亚开放大学的科普文章和报告所强调的，真菌网络擅长解决那些会让经典超级计算机陷入困境的问题，比如著名的“旅行商问题”（找到连接一系列点的最短路径，且不重复经过同一点）。

传统算法必须迭代计算（使用暴力法或启发式方法）数千种变体，消耗大量能源，而真菌网络解决这个问题的方式是……活着。通过摄取营养，真菌自然生长，在不同的食物来源之间追踪热力学上最高效的空间路径。换句话说，生物体通过自身的生物生长模式计算出最优解。这种被称为基于生长的计算的方法，能够生成Voronoi图、Delaunay三角剖分和复杂的邻近图，而所消耗的电力仅为GPU所需电量的一小部分。

关键操作要点（面向工程师和研究人员的要点）

  • 设计混合架构，而非替代架构：科技行业不应将菌丝体视为中央处理器的替代品。真菌提供无与伦比的能源效率和韧性，但在信号传播速度和统计可重复性方面存在巨大局限。操作目标是创建混合协处理器：使用硅来实现串行计算的速度，使用真菌组织来实现空间优化和低功耗决策。
  • 重新定义感官处理（传感器融合）：菌丝网络本质上是去中心化的，并已进化出在广阔区域整合化学、热和触觉输入的能力。未来的环境传感器（用于精准农业或森林监测）可以利用本地真菌网络作为天然的边缘处理器，仅将土壤中已经化学预处理的數據发送到中央人工智能服务器。
  • 将生物不确定性整合到人工智能模型中：生物-电子接口软件的开发需要范式转变。代码必须具有容错性和自适应性，准备好应对菌丝体的波动、细胞死亡或化学漂移。人工智能不应发出僵硬的命令，而应与生物体“共生”，解读其自发反应。

结论：培育智能

有机计算正迫使我们放弃算法决定论的傲慢。几十年来，我们将人工智能构想为数学秩序对自然混沌的胜利，建造孤立且恒温的硅大教堂来执行数十亿次完美而线性的计算。如今，面对这场竞赛在热力学和能源上的不可持续性，我们正重新叩响林下世界的门扉。

人类算法与千年菌丝体之间的杂交开启了令人眩晕的哲学场景。我们正在构建一个生态系统，其中智能是一个协作和分布式的过程，软件代码与有机分支以离子和细胞外电位变化构成的语言进行对话。

这一视角迫使我们颠覆对计算机工程的方法，并面对一个令人不安的问题：如果一张经过数十亿年盲目进化磨练的真菌网络，能够仅消耗接近零的能源，就字面意义上地“生长”出一个逻辑问题的最优几何解，那么固执地设计必须为每个单一任务显式编程的无菌计算机还有意义吗？还是说计算的真正未来将不再在于编写智能，而在于耐心地学习培育它？

参考文献与来源

本文由La Bussola dell’IA编辑部撰写