培养皿中的人类脑细胞集群已经与计算机集成，以实现语音识别的基本水平。
来自印第安纳大学布卢明顿分校的冯郭解释了这项研究，发表在 自然电子这是一个初步的演示，展示了这一概念的可行性。还有很长的路要走。”
郭指出，这种形式的生物人工智能试图解决传统人工智能中的两个主要挑战：高能耗和硅芯片的固有局限性，如它们独特的处理和信息存储功能。
郭的团队和其他团队，如澳大利亚的皮质实验室，在2022年训练脑细胞玩乒乓球，正在探索生物计算与活神经细胞作为这些挑战的潜在解决方案。
这些脑器官是自组织的，类似于迷你大脑的三维组织培养物，在特定的生长条件下从干细胞中产生。
它们可以长到直径几毫米，含有多达1亿个神经细胞。相比之下，人类大脑大约有1000亿个神经细胞。类器官位于微电极阵列的顶部，该阵列既刺激类器官又记录神经元活动。郭的团队将这种设置称为“Brainoware”。
本质上，Brainoware是一种新的人工智能形式，与我们通常在电脑和智能手机中看到的完全不同。
研究人员没有使用常规芯片，而是创造了一小簇人类脑细胞——大脑类器官。这个微小的“迷你大脑”是在实验室里用干细胞培养出来的，它可以执行一些我们通常与人工智能相关的基本任务，比如识别语音模式。
A）一个“Brainoware”系统的示意图，它显示了一个大脑类器官（一个实验室培养的迷你大脑）连接到一个记录和刺激其电活动的设备。B）大脑类器官的显微图像，染色以突出其不同的细胞类型，如成熟神经元、星形胶质细胞、早期神经元和祖细胞，显示其复杂的3D结构。资料来源：Nature Electronics。
它是如何工作的
大脑类器官被放置在一个特殊的设备上，可以发送和读取电信号。
通过这样做，研究人员可以与有机化合物进行交流，就像教它对特定的模式或输入做出反应一样。在这项研究中，他们训练它识别音频片段中的不同声音。
Brainware最值得注意的方面之一是它可以学习和适应。就像人类的大脑通过练习可以更好地完成任务一样，有机化合物暴露在声音中越多，它就会提高识别声音的能力。
这使我们离创造更像人脑工作的人工智能又近了一步，它非常高效，不需要大量的能量就能发挥作用（大约是一个小灯泡的能量）。
然而，也存在挑战。培养这些大脑类器官是很棘手的—它们很难创造，很难持续复制，而且不会持续很长时间，但团队正在研究解决方案。
Brainoware性能
在一项无人监督的语音识别实验中，这些管风琴被训练成从240个发出日语元音的人的录音中辨别出一个单一的声音。这些声音被转换成有机体的信号序列和空间模式。
最初，这些类器官显示出大约30%至40%的准确率，经过两天的训练，准确率提高到70%至80%。
更多关于研究
受生物启发的人工智能 采取了几种不同的形式，例如 神经形态芯片 基于生物神经元。通过从生物类器官创建计算架构，这更进一步。
以下是关于它如何工作的更多细节：
- 仿生人工智能硬件这项发表在Nature Electronics上的研究介绍了Brainoware，这是一种新型的人工智能硬件，它在大脑类器官中使用了生物神经网络。这标志着传统的大脑启发硅芯片的根本转变，提供了更真实的大脑功能仿真。
- Brainoware的结构和功能：Brainoware的运作方式是将从人类多能干细胞生长出来的脑器官与高密度多电极阵列相连接。这种设置允许将电信号传输到有机体和检测神经反应。这种有机化合物表现出非线性动力学、记忆和处理空间信息的能力等特性。
- 研究中演示的应用：该团队成功地将Brainoware应用于实际场景，例如语音识别和预测非线性混沌方程(如Hénon映射)。这显示了Brainoware通过培训提高其计算性能的能力，强调了它在需要自适应学习的任务中的潜力。
- 挑战和局限尽管Brainoware采用了创新的方法，但仍面临着几项技术挑战，包括大脑类器官的生成和维护。此外，硬件对外围设备的依赖阻碍了其潜力。换句话说，你需要大量的辅助设备，才能使大脑器官正常工作。
- 未来方向和潜力：这项研究表明，随着有机化合物种植的进步和解决与有机化合物相关的实际问题，Brainoware可能会演变成一个更有效和更复杂的系统。这可能会导致人工智能硬件更接近于模拟人脑功能，从而潜在地降低能源消耗。
在未来，这些类型的生物计算系统最终可能比传统的硅基芯片更节能地执行人工智能任务。
从今年开始，受生物启发的人工智能的发展显示出巨大的希望，可以帮助人工智能行业克服蛮力计算的限制，创造出像自然一样优雅的节能技术。
