芯片上的人脑细胞可以识别语音并进行简单的数学运算

没有任何一种计算机比人脑更强大、更复杂。隐藏在我们头骨中的组织块，能够以计算机技术几乎无法企及的数量和速度处理信息。

与大多数现代计算设备中物理分离的单元相比，大脑成功的关键在于神经元同时充当处理器和存储设备的效率。

人们曾多次尝试让计算机变得更像大脑，但有一项新的努力让它更进一步 —— 将真实的人脑组织与电子设备相结合。

它被称为“Brainoware”，而且很有效。印第安纳大学布卢明顿分校的工程师郭峰（音译）带领的一个团队为它提供了语音识别和数学问题（如非线性方程预测）等任务。

它的精确度略低于运行在人工智能上的纯硬件计算机，但这项研究展示了一种新型计算机体系结构的重要第一步。

然而，尽管郭和他的同事在开发Brainoware时遵循了伦理准则，约翰霍普金斯大学的几位研究人员在《自然·电子》的相关评论中指出，在进一步扩展这项技术时，还需牢记伦理考虑的重要性。

没有参与这项研究的莉娜·斯米尔诺娃（Lena Smirnova）、布莱恩·卡福（Brian Caffo）和埃里克·C·约翰逊（Erik C. Johnson）提醒道：“随着这些类器官系统的复杂性的增加，社区研究围绕包含人类神经组织的生物计算系统的无数神经伦理问题至关重要。”

人类的大脑令人瞠目结舌。它平均包含860亿个神经元，以及多达1千万亿的突触。每个神经元与多达10000个其他神经元相连，不断地相互放电和交流。

迄今为止，我们在人工系统中模拟大脑活动的最大努力仅仅触及了表面。

2013年，理研的K计算机（当时世界上最强大的超级计算机之一）尝试模拟大脑。使用82944个处理器和1PB的主存储器，它花了40分钟来模拟17.3亿个神经元一秒钟的活动，这些神经元由10.4万亿个突触连接 —— 大约只占大脑的1%到2%。

近年来，科学家和工程师一直试图通过设计硬件和算法来模拟大脑的结构和工作方式，从而接近大脑的能力。这种被称为“神经形态计算”的技术正在不断改进，但它耗能很大，而且训练人工神经网络非常耗时。

郭和他的同事们另辟蹊径，利用在实验室中生长的真实人脑组织来寻求一种不同的方法。人类多能干细胞被诱导发育成不同类型的脑细胞，这些脑细胞被组织成三维迷你大脑，称为类器官，具有完整的连接和结构。

但这些不是真正的大脑，只是组织的简单排列，没有任何类似思想、情感或意识的东西。它们对于研究大脑的发育和工作方式很有用，而不需要在真人身上瞎折腾。

Brainoware由连接到高密度微电极阵列的脑类器官组成，使用一种称为“储备池计算”的人工神经网络。电刺激将信息传递到类器官中，在大脑意识以神经活动的形式进行计算之前，这些信息在类器官中被处理。

普通的计算机硬件用于输入和输出层。这些层必须经过训练才能与类器官一起工作，输出层读取神经数据，并根据输入进行分类或预测。

为了演示这个系统，研究人员给了Brainoware 240个音频片段，这些音频片段来自8位男性的日语元音，并要求它识别一个特定的人的声音。

他们从一个幼稚的类器官开始；经过两天的训练，Brainware识别说话人的准确率达到了78%。

他们还要求Brainoware预测厄农映射（Hénon map），这是一种表现出混乱行为的动力系统。他们让它在无人监督的情况下学习四天（每天代表一个训练时期），发现它能够比没有长短期记忆单元的人工神经网络更准确地预测映射。

Brainware的准确性略低于具有长短期记忆单元的人工神经网络，但这些网络都经历了50次训练。Brainware在不到10%的训练时间内取得了接近相同的结果。

研究人员写道：“由于类器官的高可塑性和适应性，Brainoware具有响应电刺激而改变和重组的灵活性，突出了其适应性储备池计算的能力。”

当然，目前仍有很大的限制，包括保持类器官的存活和健康，以及外围设备的功耗水平。但是，考虑到伦理问题，Brainoware不仅对计算有影响，而且对理解人类大脑的奥秘也有影响。

莉娜·斯米尔诺娃、布莱恩·卡福和埃里克·C·约翰逊写道：“通用生物计算系统可能还需要几十年的时间才能被创造出来，但这项研究可能会对学习机制、神经发育和神经退行性疾病的认知影响产生根本性的见解。”

“这也有助于开发认知障碍的临床前模型，以测试新的治疗方法。”

这项研究发表在《自然电子》杂志上。

如果朋友们喜欢，敬请关注“知新了了”！