首个活体机器人诞生：青蛙细胞生成，超级计算机设计
本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
全球首个用细胞做成的活体机器人，已经诞生了。
不是设想，不是科幻，是实实在在登上顶级期刊的科学研究。
而且不用金属、塑料打造，采用青蛙表皮细胞和心脏细胞重组。
这就是顶级期刊《美国科学院院报》(PNAS)最新发表的惊人研究，来自美国佛蒙特大学和塔弗茨大学团队。
论文通讯作者约书亚·邦加（Joshua Bongard）说：
它们既不是传统的机器人，也不是已知的动物物种。这是一种活的、可编程的有机体。
合著者迈克尔·莱文（Michael Levin）也表示：
这是全新的生命形式。它们从未在地球上出现过。
这些机器人，被命名为Xenobots。
研究者认为，其在水性介质中行动的特性，展示了未来无限的可能性：清理海洋中的微塑料污染，作为可生物降解的药物输送机器人等等。
但当它被展示在大众面前时，立即引起了许多人的恐慌。
是的，有科幻电影《异形》、《异星觉醒》内味了。网友纷纷表示：吓死我了。
外媒《连线》则用四个字来形容：毛骨悚然。
活体机器人，到底是怎么一回事？
Xenobots：首个活体机器人
这个名叫Xenobot的“异形机器人”，长度不到1毫米，是非洲爪蛙心脏细胞（收缩细胞）和表皮细胞（被动细胞）的结合。
结合的依据，是佛蒙特大学的超级计算机集群Deep Green设计出来的模型。
研究人员在这个具有20000台笔记本电脑计算能力的集群上演算了一种进化算法。
在反复试验当中，用类似自然选择的方式，将性能较差的模型设计剔除。
代码已开源，地址见文末
这两种细胞都是研究人员从爪蛙胚胎干细胞中分化得到的。
研究人员先将胚胎细胞切开。
细胞被切开的两个部分，单独进行培养。
而后将二者慢慢进行重建。
最后，按照超级计算机模拟出来的设计，用镊子和电极对这个重塑的细胞进行“雕琢”。
所重塑的细胞形状各异，有的是楔形，有的是拱形。
在下图中，顶部的绿色部分是被动细胞，而底部红、绿交替的部分便是主动细胞。
△绿色为表皮细胞，红色为心脏细胞
通过心脏细胞产生的收缩，Xenobot能在水性介质中移动。
△已调整为8倍速
不单单能直线行进，也能转圈圈。
不同于金属、塑料打造的机器人，Xenobot是完全可生物降解的。
并且，它还具有自我修复能力。
论文通讯作者Joshua Bongard介绍：
我们把机器人切成了两半，结果它不仅能把自己缝合起来，其后还能继续活动。
有趣的是，如果你将这个机器人翻转过来，它就像乌龟翻了个个儿背朝下，会失去移动能力。
计算机+生物，跨界合作
这项研究由佛蒙特大学计算机科学系教授约书亚·邦加的团队主导。
论文一作是山姆·克里格曼。佛蒙特大学博士研究生，致力于进化机器人的研究。
△山姆·克里格曼（Sam Kriegman）
通讯作者约书亚·邦加教授博士毕业于苏黎世大学，现在是佛蒙特大学计算机科学系教授，形态演化与认知实验室负责人，研究重点是进化机器人技术，进化计算和物理模拟。
△约书亚·邦加（Josh Bongard）
而组装机器人的工作，主要由塔夫茨大学生物系教授迈克尔·莱文团队完成。
△迈克尔·莱文（Michael Levin）
异星觉醒？
研究者们认为，Xenobot的特性展示了其未来无限的可能性。它们可以被用来清理海洋中的微塑料污染，定位和消化有毒物质，或者进入人体血管，精准输送药物、清楚动脉壁上的斑块等等。
但或许，这样的一个“异形”机器人，会让你想起科幻电影《异星觉醒》：一个单细胞就能毁天灭地。
已经有网友表示受到了惊吓：
论文一作山姆·克里格曼（Sam Kriegman）坦承，这项研究带来了新的道德问题：这类机器人的未来变体可能具有神经系统和认知能力。
我认为重要的是，这项研究是公开的，社会可以对其进行讨论，政策制定者也能有针对性地指定最佳行动方案。
论文的另一位作者，塔夫茨大学教授迈克尔·莱文（Michael Levin）也指出，这种恐惧并非不合理。但他认为，他们的工作是在帮助人们更好地理解这类系统。
这项研究正是对人们所担忧的事情的直接贡献。
你怎么看呢？
传送门
论文地址：
https://www.pnas.org/content/early/2020/01/07/1910837117
Github项目：
https://github.com/skriegman/reconfigurable_organisms
暂无评论，快去成为第一个评论的人吧
更多资讯推荐
- MIT提出Liquid机器学习系统，可像液体一样适应动态变化
-
麻省理工学院（MIT）的研究者开发出了一种新型的神经网络，其不仅能在训练阶段学习，而且还能持续不断地适应。
机器之心 · 2021-02-21 15:47:47
- 规划智慧城市时，别忘了无障碍通行
-
要想成为一个智慧城市甚至一个智慧世界，虽然可能需要时间和有针对性的规划，但我们必须以人为本。
蒙光伟 · 2021-02-21 10:26:41
- 2021关于人工智能的五大趋势
-
数字化变革，比过去10年更多，这主要是由于远程工作的规模，以及企业迅速部署了必要的技术，尤其是与网络安全相关的技术。那，2021关于人工智能的五大趋势会是如何的呢？
Lichu · 2021-02-21 10:21:01
- 使数据中心更智能：人工智能如何发挥作用？
-
随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件，数据中心正处于这种数字化转型的关键。
Cassie · 2021-02-21 10:14:59
- IBM拟出售Watson Health后，AI医疗还能不能碰
-
医疗服务仍然是一块商业上尚未被完全发掘的市场，看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在，对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向，为何要在此时萌生退意？它的故事给业界带来哪些启发？眼下的AI医疗市场，究竟是一副什么样的局面呢？
物联传媒 · 2021-02-21 08:41:16
- 抛弃归一化，深度学习模型准确率却达到了前所未有的水平
-
我们知道，在传递给机器学习模型的数据中，我们需要对数据进行归一化（normalization）处理。
机器之心 · 2021-02-20 21:09:12
- 华人博士生首次尝试用两个Transformer构建一个GAN
-
最近，CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明，transformer 有可能成为计算机视觉任务（如分类、检测和分割）的强大通用模型。
Yifan Jiang · 2021-02-20 21:04:53
- 无监督训练用堆叠自编码器是否落伍？ML博士对比了8个自编码器
-
柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。
Tilman Krokotsch · 2021-02-20 20:57:16