约翰·霍普金斯大学发表综述，阐述了一个全新术语——类器官智能（Organoid Intelligence，OI），来描述目前生物智能的发展，并提出了一个协作计划，来实现OI在多学科领域的发展。目的是将OI建立为一种真正的生物计算形式，为生物智能点亮发展前路，最终开发出比硅基计算和人工智能更快、更高效、更强大的计算机。预计基于OI的生物计算系统将允许处理更复杂的任务及更快执行决策，并可在任务中持续学习，同时拥有更高的能源利用效率和数据转化效率。
      目前，已可生产出高度标准化和可扩展性的大脑类器官，直径在500 μm以下，由不到10万个细胞组成，约是人类大脑体积的300万分之一，理论上拥有800MB内存，培养寿命可超过1年。这些大脑类器官大多表现出自发的电生理活动和对电刺激的反应，证实了活跃突触的存在。其中约40%轴突髓鞘化，与人脑（50%）接近，将导电性提高了约100倍，有望提高大脑类器官的生物计算性能。这些大脑类器官还富含参与生物学习的少突胶质细胞、小胶质细胞和星形胶质细胞，进一步提高其学习和记忆能力。
      OI开发和实现的架构和蓝图展望：
      1）确定包裹在微电极外壳中的脑类器官的生物反馈特征，使用AI来分析对电和化学（神经递质及其相应的受体激动剂和拮抗剂）刺激的记录响应模式。
      2）发展、测试和完善神经计算理论，阐明体内生物智能的基础，允许人与OI系统交互和利用。
      3）进一步扩大培养脑类器官，增加OI系统的存储能力、复杂性、电极数量，发展与脑类器官实时交互的算法；构建OI系统的输入源和输出设备，开发大数据仓库和机器学习方法，以适应由此产生的大脑导向的计算能力。
      4）探索该计划如何提高对神经发育和神经退行性疾病的病理生理学的理解，实现创新治疗或预防。
      5）建立一个社区和一个大型项目来实现OI计算，充分考虑其伦理影响并开发一个通用的本体。
       实现OI系统需将计算机、类器官和外界环境有机地整合到一起，其中，类器官可作为外界环境与计算机的实体介质，这将需要优化类器官与计算机（或AI）相互作用的算法。AI和OI相辅相成，AI的进步有助于更好地理解脑类器官的学习和记忆过程；OI的发展也有可能解锁新的神经模拟AI算法，克服当前AI的限制，并帮助开发新的脑机接口技术。
       为构建更复杂的OI系统，可将脑类器官与各种类型的输入输出刺激和记录接口相结合，如视网膜类器官，形成一个复杂的类器官网络。合理利用突触可塑性分子生物学，也可优化OI系统。了解介导突触传递的神经递质受体的编码基因，类器官的神经递质传递机制将是理解学习所必需的信号级联和突触可塑性的重要组成部分。其次，类器官表达IEGs，介导巩固记忆的突触过程，并在神经元处理信息时迅速转录。
        类器官智能驱动医学研究的创新进展除了可以应用于计算、学习和存储记忆外，OI研究还将允许探索神经发育的具体过程及神经退行性疾病（例如阿尔兹海默病）、神经发育障碍（自闭症）的具体病因，并引导新的治疗方案的开发和应用。
        类器官智能需创建一个具有输入输出和学习能力的人脑模型，无疑会引发复杂的伦理问题。随着OI系统的发展，作为其核心的脑类器官在结构上会变得更加复杂，是否会在不断接受信息输入、产生结果输出的过程中建立原始记忆，甚至产生自我意识，都有待进一步评估和验证。
        文章建议使用“嵌入式伦理”方法，识别、讨论和分析在工作过程中出现的伦理问题。嵌入式伦理学是跨学科伦理学研究中的一种标准方法，伦理学家加入并与研发团队一起合作，随着研究的发展，通过迭代和连续的过程来考虑和解决伦理问题，并形成一个涉及研究人员、伦理学家和公众成员的三方反馈循环。公众参与OI，不仅对防止公众不良反应是必要的，且将最大限度扩大该领域的未来影响，并作为如何将社会嵌入科学的典范。
        基于OI的生物智能将允许更快的决策（包括在大规模、不完整和异构数据集上），在任务期间持续学习，及更高的能源利用效率和数据存储效率。此外，生物智能的发展为阐明人类认知、学习和记忆的生物学基础以及与认知缺陷相关的各种疾病提供了无与伦比的机会，可能有助确定新治疗方法。（信息来源：生物世界）